Blancheur du r?sidu pour le d?bruitage d'image

par Paul Riot

Thèse de doctorat en Signal et images

Sous la direction de Yann Gousseau, Florence Tupin et de Andr?s Almansa.

Le président du jury était Lionel Moisan.

Le jury était composé de Jean-Franc?ois Aujol, Lo?c Denis, Jean-Yves Tourneret.

Les rapporteurs étaient Jean-Franc?ois Aujol, Coloma Ballester.


  • Résumé

    Nous proposons une ?tude de l?utilisation avanc?e de l?hypoth?se de blancheur du bruit pour am?liorer les performances de d?bruitage. Nous mettons en avant l?int?r?t d??valuer la blancheur du r?sidu par des mesures de corr?lation dans diff?rents cadres applicatifs. Dans un premier temps, nous nous pla?ons dans un cadre variationnel et nous montrons qu?un terme de contrainte sur la blancheur du r?sidu peut remplacer l?attache aux donn?es L2 en am?liorant significativement les performances de d?bruitage. Nous le compl?tons ensuite par des termes de contr?le de la distribution du r?sidu au moyen des moments bruts. Dans une seconde partie, nous proposons une alternative au rapport de vraisemblance menant, ? la norme L2 dans le cas Gaussien blanc, pour mesurer la dissimilarit? entre patchs. La m?trique introduite, fond?e sur l?autocorr?lation de la diff?rence des patchs, se r?v?le plus performante pour le d?bruitage et la reconnaissance de patchs similaires. Finalement, les probl?matiques d??valuation de qualit? sans oracle et de choix local de mod?le sont abord?es. Encore une fois, la mesure de la blancheur du r?sidu apporte une information pertinente pour estimer localement la fid?lit? du d?bruitage.

  • Titre traduit

    Residual whiteness for image denoising


  • Résumé

    We propose an advanced use of the whiteness hypothesis on the noise to imrove denoising performances. We show the interest of evaluating the residual whiteness by correlation measures in multiple applications. First, in a variational denoising framework, we show that a cost function locally constraining the residual whiteness can replace the L2 norm commonly used in the white Gaussian case, while significantly improving the denoising performances. This term is then completed by cost function constraining the residual raw moments which are a mean to control the residual distribution. In the second part of our work, we propose an alternative to the likelihood ratio, leading to the L2 norm in the white Gaussian case, to evaluate the dissimilarity between noisy patches. The introduced metric, based on the autocorrelation of the patches difference, achieves better performances both for denoising and similar patches recognition. Finally, we tackle the no reference quality evaluation and the local model choice problems. Once again, the residual whiteness bring a meaningful information to locally estimate the truthfulness of the denoising.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : Télécom ParisTech. Bibliothèque scientifique et technique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.