Thèse soutenue

Déconvolution multicanale et détection de sources en utilisant des représentations parcimonieuses : application au projet Fermi

FR  |  
EN
Auteur / Autrice : Jeremy Schmitt
Direction : Jean-Luc StarckIsabelle Grenier
Type : Thèse de doctorat
Discipline(s) : Physique
Date : Soutenance le 07/12/2011
Etablissement(s) : Paris 11
Ecole(s) doctorale(s) : Ecole doctorale Sciences et Technologies de l'Information, des Télécommunications et des Systèmes (Orsay, Essonne ; 2000-2015)
Partenaire(s) de recherche : Laboratoire : Service d'Astrophysique (Gif-sur-Yvette (Essonne))
Jury : Président / Présidente : Thomas Rodet
Examinateurs / Examinatrices : Isabelle Grenier, Thomas Rodet, Albert Bijaoui, Maï Khong Nguyen-Verger, Gilles Faÿ
Rapporteurs / Rapporteuses : Albert Bijaoui, Maï Khong Nguyen-Verger

Résumé

FR  |  
EN

Ce mémoire de thèse présente de nouvelles méthodologies pour l’analyse de données Poissoniennes sur la sphère, dans le cadre de la mission Fermi. Les objectifs principaux de la mission Fermi, l’étude du fond diffus galactique et l’établissement du catalogue de source, sont com pliqués par la faiblesse du flux de photons et les effets de l’instrument de mesure. Ce mémoire introduit une nouvelle représentation mutli-échelles des données Poissoniennes sur la sphère, la Transformée Stabilisatrice de Variance Multi-Echelle sur la Sphère (MS-VSTS), consistant à combiner une transformée multi-échelles sur la sphère (ondelettes, curvelets), avec une transformée stabilisatrice de variance (VST). Cette méthode est appliquée à la suppression du bruit de Poisson mono et multicanale, à l’interpolation de données manquantes, à l’extraction d’un modèle de fond et à la déconvolution multicanale. Enfin, ce mémoire aborde le problème de la séparation de composantes en utilisant des représentations parcimonieuses (template fitting).