Développement et mise en oeuvre de stratégies d'échantillonnage comprimé pour le débruitage et l'acquisition d'images en microscopie à fluorescence et en tomographie en cohérence optique

Development and implementation of compressed sensing-based denoising and acquisition strategies for fluorescence microscopy and optical coherence tomography

• Auteur / Autrice : William Meiniel
• Direction : Elsa D. Angelini, Jean-Christophe Olivo-Marin
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance le 27/11/2018
• Etablissement(s) : Paris, ENST
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Traitement et communication de l'information (Paris ; 2003-....)
• Jury : Président / Présidente : Laure Blanc-Féraud
• Jury : Examinateurs / Examinatrices : Sylvain Gigan, Arrate Muñoz Barrutia
• Jury : Rapporteurs / Rapporteuses : Hervé Rigneault, Michael Liebling
• DOI : 10.70675/d443bc34z7986z48a3z9f6bz9eee9657d975

Mots clés

Mots clés contrôlés

Traitement d'images

Échantillonnage

Mots clés libres

Échantillonnage comprimé

Problèmes inverses

Variation totale

Transformée de Fourier

Parcimonie

Débruitage

Imagerie biologique

Microscopie à fluorescence

Microscopie à illumination structurée

Tomographie en cohérence optique

Compressed sensing

Inverse problems

Total variation

Fourier transform

Sparsity

Denoising

Biological imaging

Fluorescence microscopy

Structured illumination microscopy

Optical coherence tomography

Résumé

Dans le cadre de la théorie mathématique de l’échantillonnage comprimé (Compressed Sensing, CS), développée récemment, il est possible de reconstruire un signal ou une image à partir de très peu d’acquisitions. Dans cette thèse, nous étudions comment cette théorie peut être adaptée à deux techniques de microscopie optique : la microscopie à fluorescence, et la tomographie en cohérence optique. Ces deux technologies présentent chacune des limitations, qui peuvent être corrigées par prise en compte de stratégies d’échantillonnage comprimé, que l’on peut diviser en deux catégories : des solutions algorithmiques propres au traitement d’image, et des techniques d’acquisition optique.

The mathematical theory of Compressed Sensing (CS) is a recently developed framework that enables the reconstruction of a signal or an image from very few measurements. In this thesis, we investigate how this theory can be implemented in the context of two optical microscopy techniques : fluorescence microscopy, and optical coherence tomography. Both technologies present different limitations which we prove can be tackled by the embedding of CS driven strategies. The latter can be divided into two categories : image processing algorithmic solutions, and optical acquisition techniques.