FR3059453A1 - Procede et dispositif de deconvolution d'images numeriques - Google Patents
Procede et dispositif de deconvolution d'images numeriques Download PDFInfo
- Publication number
- FR3059453A1 FR3059453A1 FR1661657A FR1661657A FR3059453A1 FR 3059453 A1 FR3059453 A1 FR 3059453A1 FR 1661657 A FR1661657 A FR 1661657A FR 1661657 A FR1661657 A FR 1661657A FR 3059453 A1 FR3059453 A1 FR 3059453A1
- Authority
- FR
- France
- Prior art keywords
- image
- deconvolution
- sharpness
- processed
- image block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005259 measurement Methods 0.000 claims abstract description 56
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000011282 treatment Methods 0.000 claims description 2
- 238000003491 array Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000010363 phase shift Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
L'invention concerne un procédé de déconvolution d'image numérique, une image numérique étant composée d'au moins une matrice d'échantillons d'image ayant une valeur d'échantillon associée, et un dispositif de déconvolution d'image numérique associé. Le procédé comporte les étapes suivantes, appliquées à au moins un bloc de l'image numérique, appelé bloc d'image traité : - obtention (42) d'une mesure de netteté pour ledit bloc d'image traité, la mesure de netteté étant fonction d'une estimation d'une distribution statistique des blocs d'images déphasés d'une phase aléatoire par rapport au bloc d'image traité, -détermination (46) d'un ou plusieurs paramètres d'un filtre de déconvolution à appliquer au bloc d'image traité en fonction de la mesure de netteté calculée.
Description
® RÉPUBLIQUE FRANÇAISE
INSTITUT NATIONAL DE LA PROPRIÉTÉ INDUSTRIELLE © N° de publication :
(à n’utiliser que pour les commandes de reproduction)
©) N° d’enregistrement national
059 453
61657
COURBEVOIE
©) Int Cl8 : G 06 T5/00 (2017.01)
DEMANDE DE BREVET D'INVENTION
A1
| ©) Date de dépôt : 29.11.16. | ©) Demandeur(s) : CENTRE NATIONAL D'ETUDES SPA- |
| (30) Priorité : | TIALES Etablissement public — FR. |
| ©) Inventeur(s) : BLANCHET GWENDOLINE. | |
| @) Date de mise à la disposition du public de la | |
| demande : 01.06.18 Bulletin 18/22. | |
| (56) Liste des documents cités dans le rapport de | |
| recherche préliminaire : Se reporter à la fin du | |
| présent fascicule | |
| (© Références à d’autres documents nationaux | ©) Titulaire(s) : CENTRE NATIONAL D'ETUDES SPA- |
| apparentés : | TIALES Etablissement public. |
| ©) Demande(s) d’extension : | ©) Mandataire(s) : LAVOIX. |
PROCEDE ET DISPOSITIF DE DECONVOLUTION D'IMAGES NUMERIQUES.
FR 3 059 453 - A1 (5/2 L'invention concerne un procédé de déconvolution d'image numérique, une image numérique étant composée d'au moins une matrice d'échantillons d'image ayant une valeur d'échantillon associée, et un dispositif de déconvolution d'image numérique associé. Le procédé comporte les étapes suivantes, appliquées à au moins un bloc de l'image numérique, appelé bloc d'image traité:
- obtention (42) d'une mesure de netteté pour ledit bloc d'image traité, la mesure de netteté étant fonction d'une estimation d'une distribution statistique des blocs d'images déphasés d'une phase aléatoire par rapport au bloc d'image traité,
-détermination (46) d'un ou plusieurs paramètres d'un filtre de déconvolution à appliquer au bloc d'image traité en fonction de la mesure de netteté calculée.
Procédé et dispositif de déconvolution d’images numériques
La présente invention concerne un procédé de déconvolution d’images numériques et un dispositif de déconvolution d’images numériques associé.
L’invention se situe dans le domaine du traitement d’images, et en particulier de l’amélioration de la qualité des images numériques.
Elle s’applique dans tout domaine d’application dans lequel des images numériques présentent des zones de flou, en particulier dues à des imperfections des capteurs de prise de vue des images numériques.
En particulier, dans certains cas de figure, comme par exemple dans le cas de l’acquisition d’images numériques par balayage de zones utilisant des matrices monodimensionnelles de capteurs, il existe des zones d’image numérique qui sont à la fois floutées et bruitées.
Par exemple, dans le cadre de l’imagerie satellite, il est connu d’utiliser, pour la capture d’images, des barrettes de capteurs élémentaires, qui sont des matrices monodimensionnelles de capteurs élémentaires, qui sont attachées à un aéronef et qui défilent au droit de la zone observée, perpendiculairement à la direction de déplacement de l’aéronef. Ainsi, chaque capteur élémentaire défile au regard du paysage observé, chaque ligne de l’image numérique acquise correspondant à l’acquisition effectuée à un instant donné. L’image numérique obtenue est composée d’une ou plusieurs matrices bidimensionnelles d’échantillons appelés pixels, chaque échantillon ayant une valeur de radiométrie associée, plus généralement appelée valeur d’échantillon. Dans ce mode d’acquisition, chaque colonne d’une matrice d’image numérique obtenue est associée physiquement à un capteur élémentaire, chaque pixel d’une ligne d’image correspondant à une acquisition de signal de ce capteur élémentaire.
Une pluralité de telles barrettes de capteurs élémentaires est nécessaire pour l’acquisition d’images satellites, qui ont typiquement des tailles de l’ordre de dizaines de milliers d’échantillons ou pixels par dimension.
Dans certains cas d’acquisition, la prise d’images permet d’obtenir des zones d’images acquises partiellement par des capteurs de plusieurs barrettes. Ces zones sont classiquement appelées des zones inter-barrettes, et comportent un niveau de flou et de bruit supérieur au reste de l’image numérique acquise, dans les parties où l’acquisition est effectuée par une seule barrette de capteurs.
Afin d’améliorer des zones dites zones de flou, comportant un défaut de netteté, dans des images numériques, il est connu d’appliquer des techniques de déconvolution, par exemple la déconvolution à noyau gaussien.
Cependant, les techniques de déconvolution classiques ne donnent pas de résultat satisfaisant sur des zones comportant à la fois du flou et du bruit, comme dans le cas des zones inter-barrettes des images numériques de télédétection acquises selon la technique d’acquisition brièvement décrite ci-dessus.
L’invention a pour objet de proposer un procédé de déconvolution qui remédie aux inconvénients des techniques antérieures, et qui permet d’améliorer la déconvolution de zones d’images présentant à la fois du flou et du bruit.
A cet effet, l’invention propose un procédé de déconvolution d’image numérique, une image numérique étant composée d’au moins une matrice d’échantillons d’image ayant une valeur d’échantillon associée. Le procédé comporte les étapes suivantes, appliquées à au moins un bloc d’image traité extrait de l’image numérique :
- obtention d’une mesure de netteté pour ledit bloc d’image traité, la mesure de netteté étant fonction d’une estimation d’une distribution statistique des blocs d’images déphasés d’une phase aléatoire par rapport au bloc d’image traité,
-détermination d’un ou plusieurs paramètres d’un filtre de déconvolution à appliquer au bloc d’image traité en fonction de la mesure de netteté calculée.
Avantageusement, le procédé de déconvolution selon l’invention, le filtre de déconvolution appliqué est adapté localement en fonction d’une mesure de netteté locale. Ainsi, la déconvolution est localement adaptée.
Selon un mode de réalisation, la mesure de netteté appliquée est une mesure de netteté qui est robuste au bruit.
Le procédé selon l’invention peut présenter une ou plusieurs des caractéristiques ci-dessous, prises indépendamment ou selon toutes leurs combinaisons techniquement réalisables.
Le procédé comporte en outre une étape d’application du filtre de déconvolution sur le bloc d’image traité.
Les valeurs d’échantillons dudit bloc d’image traité forment un signal d’image associé audit bloc d’image traité, et l’étape d’obtention d’une mesure de netteté comprend les sous-étapes de :
-calcul d’une transformation de Fourier du signal d’image associé au bloc d’image traité permettant d’obtenir une première représentation transformée dudit signal d’image dans un domaine module-phase,
-obtention d’un nombre prédéterminé de deuxièmes représentations transformées de même module et décalées aléatoirement en phase par rapport à ladite première représentation transformée,
-application d’une transformation de Fourier inverse à chacune des deuxièmes représentations transformées, pour obtenir des deuxièmes représentations décalées en phase du signal d’image associé au bloc d’image traité,
- calcul de la mesure de netteté en fonction d’une statistique desdites deuxièmes représentations décalées en phase.
L’étape d’obtention d’une mesure de netteté comprend en outre :
- le calcul d’une première valeur de variation totale entre valeurs d’échantillons d’image adjacents du signal d’image associé au bloc d’image traité,
-le calcul d’une deuxième valeur de variation totale entre valeurs d’échantillons d’image adjacents de chaque deuxième représentation décalée en phase du signal d’image associé au bloc d’image traité,
-le calcul d’une mesure de netteté en fonction d’une probabilité qu’une deuxième valeur de variation totale soit inférieure ou égale à la première valeur de variation totale.
Le procédé comporte une étape de sélection d’un sous-ensemble de blocs d’image traités, et l’étape de détermination d’un ou plusieurs paramètres du filtre de déconvolution est appliquée pour tous les blocs dudit sous-ensemble.
Ledit sous-ensemble est formé d’une colonne ou d’une ligne d’échantillons d’image.
La détermination d’un ou plusieurs paramètres du filtre de déconvolution en fonction de la mesure de netteté calculée comprend la lecture dans une table de correspondance préalablement mémorisée d’une valeur de paramètre associée à la mesure de netteté calculée.
Le procédé comporte un découpage en blocs de l’image numérique, l’étape d’obtention d’une mesure de netteté étant appliquée à chaque bloc du découpage.
Le procédé comporte en outre :
-une sélection d’une valeur de mesure de netteté de référence à partir des mesures de netteté calculées, et,
-pour au moins un bloc d’image traité, le calcul d’une valeur d’écart de netteté entre la mesure de netteté calculée pour ledit bloc d’image traité et la valeur de mesure de netteté de référence, et
-la détermination d’un ou plusieurs paramètres de filtre de déconvolution en fonction de la valeur d’écart de netteté calculée.
La détermination d’un ou plusieurs paramètres de filtre de déconvolution en fonction de la valeur d’écart de netteté calculée est effectuée par itérations.
L’invention concerne, selon un autre aspect, un dispositif de déconvolution d’image numérique, une image numérique étant composée d’au moins une matrice d’échantillons d’image ayant une valeur d’échantillon associée. Le dispositif comporte des modules adaptés à mettre en œuvre les traitements suivants, appliquées à au moins un bloc d’image traité extrait de l’image numérique :
- obtention d’une mesure de netteté pour ledit bloc d’image traité, la mesure de netteté étant fonction d’une estimation d’une distribution statistique des blocs d’images déphasés d’une phase aléatoire par rapport au bloc d’image traité,
-détermination d’un ou plusieurs paramètres du filtre de déconvolution à appliquer au bloc d’image traité en fonction de la mesure de netteté calculée.
Les avantages du dispositif de déconvolution d’image numérique sont analogues à ceux du procédé de déconvolution d’image numérique brièvement décrit ci-dessus.
Le dispositif de déconvolution d’image numérique comprend en outre un module de filtrage apte à filtrer le signal d’image du bloc d’image traité ledit filtre de déconvolution.
Selon un autre aspect, l’invention concerne un programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont mises en œuvre par un dispositif programmable, mettent en œuvre un procédé de déconvolution d’images numériques tel que brièvement décrit ci-dessus.
D’autres caractéristiques et avantages de l’invention ressortiront de la description qui en est donnée ci-dessous, à titre indicatif et nullement limitatif, en référence aux figures annexées, parmi lesquelles :
-la figure 1 illustre schématiquement le principe d’acquisition d’image par des barrettes de capteurs élémentaires dans le cas de l’imagerie satellite ;
-la figure 2 est un schéma représentant les blocs fonctionnels d’un dispositif programmable apte à mettre en œuvre l’invention ;
- la figure 3 est une illustration schématique de blocs d’image numérique ;
-la figure 4 est un synoptique d’un procédé de déconvolution d’image selon un premier mode de réalisation de l’invention;
- la figure 5 est un synoptique d’un procédé d’obtention de mesure de netteté selon un mode de réalisation de l’invention ;
- la figure 6 est un synoptique des étapes mises en œuvre pour l’obtention d’une valeur de paramètre de filtre de déconvolution selon un premier mode de réalisation ;
- la figure 7 est un synoptique d’un procédé de déconvolution d’image selon un deuxième mode de réalisation de l’invention ;
- la figure 8 est un synoptique des étapes mises en œuvre pour l’obtention d’une valeur de paramètre de filtre de déconvolution selon un deuxième mode de réalisation.
L’invention sera décrite ci-après plus particulièrement dans le domaine de l’acquisition d’image par satellite, par des pluralités de matrices de capteurs élémentaires ou barrettes de capteurs, dans le mode d’acquisition par le mode dit «push-broom ».
Il est cependant à noter que le concept de l’invention s’applique dans d’autres cas d’application, pour toute image numérique présentant des zones localisées de flou et de bruit.
Le contexte de l’acquisition d’images numériques par satellite est illustré schématiquement dans la figure 1.
Un satellite non représenté ayant une trajectoire de déplacement T comporte un système d’acquisition 1, qui est formé d’une pluralité de matrices monodimensionnelles ou barrettes de capteurs 2a, 2b, 2c, 2d.
L’acquisition d’un paysage observé se fait via un système optique 6. Chaque capteur 8 d’une barrette de capteurs réalise l’acquisition d’une portion du paysage observé, enregistrée dans une matrice d’image numérique I sous forme d’un échantillon d’image 10 ou pixel dans les zones d’acquisition simples, pour lesquelles une seule barrette de capteurs reçoit un flux lumineux. Chaque pixel d’image a une valeur de radiométrie associée.
Dans la figure 1, on a représenté une image I formée à partir d’une barrette de capteurs 2a, à titre d’exemple.
Pour les zones d’images notées ZIB15 ZIB2, pour zones inter-barrettes, la radiométrie d’un pixel d’image 12 est obtenue à partir de deux barrettes de capteurs, une barrette droite et une barrette gauche. De manière connue, la radiométrie associée à un pixel d’une zone ZIB est obtenue par sommation de valeurs de radiométrie fournies respectivement par chacune des barrettes droite et gauche.
Ainsi, la valeur de radiométrie d’un pixel 12 d’une zone ZIB provient de la contribution de deux capteurs élémentaires situés respectivement dans deux barrettes de capteurs distinctes.
Dans l’exemple de la figure 1, on a illustré à titre d’exemple une zone ZIB! provenant du chevauchement G des barrettes 2a et 2c, et une zone ZIB2 provenant du chevauchement C2 des barrettes 2a et 2b.
Pour la simplicité de représentation, chaque zone ZIB15 ZIB2 est formée d’une colonne de pixels.
Bien entendu, en pratique on traite des zones inter-barrettes d’un nombre bien plus important de colonnes de pixels.
Une image numérique I ainsi créée comporte plusieurs zones ZIB, qui présentent du flou, qui dépend du niveau de contribution des divers capteurs élémentaires des barrettes droite et gauche à la valeur de radiométrie du pixel.
Etant donné que les capteurs élémentaires 8 peuvent avoir, en pratique, des sensibilités différentes, même lorsque le paysage sous-jacent (non représenté sur la figure 1) est uniforme, des différences de valeurs de radiométrie sont observées, donc même lorsque la technique d’acquisition d’images est connue, il est difficile de modéliser théoriquement le flou induit par l’acquisition d’image à travers des capteurs de barrettes adjacentes. De plus, ce flou peut être variable dans le temps, donc une modélisation ne suffirait pas.
Un des objectifs de l’invention est de proposer un procédé de déconvolution adaptative permettant d’améliorer la qualité d’image acquise localement, en prenant en compte un niveau de flou local.
Le procédé de l’invention est mis en œuvre par un dispositif programmable de type ordinateur, station de travail, dont les principaux blocs fonctionnels sont illustrés à la figure 2.
Un dispositif programmable 20 apte à mettre en œuvre les procédés de l’invention comprend une unité centrale de traitement 28, ou CPU, apte à exécuter des instructions de programme informatique lorsque le dispositif 20 est mis sous tension. Dans un mode de réalisation, une unité centrale de traitement multi-processeurs est utilisée, permettant d’effectuer des calculs parallèles. Le dispositif 20 comporte également des moyens de stockage d’informations 30, par exemple des registres, aptes à stocker des instructions de code exécutable permettant la mise en œuvre de programmes comportant des instructions de code aptes à mettre en œuvre les procédés selon l’invention.
Le dispositif 20 comporte des moyens de commande 24 permettant de mettre à jour des paramètres et de recevoir des commandes d’un opérateur. Lorsque le dispositif programmable 20 est un dispositif embarqué, les moyens de commande 24 comprennent un dispositif de télécommunication permettant de recevoir des commandes et des valeurs de paramètres à distance.
Alternativement et de manière optionnelle, les moyens de commande 24 sont des moyens de saisie de commandes d’un opérateur, par exemple un clavier.
De manière optionnelle, le dispositif programmable 20 comprend un écran 22 et un moyen supplémentaire de pointage 26, tel une souris.
Les divers blocs fonctionnels du dispositif 20 décrits ci-dessus sont connectés via un bus de communication 32.
L’invention met en œuvre un procédé de déconvolution d’images, dont les principales étapes selon un premier mode de réalisation sont illustrées à la figure 4.
Une matrice d’image numérique I, qui peut être en pratique une portion d’une image numérique de grande taille, est fournie en entrée d’une première étape 40 de découpage en blocs BkJ. Par exemple, dans le cas d’application d’acquisition d’images par satellite décrit ci-dessus, une portion d’image correspondant à une zone ZI B, par exemple une portion d’image de taille NxM pixels est sélectionnée.
La figure 3 illustre schématiquement une image I et un bloc BkJ de cette image. Dans cet exemple, les colonnes de l’image I sont désignés par un indice Z et les lignes par un indice k.
La radiométrie des pixels de l’image I forme un signal d’image u : I = {u(k,r>fi <k<N,Q<l<M}.
La taille des blocs est sélectionnée en fonction de l’application et de la taille de la matrice d’image I. Par exemple on choisit des blocs carrés de taille pxp.
Pour chaque bloc BkJ, lors de l’étape suivante 42 est appliqué un calcul d’une mesure de netteté qui est robuste au bruit, basée sur une estimation d’une distribution statistique des blocs d’images de même module dans le domaine de Fourier et déphasés d’une phase aléatoire par rapport au signal d’image du bloc BkJ.
Une telle mesure de netteté est décrite sous le nom de GPC pour « global phase cohérence » dans l’article « No-reference Image Quality Assessment and Blind Deblurring with Sharpness Metrics Exploiting Fourier Phase Information » d’A. Leclaire et L. Moisan, publié dans Journal of Mathematical Imaging and Vision, 2015.
Le calcul de la mesure de netteté est basé sur l’estimation de la distribution statistique de l’ensemble des images déphasées d’un déphasage aléatoire par rapport à l’image traitée, c’est-à-dire ayant dans le domaine de Fourier une composante module identique et une composante phase décalée aléatoirement d’une faible valeur sur chaque coefficient, le décalage de phase étant différent entre chaque coefficient.
La cohérence globale de phase ou GPC est définie à partir d’un volume relatif d’images ayant dans le domaine de Fourier une composante module identique à celle de l’image traitée et une composante phase décalée, et ayant une variation totale associée inférieure à la variation totale de l’image traitée.
La variation totale est calculée dans le domaine pixel et est égale à la somme des différences absolues entre valeurs de radiométrie de pixels de l’image traitée distants d’une distance égale à 1. De préférence, la variation totale calculée est normalisée par le nombre différences sommées.
Mathématiquement pour un bloc BkJ de pixels d’un signal d’image u, de N lignes et M colonnes, on calcule une variation TV|ig le long des lignes, une variation TVCO| le long des colonnes et on obtient la variation totale TV de la manière suivante :
i M-lN-l M=ÏwTmÏ Σ Σ l<'' - >· Λ - «(i, Ό| (EQ1 )
Vv A 1V1 ) j=0 I=1 i M-12V-1 tv„, <>=twt; Σ Σ l“<'· > - d - (EQ2) (7V XM ) /=0
TV (w) = TVlig (w) + TVml(w) (EQ3)
Dans ce mode de réalisation, la variation totale est donnée par la formule de l’équation (EQ3).
La mesure de netteté est basée sur la moyenne et la variance estimées de la distribution statistique des valeurs de variation totale associées à l’ensemble des images déphasées d’un déphasage aléatoire par rapport à l’image traitée.
Selon un mode de réalisation pour chaque bloc BkJ de l’image I traitée, l’obtention de la mesure de netteté, notée N(BkJ), est obtenue par application des étapes illustrées à la figure 5.
Lors d’une première étape 50, la transformation de Fourier du signal d’image u du bloc BkJ est obtenue. Ainsi, on obtient une première représentation transformée du signal d’image du bloc BkJ dans le domaine de Fourier, appelé également domaine modulephase.
La représentation transformée du signal d’image u est par exemple notée ΰ(ξ) =\ΰ(ξ)\· ειβ(ξ), où |û(£)| est le module et θ(ξ) est la phase du signal u dans le domaine de Fourier.
Ensuite, lors d’une étape suivante 52, un nombre P de décalages de phase φρ,1< p<P aléatoires est déterminé et appliqué à la première représentation ΰ(ξ). Pour simplifier, on note ΰ(φρ).
Le nombre P de décalages de phase est quelconque, par exemple compris entre 10 et 100 dans un mode de réalisation.
Dans un mode de réalisation, le décalage de phase est calculé de la manière suivante : la phase θ(ξ) est perturbée de εΧ , c’est à dire : φ(ξ) - β(ξ) + ε X , où ε est une constante prédéterminée, par exemple ε = 0,2 et X est une valeur aléatoire obtenue par tirage aléatoire selon une distribution uniforme indépendamment distribuée sur l’intervalle [-#,π].
Ainsi, à l’issue de l’étape 52 sont obtenues P deuxièmes représentations transformées û(<pp)décalées aléatoirement en phase du signal d’image u du bloc BkJ, , dans le domaine module-phase de la transformation de Fourier.
Ensuite, dans l’étape 54 de transformation de Fourier inverse, une transformation de Fourier inverse est appliquée sur chaque ΰ(φρ) pour obtenir un signal d’image M(ç7p)dans le domaine spatial, correspondant au signal d’image u du bloc BkJ décalé aléatoirement en phase.
Une étape de calcul 56 de la variation totale de chaque signal d’image η(φρ), notée τν(μ(φρ)), entre valeurs de radiométrie de pixels adjacents, au plus distants de 1 selon une des directions des lignes ou des colonnes, est ensuite effectuée. Par exemple, on utilise la variation totale définie par l’équation (EQ 3) ci-dessus.
Finalement, une mesure de netteté du bloc de pixels considéré, notée N(BkJ) est calculée à l’étape 58, selon la formule :
= -log10(Proè(7Y(M(^))<7Y(M))) (EQ4)
Où Prob(TV(μ(φρ)) < TV(u)) est la probabilité que la variation totale soit inférieure ou égale à la variation totale TV(u).
Cette probabilité est par exemple estimée empiriquement à partir des P valeurs de TY(m(ç7?)) préalablement calculées, et dépend en particulier du nombre de signaux d’image ) parmi l’ensemble d’images {μ(^),1< p<p} pour lesquels la variation totale TY(m(ç7?)) est inférieure ou égale à la variation totale TV(u).
De retour à la figure 4, à l’issue de l’étape 42, on mémorise une mesure de netteté N(BkJ) pour chaque bloc BkJ traité.
Parmi l’ensemble des blocs BkJ considérés ayant une mesure de netteté calculée et mémorisée, on sélectionne lors de l’étape 44 un sous-ensemble S de blocs à traiter.
Lorsque le procédé est appliqué à une portion d’image ZIB acquise par le mode d’acquisition explicité ci-dessus, S est composé d’une colonne ou d’un groupe de colonnes de la matrice d’image I considérée. En effet, dans ce cas particulier, tous les pixels d’une colonne sont obtenus à partir des mêmes capteurs élémentaires, et donc présentent des caractéristiques de flou similaires.
Par exemple, dans un mode de réalisation, trois sous-ensembles de groupes de colonnes sont traités successivement. Par exemple, pour une zone ZIB de largeur égale à 210 pixels, trois sous-ensembles de colonnes, chaque sous-ensemble ayant une largeur de 70 pixels sont considérés.
Bien entendu, d’autres découpages en sous-ensembles de colonnes sont envisageables, par exemple un nombre différent de sous-ensembles.
Pour chaque tel sous-ensemble S, on applique ensuite une étape 46 de détermination d’un ou de plusieurs paramètres d’un filtre de déconvolution en fonction des mesures de netteté des blocs faisant partie du sous-ensemble S. Plusieurs modes de réalisation de l’étape 46 sont décrits ci-dessous.
Un filtre de déconvolution F(S, N(BkJ)), adapté à la netteté locale, est obtenu pour chaque sous-ensemble S.
Enfin, lors de l’étape 48, on applique, pour chaque sous-ensemble de blocs S, le ou les filtres de déconvolution choisis, paramétrés par les paramètres calculés à l’étape 46.
Dans un mode de réalisation, l’étape 46 comporte la sélection d’une famille de filtres de déconvolution, par exemple des filtres Fa à symétrie circulaire, suivie de la détermination du paramètre a en fonction de la netteté N(BkJ) des blocs du sousensemble S.
Une famille de filtres de déconvolution est sélectionnée par exemple en fonction des caractéristiques connues du système d’acquisition d’images, des caractéristiques des lentilles. Un filtre de déconvolution adapté pour améliorer la qualité d’une image numérique est de préférence choisi pour inverser le filtrage induit par l’instrument d’acquisition d’images.
Par exemple, lorsque le filtre d’acquisition d’images est un filtre de type gaussien, de formule Ga(x) = e~ax, une famille de filtres de déconvolution adaptés est choisie comme étant la famille des filtres Fa, dont la transformée dans le domaine de Fourier prend la forme:
Λ(ί)Ή(EQ5)
Le valeur du paramètre a est inversement proportionnelle à la mesure de netteté estimée pour un bloc traité : plus la mesure de netteté est élevée, plus la valeur du paramètre a doit être faible, et vice-versa, plus la mesure de netteté est basse, plus la valeur du paramètre a doit être élevée.
Dans un premier mode de réalisation, une association entre valeur du paramètre a et mesure de netteté, pour une pluralité de mesures de netteté, est mémorisée, par exemple dans une table de correspondance. Cette association entre mesure de netteté et valeur du paramètre a du filtre de déconvolution est calculée dans une phase d’initialisation préalable, soit sur des images de synthèse, soit sur des images réelles acquises.
Dans ce premier mode de réalisation, la détermination des paramètres d’un filtre de déconvolution (étape 46) comprend, pour un sous-ensemble de blocs S, les étapes détaillées à la figure 6.
Lors d’une première étape 60, on calcule une valeur de netteté N(S) pour le sousensemble de blocs S, à partir des mesures de netteté N(BkJ) de tous les blocs BkJ appartenant au sous-ensemble S.
Par exemple, N(S) est la valeur moyenne des mesures de netteté N(BkJ).
On obtient ensuite, lors d’une étape 62, la valeur de paramètre as correspondant à N(S) dans la première table de correspondance préalablement mémorisé.
Dans un deuxième mode de réalisation de l’étape 46, lorsque le système d’acquisition d’image est connu, il est étalonné dans une phase préalable d’initialisation. Chaque sous-ensemble de blocs S correspondant à une zone inter-barrettes données, il suffit d’effectuer les étapes 60 et 62 dans la phase d’initialisation, et d’associer une valeur de paramètre as à chaque portion de zone inter-barrettes considérée, et de mémoriser ces associations dans une deuxième table de correspondance entre zones inter-barrettes et valeurs de paramètre correspondantes.
Dans ce cas, l’étape 46 de détermination des paramètres du filtre de déconvolution est effectuée par lecture de la valeur de paramètre correspondant à la zone inter-barrettes Zl B, à traiter, dans le deuxième tableau d’associations.
Un deuxième mode de réalisation du procédé de déconvolution d’images numériques selon l’invention est décrit en référence à la figure 7.
Dans ce deuxième mode de réalisation, les caractéristiques physiques des instruments d’acquisition d’image ne sont pas précisément connues, et on ne dispose pas d’un ensemble de mesures préalables relatives au système d’acquisition d’images.
Ce deuxième mode de réalisation s’applique plus généralement aux images numériques comportant des zones floues, acquises par tout dispositif d’acquisition.
Dans ce deuxième mode de réalisation, on ne dispose que d’une image numérique acquise, et on cherche à en améliorer la qualité par application d’une déconvolution adaptative en prenant en compte un niveau de flou local.
Dans ce deuxième mode de réalisation, la détermination du ou des paramètres du filtre de déconvolution comprend les étapes suivantes.
Une première étape 70 consiste à effectuer un découpage en blocs B de taille prédéterminée de l’image à traiter.
Ensuite, est effectué le calcul (étape 72) d’une mesure de netteté tel que décrit cidessus pour chacun des blocs B de l’image. La mise en œuvre de l’étape 72 est analogue à la mise en œuvre de l’étape 42 décrite ci-dessus.
Après l’étape 72, une valeur de netteté de référence Nr est calculée et mémorisée à l’étape 74. La valeur de netteté de référence est par exemple la valeur de mesure netteté maximale parmi les valeurs de mesures de netteté calculées à l’étape 72. Ensuite, lors d’une étape 76, pour chacun des blocs B, est calculé un écart de netteté A2V(fi)par rapport à la valeur de netteté maximale. L’écart de netteté est par exemple égal à la différence AA(B) = |2Vr - 2V(B)|.
Enfin, on obtient lors d’une étape 78 de détermination du ou des paramètres du filtre de déconvolution, pour chaque bloc B, la valeur de paramètre a pour la famille de filtre de déconvolution choisie en fonction de l’écart de netteté calculé pour ce bloc à partir par exemple d’une troisième table de correspondance préalablement calculée et mémorisée.
La troisième table de correspondance comprend des valeurs calculées sur une ou plusieurs images de test et mémorisées lors d’une phase d’initialisation.
Bien entendu, les étapes 76 et 78 peuvent être effectuées en une seule étape.
L’étape 78 est suivie d’une étape 80 d’application, pour au moins une partie des blocs B, du filtre de déconvolution paramétré par les paramètres calculés précédemment.
Selon une première variante, il est envisageable de classifier les blocs B de l’image à traiter en fonction des valeurs d’écart de netteté calculées à l’étape 76, et d’appliquer l’étape 78 de détermination du ou des paramètres du filtre de déconvolution pour chaque classe de blocs B.
Enfin, selon une deuxième variante, qui peut être combinée avec la première variante, si on ne dispose pas d’une troisième table de correspondance mémorisée préalablement, on peut appliquer le filtre de déconvolution pour chaque bloc à traiter de manière itérative, jusqu’à une amélioration considérée suffisante de la valeur de netteté.
Dans ce cas, comme illustré à la figure 8, pour un bloc B à traiter, connaissant la valeur de netteté de référence Nr, et en utilisant une valeur initiale de paramètre aQ, on met en œuvre les étapes suivantes.
Lors d’une étape de déconvolution 82, on applique le filtre de déconvolution F au bloc B, paramétré par un paramètre α = αϋ lors de la première application. On obtient un bloc B’ filtré.
Ensuite, lors de l’étape 84 de calcul de mesure de netteté, on calcule la netteté du bloc B’, de manière analogue au calcul de netteté appliqué à l’étape 42.
On obtient une mesure de netteté N(B j.
La mesure de netteté N(B j est comparée à la valeur de netteté de référence Nr à l’étape de comparaison 86.
Si la différence entre ces deux valeurs de mesure de netteté est inférieure ou égale à un seuil T prédéterminé, alors il n’est pas nécessaire d’itérer le processus. Optionnellement, la valeur de paramètre «est mémorisée lors d’une étape 88, par exemple en association avec la valeur d’écart de netteté entre la valeur de netteté N(B) calculée pour le bloc B avant d’appliquer la ou les étapes de déconvolution et la valeur de netteté de référence.
Si la différence entre ces deux valeurs de netteté est supérieure au seuil T prédéterminé, l’étape 86 de comparaison est suivie d’une étape 90 de modification de la valeur du paramètre a . On calcule une nouvelle valeur de paramètre anew en fonction de la valeur de paramètre précédente, et d’une fonction de modification f donnée.
Par exemple, anew =a-δ, où δ est une constante réelle donnée.
On applique ensuite l’étape de filtrage de déconvolution 82 précédemment décrite, avec le filtre F paramétré par le paramètre a - anew.
Ainsi, on obtient de manière itérative, pour chaque bloc traité B, un bloc filtré final ayant une mesure de netteté calculée considérée satisfaisante.
Il est à noter que le procédé de la figure 8 est applicable dans une phase d’initialisation, afin de calculer les valeurs de paramètre a correspondant à une mesure de netteté initiale ou à un écart de netteté par rapport à une valeur de mesure de netteté de référence. Ces valeurs calculées sont alors mémorisées dans une table de correspondance.
Avantageusement, le procédé de déconvolution permet de choisir des filtres de déconvolution adaptés localement.
Claims (13)
- REVENDICATIONS1. -Procédé de déconvolution d’image numérique, une image numérique étant composée d’au moins une matrice d’échantillons d’image ayant une valeur d’échantillon associée, caractérisé en ce qu’il comporte des étapes suivantes, appliquées à au moins un bloc d’image traité extrait de l’image numérique :- obtention (42, 72) d’une mesure de netteté pour ledit bloc d’image traité, la mesure de netteté étant fonction d’une estimation d’une distribution statistique des blocs d’images déphasés d’une phase aléatoire par rapport au bloc d’image traité,-détermination (46, 78) d’un ou plusieurs paramètres d’un filtre de déconvolution à appliquer au bloc d’image traité en fonction de la mesure de netteté calculée.
- 2, - Procédé de déconvolution d’image numérique selon la revendication 1, comportant en outre une étape d’application (48) du filtre de déconvolution sur le bloc d’image traité.
- 3. - Procédé de déconvolution selon la revendication 1 ou 2, dans lequel les valeurs d’échantillons dudit bloc d’image traité forment un signal d’image associé audit bloc d’image traité, dans lequel l’étape d’obtention (42, 72) d’une mesure de netteté comprend les sous-étapes de :-calcul (50) d’une transformation de Fourier du signal d’image associé au bloc d’image traité permettant d’obtenir une première représentation transformée dudit signal d’image dans un domaine module-phase,-obtention (52) d’un nombre prédéterminé de deuxièmes représentations transformées de même module et décalées aléatoirement en phase par rapport à ladite première représentation transformée,-application (54) d’une transformation de Fourier inverse à chacune des deuxièmes représentations transformées, pour obtenir des deuxièmes représentations décalées en phase du signal d’image associé au bloc d’image traité,- calcul de la mesure de netteté en fonction d’une statistique desdites deuxièmes représentations décalées en phase.
- 4, - Procédé de déconvolution selon la revendication 3, dans lequel l’étape d’obtention (42, 72) d’une mesure de netteté comprend en outre :- un calcul (56) d’une première valeur de variation totale entre valeurs d’échantillons d’image adjacents du signal d’image associé au bloc d’image traité,-un calcul (56) d’une deuxième valeur de variation totale entre valeurs d’échantillons d’image adjacents de chaque deuxième représentation décalée en phase du signal d’image associé au bloc d’image traité, puis-le calcul (58) d’une mesure de netteté en fonction d’une probabilité qu’une deuxième valeur de variation totale soit inférieure ou égale à la première valeur de variation totale.
- 5. - Procédé de déconvolution selon l’une quelconque des revendications précédentes, comportant une étape (44) de sélection d’un sous-ensemble de blocs d’image traités, et dans lequel l’étape de détermination d’un ou plusieurs paramètres du filtre de déconvolution est appliquée pour tous les blocs dudit sous-ensemble.
- 6. - Procédé de déconvolution selon la revendication 5, dans lequel ledit sousensemble est formé d’une colonne ou d’une ligne d’échantillons d’image.
- 7. - Procédé de déconvolution selon l’une quelconque des revendications 1 à 6, dans lequel la détermination (46) d’un ou plusieurs paramètres du filtre de déconvolution en fonction de la mesure de netteté calculée comprend la lecture dans une table de correspondance préalablement mémorisée d’une valeur de paramètre associée à la mesure de netteté calculée.
- 8. - Procédé de déconvolution selon l’une quelconque des revendications 1 à 7, comportant un découpage (70) en blocs de l’image numérique, l’étape d’obtention (72) d’une mesure de netteté étant appliquée à chaque bloc du découpage.
- 9. - Procédé de déconvolution selon la revendication 8, comportant en outre-une sélection (74) d’une valeur de mesure de netteté de référence à partir des mesures de netteté calculées, et,-pour au moins un bloc d’image traité, le calcul (76) d’une valeur d’écart de netteté entre la mesure de netteté calculée pour ledit bloc d’image traité et la valeur de mesure de netteté de référence, et-la détermination (78) d’un ou plusieurs paramètres de filtre de déconvolution en fonction de la valeur d’écart de netteté calculée.
- 10. - Procédé de déconvolution selon la revendication 9, dans lequel la détermination d’un ou plusieurs paramètres de filtre de déconvolution en fonction de la valeur d’écart de netteté calculée est effectuée par itérations.
- 11. - Dispositif de déconvolution d’image numérique, une image numérique étant composée d’au moins une matrice d’échantillons d’image ayant une valeur d’échantillon associée, caractérisé en ce qu’il comporte des modules adaptés à mettre en œuvre les traitements suivants, appliquées à au moins un bloc d’image traité extrait de l’image numérique :- obtention d’une mesure de netteté pour ledit bloc d’image traité, la mesure de netteté étant fonction d’une estimation d’une distribution statistique des blocs d’images déphasés d’une phase aléatoire par rapport au bloc d’image traité,-détermination d’un ou plusieurs paramètres du filtre de déconvolution à appliquer au bloc d’image traité en fonction de la mesure de netteté calculée.
- 12. - Dispositif de déconvolution d’image numérique selon la revendication 11 comprenant en outre un module de filtrage apte à filtrer le signal d’image du bloc d’image traité ledit filtre de déconvolution.
- 13. - Programme d’ordinateur comportant des instructions pour mettre en œuvre les étapes d’un procédé de déconvolution d’image numérique selon l’une des revendications 1 à 10 lors de l’exécution du programme par un processeur d’un dispositif programmable.1/6
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1661657A FR3059453B1 (fr) | 2016-11-29 | 2016-11-29 | Procede et dispositif de deconvolution d'images numeriques |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1661657A FR3059453B1 (fr) | 2016-11-29 | 2016-11-29 | Procede et dispositif de deconvolution d'images numeriques |
| FR1661657 | 2016-11-29 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3059453A1 true FR3059453A1 (fr) | 2018-06-01 |
| FR3059453B1 FR3059453B1 (fr) | 2018-11-16 |
Family
ID=58645133
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1661657A Active FR3059453B1 (fr) | 2016-11-29 | 2016-11-29 | Procede et dispositif de deconvolution d'images numeriques |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3059453B1 (fr) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114066874A (zh) * | 2021-11-25 | 2022-02-18 | 福建师范大学 | 基于颜色反卷积与自注意力模型的组织病理学图像分类方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3018022A1 (fr) * | 2014-02-26 | 2015-08-28 | Centre Nat Etd Spatiales | Procede et dispositif d'estimation de parametres d'egalisation d'image numerique |
-
2016
- 2016-11-29 FR FR1661657A patent/FR3059453B1/fr active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3018022A1 (fr) * | 2014-02-26 | 2015-08-28 | Centre Nat Etd Spatiales | Procede et dispositif d'estimation de parametres d'egalisation d'image numerique |
Non-Patent Citations (1)
| Title |
|---|
| GWENDOLINE BLANCHET ET AL: "Measuring the Global Phase Coherence of an image", 15TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING : ICIP 2008 ; SAN DIEGO, CALIFORNIA, USA, 12 - 15 OCTOBER 2008, IEEE, PISCATAWAY, NJ, USA, 12 October 2008 (2008-10-12), pages 1176 - 1179, XP031374217, ISBN: 978-1-4244-1765-0 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114066874A (zh) * | 2021-11-25 | 2022-02-18 | 福建师范大学 | 基于颜色反卷积与自注意力模型的组织病理学图像分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3059453B1 (fr) | 2018-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3138079B1 (fr) | Procédé de suivi de forme dans une scène observée par un capteur asynchrone de lumière | |
| FR3067242B1 (fr) | Procede d'evaluation d'une gouttiere orthodontique | |
| EP2947433A1 (fr) | Système et procédé d'acquisition d'images hyperspectrales | |
| FR3071344A1 (fr) | Procede de determination d'une fonction d'etalement de point d'un systeme d'imagerie | |
| FR2929416A1 (fr) | Procede de determination d'une representation tridimensionnelle d'un objet a partir d'une sequence d'images en coupe, produit programme d'ordinateur, procede d 'analyse d'un objet et systeme d'imagerie correspondants | |
| EP2909671B1 (fr) | Procede de conception d'un imageur monovoie passif capable d'estimer la profondeur de champ | |
| EP3301644B1 (fr) | Procédé de construction d'une carte de profondeur d'une scène et/ou d'une image entièrement focalisée | |
| FR3059453A1 (fr) | Procede et dispositif de deconvolution d'images numeriques | |
| FR3055727B1 (fr) | Procede et dispositif de caracterisation des aberrations d'un systeme optique | |
| FR3026211A1 (fr) | Procede d'identification de l'anisotropie de la texture d'une image numerique | |
| EP3216213B1 (fr) | Procédé de détection de pixels défectueux | |
| EP3072081B1 (fr) | Determination de la carte de profondeur image d'une scene | |
| WO2015091518A1 (fr) | Procédé, dispositif et système de traitement de correction d'images | |
| EP2943935B1 (fr) | Estimation de mouvement d'une image | |
| FR2929417A1 (fr) | Procede de determination d'une representation tridimensionnelle d'un objet a partir de points, programme d'ordinateur et systeme d'imagerie correspondant | |
| WO2016016289A1 (fr) | Procede d'extraction de motifs non periodiques masques par des motifs periodiques, et dispositif mettant en oeuvre le procede | |
| EP1371958A1 (fr) | Procédé et dispositif d'extraction de signature spectrale d'une cible ponctuelle | |
| EP3625766B1 (fr) | Méthode de détection et de quantification du flou dans une image numérique | |
| FR3025683A1 (fr) | Procede et dispositif d'estimation de parametres d'egalisation d'image numerique | |
| FR3143162A1 (fr) | Procédé et dispositif de dématriçage | |
| FR3103940A1 (fr) | Procédé et dispositif de traitement d’images | |
| EP3069321B1 (fr) | Procédé de caractérisation automatique de la texture d'une image numérique | |
| BENBOUZID | Blind deconvolution for noise reduction in satellite imaging | |
| FR3104759A1 (fr) | Localisation d’éléments de réseau électrique dans des images aériennes | |
| FR3014588A1 (fr) | Procede de restitution du mouvement haute frequence de la ligne de visee d'un imageur |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20180601 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |
|
| PLFP | Fee payment |
Year of fee payment: 7 |
|
| PLFP | Fee payment |
Year of fee payment: 8 |