Agrégation et méthodes à patch pour le débruitage d’image: Analyse statistique des méthodes non-locales en traitement d’image PDF

Avec ces résultats à portée de la main, divers critères de sélection de modèles, tels que l’estimateur de risque non biaisé de Stein (SURE), sont facilement disponibles, ce qui peut fournir un choix objectivement guidé de l’ajustement Lasso de groupe optimal.


ISBN: 6131592756.

Nom des pages: 269.

Télécharger Agrégation et méthodes à patch pour le débruitage d’image: Analyse statistique des méthodes non-locales en traitement d’image gratuitement. Livres disponibles dans ces formats pdf, epub, ebook, mobi.

Le problème étudié dans cette thèse est celui du débruitage d’images numériques corrompues par un bruit blanc gaussien. Les méthodes utilisées pour récupérer une meilleure image reposent sur les patchs et sont des variantes des Non-Local Means. Les contributions de la thèse sont à la fois pratiques et théoriques. Tout d’abord, on étudie précisément l’influence des divers paramètres de la méthode. On met ensuite en lumière une limite observée sur le traitement des bords par les méthodes à patchs habituelles. On donne alors une meilleure façon de combiner l’information fournie à partir des patchs pour estimer pixel par pixel. D’un point de vue théorique, on présente un cadre non asymptotique pour contrôler notre estimateur. On donne alors des résultats de type inégalités oracles pour des estimateurs vérifiant des propriétés plus restrictives. Les techniques utilisées reposent sur l’agrégation d’estimateurs, et plus particulièrement sur l’agrégation à poids exponentiels. La méthode requiert typiquement une mesure du risque, obtenue à travers un estimateur sans biais de celui-ci, par exemple par la méthode

Nous travaillons actuellement sur un système de criblage de patchs hautement bruyants, ou patchs qui sont extraits de cerveaux fondamentalement différents. Algorithmes concurrents Nous avons comparé avec des algorithmes spatiaux de pointe pour la réduction du bruit de microscopie de fluorescence (les sources de mise en œuvre de ces algorithmes sont listées dans les informations supplémentaires). Le principal avantage du filtrage BM3D est qu’il donne d’excellents résultats avec moins de perte de détails grâce aux étapes de lissage et de déformation.

Full size image Résultats synthétiques Les résultats pour les expériences synthétiques sont résumés dans les tableaux 2, 3, 4. Les correctifs autour des pixels sous-jacents sont les références et des observations similaires situées à différents emplacements spatiaux peuvent être trouvées dans les fenêtres de recherche adaptative. En présence d’un changement brusque, le poids de connectivité w, j devient 0, indiquant ainsi un manque de connectivité entre les sites i et j et par conséquent aucune contrainte de douceur n’est imposée entre ces deux sites. Dans le modèle de débruitage d’image de Rudin-Osher-Fatemi (ROF), Total Variation (TV).