Détection de petits objets dans une image en utilisant les techniques de super-résolution

Detection of small objects using super-resolution image processing techniques

• Auteur / Autrice : Fabrice Humblot
• Direction : Ali Asghar Mohammad Djafari
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées. Automatique et traitement du signal
• Date : Soutenance en 2005
• Etablissement(s) : Paris 11
• Partenaire(s) de recherche : autre partenaire : Université de Paris-Sud. Faculté des sciences d'Orsay (Essonne)

Mots clés

Mots clés libres

Estimation et détection bayésienne

Segmentation

Recalage sous-pixellique d'image

Méthodes de corrélation de phase

Résumé

Cette these concerne la detection de petits objets dans une image en utilisant les techniques de super-resolution (sr). La reconstruction d'une image par une methode de sr consiste a produire une image de haute resolution (hr), a partir de plusieurs images de faibles resolutions (fr) obtenues par l'intermediaire de differentes cameras, ou a partir d'une sequence video acquise avec une seule camera. Obtenir une image hr necessite deux etapes : le recalage des images fr dans un repere commun, et la construction de limage hr par leur fusion. Ce memoire presente donc deux parties. La premiere est consacree a la detection et aux methodes de recalage d'images, et la seconde aux techniques de restauration d'images par sr. Concernant la premiere partie, plusieurs methodes ont ete evaluees : une methode frequentielle de recalage utilisant le principe de correlation de phase d'une part, et une methode de detection de petits points basee sur un estimateur map dans le formalisme bayesien d'autre part. Dans la seconde partie, une nouvelle methode de sr utilisant une modelisation markovienne hierarchique de l'image hr dans le cadre de l'estimation bayesienne est proposee. Cette nouvelle approche, qui est basee sur l'idee que l'image hr est constituee de zones homogenes, permet d'obtenir non seulement une image de bonne qualite, mais egalement un resultat de segmentation de l a scene hr.

This thesis deals with the detection of small objects in an image using super-resolution (sr) techniques. Image reconstruction using a sr method consists in producing a high-resolution (hr) image, from several low-resolution (lr) images obtained either from several cameras, or from a video sequence shot with one single video camera. Obtaining a hr image requires two steps: registration of the lr images on a common grid, and the estimation of the hr image using a data fusion approach. Therefore, this manuscript presents two parts. The first main section deals with detection and registration methods, and the second one with multi-frame sr restoration techniques. About the first part, several methods have been evaluated: a frequency-domain registration method using phase correlation principle on the one hand, and a speck detection method based on a map estimator in a bayesian framework on the other hand. In the second part, a new sr method using a hierarchical, markov model for the hr image in the bayesian framework is proposed. This new approach, which is based on the idea, that the hr image is made of homogeneous regions, provides not only an image of good quality, but also a segmentation result of the hr scene.