Débruitage d'images au-delà du bruit additif gaussien : Estimateurs à patchs et leur application à l'imagerie SAR

par Charles-Alban Deledalle

Thèse de doctorat en Signal et images

Sous la direction de Florence Tupin et de Loïc Denis.

Soutenue en 2011

à Paris, Télécom ParisTech .


  • Résumé

    Le bruit dans les images limite souvent l'interprétation visuelle ou automatique de la scène. Le chatoiement ou "speckle" en imagerie radar à synthèse d'ouverture (RSO) et le bruit de grenaille ou "shot noise" en imagerie à faible luminosité sont deux exemples de fortes corruptions qui nécessitent l'utilisation de techniques de débruitage. La technique classique de débruitage à patchs, les moyennes non-locales, est conçue pour les images corrompues par du bruit additif gaussien (c-à-d. , pour des fluctuations symétriques, indépendantes du signal et sans valeurs extrêmes). Le but de cette thèse est de combler le fossé entre les méthodes de débruitage à patchs, restreintes au bruit gaussien, et les techniques dédiées aux images RSO. Nous étudions le problème de la comparaison de patchs sous conditions non-gaussiennes. Nous introduisons un critère de similarité fondé sur le rapport de vraisemblance généralisé et nous illustrons son efficacité sur différentes applications dont la détection, la vision stéréoscopique et le suivi de mouvement. Ce critère est au coeur de l'estimateur à patchs proposé. Un schéma itératif est élaboré pour faire face aux fortes corruptions de bruit et nous développons une méthode non-supervisée pour le réglage des paramètres. Par ailleurs, nous proposons de sélectionner localement des formes de patchs pertinentes pour améliorer la qualité du débruitage, surtout à proximité des contours. Notre approche mène à des résultats de débruitage état-de-l'art en imagerie RSO pour les images d'amplitude, ainsi que les données interférométriques ou polarimétriques.

  • Titre traduit

    Image denoising beyond additive Gaussian noise : Patch-based estimators and their application to SAR imagery


  • Résumé

    Noise in images often limits visual and automatic interpretation of the scene. Speckle in synthetic aperture radar (SAR) imagery and shot noise in photon-limited imagery are two examples of strong corruptions that require the use of denoising techniques. The classical patch-based denoising technique non-local means is designed for images corrupted by an additive Gaussian noise (i. E. , fluctuations being symmetrical, signal-independent without outliers). The goal of this thesis is to bridge the gap between patch-based denoising methods restricted to Gaussian noise and techniques dedicated to SAR despeckling. We study the problem of patch comparison under non-Gaussian conditions. We introduce a similarity criterion grounded on the generalized likelihood ratio test and illustrate its effectiveness on different applications including detection, stereo-vision and motion-tracking. This criterion is at the heart of the proposed patch-based estimator. An iterative scheme is proposed to deal with strong noise corruptions and we develop an unsupervised method for parameter setting. Besides, we propose to locally select the relevant shapes to improve denoising quality, especially close to edges. Our approach leads to state-of-the-art denoising results in SAR imagery for amplitude images, as well as interferometric or polarimetric data.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (xliv-239 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : 290 réf. bibliogr. Résumé étendu en français

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Télécom Paris. Centre de ressources documentaires numériques (CRDN).
  • Disponible pour le PEB
  • Cote : 7.34 DELE

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université de Lille. Service commun de la documentation. Bibliothèque universitaire de Sciences Humaines et Sociales.
  • Non disponible pour le PEB
  • Cote : 2011ENST0022
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.