Recalage de nuages de points multiples par apprentissage profond : application à la microscopie de localisation de molécule unique
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse consultable sur internet, en texte intégral.
  • Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).
 
Auteur : Vedrenne, Luc
Date de soutenance : 12-11-2025

Directeur(s) de thèse : Faisan, Sylvain

Président : Dobigeon, Nicolas
Rapporteur(s) : Digne, Julie - Demonceaux, Cédric
Membre(s) du jury : Fortun, Denis - Mellado, Nicolas

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Signal, Image, Automatique et Robotique
Classification : Sciences de l'ingénieur

Mots-clés libres : Nuages de points, Recalage rigide, Optimisation globale robuste, Apprentissage profond, Microscopie de localisation de molécules uniques
Mots-clés :
  • Nuages de points
  • Apprentissage profond
  • Microscopie SMLM
Résumé : Les nuages de points sont devenus une représentation clé en vision par ordinateur et en microscopie computationnelle, permettant de modéliser efficacement des structures 3D complexes. Un problème central est le recalage rigide, qui vise à estimer rotation et translation pour aligner plusieurs nuages. Cette étape est cruciale pour la reconstruction 3D, la fusion multimodale et l’analyse quantitative, mais devient difficile en présence de bruit, d’occlusions ou de structures parasites. Cette thèse s’intéresse au recalage de nuages fortement dégradés, avec un focus sur la microscopie SMLM. Après une revisite des fondements mathématiques et algorithmiques, deux contributions sont proposées : une optimisation globale par multistart, simple et efficace, et une approche générative pour le recalage simultané multivues sans correspondances explicites. Le manuscrit offre également une synthèse structurée du domaine.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2025STRAD054
Type de ressource : Thèse