Régularisation adaptative des moyennes non locales pour le débruitage d'images

RNL.png

Description

Depuis leur apparition, les approches de restauration par patchs ont révolutionné le domaine de la restauration d’image. Ces approches reposent sur la constatation suivante : si les images naturelles contiennent des structures complexes et non stationnaires, elles présentent à l’échelle semi-locale une redondance remarquable. Les moyennes non locales exploitent cette redondance en effectuant des moyennes pondérées de pixels dont les voisinages sont semblables pour débruiter une image. Ces méthodes fonctionnent très bien dans les zones répétitives des images (zones plates, textures) mais moins bien près des bords ou des régions singulières. Les méthodes de restauration variationnelles (comme l'approche TV-L2 de Rudin-Osher-Fatemi), plus anciennes, permettent également de débruiter les images mais respectent mal les textures et ont tendance à faire apparaître des défauts en marche d'escalier dans les images. Le but de ce projet est d'étudier et implémenter une méthode variationnelle récente permettant de combiner ces deux approches tout en réduisant leurs défauts respectifs.

C. Sutour, C.-A. Deledalle, and J.-F. Aujol, Adaptive regularization of the NL-means: Application to image and video denoising, IEEE Transactions on Image Processing, 2014.

Created: 2015-10-11 Sun 15:37

Emacs 24.4.51.2 (Org mode 8.2.10)

Validate