scène = image « parfaite » inconnue déformati on (modélisé e par un filtre linéaire bruit additif inconnu (convolution inconnue H(z)) (convolution inverse 1/H(z)) réponse impulsionnelle longue modèle de filtre récursif : problème de conditions initiales d’instabilité compensati on evaluation du bruit afin de le soustraire nécessité de prendre en compte les caractéristiques statistiques de l’image p.ex. régions lisses, zones de contours compensation de défaut : flou, bougé, écho image mesuré e
compensation de défaut : flou, bougé, écho. bruit additif inconnu. déformation (modélisée par un filtre linéaire. image mesurée. scène = image « parfaite » inconnue. (convolution inconnue H(z)). evaluation du bruit afin de le soustraire. compensation. nécessité de - PowerPoint PPT Presentation
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
scène = image« parfaite »inconnue
déformation(modéliséepar un filtrelinéaire
bruit additif inconnu
(convolutioninconnue H(z))
(convolution inverse 1/H(z))réponse impulsionnelle longuemodèle de filtre récursif :problème de conditions initiales d’instabilité
compensation
evaluation du bruitafin de le soustraire
nécessité de prendre en compteles caractéristiquesstatistiques de l’imagep.ex. régions lisses,zones de contours
le filtre inverse n’est pas stable ; dépendance très forte des conditionsaux limites
« forcer » les conditions aux limites afin de limiter les défauts
dans les régions où le gradientest faible, il n’y a pas lieu de modifierl’image ; on fait l’hypothèse que le bruitprésente des caractéristiques différentesdans les deux types de régions
approche itérative
nouvelle estimation de f(x,y) parfiltrage inverse prenant en compteles caractéristiques statistiquesdu bruit, de la scène à reconstruireet de la réponse impulsionnelledu bougé (critère max de vraisemblance);
nouvelle estimation du filtreh(x,y) minimisant l’écartentre l’image bougée etsa prédiction
taille du filtre modélidant le bougé
domaine où il faut trouverles bonnes conditions initialespour effectuer le filtrage inverse