Présents : Mireille, François B, Brice, Grégory

Objet : Utilisation de Characterisation dans Aida

Points abordés:

• Exemple sommaire d'utilisation de Characterisation pour une image 2D

• Exemple d'utilisation de Characterisation dans un workflow simple

• Buts de Characterisation dans Aida

• Premières étapes

• Évolutions envisagées

Exemple sommaire d'utilisation de Characterisation pour une image 2D

L'objectif de Characterisation est de decrire un ensemble de donnees (DataSet) selon des axes (spatial, temporel, etc..) et des proprietes. Il est egalement possible d'avoir plusieurs niveaux de details pour chaque axe. Un DataSet peut etre une image 2D, 3D, un cube, un spectre, ou encore un catalogue. Notre usage de Characterisation au sein d'Aida reduit, pour le moment, la liste de DataSet possibles aux images (dans un premier temps, 2D).

Typiquement une image 2D peut etre decrite par l'axe Spatial, Temporel, Spectral et de Flux. Au niveau de l'axe spatial, pour une simple image, la description se fera surtout avec les proprietes Location (localisation du point central de l'image dans le ciel), Bounds (limites du champs d'observation) et eventuellement Support (plus de precision dans la description du champs d'observation). L'axe temporel precise la date et l'heure de l'observation ainsi que sa duree. Il peut aussi etre precise les durees des differentes captures ou prises de vue. L'axe spectral sert a decrire le domaine spectral de l'observation. L'axe de flux peut nous renseigner sur la valeur moyenne d'un pixel mais aussi sur les valeurs minimales et maximales d'un pixel. Pour chacun de ces axes, on peut egalement rajouter les proprietes Resolution (taille d'un pixel) et Sampling Precision (ou echantillonage; espacement entre les pixels). La dimension d'une image est donnee dans les champs numBins (nombre de pixels); pour une image 2D simple, il n'y a seulement que deux valeurs (largeur et hauteur).

(plus de details sur Characterisation)

Exemple d'utilisation de Characterisation dans un workflow simple

En chainant Marsiaa et DetectLSB, il est possible d'obtenir la grande majorite des objets "visibles" dans l'image. Cependant, pour que cela soit efficace, il faut imperativement que certaines proprietes de l'image correspondent a celles que peut traiter, dans un premier temps, Marsiaa puis, DetectLSB. Par exemple, si l'image est trop grande (cf NumBins), le resultat du workflow ne sera pas celui attendu. De meme, comme avec Marsiaa il est possible de fournir plusieurs images (de la meme observation mais de spectre different) en entree, si celles-ci ont une resolution differente, le resultat obtenu sera egalement errone. Grace a Characterisation, il serait possible de verifier ces proprietes !

Buts de Characterisation dans Aida

1. Caracteriser les entrees/sorties de chaque outil.
2. Verifier la coherence entre les images donnees et celles que l'outil attend en entree. Pour ce faire, il faut traduire le fichier Characterisation d'une entree de l'outil en une liste de contraintes. Ces dernieres permettront alors de verifier qu'il soit possible d'appliquer le traitement sur les images donnees grace a leur fichier Characterisation.
3. Assurer le bon "fonctionnement" du workflow.

Premières étapes

• 1ere Etape: Analyse et comprehension de fichier Characterisation par Aida

• 2eme Etape: Diagnostiquer la possibilite de lancer le workflow: details des erreurs et solutions possibles

• 3eme Etape: Normaliser les images donnees en entree de chaque outil afin de resoudre les problemes enonces dans 2eme Etape.

Évolutions envisagées

• Possibilite de generer un fichier Characterisation pour une image FITS a partir de son en-tete.

• Comme les informations necessaires pour l'axe des Flux ne sont pas fournies dans les en-tete de FITS, il faudrait pouvoir calculer ces informations a partir de l'image elle-meme. Ainsi, on pourrait completer le fichier Characterisation.

• Au cas ou l'image serait trop grande, proposer a l'utilisateur de la decouper afin de traiter chaque bout d'images (avec la bonne taille maintenant) avec l'outil. Par consequent, il faudra creer un fichier Characterisation pour chacun de ces bouts d'image.

• Si un outil peut prendre plusieurs images en entrees, et que ces images n'ont pas, par exemple, la meme resolution, proposer a l'utilisateur de normaliser toutes ces images (par exemple: reduire la resolution des images de meilleur qualite).