D. H. Trinh, D. V.

Tran, Li-Thiao-T Sbastien, Luong Marie, JeanMarie Rocchisani, Le Tien-Thuong, Franoise Dibos
I. ABSTRACT

La rsolution spatiale indique la capacit dtecter les petits dtails ou structures dans une image mdicales. En cas dune mauvaise rsolution et du bruit,
certains dtails dinformation vitale ne peuvent pas tre distingus
Amliorer la rsolution spatiale peut apporter une aide utile une meilleure
dtection et prcision de diagnostic des maladies.
En cas de bruit important, les mthodes de super-rsolution classiques ne
sont plus efficaces. Nous dveloppons une mthode bas exemple, de superrsolution et de dbruitage intg, pour amliorer efficacement la rsolution spatiale et dbruiter dimages mdicales.
Dbruitage

Dbruitage est le processus de reconstruction de l'image originale en supprimant les bruits indsirables d'une image dgrade. Une method de dbruitage
efficace est conue pour supprimer le bruit, tout en prservant autant que possible les structures et les dtails de l'image.
Un modle de formation d'image :
o y est limage dgrade, x dsigne les coordonnes spatiales 2-D de pixels
dans une image, u est l'image originale, et n indique le bruit additif indpendent.

II. MTHODE PROPOSE

III. RSULTATS

Supposons que nous avons un ensemble d'exemples d'images de bonne qualit

considr comme des patchs HR, et une image basse rsolution Y est gnre
partir de limage originale de haute rsolution X par le modle :
o H est l'oprateur de flou, Ds est l'oprateur de dcimation avec facteur s, et
est la composante de bruit additif.
Cette mthode se compose de deux phases principales : la construction de la
base de donnes et la super-rsolution.
Construction de la base de donnes
Un ensemble des paires de patchs LR et HR
trait partir des images d'exemple. Nous considrons
et lest la version LR correspondante, avec

est d'abord excomme un patch de HR

e

Super-rsolution
Limage bruite et de basse rsolution Y sera reprsente comme un ensemble
de N chevauchements des patchs l:
Les patchs LR et HR sont lis par :
Il est suppos que le patch
peut tre reprsent comme une combinaison linaire non-ngative parcimonieuse des patchs de HR dans la base de
donnes

Super-rsolution

Super-rsolution (SR) est une classe de techniques qui amliorent la rsolution spatiale d'un systme de formation d'image. La super-rsolution consiste
reconstruire une image haute resolution (HR) partir d'une ou plusieurs images
basse resolution (BR).

lsont les lments du vecteur de coefficients de representation

En exploitant la relation entre des patchs LR et HR dans (4), on obtient :

Pour trouver le vecteur nous formulons ce problem comme la dcomposition parcimonieuse suivante :

[NE] H. Chang, D. Yeung, and Y. Xiong, Super-resolution through neighbor embedding, in Proc. IEEE CVPR (2004), 275-282.
[ScSR] J. Yang, J. Wright, T. Huang, Y. Ma, Image super-resolution via sparse representation. IEEE Trans. on Image Process.,
2010.
[MN] W. T. Freeman, T. R. Jones, and E. C. Pasztor, Example-based super-resolution, IEEE Comp. Graph. and Appl. 22 (2002),
no. 2, 56-65 .

Conclusion

eest une fonction qui pnalise la dissimilarit entre et

Aprs des transformations quivalentes et en utilisant le thorme de Lagrange :
On peut rcrire (8) comme :

Notre objectif

Estimer une image haute rsolution partir d'une seule image bruite basse
rsolution, avec l'aide d'une base de donnes spcifique de patchs (imagettes)
haute et basse rsolution.

Le problem (9) est une formule de programmation quadratique non-ngative

(PQN) qui peut tre rsolue efficacement par de nombreux algorithms.
Lorsque est obtenue, le patch HR souhait peut tre estim comme :

En plus, nous pouvons obtenir une version dbruite

par :

La mthode SRSW est plus efficace que les autres lorsque le bruit est important.
Cette mthode de SR est donc trs utile en imagerie mdicale
Rferences
[1] D. H. TRINH, M. LUONG, F. DIBOS, J.-M. ROCCHISANI, C.-D. PHAM and Truong Q. NGUYEN,
Novel Example-based Method for Super-Resolution and Denoising of Medical Images. IEEE Transaction on Image Processing, Vol. 23, Isssue 4, pp. 1882-1895. DOI: 10.1109/TIP.2014.2308422. Avril 2014
[2] D. H. TRINH, M. LUONG, J.-M. ROCCHISANI, C. D. PHAM, H.D. PHAM and F. DIBOS, "An Optimal Weight Method for CT Image Denoising", Journal of Electronic Science and Technology, 10(2),
Juin 2012
[3] D. H. TRINH, M. LUONG, J.-M. ROCCHISANI, C. D. PHAM, and F. DIBOS, "Adaptive Medical
Image Denoising Using Support Vector Regression". In Computer analysis of images and patterns- Part
I, LNCS 2011, Springer-Verlag Berlin, Heidelberg 2011, Volume 6854/2011, pp. 494-502, 2011. DOI:
10.1007/978-3-642-23672-3_60
[4] D. H. TRINH, M. LUONG, J.-M. ROCCHISANI, C. D. PHAM, H.D. PHAM and F. DIBOS, Image
Resolution Enhancement by Projection Onto Convex Hull, IEEE International Symposium on Signal
Processing and Its Applications, HoChiMinh Ville, Vietnam, December 2012