Unsupervised separation of sparse multivalued components with applications in astrophysics
Institution:
université Paris-SaclayDisciplines:
Directors:
Abstract EN:
The rapid increase of multispectral-multitemporal imagers in various application fields requires new data analysis tools particularly suitable for multivalued data. In high-energy astronomy, missions such as Chandra or Fermi are telling examples of signal processing challenges past or to come. This thesis is aimed at proposing new models to analyze X-ray astrophysical data and introducing efficient algorithms to retrieve meaningful information from these data. More specifically, the goal of this thesis is to extend component separation techniques in order to propose models that faithfully describe measurements contaminated with shot noise and that fully account for spectral variabilities ubiquitous in high-energy astrophysical images. The numerical tools developed in this thesis will be applied to X-ray Chandra telescope data.
Abstract FR:
L’imagerie multi-spectrale multi-temporelle requiert la mise en place d’outils d’analyses adaptés aux données multi-valuées. Les missions Chandra et Athena en astrophysique sont des exemples parlants des défis passés et à venir dans le traitement des données multi-spectrales. Cette thèse a pour objectif de proposer des modèles d’analyse de données astrophysiques en rayons X et des algorithmes permettant d’extraire les informations utiles pour l’astrophysicien. Il s’agit d’introduire une extension des techniques de séparation de composantes dans le but, d’une part, d’avoir des modèles mathématiques capables de décrire des données multi-valuées contaminées par du bruit de Poisson, et d’autre part, d’estimer les variabilités spectrales très répandues dans les jeux de données astrophysiques en hautes énergies. Les outils numériques développés au cours de cette thèse sont appliqués aux données du télescope Chandra.