Information Theory Oriented Image Restoration - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2011

Information Theory Oriented Image Restoration

Restauration d'image fondée sur la théorie de l'information

Résumé

This thesis addresses informational formulation of image processing problems. This formulation expresses the solution through a minimization of an information-based energy. These energies belong to the nonparametric class in that they do not make any parametric assumption on the underlying data distribution. Energies are expressed directly as a function of the data considered as random variables. However, classical nonparametric estimation relies on fixed-size kernels which becomes less reliable when dealing with high dimensional data. Actually, recent trends in image processing rely on patch-based approaches which deal with vectors describing local patterns of natural images, e. g., local pixel neighbor- hoods. The k-Nearest Neighbors framework solves these difficulties by locally adapting the data distribution in such high dimensional spaces. Based on these premises, we develop new algorithms tackling mainly two problems of image processing: deconvolution and denoising. The problem of denoising is developed in the additive white Gaussian noise (AWGN) hypothesis and successively adapted to no AWGN realm such as digital photography and SAR despeckling. The denoising scheme is also modified to propose an inpainting algorithm.
Cette thèse aborde la formulation par la théorie de l’information des problèmes de traitement d’image. Cette formulation exprime la solution au travers de la minimisation d’une énergie. Ces énergies appartiennent à la classe non paramétrique au sens où elles ne font aucune hypothèse paramétrique sur la distribution des données. Les énergies sont exprimées directement en fonction des données considérées comme des variables aléatoires. Toutefois, l’estimation non paramétrique classique repose sur des noyaux de taille fixe moins fiables lorsqu’il s’agit de données de grande dimension. En particulier, des méthodes récentes dans le traitement de l’image dépendent des données de type ”patch” correspondant à des vecteurs de description de modèles locaux des images naturelles, par exemple, les voisinages de pixels. Le cadre des k-plus proches voisins résout ces difficultés en s’adaptant localement à la distribution des données dans ces espaces de grande dimension. Sur la base de ces prémisses, nous développons de nouveaux algorithmes qui s’attaquent principalement à deux problèmes du traitement de l’image : la déconvolution et le débruitage. Le problème de la restauration est développé dans les hypothèses d’un bruit blanc gaussien additif puis successivement adaptés à domaines tels que la photographie numérique et le débruitage d’image radar (SAR). Le schéma du débruitage est également modifié pour définir un algorithme d’inpainting.
Fichier principal
Vignette du fichier
thesis 14.pdf (4 Mo) Télécharger le fichier

Dates et versions

tel-01362134 , version 1 (08-09-2016)

Identifiants

  • HAL Id : tel-01362134 , version 1

Citer

Cesario Vincenzo Angelino. Information Theory Oriented Image Restoration. Signal and Image processing. Université Nice Sophia Antipolis, 2011. English. ⟨NNT : ⟩. ⟨tel-01362134⟩
135 Consultations
92 Téléchargements

Partager

Gmail Facebook X LinkedIn More