Traitement d`Images Chapitre 5 : Restauration d`Images Principe
Transcription
Traitement d`Images Chapitre 5 : Restauration d`Images Principe
12/03/2016 Faculté de Physique Département de Génie Physique Masters ‘Sciences Radiologiques et Imagerie’ & ‘Physique Médicale’ Principe Restaurer une image consiste à Traitement d’Images Chapitre 5 : Restauration d’Images essayer de compenser les dégradations subies par cette image. Saadia Benhalouche 1 [email protected] Principe Objectif de la Restauration L’image f dont on dispose : g 2 h Calculer à partir de f une image ĝ aussi proche que possible de l’image originale g. f + Nous η avons besoin donc de connaître: Le filtre h La variance du bruit Modèle de dégradation 3 4 1 12/03/2016 Réduction du Bruit Réduction du Bruit Bruit d’image champ aléatoire. Caractérisation au premier ordre : densité de probabilité ou fonction de répartition. Modèles de bruit f : image, g : information utile ; B : champ aléatoire. Images sans bruit bruit additif : f = g + B bruit multiplicatif : f = g.B bruit convolutif : f = g*B 5 6 Réduction du Bruit Réduction du Bruit Fonction Fonction de densité de probabilité du bruit Gaussien de densité de probabilité du bruit Rayleigh Erlang 7 Exponentiel 8 2 12/03/2016 Réduction du Bruit Fonction Restauration d’Images de densité de probabilité du bruit Uniforme Poivre et Sel La restauration essaie de reconstruire ou de retrouver une image qui a été dégradée en utilisant une connaissance a priori sur le processus de dégradation. Il s’agit donc dans un premier temps de modéliser le processus de dégradation et d’appliquer l’inverse pour retrouver l’image originale. 10 9 Restauration d’Images Restauration d’Images Processus de dégradation modélisé comme un opérateur H qui, couplé à un bruit additif η(x,y) opère sur une image g(x, y) pour produire une image dégradée f(x, y). Restauration = moyen d’obtenir une approximation de g(x, y), étant donnés f(x, y) et H. Hypothèse : connaissance de η(x,y) limitée à une information de nature statistique. Relation d’entrée-sortie f(x, y) = H[g(x, y)] + η(x, y) η(x,y)=0 g(x,y) = H[f(x,y)] Relation spatialement invariante si : g(x, y),(, )H[g(x − , y − )] = f(x − , y − ) g(x, y), h(x, y) g(x, y) = f(x, y) comment trouver h ? 11 12 3 12/03/2016 Restauration d’Images Restauration d’Images –Modèle Modèle-- Réponse du système à une impulsion de Dirac (PSF) Identification de la réponse du système à une source ponctuelle Modèle de dégradation classique : Utilisation des outils de résolution de systèmes linéaires Modèles algébriques Restauration sans contraintes Restauration avec contraintes 13 Restauration d’Images 14 Restauration d’Images –Modèle Modèle-- Restauration sans contraintes : on recherche telle que approche f au sens des moindres carrés –Modèle Modèle-- Restauration avec contraintes Q opérateur linéaire en Utilisation d’un multiplicateur de Lagrange 15 16 4 12/03/2016 Filtrage inverse Filtrage inverse Solution : si fréquence de coupure D0 petit Image restaurée Problèmes numériques si est petit. 18 17 Filtrage pseudopseudo-inverse Problème : inversible : cas où Solution principale au sens de Bracewall : Filtrage de Wiener n’est pas toujours Précision de la présentation On cherche à minimiser : Pg : DSP du signal ; Pn : DSP du bruit 19 20 5 12/03/2016 Exemples : Filtrage inverse Filtrage de Wiener 22 21 Exemples : Filtrage pseudopseudoinverse Filtrage de Wiener 23 24 6 12/03/2016 Méthodes itératives Exemples -van Cittert Lucy-Richardson, Van Cittert, Maximum d’entropie, Tichonov-Miller 25 Exemples -Landerweber 26 Exemples –Tichonov Tichonov--Miller 27 28 7