Restauration d’image via une approche Bayésienne à partir d’un couple d’images d’observations prise dans différentes conditions - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance Accéder directement au contenu
Mémoires Année : 2013

Restauration d’image via une approche Bayésienne à partir d’un couple d’images d’observations prise dans différentes conditions

Résumé

Through this memory engineering, the problem of "Computational Photography" is discussed. The goal is to overcome the limits of a traditional camera using informatics techniques to improve the visual quality of the image produced. Two solutions are studied: deconvolution with or without regularization, and blind deconvolution. Despite the benefits of these techniques, deconvolution criteria also present important drawbacks, such as the existence of the inverse problem, the presence of local extrema associated with parasites solutions, and system instability. So too many restoration methods are used in order to overcome the shortcomings of the damage, where the target is to contain an image like the original scene to can analyze. In our experiments, we place in the context of a camera embarks on a car or a helicopter drone. It goes without saying that these images must be of good quality to be usable. But such equipment mounted on aircraft is subject to much riskiness: climate, engine vibration, moving the camera during the acquisition, etc... Degradation resulting of blurring and noise are sometimes seen on the images obtained, reducing their quality and making it more difficult to extract suitable information. In this framework, we present a new restoration method that uses a pair of images of a single observation as the pair of images is taken with different exposure times. Our contribution is to establish a method of blind déconvolution (Blurring kernel unknown) for the construction of high-quality images by combining two images taken under poor qualities, e.g. taken under different conditions: first blurred (slow shutter speed image) and the second noise ( fast shutter speed image). We formulate the problem in a hierarchical Bayesian framework by using a prior knowledge on the unknown image and blur, and also on the dependency between the two observed images. By incorporating a fully Bayesian analysis, the developed algorithm estimates all necessary model parameters along with the unknown image and blur, such that no user- intervention is needed or required. Moreover, we use a variational Bayesian inference procedure, which allows for the statistical compensation of errors occurring at different stages of the restoration, and also provides uncertainties of the estimates. Experimental results with synthetic and real images demonstrate that the proposed method provides very high quality restoration results and compares favorably to existing methods even though no user supervision is needed.
À travers ce mémoire d’ingénieur, le problème de "Computational Photography" est abordé. L’objectif de surpasser les limites d’un appareil photographique ordinaire en utilisant des techniques informatiques permettant d’améliorer la qualité visuelle de l’image produite. Deux solutions sont étudiées: la déconvolution avec ou sans régularisation, et la déconvolution aveugle. Malgré les avantages qui ont suscité l’intérêt pour ces techniques, la déconvolution présente des inconvénients importants, tels que l’existence de problème inverse, la présence d’extrema locaux associés à des solutions parasites, et l’instabilité de système. Des méthodes de restauration sont donc à employer afin de pallier les défauts des dégradations, dans le but que l'observation traduise alors au mieux possible la scène originale de la réalité du terrain à analyser. Dans nos expérimentations, nous nous sommes placés dans le contexte d'un appareil photographique embarqué sur une voiture ou sur un drone d'hélicoptère. Il va de soi que ces images doivent être d'une bonne qualité afin d'être exploitables. Or un tel appareillage monté sur aéronef est soumis a beaucoup d'aléas: climatiques, vibrations du moteur, problèmes de bouge durant l'acquisition photo, …, etc. Des dégradations se traduisant par des flous et des bruits sont donc parfois observées sur les images obtenues, réduisant leur qualité, et rendant plus délicate l'extraction d'informations pertinentes. Dans ce travail, nous présentons une nouvelle méthode de restauration utilisant une paire d’images d’une observation unique (paire d’images prise avec des durées d’exposition différentes, par exemple), et basée sur le principe déconvolution totalement aveugle (Noyau de débrouillage inconnu) pour construire des images de haute qualité en combinant les deux images de qualité médiocre: la première brouillée (Slow Shutter Speed image) et la seconde bruitée (Fast Shutter Speed image). Nous formulons le problème dans un cadre bayésien hiérarchique en utilisant les connaissances a priori sur l'image inconnue et le flou, et aussi sur la dépendance entre les deux images observées. En intégrant une analyse entièrement bayésienne, l'algorithme développé estime tous les paramètres utiles du modèle de sorte qu'aucune intervention de l'utilisateur n'est nécessaire. De plus, nous utilisons une procédure d'inférence bayésienne variationnelle, qui permet la compensation statistique des erreurs qui se produisent à différentes étapes de la restauration, et fournit également des incertitudes sur les estimations. Les résultats expérimentaux avec des images synthétiques et réelles montrent que la méthode proposée fournit des résultats de restauration à qualité très élevée et se compare favorablement aux méthodes existantes, sans qu’aucune supervision utilisateur ne soit nécessaire.
Fichier principal
Vignette du fichier
2013.TH.18627.Chéhaitly.Mouhamad.pdf (5.64 Mo) Télécharger le fichier

Dates et versions

dumas-01394266 , version 1 (09-11-2016)

Identifiants

  • HAL Id : dumas-01394266 , version 1

Citer

Mouhamad Chéhaitly. Restauration d’image via une approche Bayésienne à partir d’un couple d’images d’observations prise dans différentes conditions. Electronique. 2013. ⟨dumas-01394266⟩
95 Consultations
420 Téléchargements

Partager

Gmail Facebook X LinkedIn More