Restauration aveugle adaptative pour images monochromes et hyperspectrales

Adaptive blind restoration for monochrome and hyperspectral images

• Auteur / Autrice : Fabio El Samrani
• Direction : Kacem Chehdi
• Type : Thèse de doctorat
• Discipline(s) : Signal, image, vision
• Date : Soutenance le 12/12/2023
• Etablissement(s) : Université de Rennes (2023-....)
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes ; 2022-....)
• Partenaire(s) de recherche : Laboratoire : Institut d'Électronique et de Télécommunications (Rennes)
• Jury : Président / Présidente : Fabrice Mériaudeau
• Jury : Examinateurs / Examinatrices : Aziz Belmiloudi, Aurélia Fraysse, Benoit Vozel
• Jury : Rapporteur / Rapporteuse : Serge Reboul, Anissa Mokraoui

Mots clés

Mots clés contrôlés

Imagerie hyperspectrale

Estimation de paramètres

Reconstruction d'image

Mots clés libres

Restauration aveugle

Estimation de paramètres de régularisation

Psf

Imagerie hyperspectral

Réglage automatique

Blind restoration

Regularization parameters estimation

Psf

Hyperspectral image

Automatic tuning

Résumé

La restauration d'images représente un défi important lorsque les valeurs des paramètres de régularisation, la PSF et d'autres connaissances a priori ne sont pas disponibles. L'objectif de cette thèse est de développer une méthode de restauration facilement applicable en éliminant la nécessité d'informations préalables et d'un réglage empirique des paramètres. Pour atteindre cet objectif, nous avons développé une méthode adaptative de restauration d'images aveugle qui fonctionne sans nécessiter d'informations a priori. Cette méthode peut être appliquée pour restaurer des images monochromes, multispectrales et hyperspectrales, tout en optimisant les résultats de traitement sans nécessiter de réglage empirique des paramètres de régularisation. La supériorité de notre méthode de restauration aveugle adaptative est démontrée grâce à des évaluations sur diverses bases de données d'images, surpassant onze méthodes non-neuronales et neuronales supervisées/ semi-supervisées de l'état de l'art. En conclusion, la méthode proposée peut être facilement appliquée pour restaurer des images dégradées en raison de sa nature aveugle.

Image restoration presents a significant challenge when regularization parameter values, PSF, and other a priori knowledge are not available. The objective of this thesis is to develop an easily applicable restoration method by eliminating the necessity for prior information and empirical parameter tuning. To achieve this objective, we have developed an adaptive blind image restoration method that operates without requiring prior information. This method can be applied to restore monochrome, multispectral, and hyperspectral images, while optimizing restoration results without the need for empirical parameter tuning. The superiority of our proposed adaptive blind restoration method is demonstrated through evaluations on diverse image databases, outperforming eleven existing non-neural network and supervised/semi-supervised neural network methods from the state-of-the-art. In conclusion, the proposed method can be easily applied to restore degraded images due to its blind nature.