About: Modélisation d'image, application à la compression numérique et à la restauration d'image floue   Goto Sponge  NotDistinct  Permalink

An Entity of Type : rdac:C10001, within Data Space : data.idref.fr associated with source document(s)

AttributesValues
type
Thesis advisor
Author
alternative label
  • Image modeling applied to digital compression and blurred image restoration
dc:subject
  • Thèses et écrits académiques
  • Traitement d'images -- Techniques numériques
  • Compression d'images
preferred label
  • Modélisation d'image, application à la compression numérique et à la restauration d'image floue
Language
Subject
dc:title
  • Modélisation d'image, application à la compression numérique et à la restauration d'image floue
Degree granting institution
note
  • aNous nous intéressons à la modélisation des images numériques noir et blanc. Dans un premier temps, afin de suivre les non-stationnarités de l'image, nous avons développé un modèle autorégressif (AR), causal évolutif. Dans un deuxième temps, nous cherchons à obtenir une modélisation conduisant à des algorithmes rapides pour la déconvolution d'image floue. Le but est de transformer un système 2D de dimension NxN, en N systèmes 1D décorrélés. Nous proposons d'appliquer une FFT sur une image miroir. Nous étudions les propriétés de cette nouvelle transformation, et la comparons avec d'autres transformées sinusoïdales (TSD, TCD). Le chapitre ii est consacré à la compression numérique. Le résiduel du modèle prédictif évolutif développé au chapitre I est codé par un train d'impulsions. De façon à réduire les coûts en calculs, nous proposons deux méthodes sous optimales pour le calcul de l'entrée multi-impulsionnelle. Au chapitre III, nous nous intéressons à la restauration d'image floue. Après transformation des données, un filtre de Kalman 1D est appliqué sur chaque colonne décorrélée. Nous proposons un traitement adaptatif pour régulariser la solution autour des zéros de la fonction de flou. L'influence des coefficients AR est étudiée. Pour une application à des images réelles, les paramètres du système doivent être estimés à partir de l'image floue observée. On propose une reparamétrisation de la fonction de flou ou les coefficients sont liés par une loi a priori. L'estimation est effectuée par la maximisation de la fonction de vraisemblance, déterminée en fonction du processus d'innovation calcule par le filtre. Des résultats de simulations sont présentés en compression et restauration
dc:type
  • Text
http://iflastandar...bd/elements/P1001
rdaw:P10219
  • 1989
has content type
is primary topic of
is rdam:P30135 of
Faceted Search & Find service v1.13.91 as of Aug 16 2018


Alternative Linked Data Documents: ODE     Content Formats:       RDF       ODATA       Microdata      About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data]
OpenLink Virtuoso version 07.20.3229 as of May 14 2019, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (70 GB total memory)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2025 OpenLink Software