[POST-DOC] Modèles et algorithmes pour restauration d’image et détection/classification de cibles en imagerie sous-marine polarisée

L’exploration des fonds marins constitue un enjeu stratégique tant sur le plan industriel que militaire [1]. Dans ce contexte, la disponibilité de nouvelles technologies de détection, de visualisation et d’analyse est un besoin essentiel. L’imagerie optique fait partie de cette panoplie. Cependant, la nature même du milieu rend l’utilisation de techniques d’imagerie classiques délicate. En effet, plusieurs phénomènes viennent dégrader fortement la qualité des images acquises. On peut notamment citer [2] :

• L’absorption de la lumière par l’eau, qui se fait principalement dans le rouge, et qui entraîne à la fois une baisse de luminosité et une déformation du spectre des images ;
• La diffusion de la lumière qui engendre un effet de flou ou un phénomène de voile qui limitent grandement la résolution et la visibilité.

Ces limitations rendent les systèmes d’imagerie conventionnels peu adaptés à la réalisation de missions dans plusieurs environnements, notamment ceux caractérisés par une eau à la turbidité élevée (zones portuaires, estuaires).

Afin de lever ces limitations, une solution consiste à exploiter les propriétés de polarisation de la lumière. En effet, plusieurs études démontrent les capacités de l’imagerie polarimétrique à améliorer la visibilité des systèmes sous-marins quand elle est combinée à des traitements d’images adaptés [3-10].

Il a été démontré qu’une exploitation intelligente du phénomène de polarisation offrait la possibilité d’augmenter la portée des imageurs sous-marins. Cependant, la plupart des méthodes existantes s’appuient sur des méthodes de « dévoilage » (dehazing) reposant sur des modèles approchés de la physique de propagation de la lumière et des systèmes instrumentaux non optimaux.

Pour essayer d’aller au-delà des performances actuelles, nous travaillons avec la société I2S pour concevoir un système d’imagerie sous-marine amélioré. Dans le cadre de cette collaboration, la personne recrutée aura la charge de la caractérisation de l’imageur et du développement des algorithmes de traitement d’image. Elle travaillera en étroite collaboration avec la société i2S et participera aux campagnes de tests, d’expérimentation et de validation.

Concernant l’élaboration des algorithmes de traitement, trois sujets seront explorés :

• La restauration des images sous-marines pour l’amélioration de la visibilité
• La détection et la classification d’objets d’intérêt (principalement manufacturés)
• La représentation de l’information pour des opérateurs humains

Dans les trois cas, le travail supposera

• Une étude bibliographique de l’état de l’art permettant de sélectionner la méthode ou famille de méthodes qui semble la plus pertinente en fonction des critères de performances identifiés.
• La mise en place en Python et la validation des algorithmes retenus sur des images issues des campagnes de test.
• L’identification des paramètres permettant une simplification éventuelle du système expérimental et une optimisation à des scénarios donnés.

Ce projet fait appel à des compétences interdisciplinaires et requiert une motivation pour la modélisation optique et le traitement des images. Titulaire d’un doctorat en physique, sciences de l’ingénieur, traitement de l’information ou sur un sujet similaire, la personne retenue possèdera idéalement des compétences dans ces deux domaines. Néanmoins, des compétences reconnues en instrumentation optique et en en calcul numérique sont indispensables pour le projet.

Lieu : Laboratoire Charles Fabry, Institut d’Optique, 2 avenue Augustin Fresnel 91120 Palaiseau

Début : début 2023

Durée : 18 mois

Rémunération : à discuter

[1] Les fonds océaniques, un espace stratégique pour les armées françaises : https://www.cairn.info/revue-defense-nationale-2021-HS4-page-125.htm

[2] B. L McGlamery, “A computer model for underwater camera systems”, SPIE vol. 208 Ocean Optics VI, pp.221-232 (1979)

[3] Y. Y. Schechner, N. Karpel, “Recovering Scenes by Polarization Analysis”, Proc. MTS/IEEE Oceans'04, Vol. 3, pp. 1255-1261 (2004)

[4] T. Treibitz, Y. Y. Schechner, “Instant 3Descatter”, Proc. IEEE Computer Vision and Pattern Recognition (CVPR) vol. II, pp. 1861-1868 (2006)

[5] D. M. Kocak, F. R. Dalgleigh, F. M. Caimi, Y. Y. Schechner, “A Focus on Recent Developments and Trends in Underwater Imaging”, Marine Technology Society Journal VOL. 42, pp. 52 (2008)

[6] T. Treibitz, Y. Y. Schechner, “Active Polarization Descattering”, IEEE Trans. PAMI, Vol. 31, #3, pp. 385-399 (2009)

[7] B. Huang, T. Liu, H. Hu, J. Han, M. Yu, “Underwater image recovery considering polarization effects of objects”, Opt. Express 24(9) pp. 9826-9838 (2016)

[8] Y. Gu, C. Carrizo, A. Gilerson, P. Brady, M. Cummings, M. Twardowski, J. Sullivan, A. Ibrahim, and G. Kattawar, "Polarimetric imaging and retrieval of target polarization characteristics in underwater environment," Appl. Opt.  55, pp.626-637 (2016).

[9] H. Hu, L. Zhao, X. LI, H. Wang, J. Yang, K. LI, T. Liu, “Polarimetric image recovery in turbid media employing circularly polarized light”, Opt. Express 26(19) pp. 25047-25059 (2018)

[10] H. Zhang, M. Ren, H. Wang, J. Yao, Y. Zhang, "Fast processing of underwater polarization imaging based on optical correlation," Appl. Opt.  60, pp.4462-4468 (2021)