4 - La transformation de Fisz pour l'estimation de l'image des intensités d'un bruit Poissonien dans le domaine des ondelettes

Show full item record

Files in this item

PDF 04•Fadili(coul).pdf 594.9Kb

Pour citer ce document :
URI: http://hdl.handle.net/2042/2260
Title: 4 - La transformation de Fisz pour l'estimation de l'image des intensités d'un bruit Poissonien dans le domaine des ondelettes
Author: FADILI (Jalal M.); MATHIEU (Jérome); DESVIGNES (Michel)
Abstract: Nous présentons un nouvel estimateur de l'image des intensités (taux de comptage) d'un bruit Poissonien dans le domaine des ondelettes. Cette méthode est basée sur la normalité asymptotique d'une fonction non-linéaire des coefficients de détail et d'échelle de la transformée de Haar, appelée la transformée de Fisz. Nous exposons quelques résultats asymptotiques, tels que la normalité et la décorrélation des pixels de l'image transformée. Fort de ces résultats, l'image originale bruitée par un processus de Poisson, peut être considérée après transformation de Fisz comme étant contaminée par un bruit additif gaussien et blanc. Ainsi, les débruiteurs classiques s'appliquent directement. Plus exactement, nous appliquons dans le cadre de ce papier un estimateur bayésien que nous avons récemment développé, utilisant comme a priori une nouvelle classe de distributions, les formes K de Bessel (FKB). Les simulations menées montrent que la transformation de Fisz offre des performances au moins aussi bonnes que les transformations stabilisatrices de la variance pour des images des intensités régulières ou constantes par morceaux. Elle dépasse clairement ces approches lorsque le taux de comptage est faible. Combiner la transformation de Fisz avec le débruiteur bayésien FKB offre les meilleurs résultats.
Description: A novel wavelet-based Poisson-intensity estimator of images is presented. This method is based on the asymptotic normality of a certain function of the Haar wavelet and scaling coefficients called the Fisz transformation. Some asymptotic results such as normality and decorrelation of the transformed image samples are extended to the 2D case. This Fisz-transformed image is then treated as if it was independent and gaussian variables. Then we apply a novel Bayesian denoiser that we have recently developed. In the latter, a prior model is imposed on the wavelet coefficients designed to capture the sparseness of the wavelet expansion. Seeking probability models for the marginal densities of the wavelet coefficients, the new family of Bessel K forms densities are shown to fit very well to the observed histograms. Exploiting this prior, we designed a Bayesian nonlinear denoiser and a closed-form for its expression was derived. Our Fisz-transformation based Bayesian denoiser compares very favorably to variance stabilizing transformation methods in both smooth and piece-wise constant intensities. It clearly outperforms the other denoising methods especially in the low-count setting. Combining the Fisz transform and the BKF Bayesian denoiser yields the best performance.
Subject: Traitement image; Fonction non linéaire; Décorrélation; Image bruitée; Processus Poisson; Simulation; Technique constante par morceau; Estimation signal; Solution asymptotique; Bruit blanc gaussien additif; Estimation Bayes; Fonction Bessel; Réduction bruit; Transformation ondelette; Transformation Fisz
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 2004

This item appears in the following Collection(s)

Show full item record





Advanced Search