You are here: Foswiki>Main Web>Workpackages (04 Jan 2010, EricSlezak)Edit Attach

Workpackages

This section presents the organization of the DAHLIA project in terms of Work Packages (WP).

WP 0 - Coordination

Leader : Eric Slezak (OCA)

Autres Participants : Sophie Rousset (OCA)

Collaborateurs : Monique Delapina (OCA)

WP 1 - Visualisation de donnees hyperspectrales

Leader : Mireille Louys (LSIIT)

Deputy : Christophe Collet (LSIIT)

Autres Participants : Francois Bonnarel (CDS Strasbourg), Fabien Salzenstein (LSIIT), Thierry Contini (LATT)

Mathieu Petremand (Post-doc ANR)

Collaborateurs : Eric Emsellem (ESO), Harald Kuntschner (ESO)

Description :

Il s'agit tout d'abord de pouvoir disposer d'un environnement permettant de visualiser des cubes comparables a ceux de MUSE de manière efficace et offrant toutes les fonctionnalités nécessaires (et déjà implémentes dans certains prototypes). Une visualisation synthétisant l'essentiel de l'information contenu dans le cube est également visée afin de permettre des diagnostics rapides sur la qualité des données et comme support à l'identification des sources préalablement à leur analyse. La possibilité de superposer à cette image (ex. par transparence) des résultats d'autre nature ou toute autre image de contrôle jugée utile (ex. carte d'incertitude) constitue également un objectif important.

WP 2 - Combinaison & Fusion de cubes hyperspectraux

Leader : Christophe Collet (LSIIT)

Deputy :

Autres Participants : Vincent Mazet (LSIIT), Fabien Salzenstein (LSIIT),

Mathieu Petremand (Post-doc ANR)

Collaborateurs : Andre Jalobeanu (Univ. Evora Portugal)

Description :

Lors de l'acquisition des données, la durée d'une pose élémentaire (qui pour l'instrument MUSE produit un cube de 300x300x4096 pixels) est souvent relativement courte en rapport du temps d'intégration total vise. Il est donc nécessaire de combiner les observations hyprespectrales élémentaires pour obtenir un seul cube rassemblant toute l'information disponible. Pour ce faire une méthode robuste (et séquentielle) d'intégration de l'information au sein d'un modèle unique doit être développée. Il est par ailleurs vraisemblable que chacune des images hyper spectrales a prendre en compte ait été obtenue avec des conditions différentes ( seeing, échantillonnages spatial et spectral, distorsions géométriques, décalages divers, etc.) : l'algorithme de fusion doit impérativement prendre en compte ces contraintes et si possible améliorer la qualité du produit final (debruitage, super-résolution, accroissement du champ de vue). Le processus de fusion doit aussi pouvoir associer une incertitude sur la valeur de chacun des pixels du cube final (matrice de variance-covariance dans une approche bayesienne), une information que les post-traitements peuvent utiliser pour accroitre leurs performances.

WP 3 - Deconvolution

Leader : Herve Carfantan (LATT)

Deputy : Eric Anterrieu (LATT)

Autres Participants : Jihane Moultaka (LATT), Sylvie Roques (LATT), Vincent Mazet (LSIIT),

Khalid Sabri (Post-doctorant CNRS)

Emma Villeneuve (doctorante)

Collaborateurs : Laurent Jolissaint (Leiden) ; Denis Serre (Leiden)

Description :

Comme toujours, cette étape méthodologique a pour objectif d'accroitre la resolution spatiale des données en se servant d'une réponse impulsionnelle (PSF) considérée comme connue, parametriquement ou non. Le premier obstacle est lie au volume du cube qu'il doit être possible de traiter (ex. 300x300 pixels et 4096 canaux fréquentiels pour les données MUSE). Le second réside dans la nécessaire gestion d'une PSF variable certes spatialement (10 a 20%, cf. corrections liées a une optique adaptative) mais aussi avec la longueur d'onde (un facteur 2 entre les deux extrémités du spectre pour MUSE) et temporellement (cf. variabilité atmosphérique). Une modélisation de ces variations est indispensable, si possible en préservant une structure de type convolution. .

WP 4 - Separation de sources

Leader : Yannick Deville (LATT)

Deputy : Shahram Hosseini (LATT)

Autres Participants : Vincent Mazet (LSIIT)

Inès Meganem (doctorante)

Collaborateurs :

Description :

Toute observation d'un champ d'étoiles ou la densité de sources est forte conduit a une image hyprespectrale ou les informations sont entremêlées. A partir de ce mélange, il s'agit d'obtenir la meilleure estimation possible de la position et du spectre de chaque source ponctuelle individuelle. Cette question de la séparation aveugle de sources pratiquement confondues avec la caractérisation du mélange demande des efforts spécifiques : prise en compte de la positivité des spectres astrophysiques et de leurs mélanges, estimation automatique du nombre de sources impliquées pour identifier les mélanges sous-déterminés, cas des mélanges bruités, etc.

WP 5 - Segmentation de donnees hyperspectrales

Leader : Eric Slezak (OCA)

Deputy :

Autres Participants : Andre Ferrari (OCA-Matis), David Mary (OCA-Matis), Cedric Richard (OCA-Matis), Albert Bijaoui (OCA-Castel)

Sebastien Bourguignon (Post-doctorant ANR)

Collaborateurs : Olivier Michel (Gipsa-Lab Grenoble) / Jocelyn Chanussot (Gipsa-Lab Grenoble) / Peter Weilbacher (AIP Postdam)

Description :

L'image hyperspectrale d'une scène astrophysique contient des objets aux caractéristiques très variables, tant par leur aspect (ponctuelles ou étendues) que par leur morphologie (régulière ou complexe) ou encore leur comportement spectral (présence ou non de raies en émission, existence d'un continu détectable) et leur luminosité totale. Un rapport S/B qui peut être faible, des systématiques résiduelles liées aux prétraitements et une statistique imprécise du bruit sur l'image sont des difficultés supplémentaires pour détecter l'ensemble des sources présentes de manière homogène. Si la détection d'objets de forme simple dans une image monobande est maitrisée depuis plus de vingt ans, y compris en champ dense, s'il est déjà nettement plus ardu de mettre en cohérence les résultats obtenus par l'examen sépare d'une série d'images d'un même champ à différentes longueurs d'onde (cf. variations des objets, de la PSF, des conditions d'observations), s'il est encore possible d'examiner et de traiter les petits jeux de données d'imagerie intégrale de champ en les envisageant soit comme une collection de plans image soit comme une collection de spectres, la situation change radicalement avec les nouvelles données massives d'imagerie hyperspectrale : il est nécessaire de repenser la stratégie de segmentation en posant le problème sous son angle multidimensionnel. Développer les méthodes capables d'extraire dans un tel contexte les objets quels que soient leurs comportements spatio-fréquentiel pour obtenir un échantillon fiable et contrôle des sources présentes dans l'image constitue l'objectif du WP 5.

WP 6 - Simulations

Leader : Roland Bacon (CRAL)

Deputy : Jeremy Blaizot (CRAL)

Autres Participants :

Collaborateurs : Laurent Jolissaint (Leiden), Denis Serre (Leiden)

Description :

Notre objectif final étant d'optimiser le retour scientifique de données réelles, il est crucial pour tester et valider les algorithmes de disposer de données simulées aussi proches que possible de celles qui devront être traitées in fine. Pour chaque cas scientifique d'intérêt, cela demande donc la production d'une image hyperspectrale réaliste de la scène qui sera observée a partir des objets qu'elle doit renfermer et de leurs propriétés, puis d'y ajouter tous les effets delà chaine d'acquisition (atmosphère, optique adaptative, télescope et instrument) et enfin de retirer dans la mesure du possible ces signatures parasites par un logiciel de pré-réduction performant. Cet effort considérable est spécifique dans sa seconde partie de chaque instrument. Le projet méthodologique DAHLIA s'adossant sur le futur spectro-imageur à intégrale de champ MUSE pour le VLT, ce WP essentiel bénéficie donc très largement des travaux conduits au sein du consortium MUSE pour préparer l'exploitation scientifique de cet instrument, Trois catégories de simulations sont nécessaires : un champ extragalactique profond, une galaxie proche largement résolue avec différents scenarios, et des champs stellaires denses.

Topic revision: r20 - 04 Jan 2010, EricSlezak
This site is powered by FoswikiCopyright © by the contributing authors. All material on this collaboration platform is the property of the contributing authors.
Ideas, requests, problems regarding Foswiki? Send feedback