Dans le cadre du projet ANR 3DCLEAN, « CataLytic Environmental lAb at the Nanoscale”, nous souhaitons développer des méthodes algorithmiques visant l'amélioration des images 3D produites à l'aide du microscope électronique environnemental du Consortium Lyon – St. Etienne de Microscopie. L'objectif principal consiste à développer un algorithme de reconstruction pour la tomographie à angle de vue limité et pouvant être utilisé avec des données de grande taille produites par la nouvelle caméra ultrarapide et haute résolution actuellement en cours de test et acquisition. D'autres facteurs influençant la qualité d'images, dont on peut mentionner le flou dû à des déplacements de l'ordre du nanomètre de l'échantillon dans le champ de vue du microscope, la frange de Fresnel induite par des défauts de focalisation, voire l'évolution de l'échantillon sous l'influence des facteurs environnementaux, pourraient être pris en compte dans un deuxième temps.
Le sujet vise à traiter un problème inverse mal conditionné, dont la résolution nécessite l'introduction d'a priori de régularité de la solution (dont font partie les approches parcimonieuses conduisant par exemple à une solution ayant un nombre réduit de niveaux de gris) ainsi que l'utilisation d'algorithmes d'optimisation avancés pouvant être appliqués à des données de grande taille. Le travail effectué sera principalement de nature méthodologique et informatique avec un souci d’application aux données expérimentales. Le projet 3DCLEAN a pour sujet principal l’application à des nano-catalyseurs observés sous conditions environnementales dans le microscope (gaz et température), mais il s’intéresse aussi aux matériaux sensibles sous un faisceau d’électrons, polymères et tissus biologiques.
Contexte et encadrement:
Ce sujet de thèse s'inscrit dans le cadre du projet ANR 3DCLEAN qui implique quatre équipes appartenant à quatre entités : les laboratoires MATEIS et CREATIS de l'INSA de Lyon, IFP Énergies Nouvelles ainsi que le laboratoire IPCMS de Strasbourg. Le doctorant sera rattaché au laboratoire CREATIS (https://www.creatis.insa-lyon.fr/site/index.html), laboratoire spécialisé dans l'imagerie médicale, et à l'équipe 4 dont l'un des axes de recherche est la tomographie. L'application visée dans cette thèse n'est pas médicale, cependant les méthodes développées seront jusqu'à un certain point suffisamment génériques pour pouvoir s'adapter aussi au domaine médical. Le doctorant travaillera en étroite collaboration avec des chercheurs du laboratoire MATEIS (http://mateis.insa-lyon.fr/fr/content/presentation) qui réalisent l'acquisition d'images. Il pourra participer aux acquisitions faites avec le microscope environnemental du CLYM (http://www.clym.fr/), dispositif unique en France.
L'encadrement sera assuré par F. Peyrin (DR INSERM, CREATIS) et V. Maxim (MdC INSA, CREATIS). Du comité d'encadrement feront aussi partie I. Magnin (DR INSERM, CREATIS), T. Grenier (MdC INSA, CREATIS), T. Epicier (DR CNRS, MATEIS) et L. Roiban (MdC INSA, MATEIS).
Profil recherché :
Le candidat doit disposer d'un diplôme de master ou d'ingénieur, d'une formation solide en mathématiques, des bonnes aptitudes en programmation. Une spécialisation en traitement d'images, en optimisation mathématique ou en physique seraient appréciées.
Il doit disposer de connaissances lui permettant de comprendre le formalisme de l'optimisation mathématique, des bonnes compétences informatiques (scriptage, gestion mémoire) et des aptitudes en programmation (C++, Python). Il doit être capable d'analyser les méthodes existantes dans la littérature et de proposer des développements originaux adaptés au contexte étudié, qui est ici la tomographie électronique ultrarapide haute résolution. Il doit être curieux et s'intégrer dans une équipe multidisciplinaire.
Contact :
Envoyer CV, lettre de motivation et relevés de notes à voichita.maxim@creatis.insa-lyon.fr
Bibliographie :
[1] A. Delaney and Y. Bresler, « Globally convergent edge-preserving regularised reconstruction : an application to limited-angle tomography », IEEE TIP, 1998
[2] X. Zhuge, W. J. Palenstijn, and K. J. Batenburg, « A More Robust Algorithm for Discrete Tomography From Limited Projection Data With Automated Gray Value Estimation », IEEE TIP, 2016