Advanced super-resolution techniques for high quality scanned images
Méthodes Avancées en Super-Résolution pour les Images Numérisées de Haute Qualité
Résumé
In the framework of the acquisition chain and devices built by i2S, the objective of this PhD is to provide efficient algorithms able to merge different acquired images corresponding to slight spatial translational displacements to get a wider super-resolved image. Consequently, this PhD takes place within the general subject of super-resolution. In this thesis, super-resolution is performed using different acquisitions. We propose the use of sensor displacement within the cameras of I2S. We propose a scheme to achieve an image with up to two times higher resolution using this technique. Furthermore, we also propose an additional image deconvolution algorithm that helps to improve the image quality further and to address any degradation problem that may occur through the super-resolution scheme. Our image deconvolution algorithm is based on variable splitting and takes advantage of the proximal operator and Fourier transform. We also proposed the use of new potential functions that can be used as prior information in image inverse problems for the first time used in image processing. Experimental results show promising capabilities of the proposed algorithm. The algorithm is successfully implemented within various cameras and devices of I2S. The practical experiments on real-world data prove the effectiveness and flexibility of our image-deconvolution. Experiments were conducted on Herschel observation maps, and promising results were obtained on such imaging data. In the last part of the thesis, the idea of plug-and-play priors for image denoising and deconvolution is presented. This thesis proposes the implementation of plug-and play-priors in an alternating minimisation scheme. The early result has shown potential to be adequate for image denoising/deconvolution application.
Dans le cadre de la chaîne d’acquisition et des dispositifs construits par I2S, l’objectif de cette thèse est de fournir des algorithmes efficaces capables de fusionner différentes images acquises correspondant à de légers déplacements de translation spatiale pour obtenir une image super-résolue plus large. Par conséquent, cette thèse s’inscrit dans le cadre général de la super-résolution. Dans cette thèse, la super-résolution est réalisée à l’aide de différentes acquisitions. Nous proposons l’utilisation du capteur de déplacement au sein des caméras d’I2S. Nous proposons un schéma pour obtenir une image avec une résolution jusqu’à deux fois plus élevée en utilisant cette technique. En outre, nous proposons également un algorithme de déconvolution d’image supplémentaire qui aide à améliorer davantage la qualité de l’image et à résoudre les problèmes de dégradation pouvant survenir via le schéma de super-résolution. Notre algorithme de déconvolution d’image est basé sur le fractionnement variable et tire parti de l’opérateur proximal et de la transformée de Fourier. Nous introduisons également de nouvelles fonctions potentielles qui peuvent être utilisées comme information préalable dans les problèmes inverses qui sont utilisés pour la premiére fois en traitement d’image. Les résultats expérimentaux montrent des capacités prometteuses de l’algorithme proposé. L’algorithme est mis en oeuvre avec succès dans diverses caméras et appareils d’I2S. Les expériences pratiques sur des données du monde réel prouvent l’efficacité et la flexibilité de notre méthode de déconvolution. Des expériences ont été menées sur des cartes d’observation de Herschel, et des résultats prometteurs ont été obtenus sur de telles données d’imagerie. Dans la dernière partie de la thèse, l’idée de priors plug-and-play pour le débruitage et la déconvolution des images est présentée. Cette thése proposel’implémentation de priors plug-and-play dans un schéma de minimisation alternée. Le premier résultat a montré un potentiel adéquat pour l’application de débruitage / déconvolution d’image.
| Origine | Version validée par le jury (STAR) |
|---|