Recherche Avancée

Thèse soutenue

FR
Auteur / Autrice : Mykhailo Uss
Direction : Kacem Chehdi, Vladimir Petrovich Lukin
Type : Thèse de doctorat
Discipline(s) : Traitement du signal et télécommunications
Date : Soutenance en 2011
Etablissement(s) : Rennes 1

Résumé

FR

Cette thèse traite le problème de l'estimation aveugle des paramètres du bruit de capteur, inévitablement présent dans les images multi/hyperspectrales. Un modèle bidimensionnel de mouvement brownien fractionnaire (fBm) est choisi pour décrire localement la texture. L’estimation des paramètres du modèle fBm et de l’écart-type (STD) d’un bruit additif, dépendant, ou indépendant du signal, est obtenue au sens du maximum de vraisemblance, ceci pour des images multicomposantes et hyperspectrales. Les bornes inférieures de Cramer-Rao (CRLB) pour chaque paramètre estimé (fBm, STD) sont calculées et utilisées afin de comprendre l’influence relative de chaque paramètre estimé sur la précision finale de l’estimation de l’écart-type du bruit. Tout d'abord, les zones informatives sur le bruit, sont définies comme celles satisfaisant une Information de Fisher prédéfinie sur l’écart-type du bruit. Nous montrons comment déterminer ces zones à partir des images bruitées. Ensuite, il est démontré que les zones informatives sur le bruit, et celles informatives sur la texture sont conjointement nécessaires pour améliorer la précision de l’estimation de l’écart-type du bruit. Enfin, la précision potentielle des estimations locales de l’écart-type du bruit sont prédites pour une image donnée et fournissent l'intervalle de confiance de ces estimations. Finalement, il est démontré qu’une version multidimensionnelle de l'estimateur proposé peut être avantageusement appliquée pour l'estimation de l’écart-type du bruit (dépendant du signal) des bandes spectrales pour le capteur AVIRIS et, aussi pour les capteurs hyper-spectraux de nouvelle génération. Dans la partie expérimentale de la thèse, les estimateurs de l’état de l’art existants et ceux proposés sont comparés sur une large base d’images à l'aide du critère de l'efficacité statistique, fonction des bornes inférieures de Cramer-Rao.