Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Les travaux présentés dans cette thèse concernent les approches bayésiennes par patchs des problèmes d’amélioration de la qualité d’images. Notre contribution réside en le choix du dictionnaire construit grâce à un ensemble d’images de haute qualité et en la définition et l’utilisation d’un modèle à priori pour la distribution des patchs dans l’espace du dictionnaire. Nous avons montré qu’un choix attentif du dictionnaire représentant les informations locales des images permettait une amélioration de la qualité des images dégradées. Plus précisément, d’un dictionnaire construit de façon exhaustive sur les images de haute qualité nous avons sélectionné, pour chaque patch de l’image dégradée, un sous dictionnaire fait de ses voisins les plus proches. La similarité entre les patchs a été mesurée grâce à l’utilisation de la distance du cantonnier (Earth Mover’s Distance) entre les distributions des intensités de ces patchs. L’algorithme de super résolution présenté a conduit à de meilleurs résultats que les algorithmes les plus connus. Pour les problèmes de débruitage d’images nous nous sommes intéressés à la distribution à priori des patchs dans l’espace du dictionnaire afin de l’utiliser comme pré requis pour régulariser le problème d’optimisation donné par le Maximum à Posteriori. Dans le cas d’un dictionnaire de petite dimension, nous avons proposé une distribution constante par morceaux. Pour les dictionnaires de grande dimension, la distribution à priori a été recherchée comme un mélange de gaussiennes (GMM). Nous avons finalement justifié le nombre de gaussiennes utiles pour une bonne reconstruction apportant ainsi un nouvel éclairage sur l’utilisation des GMM. ; In this thesis, we investigate the patch-based image denoising and super-resolution under the Bayesian Maximum A Posteriori framework, with the help of a set of high quality images which are known as standard images. Our contributions are to address the construction of the dictionary, which is used to represent image patches, and the prior ...