FR2696029A1

FR2696029A1 - Adaptive procedure for image regeneration - uses multiple convolution filters applied to cells formed from distorted image, and synthesises filtered images

Info

Publication number: FR2696029A1
Application number: FR9311235A
Authority: FR
Inventors: Stevenson Theodore Eugene
Original assignee: Westinghouse Electric Corp
Current assignee: CBS Corp
Priority date: 1992-09-22
Filing date: 1993-09-21
Publication date: 1994-03-25

Abstract

The image regeneration procedure commences with a deformed image of an object. The deformed image is divided into multiple cells. The image of each of the cells is converted into a signal representing that cell image. Multiple convolution filters are generated (20) and stored (30). Each cell image is then processed with the stored convolution filters, and the filtered images stored. The filtered images are then combined to form the regenerated image. ADVANTAGE - Improved automatic regeneration of distorted images, avoiding need of skilled operative.

Description

"Processeur adaptatif de régénération dtimaqe"
La présente invention concerne le domaine des appareils de régénération d'image et, plus particulièrement, un processeur pour retirer le flou d'images optiques."Adaptive regeneration processor dtimaqe"
The present invention relates to the field of image regeneration apparatus and, more particularly, to a processor for removing blurring of optical images.

Chaque fois qu'un milieu déformant est placé entre un objet et un récepteur, cela peut donner une image résultante floue au niveau du récepteur. Les régénérateurs d'images traitent l'image floue en essayant' de retirer les effets de dégradation provoqués par le milieu déformant. En terminologie mathématique, ces effets de dégradation sont provoqués par la fonction d'élargissement des points (PSF) du milieu. La détermination de cette fonction PSF pour un milieu déformant particulier est le facteur critique dans le domaine de la régénération des images. Whenever a distorting medium is placed between an object and a receiver, it can give a blurred resulting image at the receiver. Image regenerators process the blurred image by trying to remove the degradation effects caused by the distorting medium. In mathematical terminology, these degradation effects are caused by the medium point enlargement (PSF) function. The determination of this PSF function for a particular deforming medium is the critical factor in the field of image regeneration.

Traditionnellement, on utilise une approche appelée technique du bord coupant pour obtenir une fonction d'élargissement des points composite qui provoque la dégradation d'une image. Dans la technique du bord coupe, une fine tranche d'image floue, d'ordinaire de l'ordre de quelques pixels seulement, est examinée pour déterminer la fonction d'élargissement des points pour l'image entière. Les résultats obtenus avec la technique de bord coupant sont souvent décevants à cause de la présence d'un bruit d'image et du fait que l'on rencontre fréquemment des difficultés d'instru mentation pour mesurer un "flou" qui augmente la distance de l'ordre de quelques pixels seulement. Pour que la technique du bord coupant fonctionne correctement, il est nécessaire d'avoir un opérateur humain bien familiarisé avec les facteurs de bruit et la fonction d'élargissement des points du milieu déformant. Traditionally, an approach called the cutting edge technique has been used to obtain a composite stitch widening function which causes the degradation of an image. In the cut edge technique, a thin slice of fuzzy image, usually on the order of only a few pixels, is examined to determine the dot widening function for the entire image. The results obtained with the cutting edge technique are often disappointing because of the presence of image noise and the fact that instrumentation difficulties are frequently encountered in measuring a "blur" which increases the distance from only a few pixels. For the cutting edge technique to work properly, it is necessary to have a human operator who is well versed in the noise factors and the function of enlarging the points of the deforming medium.

La figure 1 montre une représentation schématique d'un processeur de régénération d'image. Comme représenté à la figure 1, un objet 10 apparaît en une extrémité d'un système de formation d'image 12 ayant une fonction d'élargissement de point composite ou systémique. Une image déformée ou de convolution 14 apparaît sur le côté opposé du système de formation d'image 12. Idéalement, le processeur 16 de régénération d'image génère une image restaurée 18, obtenue à partir de l'image de convolution 14, qui s'approche étroitement de l'objet 10. Figure 1 shows a schematic representation of an image regeneration processor. As shown in Figure 1, an object 10 appears at one end of an imaging system 12 having a composite or systemic dot widening function. A distorted or convolutional image 14 appears on the opposite side of the imaging system 12. Ideally, the image regeneration processor 16 generates a restored image 18, obtained from the convolution image 14, which s closely approach object 10.

Les principes qui sous-tendent la formation de l'image 14 peuvent être représentés par l'équation suivante
IMAGE (x, y) = OBJET (x, y) * PSF (x, y) (1) dans laquelle le symbole * représente un produit de convolution.The principles underlying the formation of image 14 can be represented by the following equation
IMAGE (x, y) = OBJECT (x, y) * PSF (x, y) (1) in which the symbol * represents a product of convolution.

L'équation 1 représente une formation d'image se produisant dans le domaine spatial. Vue dans le domaine spatial, la fonction PSF est analogue à une fonction d'impulsion et inclut les propriétés systémique d'élargissement de la lumière (formation de flou) des lentilles optiques impliquées ainsi que du milieu environnant. Le milieu environnant peut être par exemple de l'eau et des particules en suspension, comme c'est le cas en photographie sousmarine. Equation 1 represents image formation occurring in the space domain. Seen in the space domain, the PSF function is analogous to a pulse function and includes the systemic properties of light widening (blurring) of the optical lenses involved as well as of the surrounding medium. The surrounding medium can for example be water and suspended particles, as is the case in underwater photography.

L'image 14 dans le domaine spatial bidimensionnel est formée par le produit de convolution de l'objet 10 et de la fonction PSF. Toutefois, de nombreuses techniques de régénération de l'image de l'art antérieur reposent sur une relation de multiplication qui se produit dans le domaine spatio-fréquentiel.La formation d'image au moyen d'une multiplication dans le domaine spatio-fréquentiel peut être représentée par l'équation suivante
IMAGE (u, v) = [OBJET (u, v) ] [ PSF (u, v) ] (2)
Si on utilise la relation de multiplication de l'équation 2, la détermination de l'objet dans le domaine fréquentiel peut être obtenue en utilisant l'équation suivante
OBJET (u, v) = IMAGE (u, v)/PSF (u, v) (3)
Bien que l'on puisse retrouver l'objet 10 à partir de l'image 14 au moyen de l'équation 3, l'utilisation de l'équation 3 nécessite une transformation du domaine spatial au domaine spatio-fréquentiel, suivie d'un retour au domaine spatial. Il s'agit là d'une procédure lourde et prenant beaucoup de temps. En outre, l'expression analytique de la fonction PSF (u, v) peut s'annuler en certains points, auquel cas la reconstruction de l'objet 10 dans le domaine fréquentiel est impossible à calculer.Par conséquent, il existe un besoin pour un processeur de régénération d'image qui fonctionne uniquement dans le domaine spatial.The image 14 in the two-dimensional spatial domain is formed by the convolution product of the object 10 and of the PSF function. However, many prior art image regeneration techniques are based on a multiplication relationship that occurs in the space-frequency domain. Image formation by means of multiplication in the space-frequency domain can be represented by the following equation
IMAGE (u, v) = [OBJECT (u, v)] [PSF (u, v)] (2)
If we use the multiplication relation of equation 2, the determination of the object in the frequency domain can be obtained using the following equation
OBJECT (u, v) = IMAGE (u, v) / PSF (u, v) (3)
Although we can find the object 10 from image 14 by means of equation 3, the use of equation 3 requires a transformation from the spatial domain to the spatio-frequency domain, followed by a back to space. This is a cumbersome and time-consuming procedure. In addition, the analytical expression of the function PSF (u, v) may cancel out at certain points, in which case the reconstruction of the object 10 in the frequency domain is impossible to calculate. Consequently, there is a need for an image regeneration processor which operates only in the space domain.

Un processeur de régénération d'image est proposé, dans lequel l'image est segmentée en une pluralité de cellules, balayée par le processeur, et ensuite numérisée. An image regeneration processor is provided, in which the image is segmented into a plurality of cells, scanned by the processor, and then digitized.

L'image numérisée de chaque cellule est convertie en un signal représentatif de l'image de cette cellule. Le traitement de l'image se produit sur une base cellule par cellule et l'image régénérée est formée par synthèse des images de cellules traitées.The digitized image of each cell is converted into a signal representative of the image of that cell. Image processing occurs on a cell-by-cell basis and the regenerated image is formed by synthesizing images of treated cells.

Une pluralité de filtres de convolution possibles sont utilisés dans le traitement de chaque cellule. Ces filtres de convolution possibles correspondent à des fonctions d'élargissement de points présélectionnées et sont mémorisés dans une mémoire du processeur. Lorsque chaque cellule a été déconvolutée au moyen de chaque filtre de convolution, on sélectionne et mémorise l'image de chaque cellule ayant le spectre basse fréquence le plus faible. On obtient alors l'image régénérée en faisant la synthèse de chaque cellule conservée pour former l'objet restauré. A plurality of possible convolutional filters are used in the processing of each cell. These possible convolution filters correspond to preselected point widening functions and are stored in a memory of the processor. When each cell has been deconvoluted by means of each convolution filter, the image of each cell having the lowest low frequency spectrum is selected and stored. The regenerated image is then obtained by synthesizing each preserved cell to form the restored object.

La présélection de la fonction d'élargissement des points donne un démarrage plus rapide, une implication moindre de l'opérateur et fournit de meilleurs résultats de régénération d'image. Le présent processeur de régénération d'image régénère l'image floue de façon adaptative, sans connaissance spécifique de la fonction d'élargissement des points qui a provoqué ce flou. Presetting the stitch widening function gives faster start-up, less operator involvement and better image refresh results. The present image regeneration processor regenerates the blurred image adaptively, without specific knowledge of the dot widening function which caused this blurring.

les modes préférés de réalisation de l'invention vont maintenant être décrits au moyen d'un exemple, en référence aux dessins annexés, dans lesquels
la figure 1 est une représentation schématique qui montre la création d'une image floue et la régénération de celle-ci ;
la figure 2 est un organigramme qui représente le procédé présentement préféré pour former des filtres de convolution possibles utilisés dans le mode préféré de réalisation du processeur d'image de la présente invention
la figure 3 est une représentation schématique de l'image rendue floue que l'on veut régénérer grâce au processeur préféré d'image de la présente invention
la figure 4 est un organigramme qui montre un mode préféré de réalisation du traitement utilisé par le processeur de régénération image de la présente invention.the preferred embodiments of the invention will now be described by way of an example, with reference to the accompanying drawings, in which
Figure 1 is a schematic representation which shows the creation of a blurred image and the regeneration thereof;
Figure 2 is a flowchart showing the presently preferred method for forming possible convolutional filters used in the preferred embodiment of the image processor of the present invention
Figure 3 is a schematic representation of the blurred image which is to be regenerated using the preferred image processor of the present invention
Figure 4 is a flowchart showing a preferred embodiment of the processing used by the image regeneration processor of the present invention.

Comme représenté à la figure 1, le but du processeur d'image 16 est de produire une image régénérée 18 qui s'approche le plus possible de l'objet 10. L'équation 1 décrit la formation d'une image 14 à partir de l'objet 10 par produit de convolution dans le domaine spatial. Si on inverse l'équation 1, on obtient une relation pour produire une image régénérée 18 qui s'approche de l'objet 10 à partir de l'image de convolution 14 au moyen d'un calcul de déconvolution réalisé dans le domaine spatial. Si le calcul se produit uniquement dans le domaine spatial, l'obtention de l'image régénérée 18 est plus simple et plus rapide.La relation de régénération d'un objet dans le domaine spatial au moyen d'un produit de déconvolution est représentée par
OBJET(x,y) = IMAGE(x,y) * INVERSE DFT de 1/PSF(u,v) (4) dans laquelle * représente un produit de convolution, et
DFT représente une transformation de Fourier discrète.As shown in FIG. 1, the aim of the image processor 16 is to produce a regenerated image 18 which comes as close as possible to the object 10. Equation 1 describes the formation of an image 14 from object 10 by convolution product in the space domain. If we reverse equation 1, we obtain a relation to produce a regenerated image 18 which approaches the object 10 from the convolution image 14 by means of a deconvolution calculation carried out in the spatial domain. If the calculation occurs only in the spatial domain, obtaining the regenerated image 18 is simpler and faster. The regeneration relation of an object in the spatial domain by means of a deconvolution product is represented by
OBJECT (x, y) = IMAGE (x, y) * INVERSE DFT of 1 / PSF (u, v) (4) in which * represents a product of convolution, and
DFT represents a discrete Fourier transformation.

Les effets de dégradation de la fonction PSF peuvent être envisagés comme une courbe générale du type de
Gausse. L'utilisation d'une fonction PSF de forme gaussienne comporte l'avantage de ne pas être spatialement limitée. Au contraire, quand on forme la réciproque de la fonction PSF dans le domaine fréquentiel, il ne se produit jamais de division par zéro. Donc, l'aspect gaussien de la fonction PSF permet de réaliser la régénération de l'image 14 totalement dans le domaine spatial, conformément à l'équation 4. La technique du bord coupant de l'art antérieur est spatialement limitée et ne peut par conséquent pas être effectuée conformément à la relation de l'équation 4.The degradation effects of the PSF function can be considered as a general curve of the type of
Gausse. The use of a PSF function of Gaussian form has the advantage of not being spatially limited. On the contrary, when we form the converse of the PSF function in the frequency domain, there is never a division by zero. Therefore, the Gaussian aspect of the PSF function allows the regeneration of the image 14 totally in the spatial domain, in accordance with equation 4. The cutting edge technique of the prior art is spatially limited and cannot by therefore not be performed according to the relation of equation 4.

Même si l'on suppose que la fonction PSF a une forme du type gaussien, la détermination de l'élargissement (sigma) de la courbe gaussienne reste incertaine. Une détermination précise de l'élargissement reste toutefois nécessaire pour régénérer avec précision l'objet 10 à partir de l'image 14. Si la détermination de la valeur d'élargissement peut être appréhendée de façon adaptative, un défaut de connaissance de l'élargissement, et donc le défaut de connaissance de la fonction d'élargissement des points, peut être surmonté. Even if we assume that the PSF function has a Gaussian type form, the determination of the widening (sigma) of the Gaussian curve remains uncertain. A precise determination of the enlargement remains however necessary to precisely regenerate the object 10 from image 14. If the determination of the enlargement value can be apprehended adaptively, a lack of knowledge of the enlargement , and therefore the lack of knowledge of the point widening function, can be overcome.

Dans la présente invention, une pluralité de filtres de convolution possibles sont produits pour des valeurs d'élargissement variables. La figure 2 montre la procédure 20 permettant de produire un filtre de convolution possible. La première étape 22 pour former un filtre de convolution possible est de présélectionner un groupe de valeurs possibles de sigma pour la relation gaussienne. On a constaté que pour des données sous-marines et de très bonnes lentilles, les valeurs de sigma peuvent varier de 0,1 pixel à 1 pixel en fonction des particules en suspension dans l'eau et de leur effet sur l'éclairage. Des lentilles très médiocres nécessitent des valeurs supposées de sigma plus élevées et un milieu clair donne une tendance vers le bas.Les exigences d'encadrement varient entre des applications très différentes, comme par exemple des plate-formes spatiales ou des plates-formes sous-marines et des systèmes coûteux non agrandis sables avec de très bonnes lentilles par rapport à des systèmes agrandis sables bon marché qui peuvent utiliser des optiques de faible qualité. In the present invention, a plurality of possible convolution filters are produced for varying enlargement values. FIG. 2 shows the procedure 20 making it possible to produce a possible convolution filter. The first step 22 to form a possible convolution filter is to preselect a group of possible sigma values for the Gaussian relationship. It has been found that for underwater data and very good lenses, the sigma values can vary from 0.1 pixel to 1 pixel depending on the particles in suspension in the water and their effect on lighting. Very poor lenses require higher supposed sigma values and a clear medium gives a downward trend.The framing requirements vary between very different applications, such as space platforms or sub-platforms marine and expensive non-enlarged sands systems with very good lenses compared to inexpensive enlarged sands systems which may use low quality optics.

Une fois que le groupe de valeurs de sigma possibles est présélectionné, la prochaine étape 24 de la procédure 20 est de calculer les valeurs gaussiennes pour chaque valeur donnée de sigma. Un nombre impair de points, typiquement 3,5 ou 7, est requis. Le nombre de ces points ne doit pas être trop faible par rapport au flou impliqué, ni trop grand par rapport aux séparations spatiales significatives dans l'image 14. Once the group of possible sigma values is preselected, the next step 24 of procedure 20 is to calculate the Gaussian values for each given sigma value. An odd number of points, typically 3.5 or 7, is required. The number of these points must not be too small in relation to the blurring involved, nor too large in relation to the significant spatial separations in image 14.

L'étape suivante 26 de la procédure 20 est de calculer la transformée de Fourier discrète de la fonction
PSF dans le domaine spatio-fréquentiel de la fonction PSF dans le domaine spatial. Comme la transformée de Fourier d'une fonction gaussienne est également gaussienne, la transformée de Fourier discrète de la fonction PSF dans le domaine spatio-fréquentiel est gaussienne. La prochaine étape 28 de la procédure 20 est de calculer la réciproque de la fonction PSF dans le domaine spatio-fréquentiel en utilisant les résultats obtenus à l'étape 26. Finalement, on calcule et mémorise, à l'étape 30, la transformée de Fourier discrète inverse de la réciproque de la fonction PSF dans le domaine spatio-fréquentiel.Cette transformée de Fourier discrète inverse de la réciproque de la fonction PSF dans le domaine spatio-fréquentiel est un filtre de convolution possible pour une valeur donnée de sigma. Si toutes les valeurs possibles de sigma n'ont pas été traitées, la procédure 20 retourne à l'étape 32 pour déterminer le filtre de convolution possible pour la prochaine valeur de sigma.The next step 26 of procedure 20 is to calculate the discrete Fourier transform of the function
PSF in the space-frequency domain of the PSF function in the space domain. As the Fourier transform of a Gaussian function is also Gaussian, the discrete Fourier transform of the PSF function in the spatio-frequency domain is Gaussian. The next step 28 of the procedure 20 is to calculate the reciprocal of the PSF function in the spatio-frequency domain using the results obtained in step 26. Finally, in step 30, the transform of Inverse discrete Fourier of the reciprocal of the PSF function in the space-frequency domain. This inverse discrete Fourier transform of the reciprocal of the PSF function in the space-frequency domain is a possible convolution filter for a given value of sigma. If all of the possible sigma values have not been processed, procedure 20 returns to step 32 to determine the possible convolution filter for the next sigma value.

La fonction PSF et la fréquence d'éclairage de l'image 14 varient sur l'étendue de l'image 14. Pour régénérer de façon précise l'image 14, l'image 14 doit être segmentée en une pluralité de cellules 34 sur lesquelles cette variation est suffisamment faible. La figure 3 montre la segmentation de l'image 14 en une pluralité de cellules 34. Chaque cellule 34 est alors balayée par le processeur et numérisée pour former un signal représentatif d'une cellule 34. On peut estimer à l'avance la taille des cellules à partir de l'image 14 en regardant le flou et l'éclairage. La justesse de la segmentation estimée peut être évaluée si on utilise les résultats après production de l'image régénérée 18.L'évaluation de la fonction PSF sur la base d'une cellule 34 fournit une régénération de l'image 14 plus précise que lorsqu'elle est effectuée avec des techniques de bord coupant de l'art antérieur qui utilisent une seule fonction PSF pour toute l'image 14. The PSF function and the lighting frequency of image 14 vary over the extent of image 14. To precisely regenerate image 14, image 14 must be segmented into a plurality of cells 34 on which this variation is sufficiently small. FIG. 3 shows the segmentation of image 14 into a plurality of cells 34. Each cell 34 is then scanned by the processor and digitized to form a signal representative of a cell 34. The size of the cells can be estimated in advance. cells from image 14 looking at the blur and lighting. The accuracy of the estimated segmentation can be evaluated if the results are used after production of the regenerated image 18. The evaluation of the PSF function on the basis of a cell 34 provides a more precise regeneration of the image 14 than when 'it is performed with cutting edge techniques of the prior art which use a single PSF function for the entire image 14.

La figure 4 montre la procédure 40 par laquelle chaque cellule 34 est régénérée. Dans la procédure 40, l'étape 42 permet d'obtenir une cellule 34 de l'image numérisée brute. A l'étape 44, un premier filtre de convolution correspondant au premier choix de sigma est obtenu. A l'étape 46, l'image brute numérisée actuelle de la cellule 34 est filtrée, grâce au premier filtre de convolution possible et les résultats sont mémorisés. La luminosité du résultat mémorisé est déterminée à l'étape 48. Si la luminosité n'est pas satisfaisante, la procédure 40 augmente le facteur d'échelle du filtre à l'étape 50. L'image brute numérisée de la cellule 34 est filtrée de nouveau à l'étape 52 et les résultats sont mémorisés. La luminosité de ce résultat nouvellement mémorisé est alors examinée. Figure 4 shows the procedure 40 by which each cell 34 is regenerated. In procedure 40, step 42 makes it possible to obtain a cell 34 of the raw digitized image. In step 44, a first convolution filter corresponding to the first choice of sigma is obtained. In step 46, the current digitized raw image of cell 34 is filtered, thanks to the first possible convolution filter and the results are memorized. The brightness of the stored result is determined in step 48. If the brightness is not satisfactory, the procedure 40 increases the scale factor of the filter in step 50. The raw digital image of cell 34 is filtered again in step 52 and the results are stored. The brightness of this newly stored result is then examined.

Une fois que la luminosité d'un résultat est satisfaisante, la procédure 40 détermine, à l'étape 54, si tous les filtres de convolution possibles ont été essayés. Si tous les filtres de convolution possibles n'ont pas été essayés pour la cellule 34, le filtre de convolution possible suivant est fourni à l'étape 56. L'image brute actuelle de la cellule 34 est alors filtrée par utilisation de ce filtre de convolution possible suivant. Once the brightness of a result is satisfactory, the procedure 40 determines, in step 54, if all the possible convolution filters have been tried. If all of the possible convolution filters have not been tried for cell 34, the following possible convolution filter is provided in step 56. The current raw image of cell 34 is then filtered using this filter. next possible convolution.

Une fois que tous les filtres de convolution possibles ont été essayés pour une cellule 34 particulière de l'image brute numérisée, une transformation de Fourier discrète est réalisée sur chaque image possible pour cette cellule, à l'étape 58. A l'étape 60, l'image la plus nette, c'est-à-dire celle ayant le spectre basse fréquence le plus bas, est sélectionnée pour chaque cellule 34. L'image possible sélectionnée pour la cellule 34 de l'image brute est alors synthétisée à l'étape 62 et ajoutée à l'image 18. La procédure 40 détermine à l'étape 64 si toutes les cellules 34 de l'image brute numérisée ont subi une déconvolution. Si toutes les cellules 34 de l'image brute numérisée n'ont pas été essayées, l'image brute numérisée de cellule 34 suivante est obtenue à l'étape 66 et le traitement revient à l'étape 44. Une fois que toutes les cellules de l'image brute numérisée ont été essayées, la procédure 40 est terminée et une image régénérée 18 est synthétisée. De cette manière, on peut utiliser différents filtres de convolution possibles ayant différentes fonctions PSF pour synthétiser l'image 18. Once all possible convolution filters have been tested for a particular cell 34 of the raw digital image, a discrete Fourier transformation is performed on each possible image for this cell, in step 58. In step 60 , the clearest image, that is to say the one having the lowest low frequency spectrum, is selected for each cell 34. The possible image selected for cell 34 of the raw image is then synthesized at step 62 and added to the image 18. The procedure 40 determines in step 64 if all the cells 34 of the raw digital image have undergone deconvolution. If all the cells 34 of the scanned raw image have not been tried, the next scanned raw image of cell 34 is obtained in step 66 and the processing returns to step 44. Once all the cells of the scanned raw image have been tried, the procedure 40 is completed and a regenerated image 18 is synthesized. In this way, it is possible to use different possible convolution filters having different PSF functions to synthesize the image 18.

La procédure de la figure 4 est une procédure adaptative qui évite l'effort classique, long et généralement décevant, consistant à réaliser des mesures pour atteindre une fonction PSF à utiliser dans le traitement d'inversion de régénération qui suit. Grâce à l'utilisation de la procédure adaptative de la figure 4, on obtient un démarrage plus rapide nécessitant moins de temps d'opérateur et donnant des résultats meilleurs. The procedure of FIG. 4 is an adaptive procedure which avoids the conventional, long and generally disappointing effort, consisting in making measurements to achieve a PSF function to be used in the regeneration inversion treatment which follows. Thanks to the use of the adaptive procedure of FIG. 4, a faster start is obtained requiring less operator time and giving better results.

Dans la discussion de la présente invention, il a été discuté l'utilisation d'une relation gaussienne pour la fonction PSF. Toutefois, des fonctions irrégulières peuvent également être utilisées à la place de la fonction gaussienne. La fonction gaussienne a été décrite parce que la fonction gaussienne s'est avérée être la meilleure pour une utilisation dans les applications sous-marines. Mise à part la réorganisation de la procédure 20 pour la génération des filtres de convolution possibles, la procédure 40 pour générer une image régénérée 18 reste le même, quelle que soit la relation choisie pour la fonction PSF. In discussing the present invention, the use of a Gaussian relationship for the PSF function has been discussed. However, irregular functions can also be used in place of the Gaussian function. The Gaussian function has been described because the Gaussian function has proven to be the best for use in underwater applications. Apart from the reorganization of the procedure 20 for the generation of the possible convolution filters, the procedure 40 for generating a regenerated image 18 remains the same, whatever the relation chosen for the PSF function.

Dans la description précédentes, certains modes préférés de réalisation de la présente invention ont été exposés, mais on comprendra toutefois que l'on peut y apporter des variantes ou des modifications sans quitter le champ d'application de la présente invention. In the foregoing description, certain preferred embodiments of the present invention have been explained, but it will however be understood that variants or modifications can be made thereto without leaving the scope of the present invention.

Claims

CLAIM # TIO # S

1. Method for regenerating a distorted image (lo) of an object (10), characterized in that it comprises the steps consisting in: z) dividing said distorted image (14) into a plurality of

cells (34) b) converting (42) the image of each of said plurality of

cells (34) in a signal representative of said

image c) generate (20) a plurality of convolution filters

possible intended to be used on each cell,

each of the possible convolution filters of said

plurality corresponding to an enlargement function

preselected points d) memorizing (30) said plurality of convoluted filters

tion possible in memory means e) processing (-0) each cell (34) of said plurality

with each possible convolution filter of said

plurality to produce a plurality of possible images

for each cell (3 ~) of said plurality f) keep (60) one of said plurality of images

possible for each cell (3 ') of said plurality

and g) synthesizing (62) said plurality of images

possible stored to form said regenerated image

(18).

2. Method according to claim 1, characterized in that each possible convolution filter of said plurality corresponds to a different sigma value for a Gaussian function (24, 32).

3. Method according to claim 1, characterized in that the possible image selected for each cell of said plurality has the lowest low frequency spectrum (60) among the plurality of possible images for each cell (34) of said plurality .

4. Processing for regenerating a distorted image (14) of an object (10) using a plurality of possible convolution filters stored in a memory means (30), each possible convolution filter of said plurality corresponding to a function for enlarging the preselected points, characterized in that it comprises the steps consisting in a) dividing said distorted image (14) into a plurality of

cells (34) b) converting (42) the image of each cell (34) of said cell

plurality in a signal representative of said image c) processing (40) each cell (3 ^) of said plurality

with each possible convolution filter of said

plurality to produce a plurality of possible images

for each cell (3t) of said plurality d) keep (60) one of the possible images of said

plurality for each cell (34) of said plurality;

and e) synthesizing (62) said plurality of images

possible stored to form said regenerated image

(18).

5. Treatment according to claim 5, characterized in that each possible convolution filter of said plurality corresponds to a different sigma value for a Gaussian function # 24, 32).

6. Processing according to claim 4, characterized in that the possible image selected for each cell of said plurality has the lowest low frequency spectrum (60) among the plurality of possible images for each cell (34) of said plurality .

7. signal processor (16) for regenerating a distorted image (lo) of an object (10), characterized in that it comprises a) means for dividing said distorted image (14) into a

plurality of cells (34); b) means for converting (42) the image of each of

said plurality of cells (34) in a signal represented

tative of said image; c) means for generating (20) a plurality of filters

possible convolutions intended to be used on

each cell, each convolution filter

possible of said plurality corresponding to a

preset point widening function; d) means for storing (30) said plurality of filters

possible convolution in memory means e) means for processing (40) each cell (34) of said

plurality with each possible convolution filter of

said plurality to produce a plurality of images

possible for each cell (34) of said plurality; f) means for retaining (60) one of said plurality

possible images for each cell (34) of said

plurality; and g) means for synthesizing (62) said plurality

possible images kept to form said image

regenerated (18).

8. Signal processor (16) according to claim 7, characterized in that each possible convolution filter of said plurality corresponds to a different sigma value for a Gaussian function (24, 32).

9. signal processor (16) according to claim 7, characterized in that the possible image selected for each cell of said plurality has the lowest frequency spectrum (60) lowest among the plurality of possible images for each cell ( 34) of said plurality.

10. signal processor (16) for regenerating a distorted image (14) of an object (10), characterized in that it uses a plurality of possible convolution filters stored in a memory means (30), each filter of possible convolution of said plurality corresponding to a preselected dot widening function, and in that it comprises a) means for dividing said distorted image (14) into a

plurality of cells (34) b) means for converting (42) the image of each cell

(34) of said plurality in a signal representative of

said image; c) means for treating (40) each cell (34) of said

plurality with each possible convolution filter of

said plurality to produce a plurality of images

possible for each cell (34) of said plurality d) means for preserving (60) one of the possible images

of said plurality for each cell (34) of said

plurality; and e) means for synthesizing (62) said plurality

possible images kept to form said image

regenerated (18).

11. Signal processor (16) according to claim 10, characterized in that each possible convolution filter of said plurality corresponds to a different sigma value for a Gaussian function (24, 32).

12. Signal processor (16) according to claim 10, characterized in that the possible image selected for each cell of said plurality has the lowest frequency spectrum (60) among the plurality of possible images for each cell ( 34) of said plurality.