Restauration et reconnaissance des formes dans des images avec bruit de Poisson : application à l'analyse des neurones en microscopies de fluorescence

par François-Xavier Dupé

Thèse de doctorat en Traitement du signal et des images

Sous la direction de Luc Brun.

Soutenue en 2010

à Caen .

mots clés

• Traitement d'images -- Techniques numériques
• Optimisation convexe
• Analyse numérique
• Noyaux (analyse fonctionnelle)
• Reconnaissance des formes (informatique)
• Traitement du signal
• Microscopie de fluorescence
• Imagerie en biologie

Résumé

Dans le cadre de l'étude du cerveau, les biologistes et les médecins s'intéressent à de petites excroissances sur les dendrites appelées épines dendritiques. Ces épines jouent un rôle important au niveau des transmissions synaptiques. Elles sont observées par fluorescence avec un microscope confocal. Les images acquises sont difficiles à exploiter car elles sont 1) dégradées par le flou dû aux limites de la diffraction et du bruit, 2) les épines présentent une grande diversité morphologique et 3) une dendrite peut posséder une densité importante d'épines. Cette thèse se décompose donc en trois parties : la première partie présente un cadre théorique d'optimisation aboutissant à des algorithmes de déconvolution sous bruit de Poisson. La deuxième partie concerne la comparaison de formes par leur morphologie avec des noyaux sur graphes. La troisième partie propose une plateforme d'exploitation d'images d'épines pour obtenir automatiquement des informations morphologiques sur ces épines.

Titre traduit

Restauration and shape recognition inside images with Poisson noise : application to the analysis of neurons acquired by fluorescence microscopy

Résumé

While studying the brain, biologists and doctors focus on some small protrusions on the dendrites which go by the name of dendritic spines. These spines play an important role in the synaptic transmission process. They are observed using a fluorescent confocal microscope. Observed images are hard to exploit because 1) they are degraded by diffraction-related blur and noise, 2) they present a large morphological diversity and 3) one dendrite may show an important density of spines. This thesis is then divided into three parts : the first part presents a theoretical optimization framework that is then applied to deconvolution under Poisson noise. The second part considers shape comparison using morphological information by graph kernels. The third part proposes a framework that deploys the image analysis tools developed in the previous chapters to get automatically morphological information about the observed spines.