Approches région et bayésienne pour la restauration ďimages dégradées par la turbulence atmosphérique

Résumé

La turbulence atmosphérique perturbe ľobservation à haute résolution. C’est un phénomène étudié depuis longtemps, en astronomie notamment. Le présent article porte sur le cas de ľobservation ďun objet situé environ vingt kilomètres, la propagation étant horizontale et près du sol, en infrarouge. Les images à longue pose sont restaurées avec des algorithmes classiques de déconvolution. Les résultats ne sont satisfaisants que pour une faible perturbation. Il est plus avantageux ďexploiter des images courte pose, car elles contiennent plus de hautes fréquences spatiales; mais ľobjet observé y fluctue aléatoirement. On travaille donc ici partir ďune séquence de plusieurs dizaines ďimages. Deux approches sont proposées. L'une consiste à analyser statistiquement les régions de chaque image pour en extraire les plus représentatives et reconstituer ainsi ľobjet réel. Les résultats sont alors très intéressants. La seconde est une approche frontière. Une analyse du problème, basée sur la méthode du maximum de vraisemblance appliquée aux descripteurs de Fourier de la forme, permet ďétablir que le contour le plus probable est obtenu par la moyenne de la position de chaque point de contour au long de la séquence. Nous déterminons ce contour en appliquant un contour actif statistique de type région, appelé « snake », optimal au sens de la théorie statistique, que nous faisons évoluer avec ľobjet au cours de la séquence.

Abstract

Atmospheric turbulence perturbs high-resolution observation. This phenomenon has been studied since a long time, particularly in astronomy. We work here on the observation of an object lying about twenty kilometer far from an infrared imaging system; the light propagates horizontally near the ground. Long-exposure images are restored by classical deconvolution algorithms. Results are satisfying only for a weak perturbation. It is better to work on short-exposure images since they retain more high-frequencies; but the observed object fluctuates randomly there, so we work on a sequence of a few tens images. Two approaches are proposed. The first one consists in a statistical analysis of each image region so as to grab the most representative of them and thus rebuild the real object. The results are here clearly better. The second one is based on frontiers. A maximum-likelihood based analysis of the Fourier descriptors of the shape shows that the optimal frontier is given by the mean position of each object edge point through the sequence. It is obtained with a region-based active contour (optimal snake, in a statistical sense) that evolves with the object through the sequence.