edp et restauration image 2011 - chez-alice.frahistace.chez-alice.fr/documents/edp et restauration...
TRANSCRIPT
Aymeric Histace
Traitement d’Image :
Régularisation d’image par EDP
1
Aymeric Histace
Introduction
n On s'intéresse ici aux techniques d'amélioration des images numériques, pour augmenter la qualité de leur rendu visuel, ou pour faciliter leur analyse.
n On cherche donc à atténuer, sinon supprimer une
certaine dégradation.
n Illustration :
2
Dégradation additive
Aymeric Histace
Introduction
n La problématique peut se voir comme la régularisation d’une surface (l’image)…
n Illustration :
3
Aymeric Histace
Introduction
n …et peut donc se formaliser sous forme variationnelle
n L’approche variationnelle de la restauration d’image aboutit à la réécriture de la problématique sous forme d’une EDP
n Origine empirique : q Analogie entre l’atteinte de l’équilibre thermique d’un
ensemble de particules en thermodynamique (diffusion thermique) et la régularisation de la luminance des images bruitées.
4
Aymeric Histace
L’EDP de la chaleur
n Une première approche : q Régulariser l’image revient à régulariser les
variations de niveaux de gris de l’image
q La variation des niveaux de gris est liée aux variations de la norme du gradient de l’image.
q On cherche donc à minimiser les variations associées
5
Aymeric Histace
L’EDP de la chaleur
n Une première approche : q La fonctionnelle associée s’écrit alors
q proposée par Thikonov en 1963 dans le cadre de l’étude des problèmes inverses.
6
E(I ) = !I 2 dxdy"
#
Aymeric Histace
L’EDP de la chaleur
n Une première approche : q Equation d’Euler-Lagrange associée
q Avec
7
!f!I"ddx
!f!Ix
"ddy
!f!Iy
= 0
f I, Ix, Iy, x, y( ) = !I 2=
"I"x#
$%
&
'(2
+"I"y#
$%
&
'(
2
Aymeric Histace
L’EDP de la chaleur
n Une première approche : q Soit
q L’EDP associée à la résolution est la suivante
q proposée par Thikonov en 1963 dans le cadre de l’étude des problèmes inverses.
8
!2I!x2
+!2I!y2
= "I = 0
I(x, y, t = 0) = I0!I!t= "I
#
$%
&%
Aymeric Histace
L’EDP de la chaleur
n Il s’agit de l’EDP de la chaleur
n Illustration :
9
I(x, y, t = 0) = I0!I!t= "I
#
$%
&%
5 itérations 10 itérations 50 itérations
Aymeric Histace
L’EDP de la chaleur
n Propriété importante : q Il y a équivalence entre diffuser itérativement une image
au moyen de l’EDP de la chaleur et la filtrer par convolution avec un masque gaussien
q Propriété démontrée par Koenderick en 1984
q L’équivalence avec le filtrage gaussien d’écart-type σ est vérifiée lorsque
10
t2=σ
Aymeric Histace
EDP de la chaleur
n Propriété importante : q Piste pour la preuve :
n Déterminer les solutions du type : I(x, t) = I1(x,y) . I2(t)
n En déduire la solution fondamentale de l’équation de la chaleur
n En déduire la solution générale donnée par :
I(x, y, t) = 12 !.t
e!(x!X )2+(y!Y )2
4t .I0 (X,Y )dX dY!"
+"
#
11
Aymeric Histace
EDP de la chaleur
n Propriété importante : q Piste pour la preuve :
n Ceci est par définition la convolution de I0 par une gaussienne d’écart-type
n Pour plus de détails, me demander le pdf.
I(x, y, t) = 12 !.t
e!(x!X )2+(y!Y )2
4t .I0 (X,Y )dX dY!"
+"
#
t2=σ
12
Aymeric Histace
EDP de la chaleur
n L’équation de la chaleur est donc une autre façon de concevoir le filtrage gaussien.
n Cependant, un tel filtrage comme nous l’avons vu est isotrope et ne permet donc pas de préserver les zones sensibles de l’image (les contours ou transitions).
13
5 itérations 10 itérations 50 itérations
Aymeric Histace
EDP de la chaleur
n Question ?
q Comment améliorer ce processus isotrope, en particulier en ne diffusant pas les zones de fort gradient (les contours) de l’image ?.
14
Aymeric Histace
EDP de Perona-Mailk
n L’EDP proposée par Perona-Malik (1990) s’inspire de l’EDP de la chaleur, mais les auteurs y intégre une non-linéarité sous forme d’une fonction g à valeur positive, monotone et décroissante :
!I(x, y, t)!t
= div g "I(x, y)( )"I(x, y)( )
15
Aymeric Histace
EDP de Perona-Malik
n La fonction g la plus couramment utilisée est du type :
2
2
)( ku
eug−
=
16
Aymeric Histace
EDP de Perona-Malik
Les gradients élevés ne sont pas diffusés
Les gradients faibles sont diffusés
La valeur de k permet de régler la sélectivité de g(.)
k=10
k=5
17
n Fonction g :
Aymeric Histace
EDP de Perona-Malik
n La fonction g permet de pondérer la diffusion en fonction de l’appartenance ou non du pixel courant à un contour :
q Si le pixel appartient à un contour (gradient local élevé) alors g(.) renvoie une valeur proche de 0 : il n’y a pas diffusion
q Si le pixel n’appartient pas à un contour (gradient local faible) alors g(.) renvoie cette fois ci une valeur importante non nulle : il y a diffusion
18
Aymeric Histace
EDP de Perona-Malik
19
Aymeric Histace
EDP généralisée
n Afin de généraliser l’approche de Perona-Malik et de l’enrichir, il est proposé (Deriche 96), une EDP générale du type :
!I!t= ct.Itt + cg.Igg
20
Aymeric Histace
EDP généralisée
n Une telle écriture permet de pondérer différemment les directions de diffusion (isophote et gradient) !!!
n On parle d’anisotropie
!I!t= ct.Itt + cg.Igg
Pondération du gradient
Pondération de l’isophote
21
Aymeric Histace
EDP généralisée n Dans le cas où les deux coefficients de
pondération sont égaux à 1, on retrouve l’équation de la chaleur
!I!t= Itt + Igg = "I
22
Aymeric Histace
EDP généralisée n L’équation de Perona-Malik peut s’écrire sous
la forme généralisée décrite précédemment en prenant :
n Remarque : cg peut être négatif. La méthode est alors instable (on réhausse le bruit)
ct = g !I( )cg = g ' !I( ). !I + g !I( )
"#$
%$
23
Aymeric Histace
Généralisation
n Plusieurs améliorations ont été apportées par la suite. Les deux principales étant :
q Lissage du gradient par convolution avec une gaussienne avant le calcul de la fonction g : approche de Catté et al
q Remplacement de la fonction g par une matrice D, le tenseur de structure associée à l’image (emprunt à la mécanique) : approche matricielle de Weickert (voir partie dédiée)
24
Aymeric Histace
ϕ - fonctionnelle
n Si l’écriture précédente permet d’intégrer l’anisotropie, elle ne s’inscrit pas pour le moment dans une formulation variationnelle…
n C’est à la mise en place de cette formulation que nous allons nous intéresser maintenant.
n L’idée est de s’inscrire dans un formalisme commun à la plupart des EDP de ce type
25
Aymeric Histace
ϕ - fonctionnelle
n Soit ϕ une fonction croissante à valeurs réelles permettant de guider la diffusion et en particulier de pénaliser les forts gradients.
n La problématique de régularisation peut alors s’écrire sous la forme variationnelle générale suivante :
26
E(I ) = ! !I( )dxdy"
#
Aymeric Histace
ϕ - fonctionnelle
n La minimisation de cette fonctionnelle au moyen de l’approche d’Euler-Lagrange amène alors à considérer l’équation de diffusion générale suivante :
27
I(x, y, t = 0) = I0
!I!t= div
! ' "I( )"I
"I#
$%%
&
'((
)
*++
,++
Aymeric Histace
ϕ - fonctionnelle
n Cette écriture n’est pas incompatible avec l’écriture locale proposée par Deriche et al.
n Avec :
28
!I!t= ct.Itt + cg.Igg "
!I!t= div
! ' #I( )#I
#I$
%&&
'
())
ct =! ' !I( )!I
cg = ! '' !I( )
"
#$
%$
Aymeric Histace
ϕ - fonctionnelle
n Quelques exemples issus de la littérature :
29
Aymeric Histace
ϕ - fonctionnelle
n Quelques exemples issus de la littérature :
30
Aymeric Histace
Approche matricielle
n Une généralisation des approches précédentes sous forme matricielle est proposé par Weickert (1996)
n EDP proposée :
31
I(x, y, t = 0) = I0!I!t= div D"I( )
#
$%
&%
D est appelé le tenseur de diffusion : il s’agit d’une matrice permettant de prendre en compte la structure « physique » de l’image à restaurer
Aymeric Histace
Approche matricielle
n Cas particulier :
32
Impossible d'afficher l'image. Votre ordinateur manque peut-être de mémoire pour ouvrir l'image ou l'image est endommagée. Redémarrez l'ordinateur, puis ouvrez à nouveau le fichier. Si le x rouge est toujours affiché, vous devrez peut-être supprimer l'image avant de la réinsérer.
avec
Impossible d'afficher l'image. Votre ordinateur manque peut-être de mémoire pour ouvrir l'image ou l'image est endommagée. Redémarrez l'ordinateur, puis ouvrez à nouveau le fichier. Si le x rouge est toujours affiché, vous devrez peut-être supprimer l'image avant de la réinsérer.
Diffusion dans le cadre des Φ-fonctions
Aymeric Histace
Approche matricielle
n Calcul de D : q Afin d’éviter une trop grande sensibilité au bruit de
l’image, le tenseur est généralement calculée sur une version lissée isotropiquement de l’image de départ :
q Avec Gσ une gaussienne 2D d’écart-type σ
33
I! = I *G!
Aymeric Histace
Approche matricielle
n Calcul de D : q On définit alors les directions de diffusions locales η
et ξ de la manière suivante
34
! =!I"!I"
et ! =!I"
"
!I"
Aymeric Histace
Approche matricielle
n Calcul de D : q η et ξ sont les 2 vecteurs propres de la matrice D
auxquels ont peut associer deux valeurs propres µ1 et µ2
q On définit alors λ1 et λ2 telles que :
35
!1 ="
!2 =" si µ1 = µ2
" + (1!")e!
C(µ1!µ2 )2
"
#$$
%
&''
sinon
(
)*
+*
(
)
**
+
**
! ! 0,1[ ]C > 0
"#$
%$avec
Aymeric Histace
Approche matricielle
n Calcul de D : q En chaque point de l’image, on calcule alors :
q Interprétation : n Sur les régions d’intensité constante :
et Conséquence :
36
D = !1""! +!2##
!
µ1 ! µ2 = 0!1 ! !2 ="
D !!Id Diffusion isotrope
Aymeric Histace
Approche matricielle
n Calcul de D : q Interprétation :
n Le long des contours : et donc
n La diffusion est donc anisotrope préférentiellement
dans la direction ξ
37
µ1 >> µ2 >> 0!1 > !2 > 0
Aymeric Histace
Approche matricielle
n Calcul de D : q Illustration
38
Originale Diffusion tensiorelle
Aymeric Histace
Approche matricielle
n Représentation graphique de D: q Sur les zones homogènes, le tenseur est
représenté par un disque de rayon α
q Le long des contours, le tenseur est représenté par une ellipse d’axes µ1 et µ2 avec µ1 > µ2
39
ξ
η
ξ
η
Aymeric Histace
Approche matricielle
n Représentation graphique de D:
40
Aymeric Histace
Approche matricielle
n Utilisation « détournée » du tenseur :
41
Noyaux de cellules en bleu Protéine marquée en rouge
Structure et organisation directionnelle de la protéine
Aymeric Histace
Approche matricielle
42
Aymeric Histace
Approche matricielle
n Utilisation « détournée » du tenseur :
43
Tractographie du réseau cérébral
nerveux
IRM de diffusion