Agr?ation Et M?hodes ?Patch Pour Le D?ruitage d'Image

Le probl?me ?tudi? dans cette th?se est celui du d?bruitage d'images num?riques corrompues par un bruit blanc gaussien. Les m?thodes utilis?es pour r?cup?rer une meilleure image reposent sur les patchs et sont des variantes des Non-Local Means. Les contributions de la th?se sont ? la fois pratiques et th?oriques. Tout d'abord, on ?tudie pr?cis?ment l'influence des divers param?tres de la m?thode. On met ensuite en lumi?re une limite observ?e sur le traitement des bords par les m?thodes ? patchs habituelles. On donne alors une meilleure fa?on de combiner l'information fournie ? partir des patchs pour estimer pixel par pixel. D'un point de vue th?orique, on pr?sente un cadre non asymptotique pour contr?ler notre estimateur. On donne alors des r?sultats de type in?galit?s oracles pour des estimateurs v?rifiant des propri?t?s plus restrictives. Les techniques utilis?es reposent sur l'agr?gation d'estimateurs, et plus particuli?rement sur l'agr?gation ? poids exponentiels. La m?thode requiert typiquement une mesure du risque, obtenue ? travers un estimateur sans biais de celui-ci, par exemple par la m?thode

Author: Salmon-J

Publisher: Omniscriptum

Publication Date: Feb 28, 2018

Number of Pages: 176 pages

Binding: Paperback or Softback

ISBN-10: 6131592756

ISBN-13: 9786131592751