Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
La photographie occupe aujourd'hui une place prépondérante dans nos vies. De plus, les attentes en terme de qualité des images augmentent tandis que la taille des appareils imageurs diminuent. Dans ce contexte, l'amélioration des algorithmes de traitement d'image est primordial.Dans ce manuscrit, on s'intéresse particulièrement aux tâches de restauration des images. Le but est de produire une image propre à partir d'une ou plusieurs observations bruitées de la même scène. Pour ces problèmes, les méthodes d'apprentissage profond ont connu un essor spectaculaire dans la dernière décennie, surpassant l'état de l'art pour la grande majorité des tests traditionnels.Bien que ces méthodes produisent des résultats impressionnants, elles présentent un certain nombre d'inconvénients. Tout d'abord, elles sont difficilement interprétables de part leur fonctionnement “boite noire”. De plus, elles généralisent assez mal à des modalités d'acquisition ou de distorsion absentes de la base de donnée d'apprentissage. Enfin, elles nécessitent des bases de données volumineuses, qui sont parfois difficile à acquérir.On se propose d'attaquer ces différents problèmes en remplaçant l'acquisition des données par un algorithme simple de génération de d'image, basé sur le modèle feuilles mortes. Bien que ce modèle soit très simple, les images générées ont des propriétés statistiques proches de celles des images naturelles et de nombreuses propriétés d'invariances (échelle, translation, rotation, contraste…). Entraîner un réseau de restauration avec ce genre d'image nous permet d'identifier les propriétés importantes des images pour la réussite des réseaux de restauration. De plus, cette méthode permet de s'affranchir de l'acquisition des données, qui peut s'avérer fastidieuse.Après avoir présenté ce modèle, on montre dans un premier temps que la méthode proposée permet d'obtenir des performances de restauration très proches des méthodes traditionnelles pour des tâches relativement simples. Après quelques adaptations du modèle, ...