Contexte : Les images radar ont l’avantage de pouvoir être acquises par tout temps (de jour comme de nuit et quelles que soient les conditions météorologiques). Elles présentent néanmoins un fort bruit (le bruit de speckle lié à l’imagerie cohérente). Même si des méthodes de débruitage efficaces existent, elles ne sont pas parfaites dans toutes les parties de l’image et peuvent trop lisser l’image par endroit ou créer des artefacts. Ces défauts sont particulièrement visibles dans l’image de résidu constituée par le rapport entre l’image originale et l’image du débruitage.
Travail demandé : L’objectif de ce projet est de mettre en oeuvre une approche permettant d’analyser et caractériser l’image de résidu [1]. Cette approche détecte les structures qui apparaissent dans l’image de résidu violant l’hypoyhèse de bruit blanc gaussien qui devrait être vérifiée si le débruitage avait été parfait. Pour cela la fonction d’auto-corrélation locale est calculée pour en déduire un critère de qualité locale. Cette approche a été validée sur des images présentant un bruit blanc gaussien. Dans le cas des données radar, une adaptation doit être effectuée [2]. Dans un premier temps, on pourra faire l’approximation que le log du speckle suit une distribution gaussienne (au lieu d’une Fisher-Tipett) ce qui nous permettra d’appliquer la méthode directement. Un autre objectif du projet est d’étudier sur cette mesure de qualité locale pour être exploitée pour combiner un ensemble de résultats de débruitage.
Programmation : langage au choix (Matlab, C/C++, etc.)
Références Bibliographiques
[1] P Riot, A Almansa, Y Gousseau, F Tupin (2017), A Correlation-based Dissimilarity Measure for Noisy Patches, In SSVM 2017, [doi:10.1007/978-3-319-58771-4_15], [hal]
[2] Charles Deledalle, Loïc Denis, Sonia Tabti, Florence Tupin (2017).
MuLoG, or How to apply Gaussian denoisers to multi-channel SAR speckle reduction?
IEEE Transactions on Image Processing. [doi:10.1109/TIP.2017.2713946][website]
Encadrement
Florence Tupin, Andrés Almansa.
