Des images astronomiques de haute qualité sans parasites

Chaque été, le LIST se penche sur les success stories de l'année précédente. Coup de projecteur sur Olivier Parisot qui explore comment les approches de Deep Learning peuvent aider à produire des images astronomiques propres et réalistes.

Le Visuel Assisté en astronomie (Electronically Assisted Astronomy) est largement appliqué aujourd’hui pour observer les objets du ciel profond comme les nébuleuses ou les galaxies. En capturant des images à partir d’une caméra couplée à un instrument d’optique, cette approche vise à afficher sur un écran des vues améliorées des objets ciblés en quasi-temps réel, en opérant une phase de traitement d’images minimale. L’observation du ciel nocturne est ainsi plus accessible au grand public, et en particulier aux personnes ayant des difficultés à utiliser directement un télescope, par exemple à cause d’une mauvaise acuité visuelle.

Dans ce contexte et dans le cadre du projet MILAN (MachIne Learning for AstroNomy), le LIST et VAONIS, une entreprise française spécialisée dans le développement et la commercialisation d’une nouvelle génération de télescopes automatiques et intelligents, explorent ensemble comment les récentes approches de Deep Learning peuvent aider à produire des images propres et réalistes, même lorsque les conditions d’observation ne sont pas idéales. Ces fonctionnalités innovantes devraient aider l’entreprise à continuer à accroître sa compétitivité et son caractère unique sur le marché.

Découvrez plus de success stories dans la version digitale du rapport annuel du LIST 2021, comprenant des vidéos, des podcasts et des liens vers davantage d’informations, ou téléchargez la version PDF, en français et en anglais.