Mise en œuvre d'une architecture de reconnaissance de formes pourla détection de particules à partir d'images atmosphériques

par Sonia Khatchadourian

Thèse de doctorat en Sciences et technologies de l'information et de la communication

Sous la direction de Lounis Kessal et de Gérard Fontaine.

Soutenue en 2010

à Cergy-Pontoise , dans le cadre de École doctorale Sciences et ingénierie (Cergy-Pontoise, Val d'Oise) , en partenariat avec Equipes Traitement de l'Information et Systèmes (Cergy-Pontoise) (équipe de recherche) et de Ecole nationale supérieure de l'électronique et de ses applications (Cergy, Val-d'Oise) (autre partenaire) .

mots clés

• Moments de Zernike
• Reconnaissance de formes
• Zernike, Frits (1930-....)
• Réseaux neuronaux (informatique)
• Atmosphère
• Réseaux logiques programmables par l'utilisateur

Résumé

L'expérience HESS consiste en un système de télescopes permettant d'observer les rayonnements cosmiques. Compte tenu des résultats majeurs obtenus depuis son installation, la seconde phase du projet a été engagée. Celle-ci passe par l'ajout d'un télescope plus sensible et plus grand que ses prédécesseurs. Toutes les données collectées par ce télescope ne pouvant être conservées à cause des limites de stockage, un système de déclencheur (trigger) performant doit être mis en place. L'objectif de cette thèse est de proposer une solution de reconnaissance de formes en temps réel, embarquée sur le télescope. La première partie de la thèse a consisté à élaborer une chaine de reconnaissance des formes pour ce trigger. Une chaine de traitement à base de réseau de neurones et des moments de Zernike a été validée. La seconde partie de la thèse a porté sur l'implantation des algorithmes retenus sur FPGA en tenant compte des contraintes en termes de ressources et de temps d'exécution.

Titre traduit

Implementation of a pattern recognition architecture for particle detection in atmospheric images

Résumé

The HESS experiment consists of a system of telescopes destined to observe cosmic rays. Since the project has achieved a high level of performances, a second phase of the project has been initiated. This implies the addition of a new telescope which is capable of collecting a huge amount of images. As all data collected by the telescope can not be retained because of storage limitations, a new real-time system trigger must be designed in order to select interesting events on the fly. The purpose of this thesis was to propose a trigger solution to efficiently discriminate events captured by the telescope. The first part of this thesis was to develop pattern recognition algorithms to be implemented within the trigger. A processing chain based on neural networks and Zernike moments has been validated. The second part of the thesis has focused on the implementation of the proposed algorithms onto FPGA, taking into account the application constraints in terms of resources and execution time.