Reconstruction rapide d'images multi-bandes partiellement échantillonnées en spectromicroscopie EELS

Fast reconstruction of partially sampled multi-band images in EELS spectromicroscopy

• Auteur / Autrice : Etienne Monier
• Direction : Nicolas Dobigeon, Thomas Oberlin
• Type : Thèse de doctorat
• Discipline(s) : Signal, Image, Acoustique et Optimisation
• Date : Soutenance le 09/10/2020
• Etablissement(s) : Toulouse, INPT
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Informatique de Toulouse (1995-....)
• Jury : Président / Présidente : Jérôme Idier
• Jury : Examinateurs / Examinatrices : Nicolas Dobigeon, Thomas Oberlin, Vincent Mazet, Cécile Hébert, Ferréol Soulez, Cyril Ruckebush, Nathalie Brun
• Jury : Rapporteurs / Rapporteuses : Vincent Mazet, Cécile Hébert

Mots clés

Mots clés contrôlés

Reconstruction d'image

Microscopie électronique à balayage et en transmission

Spectroscopie de perte d'énergie des électrons

Mots clés libres

Spectroscopie de perte d’énergie des électrons

Microscope électronique en transmission à balayage

Imagerie multi-bande

Spectre-image

Reconstruction d'image

Echantillonnage partiel

Inpainting

Electron energy loss spectroscopy

Scanning transmission electron microscope

Multi-band imaging

Spectrum-image

Image reconstruction

Partial sampling

Inpainting

Résumé

En spectroscopie de perte d’énergie des électrons (EELS), l’échantillon à analyser est soumis à un faisceau d’électron et une détection de l’énergie perdue au cours de la traversée du matériau renseigne sur la composition chimique du composé. Pour des échantillons particulièrement sensibles aux dégâts d'irradiation électronique, comme par exemple des matériaux organiques, on cherche à limiter la dose totale d'électrons reçue par l'échantillon tout en obtenant un rapport signal-sur-bruit satisfaisant. Avec le développement récent de modules d’échantillonnage adaptés aux microscopes en transmission à balayage (STEM), l’acquisition initialement réalisée ligne par ligne est devenue hautement paramétrable. Ainsi, il est désormais possible de visiter un ensemble de positions spatiales quelconques au cours de l’acquisition. De nombreux travaux ont proposé de s’appuyer sur ces avancées techniques pour permettre une acquisition optimisée pour des échantillons sensibles. Pour une dose d’électron globale équivalente à un échantillonnage standard, ces stratégies consistent à visiter moins de positions spatiales, et donc à procéder à un échantillonnage partiel. Par conséquent, une dose d’électron par position spatiale plus élevée est autorisée, ce qui permet d’augmenter le rapport signal-sur-bruit de chaque spectre mesuré. En contrepartie, une étape de post-traitement est nécessaire pour reconstruire l’ensemble de l’image, en particulier les spectres associés aux positions spatiales non visitées au cours de l’acquisition. Parmi les techniques de reconstruction utilisées dans la littérature, les méthodes d’interpolation sont rapides mais peu précises ; elles sont d’un intérêt tout particulier pour visualiser l’image complète au cours de l’acquisition. Au contraire, les techniques par apprentissage de dictionnaire sont très performantes, mais coûteuses tant en mémoire qu’en temps de calcul, et sont donc privilégiées pour raffiner l’image reconstruite après l’expérimentation. En définitive, peu de travaux ont cherché à combler ce fossé. L’objectif principal de cette thèse est de proposer des algorithmes de reconstruction rapides et performants en imagerie EELS. Ils devront, comme pour les méthodes d’interpolation, être suffisamment rapides pour visualiser l’image reconstruite au cours de l’acquisition. D’autre part, ces méthodes devront également afficher de meilleures performances que celles données par l’interpolation, voire proches de celles des techniques par apprentissage de dictionnaire. Pour cela, des méthodes par moindres carrés régularisés sont envisagées dans le cas d’échantillons spatialement lisses et d’échantillons cristallins périodiques. Les algorithmes proposés sont ensuite testés en s’appuyant sur des données synthétiques et réelles. L’intérêt de l’approche par acquisition partielle et les performances par rapport à d’autres méthodes de reconstruction sont étudiés.

In electron energy loss spectroscopy (EELS), the sample to be analyzed is exposed to an electron beam, and the measure of the energy loss after passing through the material informs about the chemical composition. For samples particularly sensitive to electronic irradiation damages, such as organic materials, the experimenter is constrained to reduce the total electron dose received by the sample while obtaining a satisfying signal-to-noise ratio. With the recent development of sampling modules adapted to scanning transmission electron microscopes (STEM), the initial raster acquisition (i.e., line-by-line) has become highly configurable. Henceforth, it is now possible to visit any set of spatial positions during the acquisition. Based on these technical advances, a lot of works proposed optimized acquisition schemes for preserving sensitive samples. For a global electron dose equivalent to standard sampling, these strategies consist in visiting less spatial positions, i.e., to perform partial sampling. As a consequence, a higher electron dose per spatial position is allowed, which permits to increase the signal-to-noise ratio for each sampled spectrum. Yet, a post-processing step is required to infer the missing spectra. Among the reconstruction techniques used in the literature, the interpolation methods are fast but rather inaccurate ; they are particularly efficient for displaying the full image along the acquisition process. On the contrary, the dictionary learning-based methods are very performant, but are memory and computation demanding. They are chosen in priority to refine the reconstructed image after experimenting. Finally, only a few works attempt to fill this gap. The main objective of this Ph.D. thesis is to propose fast and accurate reconstruction algorithms for STEM-EELS imaging. Similarly to the interpolation methods, they should be fast enough to visualize the reconstructed image along the acquisition. Meanwhile, they should also achieve better reconstruction performances than those reached by interpolation, close to those of dictionary learning-based methods. To that end, regularized least square methods are proposed in the context of spatially smooth samples or of periodic crystalline samples. The proposed algorithms are then tested based on synthetic as well as real data experiments. The interest of partial-sampling based methods and the performances with respect to other reconstruction methods are evaluated.