Super-Résolution : Développement d'algorithmes rapides et évaluation de performance

par Antoine Létienne

Thèse de doctorat en Physique. Traitement d'images

Sous la direction de Patrick Viaris de Lesegno.

Soutenue en 2010

à Paris 13 .


  • Résumé

    La super-résolution (SR) vise à améliorer la qualité d’une image en exploitant les variations entre les images d’une même séquence. Les algorithmes les plus précis consistent après recalage, à construire puis à inverser un gros système linéaire par des méthodes itératives et coûteuses. Pour réduire la complexité des calculs, une supposition classique est de restreindre à des translations les mouvements entre les images. Nous considérons le contexte original de la reconstruction rapide de petits objets en mouvement dans une scène, où les mouvements ne peuvent être restreints à des translations. Notre approche a éte�� d’étendre à des mouvements complexes la méthode Shift & Add, l’une des plus rapides mais dont la justification théorique est restreinte à des translations discrètes en pixel haute-résolution et au cas non-régularisé. Nos travaux ont tout d’abord consisté à caractériser finement le comportement de cette technique, puis à généraliser la justification théorique à des translations non-discrètes dans le contexte régularisé. Nous avons ensuite réalisé une évaluation de performance permettant d’identifier les régimes de fonctionnement et les limites de notre approche, et de justifier empiriquement de sa pertinence pour des mouvements plus complexes que la translation quand on dispose de suffisamment d’images. Nous avons développé une chaîne complète de traitements permettant la reconstruction automatique rapide d’une imagette SR à partir de la sélection d’un objet dans une vidéo, et intégrant l’étape de recalage qui représente alors 80% du temps d’exécution. Nous illustrons qualitativement notre méthode sur des données réelles.

  • Titre traduit

    Super resolution : development of fast algorithms and performance assessment


  • Résumé

    Abstract The super-resolution (SR) aims at improving the quality of an image by ex-ploiting variations between images of the same sequence. After registration, the most accurate algorithms consist in the construction of a large linear system and the inversion by iterative and costly techniques. In order to reduce the computational cost, a usual assumption is to consider only translation motion between images. We consider the original context of fast reconstruction of small moving objects in a scene, where motions are not restricted to translations. We extended to complex motion the Shift & Add method, one of the fastest but whose the theoretical justification is restricted to discrete translations of high-resolution pixel, and to the non-regularized case. First, our work provided a detailed characterization of the behaviour of this technique, and a generalization of its justification to non-discrete translations in a regularized context. We then evaluated the performance of our approach to identify its working domain and its limits, and to justify empirically its use for motions more complex than translation when we have enough images. We have developed a complete processing chain for the fast automatic reconstruction of a SR frame from a selected object in a video, and integrating the registration step that represents 80% of the execution time. We qualitatively illustrate our method on real data.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (110 p.)
  • Annexes : Bibliogr. p.107-110

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris 13 (Villetaneuse, Seine-Saint-Denis). Bibliothèque universitaire. Section Sciences.
  • PEB soumis à condition
  • Cote : PARIS 13 2010 LET
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.