Restauration d'images perturbees par la turbulence atmospherique

Restoration of images degraded by atmospheric turbulence

• Auteur / Autrice : Bernard Granier
• Direction : G. Demoment
• Type : Thèse de doctorat
• Discipline(s) : Terre, océan, espace
• Date : Soutenance en 1996
• Etablissement(s) : Paris 11

Mots clés

Mots clés libres

Terre

Ocean

Espace

Geophysique externe

Optique atmospherique

Turbulence atmospherique

Restauration image

Deconvolution

Modele markov

Probleme inverse

Filtrage lineaire

Methode moindre carre

Atmospheric optics

Atmospheric turbulence

Image restoration

Deconvolution

Markov model

Inverse problem

Linear filtering

Least squares method

Résumé

Une image observee est modelisee comme la convolution d'un noyau de flou du a la turbulence atmospherique par une image originale, a laquelle est ajoutee un bruit d'acquisition. L'objectif de notre etude est la mise en uvre d'une methode de restauration dont la complexite numerique est independante de la taille du noyau de perturbation. Nous proposons une methode de restauration en deux etapes: la premiere etant un filtrage de moindres carres faiblement regularise, la seconde un filtrage markovien. Nous etudions les methodes de deconvolution de moindres carres en proposant une technique de comparaison adaptee a ces methodes. Elles sont lineaires et l'image restauree par celles-ci peut etre separee en un terme de signal et un terme de bruit. L'etude du compromis realise entre ces deux termes permet de comparer les methodes de restauration de moindres carres. Le filtrage de tikhonov-miller apparait comme la methode la plus performante. Nous developpons alors une methode en deux etapes constituee par un filtrage de tikhonov-miller suivit d'un filtrage markovien. La premiere etape deconvolue l'image observee et la deuxieme filtre le bruit de deconvolution. Cette methode en deux etapes est une methode de restauration non lineaire dont la complexite est independante de la taille du noyau de perturbation. Nous comparons les images obtenues avec cette methode en deux etapes avec celles obtenues lorsque le filtrage markovien est remplace par un filtrage de diffusion. Nous adaptons la technique en deux etapes au cas de la deconvolution multi-images. La premiere etape devient une deconvolution par la methode de la pseudo-inverse multi-images, la seconde reste inchangee. Le nombre d'images observees necessaires ainsi que les hyper-parametres de la modelisation markovienne sont determines automatiquement. La methode multi-images permet alors d'obtenir des images restaurees de qualite independante du rapport signal a bruit des images observees