Compression et inférence des opérateurs intégraux : applications à la restauration d’images dégradées par des flous variables

• Main Author: Escande, Paul
• Other Authors: Toulouse, ISAE
• Language: en
• Published: 2016
• Subjects: Opérateurs intégraux; Flou variable; Parcimonie; Approximation; Estimation; Fléau de la dimension; Restauration; Décomposition multi-Échelle; Défloutage; Déconvolution; Problème inverse; Grande dimension; Interpolation de données éparpillées; Produit-Convolution; Algorithmes rapides; Bruit multiplicatif structuté; Mesure de similarité; Microscopie; Astronomie; Integral operators; Spatially varying blur; Sparsity; Curse of dimensionality; Restoration; Multi-Scale approximation; Deblurring; Deconvolution; Inverse problem; High-Dimension; Scattered data interpolation; Product-Convolution; Fast algorithms; Structured multiplicative noise; Similarity measure; Microscopy; Astronomy; 510
• Online Access: http://www.theses.fr/2016ESAE0020/document

Le problème de restauration d'images dégradées par des flous variables connaît un attrait croissant et touche plusieurs domaines tels que l'astronomie, la vision par ordinateur et la microscopie à feuille de lumière où les images sont de taille un milliard de pixels. Les flous variables peuvent être modélisés par des opérateurs intégraux qui associent à une image nette u, une image floue Hu. Une fois discrétisé pour être appliqué sur des images de N pixels, l'opérateur H peut être vu comme une matrice de taille N x N. Pour les applications visées, la matrice est stockée en mémoire avec un exaoctet. On voit apparaître ici les difficultés liées à ce problème de restauration des images qui sont i) le stockage de ce grand volume de données, ii) les coûts de calculs prohibitifs des produits matrice-vecteur. Ce problème souffre du fléau de la dimension. D'autre part, dans beaucoup d'applications, l'opérateur de flou n'est pas ou que partialement connu. Il y a donc deux problèmes complémentaires mais étroitement liés qui sont l'approximation et l'estimation des opérateurs de flou. Cette thèse a consisté à développer des nouveaux modèles et méthodes numériques permettant de traiter ces problèmes. === The restoration of images degraded by spatially varying blurs is a problem of increasing importance. It is encountered in many applications such as astronomy, computer vision and fluorescence microscopy where images can be of size one billion pixels. Variable blurs can be modelled by linear integral operators H that map a sharp image u to its blurred version Hu. After discretization of the image on a grid of N pixels, H can be viewed as a matrix of size N x N. For targeted applications, matrices is stored with using exabytes on the memory. This simple observation illustrates the difficulties associated to this problem: i) the storage of a huge amount of data, ii) the prohibitive computation costs of matrix-vector products. This problems suffers from the challenging curse of dimensionality. In addition, in many applications, the operator is usually unknown or only partially known. There are therefore two different problems, the approximation and the estimation of blurring operators. They are intricate and have to be addressed with a global overview. Most of the work of this thesis is dedicated to the development of new models and computational methods to address those issues.