Difference between revisions of "Publications/esteban.22.gretsi.1"
From LRDE
(Created page with "{{Publication | published = true | date = 2022-06-15 | authors = Baptiste Esteban, Guillaume Tochon, Edwin Carlinet, Didier Verna | title = Estimation de la fonction de niveau...") |
|||
Line 7: | Line 7: | ||
| address = Nancy, France |
| address = Nancy, France |
||
| category = national |
| category = national |
||
− | | abstract = Le niveau de bruit est une information importante pour certaines applications de traitement d'image telles que la segmentation ou le débruitage. Par le passé, nous avons proposé une méthode pour estimer ce niveau de bruit en s'adaptant au contenu d'une image en niveau de gris et nous avons montré que ses performances dépassent celle de l'état de l'art. Dans cet article, nous proposons une extension de cette méthode aux images couleurs dont les valeurs multivariées, dénuées de relation d'ordre naturelle, impliquent de nouvelles problématiques. Afin de les résoudre, nous utilisons deux outils provenant de la morphologie mathématique : l'arbre des formes multivarié et l'apprentissage de treillis complet. |
+ | | abstract = Le niveau de bruit est une information importante pour certaines applications de traitement d'image telles que la segmentation ou le débruitage. Par le passé, nous avons proposé une méthode pour estimer ce niveau de bruit en s'adaptant au contenu d'une image en niveau de gris et nous avons montré que ses performances dépassent celle de l'état de l'art. Dans cet article, nous proposons une extension de cette méthode aux images couleurs dont les valeurs multivariées, dénuées de relation d'ordre naturelle, impliquent de nouvelles problématiques. Afin de les résoudre, nous utilisons deux outils provenant de la morphologie mathématique : l'arbre des formes multivarié et l'apprentissage de treillis complet. Enfinnous confirmons les conclusions de nos précédents travaux pour l'estimation de la fonction de niveau de bruit couleur, montrant que l'adaptation au contenu d'une image donne de meilleures performances que l'utilisation de blocs carrés. |
| lrdepaper = http://www.lrde.epita.fr/dload/papers/esteban.22.gretsi.1.pdf |
| lrdepaper = http://www.lrde.epita.fr/dload/papers/esteban.22.gretsi.1.pdf |
||
| lrdekeywords = Image |
| lrdekeywords = Image |
Revision as of 16:37, 30 June 2022
- Authors
- Baptiste Esteban, Guillaume Tochon, Edwin Carlinet, Didier Verna
- Where
- Proceedings of the 28st Symposium on Signal and Image Processing (GRETSI)
- Place
- Nancy, France
- Type
- inproceedings
- Keywords
- Image
- Date
- 2022-06-15
Abstract
Le niveau de bruit est une information importante pour certaines applications de traitement d'image telles que la segmentation ou le débruitage. Par le passé, nous avons proposé une méthode pour estimer ce niveau de bruit en s'adaptant au contenu d'une image en niveau de gris et nous avons montré que ses performances dépassent celle de l'état de l'art. Dans cet article, nous proposons une extension de cette méthode aux images couleurs dont les valeurs multivariées, dénuées de relation d'ordre naturelle, impliquent de nouvelles problématiques. Afin de les résoudre, nous utilisons deux outils provenant de la morphologie mathématique : l'arbre des formes multivarié et l'apprentissage de treillis complet. Enfinnous confirmons les conclusions de nos précédents travaux pour l'estimation de la fonction de niveau de bruit couleur, montrant que l'adaptation au contenu d'une image donne de meilleures performances que l'utilisation de blocs carrés.
Documents
Bibtex (lrde.bib)
@InProceedings{ esteban.22.gretsi.1, author = {Baptiste Esteban and Guillaume Tochon and Edwin Carlinet and Didier Verna}, title = {Estimation de la fonction de niveau de bruit pour des images couleurs en utilisant la morphologie math\'ematique}, booktitle = {Proceedings of the 28st Symposium on Signal and Image Processing (GRETSI)}, year = 2022, address = {Nancy, France}, category = {national}, month = sep, abstract = {Le niveau de bruit est une information importante pour certaines applications de traitement d'image telles que la segmentation ou le d\'ebruitage. Par le pass\'e, nous avons propos\'e une m\'ethode pour estimer ce niveau de bruit en s'adaptant au contenu d'une image en niveau de gris et nous avons montr\'e que ses performances d\'epassent celle de l'\'etat de l'art. Dans cet article, nous proposons une extension de cette m\'ethode aux images couleurs dont les valeurs multivari\'ees, d\'enu\'ees de relation d'ordre naturelle, impliquent de nouvelles probl\'ematiques. Afin de les r\'esoudre, nous utilisons deux outils provenant de la morphologie math\'ematique : l'arbre des formes multivari\'e et l'apprentissage de treillis complet. Enfin, nous confirmons les conclusions de nos pr\'ec\'edents travaux pour l'estimation de la fonction de niveau de bruit couleur, montrant que l'adaptation au contenu d'une image donne de meilleures performances que l'utilisation de blocs carr\'es.} }