Restauration avec filtrage explicite des images multicomposantes

par Pejman Rahmani

Thèse de doctorat en Traitement du signal et télécommunications

Sous la direction de Kacem Chehdi.

Soutenue en 2008

à Rennes 1 .

mots clés

• Télédétection
• Traitement d'images -- Techniques numériques
• Reconstruction d'image
• Problèmes inverses
• Filtres numériques (mathématiques)

Résumé

L'objectif principal de cette thèse est de mettre en œuvre un schéma automatique de restauration des images multispectrales aériennes, dégradées par un flou de défocalisation et un bruit additif, blanc et gaussien. Un intérêt a été accordé à l'aspect automatique, en utilisant le minimum d'informations a priori et offrant une meilleure qualité d'images restaurées. Le traitement est adapté à chaque bande spectrale en décomposant le problème de restauration en deux étapes séquentielles optimisées : débruitage et déconvolution régularisée. Pour le débruitage, un filtre itératif, associé à une procédure d’estimation du nombre optimal d’itérations, réalise le meilleur compromis entre la valeur des critères usuels et la préservation de la PSF. La déconvolution régularisée est ensuite appliquée sur l’image débruitée. Un procédé d'estimation du paramètre de régularisation est intégré. La performance du schéma proposé est vérifiée sur des images dégradées artificiellement ainsi que sur des images réelles multicomposantes aériennes acquises par les capteurs CASI et AISA.

Titre traduit

Restoration by explicit filtering of multi-hyper spectral images

Résumé

The main purpose of this thesis is to implement an automatic image processing scheme for restoring the degraded multispectral aerial images. In this work, the considered degradations are defocusing blur and additive, white and gaussian noise. Image processing is adapted to each spectral band by decomposing the image restoration process into two optimized sequential steps: Denoising and Deconvolution. In the first step, an iterative filter which is controlled by an optimal iteration number estimation, achieves the best compromise between the value of the usual criteria and PSF preservation. In the second step, a regularized deconvolution is performed on the almost noiseless version of observed image which is obtained from first step. A regularization parameter estimation method is introduced in order to make the scheme fully automatic. Finally, the performance of the proposed scheme is illustrated on degraded synthetic images and also on real aerial images acquired by the multi-hyper spectral CASI and AISA sensors.