Optimisation L2-L0 contrainte et application à la microscopie à molécule unique
Auteur / Autrice : | Arne Bechensteen |
Direction : | Laure Blanc-Féraud, Sébastien Schaub |
Type : | Thèse de doctorat |
Discipline(s) : | Automatique, Traitement du Signal et des Images |
Date : | Soutenance le 24/11/2020 |
Etablissement(s) : | Université Côte d'Azur |
Ecole(s) doctorale(s) : | École doctorale Sciences et technologies de l'information et de la communication (Sophia Antipolis, Alpes-Maritimes) |
Partenaire(s) de recherche : | Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Sophia Antipolis, Alpes-Maritimes) - Laboratoire Informatique, signaux et systèmes (Sophia Antipolis, Alpes-Maritimes) - Morphologie et Images |
Jury : | Président / Présidente : Olivier Meste |
Examinateurs / Examinatrices : Laure Blanc-Féraud, Sébastien Schaub, Olivier Meste, Jean-François Aujol, Jérôme Idier, Gilles Aubert, Caroline Chaux, Christine De Mol | |
Rapporteurs / Rapporteuses : Jean-François Aujol, Jérôme Idier |
Mots clés
Mots clés contrôlés
Mots clés libres
Résumé
L'optimisation parcimonieuse est cruciale dans la société d'aujourd'hui, car elle est utilisée dans de nombreux domaines, tels que le débruitage, la compression, l’apprentissage et la sélection de caractéristiques. Cependant, obtenir une bonne solution parcimonieuse d'un signal est un défi de calcul.Cette thèse se concentre sur l'optimisation d’un terme des moindres carrés en norme L0 sous une contrainte de k-parcimonie sur la solution exprimée avec la pseudo-norme L0 (le problème L2-L0 contraint). Nous étudions également la somme de la fonction de perte des moindres carrés et d'un terme de pénalité L0 (le problème L2-L0 pénalisé). Les deux problèmes sont non convexes, non continus et NP-durs. Nous proposons trois nouvelles approches d'optimisation parcimonieuse. Nous présentons d'abord une relaxation continue du problème contraint et présentons une méthode pour minimiser la relaxation proposée. Deuxièmement, nous reformulons la pseudo-norme L0 comme un problème de minimisation convexe. Ceci est fait en introduisant une variable auxiliaire, et nous présentons une reformulation exacte du problème contraint (CoBic) et pénalisé (PeBic). Enfin, nous présentons une méthode pour minimiser le produit du terme de fidélité des données et du terme de régularisation. Ce dernier est un travail de recherche en cours. Nous appliquons les trois premières méthodes proposées (relaxation, CoBic et PeBic) à la microscopie par molécule unique. Les résultats des algorithmes proposés sont à l'état de l'art des méthodes basées sur la grille. De plus, fixer la constante de contrainte de parcimonie est généralement plus intuitif que fixer le paramètre de pénalité, ce qui rend l’approche contrainte attractive pour les applications.