Etude de modèles variationnels et apprentissage de dictionnaires

par TieYong Zeng

Thèse de doctorat en Mathématiques appliquées

Sous la direction de Alain Trouvé.

Soutenue en 2007

à Paris 13 .


  • Résumé

    Ce mémoire porte sur l'utilisation de dictionnaires en analyse et restauration d'images numériques. Après avoir retracé les étapes les plus significatives de ce domaine, nous présentons notre implémentation et les résuktats que nous avons obtenus avec le modèle TV-l°° avec un dictionnaire invariant par translation, avec un dictionnaire ad-hoc et un dictionnaire construit à partir de caractéristiques connues d'une classe d'images. Ensuite, nous présentons un post-traitement, inspiré du modèle TV-l°°, que nous appliquons aux résultats obtenus avec K-SVD. Ce poste-traitement permet de retrouver des textures perdues et aboutit à un gain visuel et en PSNR. Dans le chapitre suivant, nous exposons un schéma numérique pour résoudre une variante du Basis Pursuit. Ce schéma consiste à appliquer un Algorithme du Point Proximal au pré-dual de ce modèle. Nous montrons la convergence théorique de l'algorithme. Celle-ci est confirmée par l'expérience. Nous étudions alors deux modèles de représentations parcimonieuses dans Rn et proposons l'algorithme du Soft-Threshold Matching Pursuit. Dans la suite, nous proposons le MP-shrinkage dans un espace de Hilbert, qui généralise de Matching Pursuit, et nous étudions les propriétés de convergence de cet algorithme. Enfin nous explorons la possibilité de construire un dictionnaire par une approche statistique. Les résultats expérimentaux sur des données synthétiques illustrent la possibilité d'identifier correctement un dictionnaire et permettent d'envisager plusieurs applications en décomposition et en débruitage d'images.

  • Titre traduit

    Study of some variational models and dictionary learning


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (173 p.)
  • Annexes : Bibliogr. p. 169-173

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris 13 (Villetaneuse, Seine-Saint-Denis). Bibliothèque universitaire. Section Sciences.
  • Non disponible pour le PEB
  • Cote : TH 2007 039
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.