en fr Detection of Small Objects Using Super-Resolution Image Processing Techniques Détection de petits objets dans une image en utilisant les techniques de super-résolution Reportar como inadecuado




en fr Detection of Small Objects Using Super-Resolution Image Processing Techniques Détection de petits objets dans une image en utilisant les techniques de super-résolution - Descarga este documento en PDF. Documentación en PDF para descargar gratis. Disponible también para leer online.

1 L2S - Laboratoire des signaux et systèmes

Abstract : This thesis deals with the detection of small objects in an image using super-resolution SR techniques. Image reconstruction using a SR method consists in producing a high-resolution HR image, from several low-resolution LR images obtained either from several cameras, or from a video sequence shot with one single video camera. Obtaining a HR image requires two steps: registration of the LR images on a common grid, and the estimation of the HR image using a data fusion approach.Therefore, this manuscript presents two parts. The first main section deals with detection and registration methods, and the second one with multi-frame SR restoration techniques. About the first part, several methods have been evaluated: a frequency-domain registration method using phase correlation principle on the one hand, and a speck detection method based on a MAP estimator in a Bayesian framework on the other hand. In the second part, a new SR method using a hierarchical Markov model for the HR image in the Bayesian framework is proposed. This new approach, which is based on the idea that the HR image is made of homogeneous regions, provides not only an image of good quality, but also a segmentation result of the HR scene.

Résumé : Cette thèse concerne la détection de petits objets dans une image en utilisant les techniques de super-résolution SR. La reconstruction d-une image par une méthode de SR consiste à produire une image de haute résolution HR, à partir de plusieurs images de basse résolution BR obtenues par l-intermédiaire de différentes caméras, ou à partir d-une séquence vidéo acquise avec une seule caméra. Obtenir une image HR nécessite deux étapes : le recalage des images BR dans un repère commun, et la construction de l-image HR par leur fusion.Ce mémoire présente donc deux parties. La première est consacrée à la détection et aux méthodes de recalage d-images, et la seconde aux techniques de restauration d-images par SR. Concernant la première partie, plusieurs méthodes ont été évaluées : une méthode fréquentielle de recalage utilisant le principe de corrélation de phase d-une part, et une méthode de détection de petits points basée sur un estimateur MAP dans le formalisme bayésien d-autre part. Dans la seconde partie, une nouvelle méthode de SR utilisant une modélisation markovienne hiérarchique de l-image HR dans le cadre de l-estimation bayésienne est proposée. Cette nouvelle approche, qui est basée sur l-idée que l-image HR est constituée de zones homogènes, permet d-obtenir non seulement une image de bonne qualité, mais également un résultat de segmentation de la scène HR.

en fr

Keywords : Bayesian detection and estimation subpixel image registration phase correlation methods.

Mots-clés : méthodes de corrélation de phase Super-résolution estimation et détection bayésienne classification segmentation recalage sous-pixellique d-image méthodes de corrélation de phase.





Autor: Fabrice Humblot -

Fuente: https://hal.archives-ouvertes.fr/



DESCARGAR PDF




Documentos relacionados