Subspace methods and bio-inspired optimization algorithms for denoising of multidimensionals signals and applications

Résumé : Cette thèse est consacrée à l’étude des rangs matriciels et tensoriels des données multidimensionnelles, et au développement de méthodes d’estimation de ces rangs dans le cadre de la transformée en ondelettes. Pour cette étude, nous avons eu re-cours à la décomposition en paquets d’ondelettes et à l’algèbre multilinéaire. Une méthode d’optimisation stochastique bio-inspirée a été adaptée, avec pour objectif final de supprimer le bruit dans des images multidimensionnelles. Pour cela nous avons estimé les différentes valeurs des dimensions du sous-espace de tenseur pour tous les modes des coefficients des paquets d’ondelettes. Nous avons appliqué les méthodes de débruitage proposées à diverses images multidimensionnelles : images RGB, images multispectrales extraites d’images hyperspectrales de pièces métalliques, images par fluorescence des plantes, et images RX multispectrales. Finalement, une étude comparative a été réalisée avec trois principaux types d’algorithmes : d’une part, la méthode de Perona-Malik basée sur la diffusion ; deuxièmement, la troncature de HOSVD (Higher-Order Singular Value Decomposition) et MWF (Multiway Wiener Filtering) et troisièmement, un procédé basé sur la dé- composition en paquets d’ondelettes et MWF (Multiway Wiener Filtering), où les dimensions du sous-espace de signal sont estimées par un critère statistique plutôt que par une méthode d’optimisation. Les résultats sont prometteurs en termes de débruitage en réalité terrain. En définitive, nous aboutissons à un gain de temps avantageux durant le traitement des images hyperspectrales.
Type de document :
Thèse
Signal and Image processing. Ecole Centrale Marseille, 2017. English. 〈NNT : 2017ECDM0003〉
Liste complète des métadonnées

Littérature citée [151 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01665140
Contributeur : Abes Star <>
Soumis le : vendredi 15 décembre 2017 - 15:37:20
Dernière modification le : jeudi 18 janvier 2018 - 02:20:17

Fichier

Zidi_Abir_thesis_final.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01665140, version 1

Collections

Citation

Abir Zidi. Subspace methods and bio-inspired optimization algorithms for denoising of multidimensionals signals and applications. Signal and Image processing. Ecole Centrale Marseille, 2017. English. 〈NNT : 2017ECDM0003〉. 〈tel-01665140〉

Partager

Métriques

Consultations de la notice

170

Téléchargements de fichiers

185