ExPACO: détection de motifs spatialement étendus dans des images présentant un bruit non stationnaire corrélé

Abstract

Dans différents domaines de l’imagerie, il est nécessaire de détecter un signal faible correspondant à un motif connu superposé à un fond fort et spatialement corrélé. Cette problématique est rencontrée par exemple en astronomie lors de la détection d’exoplanètes ou en microscopie cohérente lors de la détection de bactéries. En raison de ses fluctuations temporelles, le fond peut être difficile à supprimer. La détection du motif nécessite alors une modélisation statistique de ce fond. En raison de difficultés liées (i) à l’estimation des corrélations spatiales du fond et (ii) à l’application d’un détecteur optimal tenant compte de la non stationnarité de ces corrélations, il est courant de les négliger. L’approche proposée ici consiste à estimer localement, à l’échelle d’un patch de quelques dizaines de pixels, les corrélations spatiales à partir de plusieurs images de fond puis à exploiter ce modèle de bruit lors de la détection. Cette approche est testée sur des images de microscopie holographique en utilisant un algorithme optimisé en temps de calcul pour la production de cartes de détection.