= Study of the blur, ringing and aliasing artifacts in numerical imaging : application to restoration

• Auteur / Autrice : Gwendoline Blanchet
• Direction : Lionel Moisan, Bernard Rouget
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques appliquées
• Date : Soutenance en 2006
• Etablissement(s) : Cachan, Ecole normale supérieure

Mots clés

Mots clés contrôlés

Traitement d'images -- Techniques numériques

Artefacts (sciences physiques)

Échantillonnage (statistique)

Résumé

Cette thèse aborde les problèmes liés à la formation des images numériques. L'étape d'échantillonnage nécessaire à la formation d'une image discrète à partir d'une image continue peut introduire différents types d'artefacts qui constituent des dégradations majeures de la qualité de l'image. La motivation principale de cette thèse a été l'étude de ces artefacts que sont le flou, le ringing et l'aliasing. Dans la première partie, nous rappelons tout d'abord le processus de formation des images numériques puis nous proposons des définitions de ces artefacts. Dans la deuxième partie, nous définissons une mesure conjointe du flou et du ringing dans le cadre d'un filtrage passe bas précédant l'échantillonnage. La troisième partie est dédiée à la détection automatique de ces artefacts dans les images. Enfin, en quatrième partie, la détection automatique est testée dans des applications concrètes de la restauration d'images: la déconvolution aveugle et le débruitage

This thesis deais with the problems related to the formation of numerical images. Sampling, which is a necessary stage for the formation of a discrete image from a continuous one, may introduce some artifacts that degrade the image quality. These artifacts are called blur, ringing and aliasing. The main motivation in this thesis was the study of these three artifacts. In the first part, we recall the image formation process and we define these artifacts. In the second part, we propose a new measure of both the ringing and blur artifacts associated to a low pass filtering prior to sampling. The third part is dedicated to the automatic detection of these artifacts in images. In the fourth part, the automatic detection is tested on two real restoration applications: the blind deconvolution and the denoising.