Vous êtes sur la page 1sur 44

Introduction

`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Projet de Fin dEtudes
En vu dobtention du Master Sciences et Techniques

Etude `
dun Probleme Inverse
de Reconstruction des Images

Ismail ELOUARGUI
Sous lencadrement de:
Mr Mourad NACHAOUI
Mr Rachid ELAYACHI

Universite Sultan Moulay Slimane


Faculte des sciences et techniques Beni
Mellal


Departement dinformatique

7 juin 2016

1/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

PLAN

1 Introduction

2 `
Problemes inverses

3
Problematique

4
Regularisation
avec des Methodes Variationnelles

5
Resultats
numeriques

6 Conclusion et perspectives

2/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

PLAN

1 Introduction

2 `
Problemes inverses

3
Problematique

4
Regularisation
avec des Methodes Variationnelles

5
Resultats
numeriques

6 Conclusion et perspectives

3/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

Introduction

Les problemes
` qui a et
inverses : retrouver une donnee e transformee
ou alter
ee.

Differentes

applications sur des domaines varies.
Lacquisition, la transmission et le stockage alterent
`
les donnees.
Une image ideale

subit laddition dun flou, dun bruit ou des degradations plus
eres.
sev `

4/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

Introduction

Image detruite
:

5/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

Introduction

Image detruite
:

Notre but : La restaurer.


Problemes
`
inverses et regularisation.

5/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

PLAN

1 Introduction

2 `
Problemes inverses

3
Problematique

4
Regularisation
avec des Methodes Variationnelles

5
Resultats
numeriques

6 Conclusion et perspectives

6/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

`
Problemes inverses

Definition


Definition
Un probleme` inverse consiste a` determiner
des causes connaissant des effets. Ainsi,
`
ce probleme est linverse de celui appele probleme
` direct, consistant a` deduire
les

effets, les causes etant connues.

particulieres
Difficultes ` :
Les memes

causes produisent les memes effets.
Les memes

effets puissent provenir de causes differentes.

7/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

`
Problemes inverses
`
Problemes
mal poses

`
Problemes Hadamard 1923
bien poses
La solution existe.
La solution est unique.
La solution depend
continument

des donnees.
`
Un probleme qui nest pas bien pose au sens de la definition

ci-dessus est dit mal pose
(ill-posed en anglais).

`
Probleme
`
Les problemes ` souvent mal poses
inverses sont tres !


Pour resoudre `
les problemes il faut chercher des solutions
inverses qui sont mal-poses,

approchees
satisfaisant des contraintes supplementaires provenant de la physique du
`
probleme.
La theorie
de la regularisation.

8/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

PLAN

1 Introduction

2 `
Problemes inverses

3
Problematique

4
Regularisation
avec des Methodes Variationnelles

5
Resultats
numeriques

6 Conclusion et perspectives

9/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Problematique
Flou et bruit

La degradation
due au processus de la formation dimage est habituellement

denot par le flou (blur en anglais) et est une sorte de limitation de bande de
ee
lobjet.
Deux types principaux :Bouge et Mal focalisation

La degradation
introduite par le processus denregistrement est gen eralement


design par le bruit et est due a` des erreurs de mesure, des erreurs de
ee
comptage, etc.

10/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Problematique

Modelisation

Le flou est tres


` souvent modelis e par un operateur
de convolution qui a pour effet

de regulariser
fortement les images et donc de detruire
les details. Ce qui donne :

o = A(f ) = Af + b = f + b avec A Rmnmn , f , b, o Rmn (1)

ou` estRlop
R erateur
de convolution defini dans le cadre continu 2-D par
f = (h, k)f (x h, y h)dhdk

11/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Problematique
Processus

Processus de destruction dune image.


240

220

200

180

160

niveaus de grix
140

120

100

80

60

40

20
0 10 20 30 40 50 60 70 80 90 100
pixels

240

220

200

180

160

niveaux de gris
140

120

100

80

60

40

20
0 10 20 30 40 50 60 70 80 90 100
pixels

240

220

200

180

160
niveaux de gris

140

120

100

80

60

40

20
0 10 20 30 40 50 60 70 80 90 100
pixels

12/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Problematique
Inversion


Donc dans le domaine de Fourrier lequation (1) deviens :

T F (o) = T F ().T F (f ) + T F (b) (2)

ou` T F designe
la Transformation de Fourrier.
Une simple inversion :

T F (f ) = T F ()1 .T F (o) + T F ()1 .T F (b) (3)

13/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Problematique
Inversion


Donc dans le domaine de Fourrier lequation (1) deviens :

T F (o) = T F ().T F (f ) + T F (b) (2)

ou` T F designe
la Transformation de Fourrier.
Une simple inversion :

T F (f ) = T F ()1 .T F (o) + T F ()1 .T F (b) (3)

(l) Originale

13/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Problematique
Inversion


Donc dans le domaine de Fourrier lequation (1) deviens :

T F (o) = T F ().T F (f ) + T F (b) (2)

ou` T F designe
la Transformation de Fourrier.
Une simple inversion :

T F (f ) = T F ()1 .T F (o) + T F ()1 .T F (b) (3)

(o) Originale (p) Floue

13/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Problematique
Inversion


Donc dans le domaine de Fourrier lequation (1) deviens :

T F (o) = T F ().T F (f ) + T F (b) (2)

ou` T F designe
la Transformation de Fourrier.
Une simple inversion :

T F (f ) = T F ()1 .T F (o) + T F ()1 .T F (b) (3)

(r) Originale (s) Floue


(t) Restauree


Objectif : restaurer limage en evitant lamplification du bruit.
13/38 Ismail ELOUARGUI
Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

PLAN

1 Introduction

2 `
Problemes inverses

3
Problematique

4
Regularisation
avec des Methodes Variationnelles

5
Resultats
numeriques

6 Conclusion et perspectives

14/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles

Regularisation


Minimiser le bruit tout en ajoutant des a priori sur limage recherchee.
Placons nous dans un cadre continu.

o = Af + b = f + b


La methode du Maximum de Vraisemblance :
Maximiser la probabilite de voire lobjet

f = argmax p(o|f ) (4)


f

f = argmin k Af o k2 (5)
2
f

ou` k . k22 est la norme dans L2 .

Mal pose !

15/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles

Regularisation

Pour tenir en compte des information a priori sur limage : La reconstruction MAP
Maximiser la probabilite a priori de f sachant o :

fMAP = argmax p(f |o) = argmax p(o|f )p(f ) (6)


f f p(o)

p(f ) Gibbs :

p(f ) = c.exp[G(f )], > 0 (7)


La log-Vraisemblance donne :

fMAP = arg min k Af o k22 + G(f ) (8)


f | {z } | {z }
Ajustement aux donnees Regularisation

16/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles
Tikhonov

Tikhonov

Un des choix classique de la regularisation G(X) est celui de Tikhonov et Arsenin, ou`
G(f ) =k f k22 .
`
Le probleme
de restauration dimage f est maintenant defini comme suit :
fMAP = arg min k Af o k22 + k f k22 (9)
f | {z } | {z }
Ajustement aux donnees Regularisation

Dans lespace de Sobolev

W 1,2 () = {f L2 (); f [L2 ()]2 }.

Posons : N (f ) =k Af o k22 + k f k22


Optimalite :

N (fMAP ) = 0
`
Ce probleme e par lequation
est caracteris dEuler Lagrange :

A Af A o f = 0 (10)

17/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles
Variation Totale

`
Probleme

Le laplacien est un operateur de diffusion isotrope.


Les bords sont erod !!
es

Solution :
Rudin, Osher et Fatemi :

G(f ) = TV (f )

TV : Variation Totale avec :


Z
TV (f , ) := sup{ f div dx; Cc1 (), k k 1}. (11)

Si f L1 et TV (f , ) < + alors on dit que f BV () (ensemble des fonctions a`



variation bornee)

18/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles
Variation Totale

Notons que lorsque f W 1,1 avec

W 1,1 () = {f L1 (), f L1 ()}( BV ())

la variation totale nest autre que TV (f ) =k f k1 .

19/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles
Variation Totale

Notons que lorsque f W 1,1 avec

W 1,1 () = {f L1 (), f L1 ()}( BV ())

la variation totale nest autre que TV (f ) =k f k1 .


Pourquoi ?
Prenons :


Le gradient de limage etant la quantite decrivant
les contours.

Le choix du terme de regularisation se fait en prenant une primitive.

19/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles
Variation Totale

(u) Discontinuite (v) Fonction



regularisante (affine)

(w) Primitive : |x| (x) Primitive : x 2

La norme x k x k est pref


erable.

20/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles

Discretisation de la Variation Totale

` du terme de regularisation
La version discrete
TV , represent par J, est definie
ee comme
suit :

N X
X M
J(X ) = |(X )i,j |,
i=1 j=1

ou` |.| est la norme Euclidienne de R2 , definit


comme suit :

r
   2  2
|(X )i,j | = | (X )1i,j , (X )2i,j | = (X )1i,j + (X )2i,j

21/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles
Variation Totale dordre 2

`
Probleme
Leffet du scairtasing (des contours fictifs dans limage).

Solution :
erement
Lisser leg `
la partie reguli ` de limage.
ere

22/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles
Variation Totale dordre 2

`
Probleme
Leffet du scairtasing (des contours fictifs dans limage).

Solution :
erement
Lisser leg `
la partie reguli ` de limage.
ere
Comment ?
Variation Totale dordre 2 :

fMAP = arg min 1


k Af o k22 +TV 2 (f ) (12)
f HB() 2
1
= arg min k Af o k22 + k 2 f k1 (13)
f HB() 2
Dans
 h i4 
W () = f L1 (); 2 f L1 () .

22/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles

Discretisation de la Variation Totale dordre 2

` du terme de regularisation
La version discrete TV 2 , represent
par R, est definie
ee
comme suit :

N X
X M
R(X ) = |(2 X )i,j |,
i=1 j=1

tel que 2 X est la matrice hessienne de X

23/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles
Combinaison TV + TV 2

`
Probleme

Lapparition du flou indesirable.

:
Idee

Combiner les deux termes de regularisation.

TV + TV 2 :

fMAP = arg min 1


k Af o k22 + k f k1 + k 2 f k1 (14)
f HB() 2

24/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles

Discretisation de la Combinaison TV + TV 2

Le terme TV + TV 2 discrete
` :

N X
X M  
R(f ) = |(X )i,j | + |(2 X )i,j | (15)
i=1 j=1

25/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Regularisation
avec des Methodes Variationnelles
Optimisation

Lalgorithme descente du gradient



On sinteresse `
au probleme eral
gen :

J(f ) = min J(f ), (16)


f

ou` J est la fonctionnelle continument



differentiable.

Algorithm 1 Algorithme descente du gradient


E NTR E ES : f 0 : a priori arbitraire
S ORTIES : f : solution du probleme ` (16)
tantque le critere ` darret nest pas atteint faire

- A letape k
f k +1 = f k tk J(f k )
ou` tk R realise
le minimum : min J(f k tJ(f k )).
t
fin tantque

26/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

PLAN

1 Introduction

2 `
Problemes inverses

3
Problematique

4
Regularisation
avec des Methodes Variationnelles

5
Resultats
numeriques

6 Conclusion et perspectives

27/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Resultats
numeriques

Test synthetique

Limage de test :

Image test degrad psnr=20.5834 ssim=0.1030
ee

28/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Resultats
numeriques

Test synthetique

Lalgorithme de Wiener de Richardson-Lucy (issu de Tikhonov) :

(a) Wiener : psnr=20.4900 ssim =0.2103 (b) Richardson-Lucy : psnr=22.5998 ssim =0.2672

29/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Resultats
numeriques

Test synthetique

Lalgorithme TV :
TV psnr=25.2933 ssim =0.3421

30/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Resultats
numeriques

Test synthetique

Lalgorithme TV 2 :
TV 2 psnr=24.5915 ssim =0.3160

31/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Resultats
numeriques

Test synthetique

Nimporte quel couple ( , )(=(0.5,0.4) par exemple)


TV + TV 2 psnr=22.8443 ssim=0.2086

32/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Resultats
numeriques

Test synthetique

et quelle influence ?
25.5

25

24.5

24

23.5

23

22.5

22 =0.11, = 0.01
21.5 =0.08, = 0.1
=0.10, = 0.2
21 =0.20, = 0.19
=0.01, = 0.01
20.5
0 100 200 300 400 500 600 700 800 900 1000

F IGURE : Variation de PSNR par rapport au nombre dit


erations pour des
(, ) diff erentes du mod`
ele TV+TV2

33/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives


Resultats
numeriques

Test synthetique

Lalgorithme TV + TV 2 :
TV + TV 2 PSNR=25.3329 ssim =0.3488

34/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

PLAN

1 Introduction

2 `
Problemes inverses

3
Problematique

4
Regularisation
avec des Methodes Variationnelles

5
Resultats
numeriques

6 Conclusion et perspectives

35/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

Conclusion

Diminution du staircasing et du flou.


Bonnes resultats
par vision et par des grandeurs.
Utilisation dans limagerie de plusieurs Domaines.
Pas seulement la deconvolution.

36/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

Perspective

Autres algorithmes doptimisation.


Cadre theorique
`
pour les parametres.
Tester dautres combinaisons.
Decouper
` approprie a` chacune.
les images en parties et utiliser le modele

37/38 Ismail ELOUARGUI


Projet de Fin dEtudes
Introduction
`
Problemes inverses

Problematique

Regularisation
avec des Methodes Variationnelles

Resultats
numeriques
Conclusion et perspectives

MERCI POUR VOTRE ATTENTION


38/38 Ismail ELOUARGUI


Projet de Fin dEtudes