Restauration d’Images de la Rétine Corrigées par Optique Adaptative

Présentation au sujet: "Restauration d’Images de la Rétine Corrigées par Optique Adaptative"— Transcription de la présentation:

1 Restauration d’Images de la Rétine Corrigées par Optique Adaptative
Guillaume CHENEGROS Encadrant ONERA : Laurent MUGNIER Directeur de Thèse : François LACOMBE (Mauna Kea Technologies) Collaboration : Marie GLANC (Observatoire de Paris)

2 Introduction Objectif : imagerie du fond de l’œil non invasive et in vivo : détection de pathologies de la rétine. Problème : mauvaise qualité optique de l’oeil. Similitudes avec l’imagerie astronomique à travers la turbulence atmosphérique : variation temporelle des aberrations. Compensation (partielle) des aberrations par l’Optique Adaptative. Spécificité : imagerie 3D contrairement à l’astronomie. Méthode de déconvolution 3D : amélioration de la résolution latérale et longitudinale.

3 Déconvolution 3D à PSF connue
k-ième image : Perte de résolution en x,y : la PSF focalisée h0 contient des aberrations résiduelles (classique en OA). Perte de résolution en z : contribution de tous les plans objets pour chaque plan image. Modèle de PSF diffractif (pas de diffusion) : h(j), j les aberrations. Ce que l’on cherche : Critère d’attache aux données minimisé : MC pondéré. Critère de régularisation utilisé L1-L2 permettant une très bonne restauration des bords francs, développé au DOTA (MISTRAL). [Chenegros et al., SPIE, 2006]

4 Résultats Déconvolution à PSF Connue
Sens de la lumière Sens de la lumière Objet 300 mm Image 300 mm 300 mm Image restaurée 300 mm

5 Déconvolution myope : principe et pb rencontré
Problème : PSF mal connue. Solution : Estimation conjointe de la PSF et de l’objet. Images courtes poses → parametrisation PSF par phase pupillaire (N3 inconnues → quelques dizaines). Critère à minimiser : Critère partiellement minimisé (en o) : Surface de J’(j) sans contrainte de positivité Surface de J’(j) avec contrainte de positivité A : minimum global du critère. B : vraies aberrations.

6 Diversité de phase 3D Extension de la diversité de phase 2D : [Chenegros et al., JOSA A, Poster SFO, 2006] Résultats : if id Objet Objet vide Image Objet Image Solution

7 Vers un traitement d’images expérimentales : Recentrage sub-pixellique
Existence d’un algorithme de re-centrage sub-pixellique pour objets à support restreint développé au DOTA [Gratadour et al., AA, 2005]. Estimation des shifts relatifs entre deux images par Maximum de vraisemblance. Adaptation de la méthode aux objets étendus au-delà des bords de l’image (imagerie rétinienne). Images non recentrées d’un morceau de papier Images recentrées d’un morceau de papier

8 Conclusions et perspectives
Développement d’une méthode de déconvolution 3D à PSF connue validée sur images simulées. Développement d’une méthode de diversité de phase 3D (avec contrainte de support en Z) validée sur images simulées. Adaptation d’une méthode de recentrage sub-pixellique au cas d’images étendues validée sur images expérimentales. Perspectives : Développement d’un banc simplifié pour valider les algorithmes. Validation de la déconvolution à PSF connue sur des images de cellules biologiques obtenues par l’Université de Haute Alsace. Validation de la déconvolution à PSF connue et de la diversité de phase 3D sur images expérimentales (in fine sur dispositif Inoveo [contrat RNTS Imagine Eyes + Onera + Obs.Paris + MKT + …]) .