Letteratura scientifica selezionata sul tema "Spatial scattering"

Interest in the role and detection of airborne biological micro-organisms has increased dramatically in recent years, in part through heightened fears of bioterrorism. Traditional bio-detection methods have generally slow response times and require the use of reagents. Conversely, techniques based on light scattering phenomena are reagent-free and are able to operate in real-time. Previous research has established that classification of certain types of airborne particles on the basis of shape and size may be achieved through the analysis of the spatial light scattering patterns produced by individual particles. Similarly, other research has shown that the intrinsic fluorescence of particles excited by radiation of an appropriate wavelength can be used to establish the presence of biological particles, provided background particles with similar fluorescence properties are not present. This is often not the case. This thesis, therefore, describes the design, development, and testing of a new type of bioaerosol detection instrument in which the advantages of both particle spatial light scattering analysis and intrinsic fluorescence are exploited. The instrument, referred to as the Mult- Parameter Aerosol Monitor (MPAM), is unique in simultaneously recording data relating to the size, shape, and fluorescence properties of individual airborne particles at rates up to several thousand particles per second. The MPAM uses a continuous-wave frequency quadrupled Nd: YVO4 laser to produce both spatial scattering and fluorescence data from particles carried in single-file through the laser beam. This use of a CW laser leads to opto-mechanical simplicity and reduces fluorescence bleaching effects. A custom-designed multi-pixel Hybrid Photodiode (HPD) detector is used to record the spatial scattering data in forward scattering plane whilst particle fluorescence is recorded via a large solid-angle ellipsoidal reflector and single photomultiplier detector. Calibration tests and experimental trials involving a range of both biological and nonbiological aerosols have shown that the MPAM, when supported by appropriate data analysis algorithms, is capable of achieving enhanced levels of discrimination between biological and non-biological particles down to the submicrometre sizes and, in some cases, enhanced discrimination between classes of biological particle.

L’imagerie optique à travers des milieux diffusants, comme des milieux biologiques ou de la peinture blanche, reste un challenge car l’information spatiale portée par la lumière incidente est mélangée par les évènements multiples de diffusion. Toutefois, les modulateurs spatiaux de lumière (SLM) disposent de millions de degrés de liberté pour contrôler le profil spatial de la lumière en sortie du milieu, en forme de tavelure (speckle), avec des techniques de modulation du front d’onde. Cependant, si le laser génère une impulsion brève, le signal transmis s’allonge temporellement, car le milieu diffusant répond différemment pour les diverses composantes spectrales de l’impulsion. Nous avons développé, au cours de cette thèse, des méthodes de contrôle du profil spatiotemporel d’une impulsion brève transmise à travers un milieu diffusant. En mesurant la Matrice de Transmission Multi-Spectrale ou Résolue-Temporellement, la propagation de l’impulsion peut être totalement décrite dans le domaine spectral ou temporel. Avec des techniques de manipulation du front d’onde, les degrés de libertés spectraux/temporel peuvent être ajustés avec un unique SLM via la diversité spectrale du milieu diffusant. Nous avons démontré, de manière déterministe, la focalisation spatio-temporelle d’une impulsion brève après propagation dans un milieu diffusant, avec une compression temporelle proche de la durée initiale de l’impulsion, à différentes positions de l’espace-temps. Nous avons également démontré un façonnage contrôlé du profil temporel de l’impulsion, notamment avec la génération d’impulsions doubles. Nous exploitons cette focalisation spatio-temporelle pour exciter un processus optique non-linéaire, la fluorescence à deux photons. Cette approche ouvre des perspectives intéressantes pour le contrôle cohérent, l’étude de l’interaction lumière-matière ainsi que l’imagerie multi-photonique<br>Optical imaging through highly disordered media such as biological tissue or white paint remains a challenge as spatial information gets mixed because of multiple scattering. Nonetheless, spatial light modulators (SLM) offer millions of degrees of freedom to control the spatial speckle pattern at the output of a disordered medium with wavefront shaping techniques. However, if the laser generates a broadband ultrashort pulse, the transmitted signal becomes temporally broadened as the medium responds disparately for the different spectral components of the pulse. We have developed methods to control the spatio-temporal profile of the pulse at the output of a thick scattering medium. By measuring either the Multispectral or the Time- Resolved Transmission Matrix, we can fully describe the propagation of the broadband pulse either in the spectral or temporal domain. With wavefront shaping techniques, one can control both spatial and spectral/temporal degrees of freedom with a single SLM via the spectral diversity of the scattering medium. We have demonstrated deterministic spatio-temporal focusing of an ultrashort pulse of light after the medium, with a temporal compression almost to its initial time-width in different space-time position, as well as different temporal profile such as double pulses. We exploit this spatio-temporal focusing beam to enhance a non-linear process that is two-photon excitation. It opens interesting perspectives in coherent control, light-matter interactions and multiphotonic imaging

Cette thèse porte sur la statistique spatiale multivariée et l’apprentissage appliqués aux images hyperspectrales et multimodales. Les thèmes suivants sont abordés :Fusion d'images :Le microscope électronique à balayage (MEB) permet d'acquérir des images à partir d'un échantillon donné en utilisant différentes modalités. Le but de ces études est d'analyser l’intérêt de la fusion de l'information pour améliorer les images acquises par MEB. Nous avons mis en œuvre différentes techniques de fusion de l'information des images, basées en particulier sur la théorie de la régression spatiale. Ces solutions ont été testées sur quelques jeux de données réelles et simulées.Classification spatiale des pixels d’images multivariées :Nous avons proposé une nouvelle approche pour la classification de pixels d’images multi/hyper-spectrales. Le but de cette technique est de représenter et de décrire de façon efficace les caractéristiques spatiales / spectrales de ces images. Ces descripteurs multi-échelle profond visent à représenter le contenu de l'image tout en tenant compte des invariances liées à la texture et à ses transformations géométriques.Réduction spatiale de dimensionnalité :Nous proposons une technique pour extraire l'espace des fonctions en utilisant l'analyse en composante morphologiques. Ainsi, pour ajouter de l'information spatiale et structurelle, nous avons utilisé les opérateurs de morphologie mathématique<br>This thesis focuses on multivariate spatial statistics and machine learning applied to hyperspectral and multimodal and images in remote sensing and scanning electron microscopy (SEM). In this thesis the following topics are considered:Fusion of images:SEM allows us to acquire images from a given sample using different modalities. The purpose of these studies is to analyze the interest of fusion of information to improve the multimodal SEM images acquisition. We have modeled and implemented various techniques of image fusion of information, based in particular on spatial regression theory. They have been assessed on various datasets.Spatial classification of multivariate image pixels:We have proposed a novel approach for pixel classification in multi/hyper-spectral images. The aim of this technique is to represent and efficiently describe the spatial/spectral features of multivariate images. These multi-scale deep descriptors aim at representing the content of the image while considering invariances related to the texture and to its geometric transformations.Spatial dimensionality reduction:We have developed a technique to extract a feature space using morphological principal component analysis. Indeed, in order to take into account the spatial and structural information we used mathematical morphology operators