Détection des galaxies à faible brillance de surface, segmentation hyperspectrale dans le cadre de l'observatoire virtuel

Low surface brightness galaxy detection, hyperspectral segmentation within the framework of the virtual observatory

• Auteur / Autrice : Matthieu Petremand
• Direction : Christophe Collet, Françoise Genova
• Type : Thèse de doctorat
• Discipline(s) : Traitement d'images et vision par ordinateur
• Date : Soutenance en 2006
• Etablissement(s) : Strasbourg 1

Mots clés

Mots clés contrôlés

Visualisation

Traitement d'images -- Techniques numériques

Galaxies

Markov, Processus de

Résumé

Les progrès technologiques de l'instrumentation astronomique soulèvent des problématiques variées. En particulier, le développement des capteurs multispectraux permet l'acquisition de masses de données porteuses d'une information très riche. Néanmoins, l'interprétation et le traitement de tels volumes de données restent délicats pour la communauté astronomique. Dans le cadre de cette thèse nous proposons une méthode de détection de galaxies à faible brillance de surface basée sur l'utilisation d'une segmentation markovienne par quadarbre. Puis, nous étudions une nouvelle méthode de segmentation de cubes de données hyperspectraux basée sur une approche spectrale puis sur une régularisation spatiale de la carte de segmentation. Enfin, nous proposons deux méthodes de visualisation d’images multibandes, ainsi qu’une méthode de segmentation floue par champs de Markov. Ces méthodes sont validées sur des images astronomiques et ont fait l'objet d'une interaction particulièrement riche entre communauté STIC et communauté astronomique.

Technological progress in astronomical instrumentation raise various issues. The development of multispectral sensors yields extremely valuable data. Nevertheless interpretation and processing of such images remain tricky for the astronomical community. Within the framework of this thesis we propose a new method for the detection of low surface brightness galaxy based on a quadtree Markovian segmentation. We then introduce a new segmentation method of hyperspectral data cubes based on a spectral discrimination and on a spatial regularization of the segmentation map. We then propose two multispectral images visualization methods and a new fuzzy segmentation method based on Markov fields. These methods are validated on astronomical images and led to a fruitful cooperation between STIC and astronomical community.