Adaptative Stochastic Matched Filtering Applied to Noise-Corrupted Images
Le Filtrage Adapté Stochastique Adaptatif Appliqué Auximages Bruitées
OPEN ACCESS
The purpose of this article is to present a new adaptive processing that allows image filtering, for both the additive and the multiplicative noise case. This processing is based on the two-dimensional stochastic matched filtering technique with a signal power adaptation and a subimage size adaptation . To apply this processing, it is necessary to know the edge areas of the signal so we develop a new method which gives us the edge areas even for a noise-corrupted image. Some results are given for both simulated data (additive noise) and for real data (multiplicative noise).
Résumé
La finalité de cet article est de proposer un nouveau traitement adaptatif permettant d'extraire le signal utile contenu dans une image détériorée par la présence d'un bruit additif ou multiplicatif. Ce traitement repose sur l'utilisation du filtrage adapté stochastique bidimensionnel et utilise conjointement une adaptation sur la puissance du signal utile et une adaptation sur la longueur de cohérence du signal utile, c'est-à-dire une adaptation de la taille des imagettes . Sa mise au point nécessitant d'avoir une connaissance a priorides contours du signal utile, nous proposons une nouvelle méthode d'extraction de contours, fiable dans le cas d'images bruitées. Des résultats après application de notre traitement sur une donnée simulée (bruit additif) et sur une donnée réelle (bruit multiplicatif) sont présentés.
Stochastic matched filter, discrete cosine transform, integral equation, edge areas, adaptation .
Mots clés
Filtrage adapté stochastique, transformée en cosinus discrète, équation intégrale, contours, adaptation .
[1] J.-F. Blinn, What's the deal with the DCT?, IEEE Computer Graphics & Applications, pp. 78-83, Juillet1993.
[2] N. Boccara, Analysefonctionnelle - une introduction pour les physiciens, Ellipses, Paris, 1984.
[3] P.-L. Bossart, D. David, J.-M. Dinten, J.-M. Chassery,Détection de contours réguliers dans des images bruitées et texturées :une approchepar contours actifs multiéchelle, Traitementdu Signal,Vol. 14, N° 2, pp. 209-225, 1997.
[4] J.-F. Canny,A computational approach to edge detection, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 8, N° 6, pp. 679-698, Novembre 1987.
[5] J.-F. Cavassilas, B. Xerri, Extension de la notion defiltre adapté. Contribution à la détection de signaux courts en présence de termes perturbateurs, Traitementdu Signal, Vol. 10, N° 3, pp. 215-221, 1993.
[6] A. Chéhikian, Filtres récursifspour l'estimation du gradient et ladétection de contours par interpolation spline, Traitementdu signal,Vol. 14, N° 1, pp. 29-42, 1997.
[7] P. Courmontagne,J.-F.Cavassilas,Unenouvelleécrituredudéveloppementde Karhunen-Loève. Application à l'interpolation d'images, Colloque GRETSI, Grenoble,pp. 455-458,1997.
[8] P. Courmontagne,J.-F.Cavassilas, An interpolation-filtering methodfor noisecorrupted images, ColloqueDigital and Signal Processing, Santorin,Vol .II, pp. 1091-1094, Juillet 1997.
[9] P. Courmontagne, Interpolation d'un signal bidimensionnel en présence de termes perturbateurs, Mémoire de thèse, Laboratoire MS-GESSY, Toulon, Juin 1997.
[10] R. Deriche, Using Canny's criteria to derive a recursively implemented optimal edge detector, International Journal of Computer Vision, Vol. 1, N° 2, pp. 167-187,Mai1987.
[11] R.-C. Gonzalez, P Wintz, Digital image processing, Addison-Wesley Publishing Company, Massachusetts, 1983.
[12] M. Grandchamp, J.-F. Cavassilas, Improved mutlilook tchnics applied to complexSARimages, ICASSP,vol.4, pp. 2821-2824, Munich,Avril 1997.
[13] M. Jourlin, J.-C. Pinoli, A model for logarithmic image processing, J . Macroscopy, Vol. 149, N° 1, pp. 21-35,Janvier 1988.
[14] J. Kalifa, S. Mallat, B. Rougé, Restauration d'images parpaquets d'ondelettes, Colloque GRETSI,Grenoble, pp. 1339-1342, 1997.
[15] M. Krasnov, A. Kisselev, G. Makarenko, Equationsintégrales, Edition de Moscou, 1977.
[16] J.-S. Lee, Digital image enhancement and noise filtering by use of local statistics, IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-2, pp. 165-168, 1980.
[17] C. Lévèque, J.-F.Cavassilas, Généralisation du concept defiltrage adapté, application aufiltrage d'images SARd'états de surface de la mer, 14ieme Colloque GRETSI, Juan-les-Pins, Vol. 1, pp. 539-543, 1993.
[l8] C. Lévèque, Une extension dufiltre adaptébidimensionnel - Applications aux images radar à ouverture synthétique, Mémoire de thèse, Laboratoire MS-GESSY, Toulon, 1994.
[19] F. Mayet,J.-C. Pinoli, M. Jourlin, Justification physique et applications du modèle LIP pour le traitement des images obtenues en lumière transmise, Traitementdu Signal,Vol. 13, N° 3, pp. 251-262, 1996.
[20] A. Serir, A. Serir, B. Sansal, Restauration d'images SAR ERS-1 par une méthodemulti-échelle, Colloque GRETSI, Grenoble,pp. 1229-1232, 1997.
[21] H.-L. Van Trees, Detection, estimation and modulation theory, Part I, John Wiley & Sons, New-York, 1968.
[22] M. Tur, K.-C.Chin,J.-W. Goodman, When is speckle noise multiplicative?, Applied optics, Vol. 21, N° 7, pp. 1157-1159,Avril 1982.
[23] P.-F.Yan,C.-H.Chen, An algorithm for filteringmultiplicativenoise in wide range, Traitementdu Signal, Vol. 3, N° 1, pp. 91-97, 1986.