Stage – Estimation d’erreur de front d’onde en imagerie satellitaire par optimisation numérique et Deep Learning

Magellium Artal Group; France; Remote; EUR 12,000 - 17,000; Part time

Job summary

Magellium propose un stage est estimé d’erreur de front d’onde en imagerie satellitaire par optimisation numérique et Deep Learning. Le candidat travaillera au sein de l’unité Earth Observation pour explorer des méthodes numériques et des approches Deep Learning, avec des jeux de données PSF/WFE et des outils Python (SciPy, PyTorch, Optuna).

Autonomie et rigueur requises, R&D et formation assurées. Le stage couvrira des aspects d’optimisation, de traitement d’images et d’ingénierie logicielle,

Qualifications

• Étudiant(e) en cursus universitaire ou école d’ingénieur préparant un diplôme de niveau Bac+5.
• Autonomie et motivation pour travailler sur des sujets R&D en imagerie satellite et optimisation.

Responsibilities

• Réaliser une recherche bibliographique sur le sujet.
• Implémenter en Python des méthodes d’optimisation et tester/comparer les solveurs.
• Construire un jeu de données (PSF, WFE) et entraîner des réseaux selon les travaux littéraires.
• Comparer les algorithmes sur précision d’estimation, temps de calcul et robustesse.
• Développer un outil de mesure de défocus sur des images paysages et estimer la WFE sur une image.
• Possibilité d’un poste en CDI après le stage et formation interne.

Skills

Python avancé

Optimisation numérique

Deep Learning

Analyse de données

Education

Bac+5 en Mathématiques Appliquées / traitement de l’image / IA

Tools

scipy-optimize

pytorch-minimize

Optuna

Job description

Stage – Estimation d’erreur de front d’onde en imagerie satellitaire par optimisation numérique et Deep Learning

MagelliumArtal Group, avec ses 300 collaborateurs, est un acteur indépendant, spécialiste sur la chaine de valorisation du pixel et de la donnée image et vidéo (du capteur satellite, aéroporté ou drone jusqu’à son utilisation dans les systèmes d’information géographique, la cartographie et la Géointelligence). Magellium promeut la maîtrise des technologies du logiciel, de l’IA, du traitement d’image et de la géomatique.

L’unitéEarth Observationest en charge des activités de traitement d’images d’origine spatiale. Ses domaines d’expertise sont: la géométrie des capteurs & le traitement d’image, la calibration/validation & le contrôle qualité et les services d’observation de la Terre.

Nos experts en télédétection, nos scientifiques et nos concepteurs de logiciels spécialisés se concentrent sur les programmes de R&D, les algorithmes de traitement, les systèmes de segment sol et les services environnementaux. Observer la Terre depuis l’espace, surveiller notre environnement et les changements climatiques sont nos défis.

Le stage

Pour ces projets concernant notre environnement et les changements climatiques, Magellium propose le stage suivantintitulé:

Estimation d’erreur de front d’onde en imagerie satellitaire par optimisation numérique et Deep Learning

Une fois en orbite, un imageur satellitaire est soumis à des perturbations mécaniques et thermiques qui dégradent la qualité du télescope et engendrent des aberrations optiques visibles sur l’image acquise. Ces impacts sont modélisables par l’erreur de front d’onde (WFE – Wavefront Error), mesurable habituellement à l’aide d’un analyseur de surface d’onde. Cependant l’embarquement d’un tel matériel n’étant pas systématique dû au coût et à l’encombrement, une solution envisagée est d’estimer la WFE directement à partir des images acquises, notamment celles des étoiles. Ce type d’acquisition permet de visualiser explicitement la réponse impulsionnelle de l’imageur (PSF – Point Spread Function). Cette dernière peut être modélisée par une relation mathématique non inversible en fonction de la WFE. Le problème de la restitution de phase revient à inverser ce modèle, en d’autres termes : estimer la WFE à partir d’une mesure étoile.

Une grande partie du stage consistera à explorer et implémenter des méthodes d’optimisation numérique adaptées à ce problème. Des approches basées Deep Learning de type PINN ou unrolling pourront être investiguées également.

Dans une autre partie, cette thématique sera étendue aux acquisitions paysages (images terrestres), en s’appuyant sur des travaux antérieurs sur la déconvolution semi-aveugle. En particulier, un outil de mesure de défocalisation sera développé.

Le travail à réaliser sera divisé en plusieurs tâches.

Dans le cadre des acquisitions étoiles :

• Réaliser une recherche bibliographique sur ce sujet.
• Implémenter en python les méthodes d’optimisation pertinentes trouvées (en se basant sur des packages déjà existants, par exemple scipy-optimize, pytorch-minimize ou encore Optuna). Un soin sera apporté à la compréhension, les tests et la comparaison des différents solveurs (d’un point de vue méthodologie d’optimisation, implémentation numérique, temps de calcul, robustesse au bruit…).
• Dans le cadre des méthodes basées Deep Learning, construire un jeu de données composé de paires (PSF, WFE), puis entraîner les réseaux évoqués dans la littérature.
• Ces différents algorithmes seront comparés sur les plans de la précision d’estimation de la WFE, temps de calcul, robustesse ou encore ajustement des hyperparamètres.

Pour les acquisitions d’images paysages :

• Développer un outil de mesure de défocus ou de sa variation, pointé dans des travaux antérieurs.
• Poursuivre sur les méthodes issues de travaux précédents afin d’estimer la WFE sur une seule image paysage.

Dans la continuité de ce stage, un poste en CDI pourra être proposé au candidat. Il est aussi à noter que Magellium propose un cycle de formation complet sur l’Observation de la Terre (géométrie, résolution, radiométrie, transfert radiatif…) pour ses stagiaires.

Etudiant(e) en cursus universitaire ou en école d’ingénieur et préparant un diplôme de niveau Bac+5 dans le domaine desMathématiques Appliquéesavec une spécialisation enTraitement de l’Image, Optimisation et IA, vous êtes intéressé(e), autonome et motivé(e) pour travailler dans le domaine de l’imagerie satellite.

Une connaissance de ce domaine ainsi que de l’optique de Fourier et PSFserait un plus.

Mots clés: Satellite optique, Imagerie satellite, Optimisation numérique, Traitement de l’image, Deep Learning.

Mots clés mathématiques: Problèmes inverses, Déconvolution, Analyse de Fourier, Méthodes d’optimisation différentiable (avec ou sans contrainte) et proximale, Algorithmes bayésiens.

Mots clés informatiques: Python avancé, Librairies d’optimisation numérique (scipy-optimize, pytorch-minimize, optuna par exemple), Librairies de Deep Learning (pytorch notamment), Serveur HPC, Git, Bash.