Stage Ingénieur; e) en Vision : Restauration de séquences d''images infrarouges par IA F​/H

Stage Ingénieur(e) en Vision :
Restauration de séquences d'images infrarouges par IA F/H

Stage

6 mois

Etudiant

Temps complet

Dans le but de développer des plateformes low-cost d'acquisition d'images infrarouges sur un vecteur aérien, on utilise un capteur infrarouge non-refroidi (bolomètre). Ce type de capteur a une certaine latence thermique ce qui implique un certain flou de bougé dans l'image qui peut être rédhibitoire pour les fonctions de détection/reconnaissance d'objet automatique qu'on souhaite associer à cette plateforme. En outre, par rapport aux capteurs refroidis, le niveau de bruit dans l'image est plus élevé.

Le stage proposé vise à sélectionner et évaluer sur des séquences d'images réelles et des séquences d'images de synthèse des algorithmes de restauration d'image à base d'IA (réseaux de neurones convolutifs). On entend par restauration défloutage, débruitage, correction d'aberrations optiques et éventuellement super-résolution. Les méthodes sélectionnées et évaluées pourront ou pas se baser sur des connaissances spécifiques sur le capteur ou sur le mouvement de la ligne de visée :

• Vous effectuerez une revue de la littérature interne et externe pour comprendre les approches existantes dans l'état de l'art et vous proposerez une sélection de méthodes à évaluer par rapport aux problèmes encore existants sur nos cas d'usage.
• Vous proposerez un ensemble de métriques d'écart à l'image de référence.
• Vous mettrez en œuvre les évaluations des approches.
• Si le temps le permet, vous évaluerez l'apport en portée de détection et de résistance du tracking au niveau de flou de bougé sur des scenarios synthétiques
• Vous analyserez et synthétiserez l'ensemble des résultats.

Les résultats de cette recherche permettront de définir des recommandations sur les meilleures approches à utiliser.

Bon contact humain, curiosité, esprit de synthèse, capacité à analyser et expliquer, rigueur expérimentale, Intérêt fort pour la recherche et le développement de nouvelles méthodes

En dernière année d'école d'ingénieur à dominance Machine Learning / Traitement d'image. Compétences techniques :
Mathématiques appliquées, Apprentissage automatique et vision par ordinateur par CNN et Vision Transfomers, Traitement d'images, Programmation Python/PyTorch, Système d'exploitation Linux.