Détection de petits objets dans une image en utilisant les techniques de super-résolution - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2005

Detection of Small Objects Using Super-Resolution Image Processing Techniques

Détection de petits objets dans une image en utilisant les techniques de super-résolution

Fabrice Humblot
  • Fonction : Auteur
  • PersonId : 831765

Résumé

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.
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.
Fichier principal
Vignette du fichier
Memoire_these_Humblot.pdf (4 Mo) Télécharger le fichier

Dates et versions

tel-00011319 , version 1 (07-01-2006)

Identifiants

  • HAL Id : tel-00011319 , version 1

Citer

Fabrice Humblot. Détection de petits objets dans une image en utilisant les techniques de super-résolution. Interface homme-machine [cs.HC]. Université Paris Sud - Paris XI, 2005. Français. ⟨NNT : ⟩. ⟨tel-00011319⟩
510 Consultations
725 Téléchargements

Partager

Gmail Facebook X LinkedIn More