![Page 1: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/1.jpg)
Systèmes d’acquisition d’images
1) Imagerie hyperspectrale
2) Imagerie hyperspectrale en fluorescence
3) Imagerie radar
4) Imagerie multispectrale RX
![Page 2: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/2.jpg)
Partie 1: Caractérisation de feuilles par imagerie multispectrale en fluorescence
Intérêt de l’imagerie spectrale pour l’étude de la végétation ?
GSM Fresnel Marseille: système d’imagerie hyperspectrale
Imageur CMOS
Spectrographe – analyseur de spectre
Système d’acquisition: laboratoire Fresnel à Marseille
Lampe haute puissance et objectif
![Page 3: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/3.jpg)
3
Caractéristiques de la caméra
hyperspectrale
• caméra sCMOS VIS-NIR
• spectrographe à balayage linéaire 400
à 1000 nm
• résolution spectrale 0.6 nm, spatiale
80 μm à une hauteur de 27 cm
• angle de vue 30 degrés
• dynamique 16 bits
• deux lampes lumière blanche
![Page 4: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/4.jpg)
4
a) Image obtenue par le système d’acquisition
b) Spectres moyens: vert, jaune et rouge
Zone rouge
Zone verte
Zone jaune
![Page 5: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/5.jpg)
5
Feuilles de couleur homogène pigments purs
chlorophylle (spectre vert),
Carotène (spectre bleu),
Anthocyanine (spectre rouge)
![Page 6: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/6.jpg)
6
Chlorophylle, carotène, anthocyanine
Spectres extraits de la feuille étudiée
![Page 7: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/7.jpg)
7
Adaptation de VCA vertex component analysis:
extraction de spectres purs
Pixels spectraux, mélanges linéaires
r =M∗a
r : pixel spectral observé
• M= [m1,m2, . . . ,mp] : spectres purs
• a = [a1,a2, . . . ,ap]T : abondances
• p nombre de spectres purs
![Page 8: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/8.jpg)
8
Deux contraintes prises en compte par VCA :
0 ≤ ak ≤ 1, k=1,...,p Positivité des éléments de M et a
Σ ak = 1 Somme unitaire des abondances
r appartient à un simplex dont les sommets
sont les pixels purs
![Page 9: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/9.jpg)
9
*initialisation M, f
*projection orthogonale r, sur f
*recherche de l'indice du
spectre qui maximise cette
projection chlorophylle,
carotène, anthocyanine
*génération de f, orthonormal
aux colonnes de M
![Page 10: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/10.jpg)
10
Résultat: spectres purs estimés par VCA
Image acquise
Spectres extraits de l’image et spectres
reconstruits à partir des spectres purs
Localisation des spectres extraits
Spectres purs estimés
![Page 11: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/11.jpg)
• Pour plusieurs spectres extraits de l’image, colonnes
de R:
R =M∗A, avec A matrice des abondances
Ae=inv(M) ∗R
• Critère d’évaluation des résultats:
Erreur de reconstruction des spectres;
Somme à 1 des colonnes de Ae.
Inversion de matrice:
Estimation des abondances ou contribution
des spectres purs
![Page 12: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/12.jpg)
1 0.7427 0.6102 0.4422 0.2139 0
0 0.2573 0.3898 0.5578 0.7861 1Ae = [ ]
M R (Er=0.005)
Contribution chlorophylle
Contribution carotène
Résultat: matrice de mélange estimée
![Page 13: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/13.jpg)
Caméra hyperspectrale VIS-NIR
Caractéristiques spatiales et spectrales d'une feuille
Identification des pigments par des feuilles qui contiennent les pigments purs
Modélisation des pixels spectraux sous forme de mélanges linéaires
VCA pour l'extraction des spectres purs
Inversion de matrice pour la contribution de chaque pigment aux spectres extraits
Bilan
![Page 14: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/14.jpg)
Partie 2: Caractérisation de feuilles par imagerie hyperspectrale
Intérêt de l’imagerie spectrale pour l’étude de la végétation ?
IRSTEA Montpellier: système d’imagerie hyperspectrale en fluorescence
Pinceau lumineux violet très énergétique
Feuille d’arbre à analyser
Système d’acquisition: laboratoire IRSTEA à Montpellier
![Page 15: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/15.jpg)
![Page 16: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/16.jpg)
Temps d’exposition élevé, source de lumière de forte puissance
Images acquises dans les meilleures conditions
Zoom 1 Zoom 2 Zoom 3
Représentation RGB: sélection de 3 bandes dans … le rouge !
![Page 17: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/17.jpg)
Spectre entre 400 et 1000 nm Spectre entre 600 et 800 nm
Pourquoi dans le rouge ?
Une lumière ‘fluorescente’ est émise par la feuille dans le rouge et le proche infra-rouge !
![Page 18: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/18.jpg)
Dans des conditions moins favorable: il est necessaire de débruiter !
Transformée en ondelettes multidimensionnelle et …
Méthode d’optimisation bio-inspirée: particle swarm optimization ou PSOqui s’inspire du comportement des oiseaux pour trouver le minimum global d’une fonction
![Page 19: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/19.jpg)
Eclairée par une lumière violette, une feuille d’arbre émet de la lumière rouge.
Les images multispectrales ou hyperspectrales acquises sont bruitées si le temps d’exposition est ‘faible’, i.e. 100 ms
Elle émet dans une autre longueur d’onde lorsqu’elle n’est pas saine. Ce résultat de l’état-de-l’art doit être vérifié avec notre méthodologie
Bilan
![Page 20: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/20.jpg)
Partie 3: Caractérisation d’objets par imagerie millimétrique
Système d’acquisition: laboratoire LEAT à Nice
???
Pomme saine ? Pomme abimée?
Mesure du champ diffracté
Mesure du champ diffracté
Pomme saine
Pomme abimée
Peut-on différencier une pomme saine d’une pomme abimée à l’aide d’imagerie
Microonde ?
![Page 21: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/21.jpg)
21
Exemples d’objets imagés
Fake gun
Hidden fake gun and knife
Potentially dangerous objects Common concealed objects under clothes
Leather jacket used to conceal the objects
Keys Smartphone
![Page 22: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/22.jpg)
22
Expérience de scan: illustration
Ondes millimétriques (MmW mmeter wave)
+ z
![Page 23: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/23.jpg)
23
Expérience de scan: illustration
EUMW-EuRAD 2019, Paris – 29.09 -4.10 2019
MmW images Identification : Possible quand le scanner est à la vertical de
l’objet
Mise en oeuvre : difficile car le temps de mesure est élevé
![Page 24: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/24.jpg)
24
Traitement des images radar
Image à traiter
Filtre passe-bas: filter Gaussien moyenneur
Segmentation: Seuil d’Otsu
Morphology Mathématique : - Erosion pour supprimer les pixels parasite - Dilatation pour reconnecter les objets isolés- Un élément structurant ‘Se’ doit être choisi
![Page 25: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/25.jpg)
25
Seuil d’Otsu : choix automatique d’une valeurpour binariser l’image
La valeur de seuil est la frontière entre deux classes, qui permet de minimizer la variance dans les classes,ou de façon équivalente de maximiser la variance entre les classes.
Méthodes de traitement
![Page 26: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/26.jpg)
26
Image à traiter
Choix du seuil
Image binarisée
![Page 27: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/27.jpg)
27
Morphology mathématique: utiliséeusuellement sur des images binaires pour ‘nettoyer’ une image des pixels parasites tout en préservant la forme des objets d’intérêt.
Principaux opérateurs de morphologiemathématique: érosion, dilatation, ouverture, fermeture.
Toutes les operations impliquent un ‘élémentstructurant’.
![Page 28: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/28.jpg)
28
Exemple avec un élément structurant de taille 1 pixel
Image à traiter
Ouverture: érosion suivie d’une dilatation
Erosion Dilation
Resultat: image ‘débruitée’
![Page 29: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/29.jpg)
29
smartphone (94 GHz)
Images segmentéesimages mmW Image à traiter
![Page 30: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/30.jpg)
30
Clés (94 GHz)
Images egmentéesimages mmW Image à traiter
![Page 31: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/31.jpg)
31
Exemple avec un faux pistolet
Processed image Threshold Opening
![Page 32: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/32.jpg)
32
Polarisations H et V (94 GHz)
EUMW-EuRAD 2019, Paris – 29.09 -4.10 2019
Images segmentéesImages mmW Images à traiter
![Page 33: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/33.jpg)
33
Polarisations H et V
EUMW-EuRAD 2019, Paris – 29.09 -4.10 2019
Combinaison des polarisationsHH et VV.
=+
![Page 34: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/34.jpg)
23/09/2019Université UCA| CNRS | LEAT34
Problématique: tri de pommes
Peut-on différencier une pomme saine d’une pomme abimée ?
Ligne continue : pomme n°1 Ligne pointillée: pomme n°2
En violet: la chaire de la pomme saineEn cyan : la chaire de la pomme abiméeEn vert : la peau de la pomme saineEn magenta : la peau de la pomme abimée
Permittivité relative pertes
![Page 35: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/35.jpg)
23/09/2019Université UCA| CNRS | LEAT 35
Mesures millimétriques
![Page 36: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/36.jpg)
23/09/2019Université UCA| CNRS | LEAT 36
Méthode de seuillage -> graytresh
Segmentation des images
![Page 37: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/37.jpg)
23/09/2019Université UCA| CNRS | LEAT 37
Base d’apprentissage et de test
Base de données
Base d’apprentissage Base de test
Apprendre les caractéristiques des deux classes.
Hyperplan de séparation
Classifier des données inconnues
![Page 38: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/38.jpg)
23/09/2019Université UCA| CNRS | LEAT 38
SVM
Faible marge : probablement de faibles performances en généralisation
Large marge : probablement de bonnes performances en généralisation
![Page 39: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/39.jpg)
23/09/2019Université UCA| CNRS | LEAT 39
Résultats
Base de données
Base de d’apprentissage après séparation et classification
Base de test
Pommes Saines Abimées
Saines 86 1
abimées 3 92Performance de
98%
SVM non linéaireC ; 𝛾 = 100; 0,01
![Page 40: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/40.jpg)
Bilan
L’imagerie radar micro-onde permet de traverser les feuilles et de caractériser les fruits;
En imageant une pomme à la fois, il semble possible de distinguer une pomme saine d’une pomme abîmée
La méthodologie doit être testée sur d’autre fruits
![Page 41: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/41.jpg)
Partie 4: Imagerie RX multispectrale
Intérêt de la tomographie RX pour l’étude du petit animal ?
IRSTEA Montpellier: système d’imagerie hyperspectrale en fluorescence
Pinceau lumineux violet très énergétique
Feuille d’arbre à analyser
Système d’acquisition: laboratoire CPPM à Luminy Marseille
![Page 42: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/42.jpg)
Partie 4: Imagerie RX multispectrale
Système d’acquisition: laboratoire CPPM à Luminy Marseille
![Page 43: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/43.jpg)
Partie 4: Imagerie RX multispectrale
CPPM : scanner X-ray CT computer tomography
basé sur des pixels hybrids ultra-rapides
En collaboration avec l’institut de développement biologique
Schéma de principe de la tomographie avec : P une projection et S1 et S2 les coupes reconstruites du volume constitué d’un cône, une demi-sphère, une sphère et un cylindre
![Page 44: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/44.jpg)
Partie 4: Imagerie RX multispectrale
CPPM : scanner X-ray CT computer tomography
basé sur des pixels hybrids ultra-rapides
En collaboration avec l’institut de développement biologique
![Page 45: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/45.jpg)
Problématique
Comment imager les parties internes du petit animal ?
RX : on traverse les tissus mous
CT : tomographie pour reconstruction 3D
![Page 46: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/46.jpg)
Nécessité de débruiter les images
Tubes fantômes pour acquisitions test
![Page 47: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/47.jpg)
Bilan
Les systèmes d’imagerie sont variés;
Chaque système présente ses aptitudes et ses failles
Un prétraitement tel du débruitage est souvent nécessaire
![Page 48: Systèmes d’acquisition d’images · 3 Caractéristiques de la caméra hyperspectrale • caméra sCMOS VIS-NIR • spectrographe à balayage linéaire 400 à 1000 nm • résolution](https://reader033.vdocuments.net/reader033/viewer/2022050501/5f93daa28dd46072c628ee67/html5/thumbnails/48.jpg)
Problématique
Comment imager les parties internes du petit animal ?
RX : on traverse les tissus mous
CT : tomographie pour reconstruction 3D