LYNRED, industriel leader européen en imageur infrarouge, développe et commercialise des détecteurs infrarouges pour des applications spatiales, militaires et industrielles.

Dans le cadre de son activité spatiale, Lynred fournit des détecteurs à destination de satellites d’observation de la terre, de collecte de données météorologiques et de missions de surveillance environnementale.

Les exigences des missions spatiales nécessitent l’amélioration des détecteurs infrarouges et la caractérisation de plus en plus précise de leurs performances.

Les images corrigées issues des caméras thermiques non-refroidies présentent souvent un bruit additif spatial fixe (ou lentement variable dans le temps) résiduel basse fréquence du, entre autres, aux flux thermiques parasites émis par la caméra elle-même. Le motif de ce bruit est plutôt bien décrit physiquement par plusieurs modèles analytiques théoriques. L’algorithme Lynred qui traite ce bruit, n’utilise aujourd’hui que des techniques classiques de traitement d’image sans régularisation par des a priori basé sur ces modèles théoriques. Ses performances sont ainsi limitées par de nombreux artéfacts induits par la scène.

L’objet de ce stage est de développer un nouvel algorithme de réduction de ce bruit fixe basse fréquence à l’aide de méthodes statistiques mariant au mieux l’information issues de l’image courante et celle apportée par les modèles physiques disponibles. Les techniques de traitement d’image statistique bayésien seront au cœur de ce travail.

Ce stage se déroule dans l’équipe R&D en charge du développement des algorithmes de traitement vidéo qui intégreront les futures caméras Lynred.

Vous êtes étudiant.e en 3ème année d'Ecole d'Ingénieur ou en Master 2 Recherche, en traitement d’image, mathématique informatique, machine Learning ou statistique.

Vous êtes une personne dynamique, curieuse et motivée. 

Esprit d'équipe obligatoire.