Estimation de la fonction de niveau de bruit pour des images couleurs en utilisant la morphologie mathématique

From LRDE

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.}
}