Vous êtes sur la page 1sur 188

Télédétection et

Traitement des images

La résolution

Cours QI : Résolution 1/188 V4.2 © CNES 2004


Mauvaise restitution des détails Bonne restitution des détails

Cours QI : Résolution 2/188 V4.2 © CNES 2004


Introduction (2/8)

 Qu’est-ce que la résolution ?


 la réponse n’est pas facile : terme vague pour lequel on rencontre
plusieurs « définitions »
 capacité d ’un système imageur à restituer l’information contenue
dans le paysage observé ( par exemple, la netteté)
 quelques « définitions » usuelles :
 pouvoir séparateur : distance mini pour séparer 2 objets voisins (lignes, points ....)
 taille du détecteur élémentaire projeté au sol et/ou pas d ’échantillonnage
 champ de vue instantané (IFOV en anglais) : taille angulaire du détecteur
élémentaire
 nombre maximal perceptible de paires de lignes par unité de longueur d’un motif
périodique ( = fréquence spatiale maximale perceptible)

Cours QI : Résolution 3/188 V4.2 © CNES 2004


Introduction (3/8)

 Traduction quantitative de notions subjectives :


 Détecter  moindre résolution
 Reconnaître  haute résolution
 Identifier des objets présents dans une image  très haute résolution
 Difficile
car dépendant de l’application
 Ne peut se résumer à un chiffre car interviennent :
 Les performances instrumentales
 la capacité de l ’instrument à restituer les détails les plus fins
 le niveau de bruit (cf. radiométrie des images)
 La grille d’échantillonnage

Cours QI : Résolution 4/188 V4.2 © CNES 2004


Introduction (4/8)

 Effet d’une mauvaise restitution des contrastes

FTM élevée FTM moyenne FTM faible

Cours QI : Résolution 5/188 V4.2 © CNES 2004


Introduction (5/8)

 Trop de bruit peut noyer un détail haute fréquence

Aucun bruit Bruit important Bruit très important

Cours QI : Résolution 6/188 V4.2 © CNES 2004


Introduction (6/8)

 Echantillonnage inadapté à l’instrument

Image bien échantillonnée Image sous-échantillonnée

Cours QI : Résolution 7/188 V4.2 © CNES 2004


Introduction (7/8)

 Point important de vocabulaire :


 « résolution RADIOMETRIQUE » :
 capacité à distinguer deux zones étendues de réflectances voisines
 exprimée en pas de quantification ou en unité physique

 « résolution SPATIALE » :
 restitution fidèle des détails du paysage (netteté des images + échantillonnage correct)
 exprimée en mètres

Cours QI : Résolution 8/188 V4.2 © CNES 2004


Introduction (8/8)

 Comment aborder la notion de résolution ?


 on passe en revue les différents éléments constituant le système
 on privilégie le comportement vis à vis des variables d’espace
 en simplifiant :
 radiométrie  comportement du système face à un paysage uniforme
 résolution spatiale  comportement du système face aux variations spatiales suivant x
et y du paysage
 résolution = couplage des deux

 Démarche adoptée :
 Analyse de la chaîne Image : modélisation des différents contributeurs physiques
 On aboutira à un modèle où la convolution joue un rôle central
 Analyse plus aisée dans le domaine de Fourier : TF(h*g)=TF(h).TF(g)
Résolution mesurée dans le plan de Fourier
Cours QI : Résolution 9/188 V4.2 © CNES 2004
Plan de l’exposé (1/2)

 Analyse de la chaîne image


 Vue d’ensemble
 L’atmosphère
 Le télescope
 Les détecteurs
 Le reste de la chaîne de prise de vue
 Le modèle de prise de vue dans le domaine spatial
 Passage au domaine fréquentiel
 Le modèle de prise de vue dans le domaine de Fourier
 Les fonctions de transfert des éléments de la chaîne et la fonction de
transfert globale

Cours QI : Résolution 10/188 V4.2 © CNES 2004


Plan de l’exposé (2/2)

 Effet de l’échantillonnage
 Rappels théoriques (1D)
 Cas de la grille image (2D)
 Adaptation échantillonnage / instrument
 Traitement des images
 Interpolation des images
 Déconvolution des images
 Débruitage des images
 Bibliographie
 Annexe : Rappels d’analyse de Fourier

Cours QI : Résolution 11/188 V4.2 © CNES 2004


Analyse de la chaîne image

Cours QI : Résolution 12/188 V4.2 © CNES 2004


Analyse de la chaîne image (1/25)
Vue d’ensemble

 Cas typique : système pushbroom type SPOT

Paysage L Instrument Image I

détecteurs
électronique n bits
optique CAN

(x,y) continus (x,y) continus (x,y) échantillonnés (x,y) échantillonnés


L(x,y) continu I(x,y) continu I(x,y) continu I(x,y) quantifié

Cours QI : Résolution 13/188 V4.2 © CNES 2004


Analyse de la chaîne image (2/25)
Vue d’ensemble

 Chacun des éléments constituant la chaîne instrumentale est


assimilé à un système linéaire et spatialement invariant
 linéarité : I(aP1 + bP2) = aI(P1)+bI(P2)
 invariance spatiale : I(Pdécalé) = (I(P))décalé

 L’effet de chaque contributeur i est alors modélisable par un


produit de convolution avec une fonction hi appelée réponse
impulsionnelle : Si(e) = e*hi
 hi est par définition l’image d’un point par le contributeur i, en
général une tache
 La réponse impulsionnelle globale est le produit de convolution
des réponses impulsionnelles des divers contributeurs
Cours QI : Résolution 14/188 V4.2 © CNES 2004
Analyse de la chaîne image (3/25)
L’atmosphère

 Les phénomènes et leur impact :


 absorption gazeuse  atténuation, pas d’impact sur la résolution
 diffusion par les molécules et les aérosols
 lumière issue du sol n’atteignant pas le télescope : atténuation
 lumière n’ayant pas rencontré le sol : fond
 lumière issue de l’environnement du point visé : fond ou dégradation de la résolution

 turbulence  modification de l’indice de réfraction :


 scintillement : bruit
 flou : dégradation de la résolution

Cours QI : Résolution 15/188 V4.2 © CNES 2004


Analyse de la chaîne image (4/25)
L’atmosphère

 La diffusion :
 la contribution de l’environnement fait intervenir une fonction radiale
décroissante hdif dont le rayon du support S est l’ordre du km
Lenv ( x, y)   L sol ( x 0 , y0 )hdiff ( x  x 0 , y  y0 )dx0 dy0  Lsol * hdiff ( x, y)
S

 effet de fond pour les échelles inférieures à  100 m :

hdiff ( x  x 0 , y  y0 )  hdiff ( x0 , y0 )

Lenv ( x, y)   L
S
sol ( x 0 , y0 )hdiff ( x0 , y0 )dx0 dy0  constante

 effet de flou pour les échelles supérieures à  100 m

Cours QI : Résolution 16/188 V4.2 © CNES 2004


Analyse de la chaîne image (5/25)
L’atmosphère

 La turbulence :
 variations d’indice  déformation de la surface d’onde  trajet non
rectiligne de la lumière  effet d’environnement
 on peut reprendre le formalisme vu pour la diffusion
 la contribution de l’environnement fait intervenir une fonction radiale
décroissante hturb dont le rayon du support S est l’ordre de quelques
centimètres
  effet négligeable aux échelles supérieures ou égales à 20 cm
  effet de flou aux échelles inférieures ou égales à 20 cm
 l’impact est d’autant plus fort que la turbulence est loin de la source
  fort en astronomie
  faible pour l’observation de la terre

Cours QI : Résolution 17/188 V4.2 © CNES 2004


Analyse de la chaîne image (6/25)
L’atmosphère

 Rôle de la distance entre la source et les turbulences :


 Source loin des turbulences (astronomie) :

Turbulence

Le front d’onde
varie localement
selon la turbulence

source capteur

Cours QI : Résolution 18/188 V4.2 © CNES 2004


Analyse de la chaîne image (7/25)
L’atmosphère

 Source près des turbulences (observation de la terre) :

Turbulence

Le front d’onde
varie assez peu
localement

source capteur

Cours QI : Résolution 19/188 V4.2 © CNES 2004


Analyse de la chaîne image (8/25)
Le télescope

 Cf cours diffraction et optique de Fourier :


 le télescope est un système linéaire vis à vis des luminances (lumière
incohérente) et spatialement invariant
 l’image d’un point lumineux est une tache même pour un télescope parfait du fait de la
diffraction : sa réponse impulsionnelle hopt(x,y)
 la connaissance de hopt(x,y) suffit pour caractériser le télescope :
 paysage = somme de points lumineux pondérés juxtaposés

 image = somme pondérée des réponses impulsionnelles juxtaposées

 plus hopt est large, moins l’instrument est résolvant

 dans le cas réel, d’autres phénomènes que la diffraction vont contribuer


à élargir hopt : aberrations, défauts de réalisation ....

Cours QI : Résolution 20/188 V4.2 © CNES 2004


Analyse de la chaîne image (9/25)
Le télescope

 Notations :
 i_géom = image prévue par l ’optique géométrique
 i = image réelle
 P = paysage
 hopt = réponse impulsionnelle
 g = grandissement
 Optique géométrique : i _ géom( x, y)  P(gx, gy)
 i_geom représente le paysage au grandissement près
 Optique de Fourier : i ( x, y )   i _ géom( x0 , y0 ).hopt ( x  x0 , y  y0 )dx0 dy0
 (i _ géom * hopt )( x, y )
 LISSAGE de i_geom par la réponse impulsionnelle
Cours QI : Résolution 21/188 V4.2 © CNES 2004
Analyse de la chaîne image (10/25)
Le télescope

 Analogie avec l ’électronique :


Temps t (seconde) Position x,y (mètre)
fréquence f d’une sinusoïde temporelle (hertz) fréquence spatiale (fx,fy) d’un motif périodique (mètre-1)

stationnarité invariance spatiale


réponse impulsionnelle h(t) tache image h(x,y)

Cours QI : Résolution 22/188 V4.2 © CNES 2004


Analyse de la chaîne image (11/25)
Le télescope

 Point lumineux en entrée de l’instrument


 physiquement : « impulsion » optique
 mathématiquement : dirac d(x,y)
 Résultat dans l’image:
 physiquement : réponse à un point lumineux = tache image
 mathématiquement : h(x,y)* d(x,y)=h(x,y)
 Normalisation de la réponse impulsionnelle
 entrée = paysage uniforme de luminance
 
L  
 sortie = image uniforme de niveau L.  h
 
opt ( x  u, y  v )dudv  L.  h
 
opt ( x , y )dxdy

 normalisation de h pour que sortie = entrée lorsque le paysage est uniforme


 

 h
 
opt ( x , y)dxdy  1

Cours QI : Résolution 23/188 V4.2 © CNES 2004


Analyse de la chaîne image (12/25)
Le télescope

 Interprétation physique (suite) :


 correspondance entre tache image et surface contribuant au niveau du
pixel dans l’image :
Voisinage de B contribuant
à la mesure en B ’
Image du point A = tache centrée sur A ’
A’ = image géométrique de A
B
A’

B’
A

Altitude Focale
Cours QI : Résolution 24/188 V4.2 © CNES 2004
Analyse de la chaîne image (13/25)
Le télescope

 Exemple : réponse impulsionnelle d’un télescope à pupille


circulaire limité par la diffraction
 théorie : réponse impulsionnelle = |TF(circ(r))|² = fonction d’Airy

TF
1

Cours QI : Résolution 25/188 V4.2 © CNES 2004


Analyse de la chaîne image (14/25)
Les détecteurs

 Surface photosensible du détecteur élémentaire


 rectangle de côtés px et py
 Distance entre détecteurs élémentaires = x
 Distance entre les lignes = y
 y=Vsol .te,
 en général on règle te (temps d’échantillonnage) pour que x= y
x
px

py
y

Cours QI : Résolution 26/188 V4.2 © CNES 2004


Analyse de la chaîne image (15/25)
Les détecteurs

 Intégration sur la surface élémentaire :


 Luminance équivalente L
 Surface du détecteur Sd Q( x0 , y0 ) ~  L( x, y )ds
Sd
 Quantité de charges Q

 cette quantité peut s’écrire comme un produit de convolution avec une


fonction hdétecteur,valant idéalement 1 sur sa surface photosensible et 0 en
dehors.  
Qs ( x0 , y0 ) ~   L ( x, y ) h
  
détecteur ( x  x0 , y  y0 )dxdy  L * hdétecteur ( x0 , y0 )

* Convolution
(1D)

Cours QI : Résolution 27/188 V4.2 © CNES 2004


Analyse de la chaîne image (16/25)
Les détecteurs

 Intégration sur la surface élémentaire


 hdétecteur est la réponse impulsionnelle associée au détecteur
 détecteur parfait
 tout le détecteur est photosensible
 la sensibilité est constante sur toute la surface photosensible
 un détecteur n’a pas d’influence sur ses voisins

hdétecteur idéal = 1 sur la surface normalisée du détecteur, 0 à l’extérieur


hdétecteur idéal = produit séparable d’une fonction porte en x par une fonction porte en y

 détecteur réel
 un détecteur influe sur ses voisins (diffusion des charges)
 h détecteur réel ne vaut pas strictement 0 à l’extérieur du détecteur

Cours QI : Résolution 28/188 V4.2 © CNES 2004


Analyse de la chaîne image (17/25)
L’effet de filé

 Déplacement durant le temps d’intégration : effet de filé


 un bougé durant la prise de vue introduit du flou
 cas général d’un satellite défilant :
 satellite défilant sur paysage fixe = paysage défilant et satellite fixe
 effet = moyennage du paysage dans la direction de défilement

 cas particulier du pushbroom


 défilement orthogonal à la ligne détectrice : vitesse sol V, temps de pose ti Dist=Vti
 en général ti = te
 moyennage du paysage dans la direction y sur une distance égale à Vti
Vti / 2

L filé ( x0 , y0 )   L( x , y
Vti / 2
0 0  y )dy

 convolution avec une fonction porte 1D de la variable y, de largeur Vti


Cours QI : Résolution 29/188 V4.2 © CNES 2004
Analyse de la chaîne image (18/25)
L’effet de filé

 Illustration du filé: effet de flou monodimensionnel

Mire horizontale floue Contour vertical flou

référence Filé vertical 5 pixels Filé horizontal 5 pixels

Cours QI : Résolution 30/188 V4.2 © CNES 2004


Analyse de la chaîne image (19/25)
Echantillonnage du signal continu

 Signal issu d’un détecteur : valeur du pixel (i,j)


 résultat d’un produit de convolution en (x0,y0)
 Signal du détecteur voisin : valeur du pixel (i,j+1)
 valeur du même produit de convolution pris au point (x0+x,y0)
 Signal sur la ligne suivante : valeur du pixel (i+1,j)
 valeur du même produit de convolution pris au point (x0,y0+y)
Colonne j
Colonne j+1
y

x Ligne i
Ligne i+1

Cours QI : Résolution 31/188 V4.2 © CNES 2004


Analyse de la chaîne image (20/25)
Echantillonnage du signal continu

 En sortie détecteur, l’image correspond donc au produit de


convolution obtenu pris sur une grille:

S  A.L * hatm * hopt * hdétecteur * h filé ( x, y )   d ( x  jx, y  iy )


i, j

NB: dans tout ce qui suit, les réponses impulsionnelles sont normalisées (intégrale = 1)
A est le coefficient d ’étalonnage absolu( conversion luminance / compte numérique )

Cours QI : Résolution 32/188 V4.2 © CNES 2004


Analyse de la chaîne image (21/25)
le reste de la chaîne de prise de vue

 Les phénomènes linéaires intervenant après l’échantillonnage


par le détecteur
 ex : diffusion, inefficacité de transfert
 peuvent être restitués par des réponses impulsionnelles élémentaires
 convolution discrète

 Regroupement des réponses impulsionnelles élémentaires avant


le peigne représentant l’échantillonnage :
 Commutativité de l’échantillonnage et de la convolution discrète

Cours QI : Résolution 33/188 V4.2 © CNES 2004


Analyse de la chaîne image (22/25)
le reste de la chaîne de prise de vue

 L’amplification,la mise en forme du signal ne joue que sur


l’amplitude globale du signal et ne modifie pas la réponse
impulsionnelle

 La chaîne d’acquisition ajoute au signal convolué/échantillonné


différents bruits (cf radiométrie)

Cours QI : Résolution 34/188 V4.2 © CNES 2004


Analyse de la chaîne image (23/25)
modèle de prise de vue dans le domaine spatial

 Notations :
 h1, h2 … hn réponses impulsionnelles élémentaires normalisées
 h = h1*h2*…*hn réponse impulsionnelle globale normalisée
 A : coefficient d’étalonnage absolu

 d(x  jx, y  iy)  Peigne de dirac associé à l' échantillonnage
i, j

 Modèle :
image  A. paysage * h ( x, y )   d ( x  jx, y  iy )  bruit
i, j

Cours QI : Résolution 35/188 V4.2 © CNES 2004


Analyse de la chaîne image (24/25)
modèle de prise de vue dans le domaine spatial

 Exemple : SPOT
 pas d’effet lié à l’atmosphère
 x 2  y 2 
2J 1   D
 F 
 télescope : hopt(x,y)  tache d’Airy =   (plan focal)
x y
2 2
 D
F

1  x   y 
 intégration détecteur : hdétecteur ( x, y )  rect    rect  
p 
px p y  px   y
 filé : h filé ( x, y )  1 rect  y .d x 
Vti  Vti 

 réponse impulsionnelle globale = hopt* hdétecteur*hfilé


Cours QI : Résolution 36/188 V4.2 © CNES 2004
Analyse de la chaîne image (25/25)
résumé

 L'instrument est assimilé à un système linéaire et spatialement


invariant
 L’effetde chaque élément de la chaîne instrumentale i est alors
modélisable par un produit de convolution avec une fonction hi
appelée réponse impulsionnelle
 Les détecteurs provoquent un échantillonnage
 Au final : sortie = entrée*(réponse impulsionnelle).peigne

Cours QI : Résolution 37/188 V4.2 © CNES 2004


Passage
dans le domaine fréquentiel

Cours QI : Résolution 38/188 V4.2 © CNES 2004


Le domaine fréquentiel (1/18)
Le modèle dans le domaine de Fourier

 Modèle dans le domaine spatial  produits de convolution


 Passage dans le domaine de Fourier pour :
 transformer ces produits de convolution en produits simples
 interpréter plus facilement le modèle en termes de fréquences spatiales
 Modèle dans le domaine fréquentiel :
 on l’obtient par Transformation de Fourier du modèle dans le domaine
spatial :

TF image   TF paysage f x , f y  Hf x , f y *  δ f x  , f y  


 j i 
i, j  Δx Δy 

Cours QI : Résolution 39/188 V4.2 © CNES 2004


Le domaine fréquentiel (2/18)
Les fréquences spatiales
y y

x x

sin 2f 0 x  sin 2f 0 xcosθ  ysin θ  constante a 0 Haute fréquence 2D δ(x)1(y)
Domaine spatial
Domaine de Fourier

1  '
  
 '
δf x  f 0   δf x  f 0  1(f x )δf y 
1
δ f  f0  δ f  f0 continu : a 0 .δ 4 pics δ en HF
2i 2i

fy fy

fx fx

Cours QI : Résolution 40/188 V4.2 © CNES 2004


Le domaine fréquentiel (3/18)
Le modèle dans le domaine de Fourier

 fx,fy sont des fréquences spatiales et s’expriment en mètre-1

 H(fx,fy) = fonction de transfert globale, produit des fonctions de


transfert élémentaires :
 H(fx,fy) = H1(fx,fy).H2(fx,fy). … Hn(fx,fy)

 |H (fx,fy) |=Fonction de Transfert de Modulation (FTM)

  d ( fx 
j i
,y ) peigne de pas  1 ; 1    fex; fey 
i, j x y  x y 

Cours QI : Résolution 41/188 V4.2 © CNES 2004


Le domaine fréquentiel (4/18)
Le modèle dans le domaine de Fourier

 fex et fey sont les fréquences d’échantillonnage (m-1)


fx fy
 et sont des fréquences spatiales normalisées
fex fey
 Propriétés :
 

 H(0,0) = 1 puisque par normalisation   h( x, y)dxdy  1


  
 Hors traitement, FTM(fx,fy) = fonction décroissante
 h(x,y) réelle et paire  H(x,y) réelle et paire
 Attention ! par abus de langage on confond souvent FTM et Fonction de
transfert .

Cours QI : Résolution 42/188 V4.2 © CNES 2004


Le domaine fréquentiel (5/18)
Le modèle dans le domaine de Fourier

 Interprétation physique de la FTM :


 mire sinusoïdale de période a variant selon x  fréquence pure fx=1/a
 (contraste image de la mire) / (contraste de la mire) = FTM(fx=1/a, fy=0)

 d’où FTM élevée  bonne restitution des contrastes  netteté


FTM faible  mauvaise restitution des contrastes  flou

Cours QI : Résolution 43/188 V4.2 © CNES 2004


Le domaine fréquentiel (6/18)
Le modèle dans le domaine de Fourier
Entrée Sortie

instrument

A A’

Si on fixe le contraste A et que l’on mesure le contraste A’ à chaque fréquence,


la courbe A’/A est la FTM

Cours QI : Résolution 44/188 V4.2 © CNES 2004


Le domaine fréquentiel (7/18)
Le modèle dans le domaine de Fourier

Image
en entrée

le contraste diminue lorsque la fréquence augmente

Image
filtrée

Cours QI : Résolution 45/188 V4.2 © CNES 2004


Le domaine fréquentiel (8/18)
Le modèle dans le domaine de Fourier
 Effet de la FTM sur l’image : restitution des contrastes

“Bonne” FTM : image nette “Mauvaise” FTM : image floue

Cours QI : Résolution 46/188 V4.2 © CNES 2004


Le domaine fréquentiel (9/18)
Fonctions de transfert élémentaires et globale
 FTM de l’atmosphère :
1

 Diffusion :
0,9

SPOT

0,8

FTM 0,7

0,6

0,5
0 10 20 30 40 50 60 70 80 90 100
Fr é que nce ( k m -1 )

 Turbulences : FTM due à la turbule nce (modè le de Kope ika )

0,9

0,8

0,7

0,6
FTM

0,5

0,4

0,3

0,2

0,1

0
0 0,5 1 1,5 2 2,5
Fr é que nce ( m -1 )

Cours QI : Résolution 47/188 V4.2 © CNES 2004


Le domaine fréquentiel (10/18)
Fonctions de transfert élémentaires et globale
 FTM optique :
 Limitation théorique due à la diffraction optique :
 Pupille circulaire : taille angulaire de la tache de diffraction = 1.22 / D
D : diamètre de l'optique collectrice et  la longueur d'onde
F
 taille = 1, 22 dans le plan focal (F, focale du télescope)
D

 taille = H au sol
1, 22
D
D
 Les fréquences spatiales au-delà de fc  ne sont pas transmises.

 Les fréquences spatiales sont atténuées entre 0 et fc

 Ordre de grandeur : SPOT PA


 =0.6 µm, D=0.33 m f=1.082 m diamètre de la tache=2.4 µm
 A comparer à la taille du détecteur (13x13 µm2) !

Cours QI : Résolution 48/188 V4.2 © CNES 2004


Le domaine fréquentiel (11/18)
Fonctions de transfert élémentaires et globale
 FTM optique (suite)
 Cas général : la FTM optique est la fonction d’autocorrélation de la pupille d’entrée
(aire de l’intersection en fonction du décalage)
 Pour l’intrument à pupille circulaire  f  2       
2 

FTM    Arccos f    f  1   f  
 f   f   f  
limité par la diffraction:  fc   
  c   c   c 

Réponse impulsionnelle FTM théorique de l’optique


théorique de l’optique

f < fc

f > fc
Pas de recouvrement si f > diamètre
fréquentiel du disque
Fréquence de coupure fc = D/
Cours QI : Résolution 49/188 V4.2 © CNES 2004
Le domaine fréquentiel (12/18)
Fonctions de transfert élémentaires et globale
 FTM optique (fin):
 Chaque combinaison optique théorique possède une FTM dégradée par
rapport à ce cas idéal (astigmatisme, aberrations, occultation)
 Les problèmes de réalisation (homogénéité, polissages...) et de
positionnements relatifs (défocalisation, tilts...) des optiques dégradent
encore la performance. 1.0

 Diverses modélisations : 0.9

0.8
Diffraction sans occultation

FTM_réelle
 linéaire 0.7

 diffraction FTM
0.6
Modèle linéaire
0.5
 dégradation % diffraction 0.4

0.3

0.2

0.1

0.0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
fréquence normalisée

Cours QI : Résolution 50/188 V4.2 © CNES 2004


Le domaine fréquentiel (13/18)
Fonctions de transfert élémentaires et globale
 FTM Détecteur :
 Le détecteur va intégrer le signal sur sa surface : sa réponse
impulsionnelle théorique est une fonction porte bidimensionnelle dont
la transformée de Fourier est : FTM ( f , f )  sin  . px. f x  . sin  . py. f y 
 . px. f x  . py. f y
x y

avec fx et fy les fréquences spatiales suivant les axes X (barrette) et Y (défilement) et


px et py les tailles du détecteur selon X et Y
Réponse impulsionnelle FTM théorique du détecteur
théorique du détecteur
En réalité, la FTM
est dégradée, surtout
dans la direction fx
(diffusion de charges
interdétecteurs)

Cours QI : Résolution 51/188 V4.2 © CNES 2004


Le domaine fréquentiel (14/18)
Fonctions de transfert élémentaires et globale
 FTM de Filé :
 Le détecteur bouge par rapport au paysage pendant le temps
d'intégration ti : ce déplacement va moyenner le signal selon l'axe Y
sur une longueur de V.ti. La FTM associée est donc :
Réponse impulsionnelle du filé
FTM ( f x , f y ) 

sin Vtif y 
h( x, y )  d ( x).1[ Vti / 2,Vti / 2] ( y ) Vtif y

Réponse impulsionnelle de filé FTM de Filé

Cours QI : Résolution 52/188 V4.2 © CNES 2004


Le domaine fréquentiel (15/18)
Fonctions de transfert élémentaires et globale
 FTM globale :
 La FTM est essentiellement le produit de 3 contributeurs :
 Télescope : la FTM est d’autant meilleure que le rapport focale/diamètre est petit
 coupure de l’optique : D/ en rad-1, D/(F) en m-1 dans le plan focal

 Détecteur : la FTM est liée à la taille du détecteur (px; py)


 coupure du détecteur : (F/px; F/py) en rad -1, (1/px; 1/py) en m-1 dans le plan focal

 Filé : la FTM est liée au déplacement du point visé pendant le temps d’intégration
 coupure du filé selon l’avancement : H/(Vti) en rad -1, H/(FVti) dans le plan focal

 L’instrument est un filtre passe-bas pour les fréquences spatiales, sa


fonction de transfert est globalement décroissante

Cours QI : Résolution 53/188 V4.2 © CNES 2004


Le domaine fréquentiel (16/18)
Fonctions de transfert élémentaires et globale
 Exemple : allure de la courbe de FTM globale (coupes) pour SPOT :

S1 HRV1 Pa S1 HRV1 Pa

1
1
Fonction de transfert ligne

0,8

Fonction de transfert
0,8

0,6 0,6

colonne
0,4 0,4

0,2 0,2

0 0
0 1 2 3 0 1 2 3
-0,2 -0,2
Fréquence normalisée Fréquence normalisée

Cours QI : Résolution 54/188 V4.2 © CNES 2004


Le domaine fréquentiel (17/18)
Fonctions de transfert élémentaires et globale
 Récapitulatif :
Réponse impulsionnelle Fonction de transfert
élémentaire élémentaire

 r   2
2J 1  π D 2 f  f  f  
Téléscope à  λF  Arccos      1   
π  fc   fc   f c  
pupille circulaire r  
π D
λF D
Où : fc  et f  f x2  f y2
r  x 2  y2 (Au plan focal) λF

Détecteur
rectangulaire
1  x
rect
  y
rect
 py




sincπ.p x .f x .sinc π.p y .f y 
pxpy  px   

Filé
δ(x)  y 
rect   
sinc π.Vti.f y . 
Vti  Vti 

Cours QI : Résolution 55/188 V4.2 © CNES 2004


Le domaine fréquentiel (18/18)
Résumé

 La Transformation de Fourier transforme :


 le produit de convolution en multiplication simple
 un peigne de pas p en un peigne de pas 1/p

 Au final :
TF(sortie) = TF(entrée)(fonction de transfert)*peigne(1/p)

 Instrument = filtre passe-bas

Cours QI : Résolution 56/188 V4.2 © CNES 2004


L’échantillonnage

Cours QI : Résolution 57/188 V4.2 © CNES 2004


L’échantillonnage des images (1/24)
 Modèle fréquentiel de prise de vue :

 i 
TF image   TF paysage  f x , f y  Hf x , f y *  δ f x  , f y  
 j
 i, j  Δx Δy 

Peigne fréquentiel

Analyse fréquentielle des effets de la convolution


par le peigne d’échantillonnage

Cours QI : Résolution 58/188 V4.2 © CNES 2004


L’échantillonnage des images (2/24)

 Introduction : un exemple monodimensionnel


Signal initial
3 échantillonnages
différents :
(n points par période)

n=8

on “reconnaît” la sinusoïde

n=2

Perte de l’information de phase et d’amplitude

n<1

Perte de la fréquence
Cours QI : Résolution 59/188 V4.2 © CNES 2004
L’échantillonnage des images (3/24)

 Analyse empirique de l’exemple précédent :


 Soit fe la fréquence d’échantillonnage
 Fréquences accessibles limitées à [-fe/2, fe/2]
 Le choix de la fréquence d’échantillonnage est déterminant :
 fe grande : on reconstitue le signal continu original
 fe petite : on ne reconstitue pas le signal continu original

fe doit être comparée aux fréquences présentes dans le signal non échantillonné

 L’analyse mathématique du problème fait appel à la transformée de


Fourier des signaux discrets et conduit au théorème de Shannon

Cours QI : Résolution 60/188 V4.2 © CNES 2004


L’échantillonnage des images (4/24)

 Analyse de Fourier des fonctions périodiques :


 T-périodicité spectre de raies de pas 1/T (harmoniques)
Série
T de Fourier
x 1 n f ( t )   cn ( f ) e
2 int
T

T n
2 int
1 

 Réciproquement : cn ( f ) 
T  f (t ) e
T
T
dt

 La fonction périodique est la TF_inverse de son spectre discret


La Transformée de Fourier
échange
Périodicité et discrétisation
Cours QI : Résolution 61/188 V4.2 © CNES 2004
L’échantillonnage des images (5/24)
 Le peigne de Dirac:
 pics de Dirac positionnés sur les échantillons :
 Peigne( x )   d  x  nTe  TF Peigne( f )  f e  d  f  nf e 
n n

La Transformée de Fourier d ’un peigne de Dirac Formule


de
est un peigne de Dirac Poisson

 Modélisation de l ’échantillonnage:
 soit f le signal continu, fd le signal discret : f d n   f (nTe )
f d  f .Peigne  fˆd (n )  fˆ  Peigne  f e  fˆ (n  nf e )
n
Le spectre est donc périodique de période fe
Cours QI : Résolution 62/188 V4.2 © CNES 2004
L’échantillonnage des images (6/24)
 Mise en évidence de la formule de Poisson :
pn
 Tracé des sommes partielles  e
p n
 2 ipn
pour différentes valeurs de n

n=5 sinusoïdes n=20 sinusoïdes n=100 sinusoïdes n=500 sinusoïdes

 
TF   d n    2i  n .
d
Lorsque n augmente,
la Série tend vers le peigne de Dirac
e  n
 n  n n

Cours QI : Résolution 63/188 V4.2 © CNES 2004


L’échantillonnage des images (7/24)
 Le théorème de Shannon monodimensionnel
 Toute l’information est contenue dans le motif périodique [-fe/2, fe/2]
 Cette information représente le spectre du signal continu ssi les termes de
la somme ne se recouvrent pas :
spectre du signal continu = 0 en dehors de [-fe/2, fe/2]
 Si spectre  [-fmax,fmax], il faut échantillonner avec fe  2fmax

 Non-respect de la condition de SHANNON :


 les signaux de fréquence  fe/2 ne sont pas transmis par l’échantillonnage
=> perte d’information
 Pire encore, les signaux de fréquence  fe/2 sont interprétés comme des signaux à basse
fréquence (c’est-à-dire de fréquence inférieure à fe/2) : repliement de spectre
=> fausse information

Cours QI : Résolution 64/188 V4.2 © CNES 2004


L’échantillonnage
y
des images (8/24)
 Retour à la sinusoïde 1D :
 Y=Sin(2x)
 Pas=0.1  fe=10 TF(y)
 f_max=1

1 point sur 2 : 5 pts/période 1 point sur 8 : 1.25 pts/période

y2 y8

TF(y2) TF(y8)

Cours QI : Résolution 65/188 V4.2 © CNES 2004


L’échantillonnage des images (9/24)
 Effets de l'échantillonnage : cas fe < 2fmax
 En monodimensionnel : Spectre du signal échantillonné

-2.fe -fe 0 fe 2.fe


Motif périodique
Répliques Spectre du signal continu
 Le spectre du signal échantillonné est la somme des répliques du spectre du signal
continu. L’espacement entre ces répliques est inversement proportionnel à la finesse
de l’échantillonnage (peigne de Dirac).
 Si l’espacement entre ces répliques est trop faible (échantillonnage trop lâche), il y a
pollution de la zone fréquentielle accessible [-fe/2;fe/2] par les répliques : repliement
de spectre

Cours QI : Résolution 66/188 V4.2 © CNES 2004


L’échantillonnage des images (10/24)
 Effets de l'échantillonnage : cas critique fe=2fmax
 En monodimensionnel :

Motif périodique

-fe -fe/2 0 fe/2 fe

Réplique Spectre du signal continu

 Pas de repliement si le spectre du signal continu est nul en dehors de [-fe/2;fe/2]


 Il est inutile d’augmenter fe au-delà de 2fmax (Augmentation inutile du nombre
d’échantillons)

Echantillonnage critique Débit minimum et Reconstruction parfaite


Cours QI : Résolution 67/188 V4.2 © CNES 2004
L’échantillonnage des images (11/24)

 Reconstruction du signal continu : INTERPOLATION


 Isoler le motif périodique du spectre du signal discret sur [-fe/2, fe/2]
 Multiplication par une porte fréquentielle à support [-fe/2, fe/2]
Motif périodique

Multiplication
Réplique

-fe -fe/2 0 fe/2 fe -fe/2 0 fe/2


Spectre de l’image continue
Spectre du signal échantillonné TF Spectre du signal continu

Convolution

Signal échantillonné Signal continu


Cours QI : Résolution 68/188 V4.2 © CNES 2004
L’échantillonnage des images (12/24)
 Conclusion sur l ’échantillonnage monodimensionnel
 Echantillonner f, c’est la multiplier par un peigne de Dirac
 Par Transformée de Fourier, cela équivaut à PERIODISER son spectre
f d  f .Peigne  fˆd  fˆ  Peigne   fˆ (. n) = convolution par
n un peigne
fe grand fˆd On retrouve
ˆ
f
fˆ par troncature du support
-fe 0 fe
fˆd ˆ
On ne retrouve pas f
par troncature du support :
fe petit -fe 0 fe repliement de spectre

 Reconstruction = Interpolation f ( x )  f * sinc   . ( x )


d
T 
fˆ (n )  fˆd (n ) .1[-fe/2, fe/2] (n )  
  f ( nT ).sinc   x  nT 
n T 
Cours QI : Résolution 69/188 V4.2 © CNES 2004
L’échantillonnage des images (13/24)
 Echantillonnage de l’image :
 L'image, continue dans le plan focal, est échantillonnée dans les deux
directions :
 par les détecteurs selon l'axe X

X= taille entre centres de détecteurs adjacents en ligne


 par un échantillonnage temporel (barrette) ou les détecteurs (matrice) selon l'axe Y

Y= taille entre centres de détecteurs adjacents en colonne (matrice) ou Vte


(barrette)
 Dans le cas standard, la grille est carrée : X=Y
 dans le cas matrice, les détecteurs sont carrés
 dans le cas barrette, on fixe te tel que Vte=X
 On peut imaginer d’autres grilles : rectangulaire, quinconce,
hexagonale ...
Cours QI : Résolution 70/188 V4.2 © CNES 2004
L’échantillonnage des images (14/24)

 Modélisation d’un échantillonnage 2D quelconque


 Réseau d ’échantillonnage défini par deux vecteurs
OM  n1V1  n2V2 , ( n1 , n2 )   2

 Peigne de Dirac associé au réseau :


 d (.  Vn)
n
V2
 
V  (V1 , V2 ) V1

n  ( n1 , n2 )

 Echantillonnage de l ’image = multiplication par le peigne associé au


réseau :
se  s. d (.  Vn)
n

Cours QI : Résolution 71/188 V4.2 © CNES 2004


L’échantillonnage des images (15/24)
 Modélisation d’un échantillonnage 2D quelconque
 La transformée de Fourier du peigne associé au réseau
d’échantillonnage est un peigne fréquentiel dont les pics sont localisés
sur un réseau « réciproque » R-1 :
 
  d (.  V
1 1
TF  d (.  Vn)  t
n)
  det V v1x v2 x  1 v2 y  v1 y 
V   
n n


R 1  OP  k1 U 1  k 2 U 2 , ( k1 , k 2 )   2  v v
 1y 2 y 
 U
det V

 v2 x v1x 

 
U  U 1 , U 2  t V 1

 Le spectre de l’image échantillonnée est représentée par le produit du


spectre de l’image continue par ce peigne fréquentiel :
 
 d (. V
1 1
ˆs * TF  d (.  Vn)  sˆ * t
n)
 n  det V n
 

 
1
sˆe ( f x , f y )  sˆ(( f x , f y ) t V 1 n)
det( V ) n1  n1 
Cours QI : Résolution 72/188 V4.2 © CNES 2004
L’échantillonnage des images (16/24)

 Modélisation d’un échantillonnage 2D quelconque


 Le spectre de l’image échantillonnée est donc la convolution du spectre
de l’image continue par le peigne « réciproque »
 spectre périodique, invariant par toute translation du type
U2
k1U1  k2 U2 , (k1 , k2 )  2 U1

 motif contenu dans une cellule de surface égale à la densité d ’échantillonnage

1
det(U1 ,U 2 )  det( t V 1 ) 
det(V )
 repliement de spectres si les spectres translatés selon le réseau réciproque se recouvrent
 plus l’échantillonnage est dense, plus les points du réseau réciproque sont éloignés les
uns des autres, diminuant le risque de repliement

Cours QI : Résolution 73/188 V4.2 © CNES 2004


L’échantillonnage des images (17/24)
Cellule réciproque = [-fe/2,fe/2]2
Echantillonnage trop lâche

TF[image continue]

TF[image échantillonnée]
Cellule réciproque = [-fe/2,fe/2]2

Echantillonnage suffisamment dense

Cours QI : Résolution 74/188 V4.2 © CNES 2004


L’échantillonnage des images (18/24)
 Condition de Shannon bidimensionnelle :
 condition nécessaire et suffisante : le spectre de l’image continue doit
être inclus dans une forme géométrique F de surface det(U) réalisant
un pavage du plan fréquentiel (pas de recouvrement ! ! !) par
translation selon les vecteurs du réseau réciproque
 condition suffisante :
 pas de directions fréquentielles privilégiées (FTM isotrope)
 forme F la plus isotrope

Spectre de l’image continue


inclus dans la Cellule
réciproque
Cours QI : Résolution 75/188 V4.2 © CNES 2004
L’échantillonnage des images (19/24)
 Définition de la cellule réciproque :
 Construction des médiatrices des segments joignant l ’origine
(fréquences nulles) aux voisins du réseau réciproque
 Chaque médiatrice divise le plan en deux demi-plans
 Cellule réciproque = intersection de tous les demi plans contenant
l’origine
 cas général : un hexagone U2

 grille spatiale carrée un carré

Spectre débordant de la cellule


U1

Repliement de spectres

Cours QI : Résolution 76/188 V4.2 © CNES 2004


L’échantillonnage des images (20/24)

 Impact d’un échantillonnage insuffisamment dense


 Pertes des fréquences de l’image continue situées en dehors de la
cellule réciproque
 Pollution des fréquences situées à l’intérieur de la cellule réciproque
par repliement de spectres
fy
 un motif sinusoïdal de fréquence (fx,fy), d’orientation arctg ( ) et de module f x2  f y2
fx
située à l’extérieur de la cellule va devenir un motif sinusoïdal basse fréquence dont
l’orientation aura changé
 les contours (objets haute fréquence) sont hachés
 Le rééchantillonnage n’est plus mathématiquement justifié

Cours QI : Résolution 77/188 V4.2 © CNES 2004


L’échantillonnage des images (21/24)

Grille Paysage
d’échantillonnage Haute fréquence

Cours QI : Résolution 78/188 V4.2 © CNES 2004


L’échantillonnage des images (22/24)

 Exemple de repliement de spectre bidimensionnel


 2 images d’un même paysage, obtenues avec une même FTM
instrumentale, mais avec un échantillonnage 2 fois plus lâche :
Echantillonnage adapté : Echantillonnage trop lâche :
contours continus, bonne restitution de la mire contours hâchés, mire modifiée en fréquence et orientation

Cours QI : Résolution 79/188 V4.2 © CNES 2004


L’échantillonnage des images (23/24)

 Notion de Support Utile de la FTM :


 La FTM quantifie la capacité instrumentale à transmettre les fréquences
spatiales
 L’image est par ailleurs perturbée par les bruits radiométriques
(supposés blancs fréquentiellement)
 Pour qu’une fréquence (fx,fy) d’amplitude S puisse être distinguée du
bruit :
k
S  FTM ( fx , fy )  kB  FTM ( fx , fy ) 
S
B

Le support utile de la FTM est le domaine où elle est supérieure à k/(S/B)

Adaptation cellule réciproque / Support utile de la FTM ...

Cours QI : Résolution 80/188 V4.2 © CNES 2004


L’échantillonnage des images (24/24)
Résumé

 Echantillonnage 1D:
 signal continu échantillonné au pas pe : TF(signal) périodique de période fe=1/pe
 Echantillonnage à fe  bande de fréquences accessibles = [-fe/2, fe/2]= [-1/(2.pe), 1/(2.pe) ]
 Théorème de Shannon: pour reconstituer le signal continu à partir des échantillons, la fréquence
de coupure de la TF du signal continu doit être inférieure à fe/2

 Echantillonnage 2D :
 TF(image) périodique dans le plan fréquentiel
 Bande de fréquences accessible par l'échantillonnage = cellule réciproque
 Théorème de Shannon: le support de la TF du signal continu doit être contenu dans la cellule
réciproque

 Repliement de spectre = artefact induit par un échantillonnage trop lâche


 perte d'information ou fausse information

Cours QI : Résolution 81/188 V4.2 © CNES 2004


Adaptation
échantillonnage / instrument

Cours QI : Résolution 82/188 V4.2 © CNES 2004


Adaptation Echantillonnage/Instrument (1/23)
 Echantillonnage défini par la cellule réciproque
 La cellule réciproque doit épouser le support utile de la FTM
 Les fréquences perdues sont indiscernables du bruit : on exploite au
mieux les capacités de l’instrument de prise de vue
 Le repliement reste minime et la reconstruction exacte par interpolation
est possible avec une très bonne approximation
 On minimise la densité d’échantillonnage, donc le débit
 Les problèmes
 Choix limité des échantillonnages (donc des cellules)
 Déterminer le facteur k du support utile (expérimentations)
 Couplage entre échantillonnage/détecteur
 Restauration sol pour compenser l’affaiblissement des hautes fréquences
spatiales par la FTM sans remonter le bruit
Cours QI : Résolution 83/188 V4.2 © CNES 2004
Adaptation Echantillonnage / Instrument (2/23)
 Mode de prise de vue “classique” (pousse-balai) :
 Pour une acquisition par barrette CCD, une ligne de l’image brute
correspond à des pixels acquis simultanément par la barrette et une
colonne correspond à des pixels acquis successivement par un même
détecteur de la barrette.
 La géométrie d’acquisition classique impose alors :
 Réseau d’échantillonnage carré selon X (axe barrette) et Y (axe de défilement)
 X= taille entre centres de détecteurs adjacents en ligne
Pour une altitude et une focale données, cette condition fixe px (dimension
détecteur)
 Y= déplacement du point subsatellite en un temps d ’échantillonnage.
Pour une altitude donnée imposant la vitesse, cette condition fixe te.
 Pour la Haute Résolution, on est confronté à un manque de signal. Si
l’altitude H est fixée, alors ti aussi (ti  te) et on ne peut qu’augmenter
D, le diamètre de l’optique collectrice.
Cours QI : Résolution 84/188 V4.2 © CNES 2004
Adaptation Echantillonnage / Instrument (3/23)
 Mode de prise de vue “classique” :
 Cette géométrie de prise de vue impose donc un instrument de grande
taille pour faire de la haute résolution avec un rapport S/B correct
 Avec ce dimensionnement classique :
 la FTM optique a des valeurs très élevées à fe/2 (de l’ordre de 0,5) : la fréquence de
D
coupure fc  est élevée car D grand
 .H
 la FTM instrument selon X vaut donc 0,32 à fe/2 :
fe 1 sin . p x . f x  2
FTM ( f x   , f y  0)  0,5.  0,5.  0, 32
2 2x  . px . f x 

 la FTM instrument selon Y vaut donc 0,2 à fe/2 (en supposant le détecteur carré) :

f
FTM ( f x  0, f y  e 
1
)  0,5.
 .
 
sin  . p y . f y sin  .V .ti. f y 2
2
 0,5.   0, 20
2 2 y  . py. fy  .V .ti. f y  

 En revanche, la FTM est nulle à fe (en X et en Y à cause des sinus cardinaux) et très
faiblement négative ensuite (second lobe des sinus cardinaux)
Cours QI : Résolution 85/188 V4.2 © CNES 2004
Adaptation Echantillonnage / Instrument (4/23)
 Mode de prise de vue “classique” : la FTM sort de la cellule !!!

Cours QI : Résolution 86/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (5/23)
 Mode de prise de vue “classique” :
 On aboutit à un instrument avec repliement de spectre et sous utilisé :
toute l’information utile transmise par l’instrument n’est pas rendue
accessible du fait d’un échantillonnage insuffisament dense…
 Problème insoluble en échantillonnage classique :
 coupure optique lointaine car D grand pour avoir S/B raisonnable

 coupure imposée par la taille du détecteur Couplage


coupure/échantillonage
 mais pas d’échantillonnage = taille détecteur

SHANNON non satisfait

Cours QI : Résolution 87/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (6/23)
 Pour parvenir à adapter l’échantillonnage à l’instrument (c’est-
à-dire adapter le support utile de la FTM à la cellule réciproque
de l’échantillonnage), il faut donc découpler coupure et
échantillonnage
Densification de l’échantillonnage à iso coupure fréquentielle

 Concept HIPERMODE (91) : échantillonnage double en ligne et en


colonne
 Concept SUPERMODE (94) : échantillonnage quinconce
 Concept SUPERMODE Piloté (95) : suréchantillonnages encore plus
élevés
La réalisation pratique de ces échantillonnages est délicate
Cours QI : Résolution 88/188 V4.2 © CNES 2004
Adaptation Echantillonnage / Instrument (7/23)
 Les concepts HIPERMODE / SUPERMODE :
en spatial : en fréquentiel :

Barrette

Echantillonnages :

Standard

SUPERMODE

HIPERMODE

Emprise d’un détecteur

Cours QI : Résolution 89/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (8/23)
 Les concepts HIPERMODE / SUPERMODE :

Cours QI : Résolution 90/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (9/23)

 Les concepts HIPERMODE / SUPERMODE :


 Réalisation pratique :
 HIPERMODE :
 4 barrettes dans le plan focal décalées de x/2 dans les deux directions

 ou 2 barrettes dans le plan focal décalées de x/2 en quinconce et temps


d’intégration ti divisé par deux / cas standard
 densification de l’échantillonnage d’un facteur 4

 SUPERMODE :
 2 barrettes dans le plan focal décalées de x/2 en quinconce (ti inchangé) :
Solution adoptée par SPOT5
 réalise un échantillonnage quinconce : grille carrée de pas réduit d’un facteur 2
tournée de 45 degrés
 densification de l’échantillonnage d’un facteur 2

Cours QI : Résolution 91/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (10/23)
Barrette 1

3,5 lignes

Barrette 2

0,5 pixel

Vitesse du satellite

Détecteur panchromatique

Cours QI : Résolution 92/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 93/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 94/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 95/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 96/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 97/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 98/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 99/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 100/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 101/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 102/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (11/23)

Génération de la grille
d’échantillonnage
en quinconce

Cours QI : Résolution 103/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (12/23)

Grille à maille régulière


tournée de 45 °

Cours QI : Résolution 104/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (13/23)
 Les concepts HIPERMODE / SUPERMODE :
 comparaison Hipermode/Supermode :
 deux fois moins de débit pour le supermode
 meilleur rapport S/B pour le supermode
 FTM dégradée en colonne (filé) pour le supermode car ti deux fois plus long
qu’Hipermode, compensée par une réduction de la zone photosensible en y
 meilleure adaptation de la cellule réciproque à la zone utile de la FTM
 réalisation bien plus aisée (fréquence de travail des CCD)

Choix du mode Supermode pour SPOT5


 Extension du supermode :
 Pilotage de la ligne de visée : ralenti en tangage et variation du roulis
=> SUPERMODES Pilotés

Cours QI : Résolution 105/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (14/23)

 Justification du SUPERMODE sur SPOT 5 :


Image différence : information
Première image 5 m Seconde image 5 m
différentielle ténue mais capitale
(décalée de 2,5 m en ligne et colonne)
(contours)

Cours QI : Résolution 106/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (15/23)

 Traitement des images SUPERMODE SPOT 5

Image
1
Entrelacement Image Image
Interpolation intermédiaire Restauration
Image finale
2

Echantillonnage Echantillonnage Echantillonnage


5m 2.5 m 2.5 m

Cours QI : Résolution 107/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (16/23)
 Images SUPERMODE SPOT 5 :
Image entrelacée et interpolée Image restaurée Une des 2 images initiales

Cours QI : Résolution 108/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (17/23)

 Extensions du mode supermode SPOT5 :


 Mode QI :
 le mode Supermode fonctionne encore même si le décalage entre images est différent de
0.5 pixels, à condition d’être localement constant.
 entrelacement de deux images standard décalées, acquises simultanément par deux
instruments différents (possible sur SPOT1 à 4)
 traitement rendu difficile par la variabilité du décalage dans le champ

 Modes supermodes pilotés :


 densification de l’échantillonnage sans changer l’instrument par pilotage de la ligne de
visée en roulis et tangage
 permet de réaliser des grilles carrés tournées de pas arbitrairement fins, sous réserve
de la manoeuvrabilité de la plate forme

Cours QI : Résolution 109/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (18/23)

 Traitement des images Mode QI SPOT :


 Acquisition simultanée du même paysage par les deux instruments
 Décalages entre ces deux images non prédictibles et variables dans
le champ :
 Corrélation pour déterminer les décalages
 Interpolation pour ramener les deux images dans une grille commune
 Restauration (débruitage / déconvolution) de l’information contenue dans
l’image

Im 1

Corrélation
Image Interpolation
Image Restauration Image
entrelacée interpolée finale
Im 2

Cours QI : Résolution 110/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (19/23)

 Images Mode QI SPOT :

Image panchromatique 10 m

Image Mode QI 5 m

Cours QI : Résolution 111/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (20/23)

 Images Mode QI SPOT :

Image multispectrale 20 m

Image Mode QI 10 m

Cours QI : Résolution 112/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (21/23)

 Conception d’instruments futurs :


 Il ne s’agit plus seulement d’adapter l’échantillonnage à un instrument
existant mais de concevoir l’optique, la détection et l’échantillonnage
en harmonie => équivalence des domaines fréquentiels accessibles :
 par l’optique (=> joue sur le diamètre D)
 par le détecteur (=> joue sur la taille du détecteur)
 par l’échantillonnage
 Parallèlement à cette optimisation du domaine fréquentiel accessible, il
faut maintenir le S/B admissible grâce à :
 diamètre de la pupille pas trop petit
 ralenti en tangage
 détecteurs TDI
 sommation de plusieurs acquisitions

Cours QI : Résolution 113/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (22/23)

 Conception d’instruments futurs :


 Spécifications types pour une résolution objectif « p0 » (en mètres) :
 définition d’un domaine fréquentiel visé : couronne fréquentielle de rayon f0  1
2 p0
 le support utile de la FTM doit inclure le domaine fréquentiel visé. Il est défini par :
 FTMxS/B > k, k de l’ordre de 10 mais dépendant de la mission

 FTM>FTMmin, de l’ordre de 0.05

 S/B >S/Bmin, de l’ordre de 100 aux luminances moyennes (L2)

 on dimensionne en général l’instrument au plus juste : le support utile de la FTM


est le plus proche possible du domaine fréquentiel visé
 Echantillonnage :
 la cellule réciproque associée à l’échantillonnage doit inclure de domaine
fréquentiel visé
 le support utile de la FTM doit occuper significativement la surface de la cellule
réciproque pour optimiser le débit (pas trop de suréchantillonnage)

Cours QI : Résolution 114/188 V4.2 © CNES 2004


Adaptation Echantillonnage / Instrument (23/23)
Résumé

 Dimensionnement classique :
 FTM optique élevée et couplage échantillonnage/FTM par le détecteur (fe=fc)
 L'instrument est sous-utilisé
 Images brutes nettes et sans bruit, mais information fausse (repliement de spectre)

 Optimisation d'un instrument existant :


 densification de l'échantillonnage sans changer la FTM : Supermode (2 barrettes décalées)

 Conception optimisée globale :


 Critère QI pour la résolution à la fréquence spatiale fo: FTM(fo). S > k. Bruit
 Information échantillonnée "de qualité" : respect du critère de Shannon fe/2  fc
 L'instrument est utilisé optimalement
 Images brutes floues et bruitées Traitement Sol de restauration

Cours QI : Résolution 115/188 V4.2 © CNES 2004


Traitements des images

Cours QI : Résolution 116/188 V4.2 © CNES 2004


L’interpolation (1/14)

 Reconstruction de l’image continue :


 Justifiée ssi condition de Shannon vérifiée, ou au moins approchée
 Consiste à isoler la cellule réciproque dans l’espace fréquentiel
 multiplication du spectre périodique par c, fonction fy
caractéristique de la cellule réciproque
 convolution de l’image échantillonnée par la transformée
de Fourier inverse de c
fx
 Dans la pratique, on rééchantillonne selon
une autre grille par convolution discrète
 Zooms, rotation
 Rendre superposable à une autre image, à une carte …
 Rendre « lisible » tout échantillonnage non carré ou rectangulaire !!!

Cours QI : Résolution 117/188 V4.2 © CNES 2004


L’interpolation (2/14)
Principe du zoom fréquentiel
I1: 256x256
I2: 512x512
Zoom 2 par un filtre
de type sinx/x

Domaine
spatial
TF
Domaine
TF-1
de Fourier

On entoure le spectre
de zéros : pas d’ajout
d ’information

Cours QI : Résolution 118/188 V4.2 © CNES 2004


L’interpolation (3/14)
Impact de l’insertion de 0
I2: 1024x1024
I1: 256x256

Insertion de 4 zéros Les zéros


entre chaque pixel sont
interpolés

Domaine
spatial

Domaine TF TF-1
de Fourier 2fe
2fe
Extension du domaine
fréquentiel:
de [-fe/2;fe/2] à [-2fe ;2fe] On isole
Périodisation du spectre :
16 répliques centrées
-2fe 2fe le motif BF -2fe 2fe
sur (kfe, lfe),
k={-1,0,1,2}, l={-1,0,1,2}

Cours QI : Résolution 119/188


-2fe V4.2
-2f©e CNES 2004
L’interpolation (4/14)
Zoom quinconce dans Fourier
Une image 512x512 interpolée

Entrelacement
de I1 et I2 en
Les zéros
quinconce
sont
interpolés

Domaine 2 images I1 et I2
spatial 256X256 décalées de
0.5 pixels

Domaine
TF TF-1
de Fourier

Extension du domaine
fréquentiel:
du carré bleu à [-fe ;fe] On isole
Périodisation du spectre : le motif BF
2 répliques centrées sur
 fe f 
 k , l e  ( k , l )  0,0, 1,1) 
 2 2
Cours QI : Résolution 120/188 V4.2 © CNES 2004
L’interpolation (5/14)
Filtres 1D

 Le plus proche voisin


h0 x    x  hˆ0 (n )  sinc (n )
Plus proche voisin : réponse impulsionnelle Plus proche voisin : réponse fréquentielle
1.0 1.1
1.0 Porte
0.8 0.9
0.6
0.8
0.7 idéale
0.6
0.5
h(x)

H(f)
0.4 0.4
0.3
0.2 0.2
0.1
0.0 0.0
-0.1
-0.2 -0.2
x -0.3
-5 -4 -3 -2 -1 0 1 2 3 4 5
-2.0 -1.5 -1.0 -0.5 0.0
f 0.5 1.0 1.5 2.0

 x  nT    x 1
f0 ( x )  
n
f ( nT ). h0 
 T
  f  T . E    
  T 2

Aucun calcul : fonction constante par morceaux ...


Inconvénient : fort repliement de spectre
Cours QI : Résolution 121/188 V4.2 © CNES 2004
L’interpolation (6/14)
Filtres 1D

 Interpolation linéaire
 x

h1  x      1  x  hˆ1 (n )  sinc2 (n )
2

Linéaire : réponse impulsionnelle Linéaire : réponse fréquentielle


1.0 1.1

0.8
1.0
0.9 Porte
0.6
0.8
0.7 idéale
0.6

H(f)
0.4
h(x)

0.5
0.2 0.4
0.3
0.0 0.2
0.1
-0.2 0.0
-0.4 -0.1
x -2.0 -1.5 -1.0 -0.5 0.0
f 0.5 1.0 1.5 2.0
-5 -4 -3 -2 -1 0 1 2 3 4 5

Remarque : h1 = h0 * h0 d ’où TF(h1) = TF(h0)2


 ( n  1)T  x   x  nT 
f1 ( x )  f nT    f ( n  1)T  
 T   T 
Un peu plus de calcul
Moins de repliement mais atténuation dans la bande passante
Cours QI : Résolution 122/188 V4.2 © CNES 2004
L’interpolation (7/14)
Filtres 1D
 Le filtre bicubique : compromis petit support / fidélité fréquentielle
 approximation polynomiale de degré 3 du sinc sur [-2,2]
Bicubique : réponse impulsionnelle bicubique : réponse fréquentielle
1.0 1.1
1.0
0.8 pente en 1= -1 0.9
0.8
Porte
0.6 0.7
0.6
idéale

H(f)
h(x)

0.4 0.5
0.4
0.2 0.3
0.2
0.0 0.1
0.0
-0.2 -0.1
x -5 -4 -3 -2 -1 0 1 2 3 4 5 -2.0 -1.5 -1.0 -0.5 0.0
f 0.5 1.0 1.5 2.0

bicubique optimal : réponse fréquentielle


Bicubique optimal: réponse impulsionnelle 1.1
1.0 1.0
0.9 Porte
0.8 pente en 1= -0.5 0.8
0.6
0.7
0.6
idéale
H(f)
h(x)

0.4 0.5
0.4
0.2 0.3
0.2
0.0 0.1
-0.2 0.0
x -5 -0.1
-4 -3 -2 -1 0 1 2 3 4 5
-2.0 -1.5 -1.0 -0.5 0.0
f 0.5 1.0 1.5 2.0

Cours QI : Résolution 123/188 V4.2 © CNES 2004


L’interpolation (8/14)
Filtres 1D

 Sinus cardinal et sinus cardinal régularisé :


sinc tronqué : réponse impulsionnelle sinc tronqué : réponse fréquentielle
1.1
Porte
1.0 1.0
0.9
0.8 0.8
0.6 0.7
0.6
idéale

H(f)
0.4 0.5
h(x)

0.2 0.4
0.3
0.0 0.2
0.1
-0.2 0.0
-0.4 -0.1
x -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 -2.0 -1.5 -1.0 -0.5 0.0
f 0.5 1.0 1.5 2.0

sinc tronqué . gauss : réponse impulsionnelle sinc tronqué*gauss: réponse fréquentielle


1.1
1.0 1.0
0.8
0.9
0.8 Porte
0.6
H(f)
0.7
0.6 idéale
0.4 0.5
h(x)

0.2 0.4
0.3
0.0 0.2
0.1
-0.2 0.0
-0.4 -0.1
x f -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
-9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9

Cours QI : Résolution 124/188 V4.2 © CNES 2004


L’interpolation (9/14)
Filtres 2D
 Exemples de filtres d’interpolation : hexagonal régulier
Filtre adapté au rééchantillonnage
sur un réseau carré
d’une image acquise
sur un réseau hexagonal

Cours QI : Résolution 125/188 V4.2 © CNES 2004


L’interpolation (10/14)
Filtres 2D
 Exemples de filtres d’interpolation : quinconce
Filtre adapté au rééchantillonnage
sur un réseau carré
d’une image acquise
sur un réseau supermode

Cours QI : Résolution 126/188 V4.2 © CNES 2004


L’interpolation (11/14)
Filtres 2D
 Exemples de filtres d ’interpolation : grille carrée
Filtre adapté au rééchantillonnage
sur un réseau carré
d ’une image acquise
sur un réseau rectangle

Cours QI : Résolution 127/188 V4.2 © CNES 2004


L’interpolation (12/14)
Choix d’un interpolateur

 Importance du filtre interpolateur :

Rotation de 15 °

Plus proche voisin bilinéaire bicubique

Cours QI : Résolution 128/188 V4.2 © CNES 2004


L’interpolation (13/14)
Mise en œuvre 2D

 Mathématiquement :
 reconstitution de la fonction continue à partir des échantillons
k  
f M    f M
k  
k hM k M 

 réechantillonnage selon une autre grille de points = interpolation

   f M hM 
k  
f M k'  k
'
k Mk
k  

Interpolation en M k' = pondération des échantillons voisins f M k 


coefficients de pondération = h M k M k'   = échantillonnage du filtre d’interpolation

Cours QI : Résolution 129/188 V4.2 © CNES 2004


L’interpolation (14/14)
Mise en œuvre 2D avec le filtre bilinéaire
1

x
-1 1

M0 M1 hmono x   1  x si x   1;1
hmono x   0 si x   1;1
h( x , y )  h( x ). h( y )

M h( M 0 M )  hx  x0 , y  y0 
M2 M3
h( M1 M )  hx  x1 , y  y1 

h( M 2 M )  hx  x 2 , y  y2 

h( M 3 M )  hx  x 3 , y  y3 

f ( M )  h( M 0 M ) f M 0   h( M1 M ) f M1   h( M 2 M ) f M 2   h( M 3 M ) f M 3 

Cours QI : Résolution 130/188 V4.2 © CNES 2004


La restauration des images (1/21)
 La Déconvolution des images :
 Contrairement aux images standard, la FTM des images “bien
échantillonnées” est très faible au voisinage de la frontière de la cellule
réciproque : une image bien échantillonnée est floue en sortie
instrument.

 Il faut donc déconvoluer, c’est-à-dire inverser la FTM qui a atténué les


composantes Haute Fréquence :
 Comme la FTM tend vers 0 à fe/2, la déconvolution va fortement amplifier les hautes
fréquences : on parle de “réhaussement des contrastes”
 Cette déconvolution est légitime : pas de repliement de spectre => on amplifie des
hautes fréquences “propres”

Cours QI : Résolution 131/188 V4.2 © CNES 2004


La restauration des images (2/21)

 Notion d’image de référence pour un échantillonnage donné


 c’est l’image “idéale” obtenue avec un instrument “parfait”
vérifiant les propriétés suivantes :
 instrument non bruité
 réponse impulsionnelle positive (l’instrument est physique) et la plus compacte
possible
 instrument bien échantillonné FTM très faible hors de la cellule réciproque
 instrument atténuant peu les fréquences FTM proche de 1 à l’intérieur de
la cellule réciproque
 remarque :
 les trois dernières propriétés sont difficiles à concilier (la TF d’une fonction à
support compact est à support infini). Deux possibilités :
 compromis par régularisation de la réponse fréquentielle (apodisation)

 concentration conjointe espace/fréquence optimale : la prolate

Cours QI : Résolution 132/188 V4.2 © CNES 2004


La restauration des images (3/21)

Image en sortie instrument Exemple d’image idéale objectif : prolate

Cours QI : Résolution 133/188 V4.2 © CNES 2004


La restauration des images (4/21)

 Définition de la prolate
 Soient CD et CR les cellules directes et réciproques de l’échantillonnage
 La prolate P est la fonction qui maximise la concentration d’énergie
conjointement dans les deux cellules :

2
  P̂(f x , f y ) df x df y
2
P( x, y ) dxdy
CD
maximal et CR
maximal
 P ( x, y )
2 2
dxdy
 P̂(f x , f y ) df x df y

Concentration spatiale dans CD Concentration fréquentielle dans CR

 Elle est calculée numériquement de manière itérative

Cours QI : Résolution 134/188 V4.2 © CNES 2004


La restauration des images (5/21)

 Mise en oeuvre de la déconvolution :


 Dans la pratique, la déconvolution repose sur le modèle suivant :
S I ( f x , f y )  S P ( f x , f y ). FTM ( f x , f y )  S B ( f x , f y )
S IR ( f x , f y )  S P ( f x , f y ). FTM I ( f x , f y )

avec SB le spectre du bruit radiométrique


SIR le spectre de l’image de référence
FTMI la FTM idéale correspondant à l’image de référence
 On obtient donc une estimation de l’image de référence par :

ˆS ( f , f )  S ( f , f ). FTM I ( f x , f y )  S ( f , f )  S ( f , f ). FTM I ( f x , f y )
IR x y I x y IR x y B x y
FTM ( f x , f y ) FTM ( f x , f y )

Cours QI : Résolution 135/188 V4.2 © CNES 2004


La restauration des images (6/21)

 Mise en oeuvre de la déconvolution : premier problème


 Application du filtre déconvolueur D( f x , f y ) 
FTM I ( f x , f y )
 filtre théorique : FTM ( f x , f y )
 Fréquentiellement, il est à variations rapides dans les hautes fréquences lorsque le
dénominateur est proche de 0
 Son support fréquentiel est théoriquement compact

 Les rebonds de sa réponse impulsionnelle s’atténuent lentement au voisinage des


transitions (transitions fantômes)
 problèmes de temps calcul

Génération de filtres par apodisation de la réponse fréquentielle

Cours QI : Résolution 136/188 V4.2 © CNES 2004


La restauration des images (7/21)
 Exemples de filtres déconvolueurs :
FTMI D
= FTMobjectif

D Réponse Troncature spatiale


FTM
tronqué fréquentielle
modifiée

Cours QI : Résolution 137/188 V4.2 © CNES 2004


La restauration des images (8/21)
 Phénomène de Gibbs : intérêt de l’apodisation
Filtre1 Filtre1
apodisé

Filtre1 Filtre1
tronqué apodisé
tronqué

Cours QI : Résolution 138/188 V4.2 © CNES 2004


La restauration des images (9/21)

 Phénomène de Gibbs : intérêt de l’apodisation

Apodisation => déconvolution satisfaisante Pas d’apodisation => artefacts notables

Cours QI : Résolution 139/188 V4.2 © CNES 2004


La restauration des images (10/21)

 Mise en oeuvre de la déconvolution : deuxième problème


 Le bruit radiométrique va être amplifié en même temps que les hautes
fréquences utiles :
 soit on déconvolue normalement et on amplifie fortement le bruit
 soit on déconvolue mollement pour éviter de trop amplifier le bruit et les détails haute
fréquence sont insuffisamment amplifiés
 soit on essaie de discerner le signal utile du bruit

Restauration = Déconvolution + Débruitage

Cours QI : Résolution 140/188 V4.2 © CNES 2004


La restauration des images (11/21)

 Le Débruitage des images :


 La déconvolution, en amplifiant les hautes fréquences de l’image brute,
ne change pas le rapport signal sur bruit, mauvais dans les hautes
fréquences
 Deux familles de débruitages :
 Bruits structurés : égalisation, compression ... => traitements spécifiques, adaptés à
chaque type de bruit
 Bruits fréquentiellement blancs : bruit photonique + bruit d’amplification + bruit de
quantification (hors compression)
 Modèle :  bruit ( x , y)  A  B. S x , y 
 => débruitage dépendant de la position spatiale car le S/B varie du fait de la
variation de B mais surtout de S !!!
 => débruitage dépendant de la position fréquentielle : on veut débruiter plus
fortement dans les hautes fréquences
Nécessité d ’une analyse Espace-Fréquence de l’image : ondelettes
Cours QI : Résolution 141/188 V4.2 © CNES 2004
La restauration des images (12/21)

 La Transformée en Ondelettes :
 Les décompositions Temps-Fréquence :
 La Transformée de Fourier décompose les signaux selon des fonctions élémentaires à
support infini qui ne s’atténuent jamais : les exponentielles complexes

f (t )  

f e it e it d Description inadéquate pour une image
 Utilisation de fonctions “atomes temps-fréquence” :
 Transformée de Fourier à Fenêtre (Gabor 46) : fonctions fenêtre (réelles,
symétriques et à support compact) modulées en fréquence

g u, ( t )  e it . g ( t  u) et TFf ( u,  )  

f ( t ). g ( t  u).e  it dt  f g u,

 Transformée en Ondelettes : à partir de fonctions  de moyenne nulle



1 t  u  1 * t  u 
 u,s (t)  .
s  s 
et TOf (u, s)   f (t).
s
.
 s 
dt  f  u,s

Cours QI : Résolution 142/188 V4.2 © CNES 2004
La restauration des images (13/21)

 La Transformée en Ondelettes :
 Les décompositions Temps-Fréquence :
 Elles associent une fonction à deux dimensions à une fonction mono-dimensionnelle
 Il y a redondance de la décomposition

 Notion de résolution Temps-Fréquence


 Relation d’incertitude d’Heisenberg :
 

 
1 2 1 2
mt  2
t . f ( t ) dt et m   . TFf ( ) d
f  2 . f
2
  1
 
 t 2 .  2 
4
 t  mt    
1 2 1 2
t 
2
2
2
. f ( t ) dt et 
2
 2
  m
2
. TFf ( ) d
f  2 . f 

Cette relation limite la finesse d’analyse Temps-Fréquence puisqu’elle limite


la localisation conjointe Temps-Fréquence des “atomes” gu, ou u,s
 cas extrêmes : la représentation habituelle par des diracs spatiaux ou par des
diracs fréquentiels (Fourier)
 La reconstruction (transformée inverse) est possible sous certaines conditions
Cours QI : Résolution 143/188 V4.2 © CNES 2004
La restauration des images (14/21)
 La Transformée en Ondelettes :
 Les “pavages” Temps-Fréquence :
it 1  t  u
e it g u, ( t )  e . g ( t  u)  u, s ( t )  . 
s  s


 

t t t

Transformée de Fourier Transformée de Fourier à Fenêtre Transformée en Ondelettes


Aucune localisation spatiale Pavage régulier Faible résolution fréquentielle en HF
Localisation fréquentielle optimale Bonne résolution fréquentielle en BF

Cours QI : Résolution 144/188 V4.2 © CNES 2004


La restauration des images (15/21)
 Généralités sur les ondelettes :
 Reconstruction du signal
 Comme pour la TF, on peut reconstruire un signal à partir de sa TO
 Cette reconstruction est naturelle pour les images car les fonctions de base de la
décomposition sont localisées
 Une TO concentre l’énergie du signal sur peu de coefficients d’ondelettes, et ce
d’autant mieux que le signal est localement régulier (propriétés de décorrélation)
 Un comportement anormal local (discontinuité du signal ou de sa dérivée …)
impacte localement sur la transformée, au contraire de la TF.
 Décomposition multirésolution
 Méthode systématique de construction de bases d’ondelettes orthonormées =>
suppression de la redondance, minimisation des calculs
 Applicable aux traitements numériques = application de filtres passe-haut et
passe-bas en cascade avec décimation
 Paquets d’ondelette
 Liberté accrue de pavage temps-fréquence (toujours limité par Heisenberg)
Cours QI : Résolution 145/188 V4.2 © CNES 2004
La restauration des images (16/21)

 Utilisation des ondelettes en traitement d’images :


 Décomposition dyadique : filtres passe-bas h et passe-haut g
Seule la Basse Fréquence est redécomposée
fy fy
fe/2
fe/2

hx.gy(I) gx.gy(I) hx.gy(I) gx.gy(I)

fe/4 fe/4
hx.gy gx.gy
(hx.hy (I)) (hx.hy (I))
hx.hy(I) gx.hy(I) gx.hy(I)
fe/8
hx.hy gx.hy
fx (hx.hy (I)) (hx.hy (I)) fx

fe/4 fe/2 fe/8 fe/4 fe/2


Image de départ Premier niveau Deuxième niveau

Cours QI : Résolution 146/188 V4.2 © CNES 2004


La restauration des images (17/21)

 Exemple de décomposition au premier niveau :


« contours » verticaux « contours » diagonaux

Image résumée « contours » horizontaux

Cours QI : Résolution 147/188 V4.2 © CNES 2004


La restauration des images (18/21)

 Utilisation des ondelettes en traitement d’images :


 Décomposition dyadique :
 Niveau ultime atteint lorsque l’image résumée ne contient plus qu’un pixel
fy
fe/2

hx.gy(I) gx.gy(I)

fe/4
hx.gy gx.gy
(hx.hy (I)) (hx.hy (I))
gx.hy(I)
fe/8
gx.hy
(hx.hy (I)) fx
0 fe/8 fe/4 fe/2
Problème : aucune finesse fréquentielle pour les hautes fréquences, là où elle s’avère
nécessaire pour la déconvolution !!!!

Cours QI : Résolution 148/188 V4.2 © CNES 2004


La restauration des images (19/21)

 Utilisation des ondelettes en traitement d’images :


 Décomposition en paquets d’ondelettes bidimensionnelles :
fy fy fy
fe/2 fe/2 fe/2
hx.gy gx.gy hx.gy gx.gy
(hx.gy (I)) (hx.gy (I)) (gx.gy (I)) (gx.gy (I))
hx.gy(I) gx.gy(I) 3fe/8
hx.hy gx.hy hx.hy gx.hy
(hx.gy (I)) (hx.gy (I)) (gx.gy (I)) (gx.gy (I))
fe/4 fe/4
hx.gy gx.gy hx.gy gx.gy
(hx.hy (I)) (hx.hy (I)) (gx.hy (I)) (gx.hy (I))
hx.hy(I) gx.hy(I)
fe/8
hx.hy gx.hy hx.hy gx.hy
fx (hx.hy (I)) (hx.hy (I)) (gx.hy (I)) (gx.hy (I)) fx fx
fe/4 fe/2 fe/8 fe/4 3fe/8 fe/2 fe/2
Premier niveau Deuxième niveau ... Niveau “ultime” :
= dyadique <=> Transformée de Fourier

On redécompose aussi la Haute Fréquence


Cours QI : Résolution 149/188 V4.2 © CNES 2004
La restauration des images (20/21)

 Utilisation des ondelettes pour le débruitage :


 Utilisation de la relation Espace-Fréquence pour le filtrage :
fy 2 coefficients à même localisation spatiale
fe/2 Image initiale vue dans la bande [6fe/16;7fe/16]x [6fe/16;7fe/16]

• Débruitage par seuillage des « petits » coefficients d’ondelettes :


- connaissant la FTM à la fréquence correspondante
(la déconvolution a amplifié le bruit)
- connaissant le bruit dû au signal image (modèle 2 = a.S+b)
fe/4
=> finesse fréquentielle limitée par la taille des paquets : fe/2 j+1
(hypothèse de FTM constante sur chaque paquet)
fe/8
=> finesse spatiale limitée par l’agglomération de l’image résumée :
fe/16 2j x 2j pixels
fx
0 fe/16 fe/8 fe/4 on retrouve le compromis Espace-Fréquence : choix
du niveau de décomposition j (astuce : débruiter un
Image initiale avec pixels agglomérés 16 fois
peu à tous les niveaux)
Cours QI : Résolution 150/188 V4.2 © CNES 2004
La restauration des images (21/21)

 Utilisation des ondelettes pour le débruitage :


Image bruitée Image débruitée

Cours QI : Résolution 151/188 V4.2 © CNES 2004


Traitement des images: Résumé
 Interpolation = passer du discret au continu
 Calcul de image(x,y) connaissant les échantillons {image(l,c)} : c'est une convolution
 Le filtre interpolateur a pour TF la fonction indicatrice de la zone fréquentielle transmise.

 Déconvolution = rendre l'image plus nette


 Compensation du flou instrumental ~ Inversion de la FTM
 C'est une convolution par h = TF-1 [ FTM_idéale / FTM_réelle]

 Débruitage = rendre les zones uniformes moins "granuleuses"


 Nécessaire en raison de l'augmentation du bruit haute fréquence après la déconvolution
 La discrimination bruit / signal_utile nécessite une décomposition dans une base à la fois:
 spatiale (bruit variable localement)
 fréquentielle (bruit amplifié différemment selon les fréquences par la déconvolution)
 Décomposition de l'image en paquets d'ondelettes

Cours QI : Résolution 152/188 V4.2 © CNES 2004


BIBLIOGRAPHIE

 Optique :
 Goodman : Introduction to Fourier Optics, Mc Graw-Hill
 Maréchal : Diffraction , structure des images, Masson
 Marion : Acquisition et visualisation des images, Eyrolles

 Traitement du signal et des images:


 Roddier : Transformée de Fourier et Distributions, Mc Graw-Hill
 Mallat : A Wavelet Tour of Image Processing, Academic Press
 Max : Méthodes et techniques de traitement du signal et application aux mesures physiques, Masson
 Pratt : Digital Image Processing, Wiley-Interscience
 Strang/Nguyen : Wavelets and Filter Banks, Wellesley-Cambridge Press

 Echantillonnage 2D quelconque :
 Gersho/Grey : Vector quantization and signal compression, KAP

Cours QI : Résolution 153/188 V4.2 © CNES 2004


Annexe :
rappels d’analyse de Fourier

Cours QI : Résolution 154/188 V4.2 © CNES 2004


La transformée de Fourier continue

 Représentation spatiale des fonctions :


 base de diracs spatiaux : d ( x  x0 )x R 0

 base orthonormée au sens du produit scalaire habituel :



f ( x ), g ( x )  

f ( x ) g * ( x )dx  d ( x  x 0 ), d ( x  x1 )  d x0 x1  1 si x 0  x1 , 0 sinon

 décomposition dans la base :



f ( x)  

f ( x ), d ( x  x 0 ) d ( x  x 0 )dx0


f ( x ), d ( x  x 0 )   f ( x )d ( x  x

0 )dx0  f ( x0 )


 f ( x)   f (x

0 )d ( x  x 0 )dx0
Cours QI : Résolution 155/188 V4.2 © CNES 2004
La transformée de Fourier continue

 Représentation fréquentielle des fonctions :


 Base d’exponentielles complexes : e j 2n0 x

n 0R

 base orthonormée au sens du produit scalaire habituel :


e j 2n0 x , e j 2n1 x  dn 0n 1

 décomposition dans la base :



f ( x)   f ( x ), e j 2n0 x e j 2n0 x dx0 

 f x  TF fˆ (n 0 )  

f ( x )e  j 2n0 x dx0

f ( x ), e j 2n0 x   f ( x )e  j 2n0 x dx0  fˆ (n 0 )



fˆ n 0  TFinverse

 f ( x)   fˆ (n 0 )e j 2n0 x dn 0
 f ( x) 

 fˆ (n 0 )e j 2n0 x dn 0 

Cours QI : Résolution 156/188 V4.2 © CNES 2004


La transformée de Fourier continue

 Avantages de la représentation fréquentielle :


 Les exponentielles complexes sont les « bonnes » fonctions pour tout
système linéaire et spatialement invariant (SLSI), représenté par un
opérateur de convolution.

f  O ( f )  h * f   h(u) f ( x  u)du
SLSI



 L’image par un SLSI d ’une exponentielle complexe lui est proportionnelle (math :
exponentielle complexe = fonction propre de l’opérateur de convolution)

 Le coefficient de proportionnalité (math : la valeur propre associée) est hˆ(n 0 ) ,


transformée de Fourier de h en n0

e j 2n0 x SLSI
 O( e j 2n0 x )  hˆ(n 0 ). e j 2n0 x

Cours QI : Résolution 157/188 V4.2 © CNES 2004


La transformée de Fourier continue

 Avantages de la représentation fréquentielle :


 dans la base fréquentielle, les coordonnées de l’entrée sont : fˆ (n )
 et les coordonnées de la sortie : hˆ(n ). fˆ (n )

 SLSI 
f ( x)  

fˆ (n )e j 2nx dn h* f  

hˆ (n ) fˆ (n )e j 2nx dn

Transformation de Fourier Transformation de Fourier


SLSI
fˆ (n ) hˆ(n ). fˆ (n )

 le produit de convolution se transforme donc en produit simple :


TF(h * g )  TF(h).TF( g )
Cours QI : Résolution 158/188 V4.2 © CNES 2004
La transformée de Fourier continue

 Transformée de Fourier continue : décomposition d ’une


fonction sur les exponentielles complexes 
 transformée directe (espace fréquence) : fˆ (n )  

f ( x )e  j 2nx dx


 transformée inverse (fréquence espace) : f ( x)  

fˆ (n )e j 2nx dn

 Propriétés de base :
 f réelle (notre cas) TF à symétrie hermitienne : fˆ ( n )  fˆ * (n )
 f réelle et paire TF réelle et paire fˆ * (n )  fˆ (n )

 f réelle et impaire TF imaginaire pure et impaire fˆ * (n )   fˆ (n )


Cours QI : Résolution 159/188 V4.2 © CNES 2004
La transformée de Fourier continue

 Translation spatiale : f ( x  a)  e


TF  j 2na
fˆ (n )
= multiplication du spectre par une « rampe de phase »

 Translation fréquentielle : f ( x )e 2jn 0 x TF


 fˆ (n  n 0 )
= modulation du signal
1 ˆ n
 Changement d’échelle spatiale : f ( ax)  f ( )
TF
a a
= changement d’échelle inverse en fréquentiel

Cours QI : Résolution 160/188 V4.2 © CNES 2004


La transformée de Fourier continue
dn f
( 2jn ) n fˆ (n )
TF
 Dérivation par rapport à x : dx n

Dérivation par rapport à n: d n fˆ


 ( 2jx ) f ( x ) 
n TF
dn n

 Convolution :

x ( t ) * y( t )  

x ( u) y( t  u)du x * y  xˆ . yˆ
TF

La transformée de Fourier d’un produit de convolution est le produit


simple des transformées de Fourier
Cours QI : Résolution 161/188 V4.2 © CNES 2004
La transformée de Fourier continue

 Conservation du produit scalaire : Parseval


 
 f ( x ) g ( x )dx   fˆ (n ) gˆ (n )dn
* *

 

 Application :
 conservation de l ’énergie (f = g)
dE 2
 D(n )  ˆ
 f (n ) est la densité spectrale d’énergie
dn
  2
 f ( x ) dx   fˆ (n ) dn
2
 l’énergie totale est l’intégrale de la densité spectrale :
 
 impact d’une convolution :

f sortie( x )  h( x ) * f entrée ( x )  fˆ (n )  H (n ) sortie fˆ (n )


sortie entrée

Cours QI : Résolution 162/188 V4.2 © CNES 2004


La transformée de Fourier continue

 Petit dictionnaire de transformées de fonctions usuelles :


d ( x ) TF
 1
 e j 2na
d ( x  a ) TF
e j 2n0 x TF
 d (n  n 0 )
1
sin(n 0 x ) TF
 (d (n  n 0 )  d (n  n 0 ))
2i
1
cos(n 0 x )  (d (n  n 0 )  d (n  n 0 ))
TF
2
1 a a sin(n a )

porte(  ; ) TF
a 2 2 n a
2 2
 2n
e  2 x 2
gaussienne spatiale   e 
TF
gaussienne fréquentie lle

Cours QI : Résolution 163/188 V4.2 © CNES 2004


La transformée de Fourier continue

 dualité espace/fréquence
 support spatial étroit support fréquentiel étendu
2
 gaussienne spatiale  gaussienne fréquentielle  '

 dirac spatial constante

 dilatation spatiale contraction fréquentielle

 relation d’heisenberg :

x2 
 x 2 f ( x ) dx
n2 
n 2 fˆ (n ) dn
x2 n 2 
1
 f ( x)  f (n ) 16 2
2 2
dx dn

La localisation parfaite simultanément dans les domaines spatial et fréquentiel est impossible

Cours QI : Résolution 164/188 V4.2 © CNES 2004


La transformée de Fourier continue

 dualité espace/fréquence
 porte de largeur a sinus cardinal infini (premier zéro : 1/a)
 support spatial fini de largeur a support fréquentiel infini
 support fréquentiel fini support spatial infini

Transformation de Fourier

sin(n a )
f ( x)  f ( x). porte( x, a) fˆ (n ) *
n a
Transformation de Fourier

Produit multiplicatif Produit de convolution

Cours QI : Résolution 165/188 V4.2 © CNES 2004


La transformée de Fourier continue

 dualité espace/fréquence
 f régulière fˆ (n ) à décroissance rapide
 f continue jusqu’à sa dérivée n-ième fˆ (n ) décroit en 1/nn+1
d m f ( x) fˆ (n ) 
A
 dx m
dx  A
2 n
m

 interprétation physique : la régularité implique un faible contenu haute


fréquence
 exemples :
 une porte (discontinuité de niveau 0) a pour TF un sinus cardinal décroissant en 1/n
 une gaussienne (toutes les dérivées sont bornées) a pour TF une autre gaussienne
 pour régulariser une fonction, on peut convoluer avec une fonction
régulière, à TF rapidement décoissante
Cours QI : Résolution 166/188 V4.2 © CNES 2004
La transformée de Fourier continue

TF Support ~fini

troncature

TF Support infini

Cours QI : Résolution 167/188 V4.2 © CNES 2004


Passage continu/discret : échantillonnage

 Echantillonnage (rappel) :
 Prélevement de l’information pour x={kTe}, k entier relatif
 mathématiquement :
 dans le domaine spatial : multiplication de f(x) par un peigne de diracs
 dans le domaine de Fourier :
 TF d’un peigne de diracs de période Te = peigne fréquentiel de période 1/Te

 

d ( x  kTe ) 
1 k
TF d (n  )
k  
Te k  
Te

 TF du signal échantillonné :
 convolution de la TF du signal continu par le peigne fréquentiel

 signal périodique, de période la fréquence d’échantillonnage

Cours QI : Résolution 168/188 V4.2 © CNES 2004


Passage continu/discret : échantillonnage

 Dualité discrétisation/périodisation
Discrétisation spatiale Périodisation fréquentielle

f n  * 
 1 k
d (n 
f x . d ( x  kT )
k  
e Te k  
Te
)




1 k
 f (n  )
TF Te k  
Te
Périodisation spatiale
Discrétisation fréquentielle

x   

f ( x  kTe )

per
fˆ n .
f 1 k
d (n  )
k   Te Te
k  

x   f x  *  d ( x  kTe ) 


per 1 k k
f  fˆ (n  )d (n  )
k   Te Te Te
k  

Cours QI : Résolution 169/188 V4.2 © CNES 2004


Passage continu/discret : échantillonnage

 Application : développement en série de Fourier


 soit g(x) le motif périodique de f(x) de période T
 T T
k
g x   f x  si x    ; 
j 2

 2 2 
f x   c e
kZ
k
T

fˆ n   gˆ n . 
1 k
 T T d (n 
g x   0 si x    ;  Te Te
)
avec c k 
1 k
gˆ (n  )
 2 2 k  
TF-1 T T
 TF 


1 k k T
f x    g( x  kT )  gˆ (n  )d (n  ) 2
 j 2
k

 g x e
e Te Te Te 1 x
k   k   ck  T dx


Te T
f x   g x  * d ( x  kT )

e 2
k  

Les coefficients du développement en série de Fourier d’une fonction périodique


de période T et de motif périodique g(x) sont les valeurs obtenues par
échantillonnage du spectre de g(x) avec une période 1/T,multipliées par 1/T
Cours QI : Résolution 170/188 V4.2 © CNES 2004
Passage continu/discret : échantillonnage

Domaine spatial 

 f ( kT
k  
e )d ( x  kTe )
f (x) Echantillonnage

 f ( x ).  d ( x  kT
k  
e )

Domaine continu Domaine discret

TF continue TF continue




k  
f kTe e  j 2kTen TF discrète

fˆ (n )



1 1
Périodisation du spectre  fˆ (n ) * d (n  k )
Te k 
Te

Domaine de Fourier ne  fˆ (n  kn
k  
e )

Cours QI : Résolution 171/188 V4.2 © CNES 2004


La transformée de Fourier discrète

 TFD=TF des signaux échantillonnés (suite de nombres)





 Définition
uk kZ  S (n ) 
TFD
uk e  j 2kn
k  
a 1
S (n ) TFD
 inverse
 uk  
a
S (n )e j 2kn dn , a

 Interprétation :
uk  f ( kTe ); f n x   f  xTe   uk  f n ( k ) uk  f kTe 
   
S n    f n ( k )e  j 2kn  TF  f n x 
  d x  k 

k    k    TFD

S n    fˆ n  k 
k  
n
 
ˆf  n  k   n
S n     fˆ n  k n e 
1
1 ˆ n 
fˆn n   f   T  e
Te  Te  e 
Te k   k  


S n   n e  fˆ n 'kn ;n '  nn e
 
n  k 
S n     fˆ n  k n e 
1
fˆ    n e e
k  
Te k    Te  k  

Cours QI : Résolution 172/188 V4.2 © CNES 2004


La transformée de Fourier discrète

 Propriétés de base
 TFD = fonction périodique de période 1

 Transformation linéaire :

uk kZ TFD


 Uˆ n 
uk  v k kZ TFD
 Uˆ n   Vˆ n 
v k kZ TFD
 Vˆ n 

 {uk} réelle (notre cas) TFD à symétrie hermitienne


 {uk} réelle et paire : TFD réelle et paire
 {uk} réelle et impaire : TFD imaginaire pure et impaire

Cours QI : Résolution 173/188 V4.2 © CNES 2004


La transformée de Fourier discrète

 Propriétés de base
 Translation spatiale (décalage d’indice)

vk kZ  uk k kZ TFD


0
Vˆ n   Uˆ n e j 2k n 0

 Translation fréquentielle :

v k kZ 
 e j 2kn 0 uk 
kZ  Vˆ n   Uˆ n  n 0 
TFD

 Multiplication par kp:

U n 
 
p p ˆ
  
v k kZ  k u kZ
p
 Vˆ n   
 TFD 1

d
 2j  dn
p

= dérivation à l’ordre p en fréquentiel

Cours QI : Résolution 174/188 V4.2 © CNES 2004


La transformée de Fourier discrète

 Propriétés de base
 conservation du produit scalaire :
 1

u
k  
*
k vk   U (n )V * (n )dn
0

 application : conservation de l’énergie

 1

u
k  
*
k uk   U (n )U * (n )dn
0
 1

  U (n ) dn
2 2
uk 
k   0

Cours QI : Résolution 175/188 V4.2 © CNES 2004


La transformée de Fourier discrète

 Propriétés de base
 convolution de deux suites :
 définition du produit de convolution discret de deux suites, cohérente de la
représentation mathématique d’une suite d’échantillons par des peignes de diracs

uk  f ( kTe ) v l  g ( lTe )
       
 
 k  
uk d x  kTe  *  
  l  
v l d x  lTe 

 
uk * v l   w n 
   u v d x  kT  * d x  lT  

u
k l e e Définition de la convolution discrète
k   l   wn  k v n k
 k 
  u v d x  l  k T 
k  
k l e


 u v
k  
k n k d x  nTe 

Cours QI : Résolution 176/188 V4.2 © CNES 2004


La transformée de Fourier discrète

 Propriétés de base
 TFD d’un produit de convolution discret = produit simple des TFD

uk * v l   w n 

W (n )  U (n ).V (n )

TFD
wn  uk v n  k
k 

 si les deux suites sont issues d’un « bon » échantillonnage de f et g


 échantillonnage et convolution commutent : le passage des échantillons à la fonction
continue correspondante est possible (interpolation)
 échantillonnage du produit de convolution de deux fonctions continues = produit de
convolution discret des deux fonctions échantillonnées
 TF du produit de convolution de deux fonctions continues = motif périodique de la
TFD du produit de convolution discrète des deux fonctions échantillonnées

Echantillonnages à Shannon Filtrage discret = Filtrage continu


Cours QI : Résolution 177/188 V4.2 © CNES 2004
La transformée de Fourier discrète


f x   fˆ n 
TF
f k   fˆ n  k 
TFD

Echantillonnage k  

g x   gˆ n 
TF fréquence ne=1/Te=1
g k   gˆ n  k 
TFD
(sinon, fn=f(Tex))
k  

Convolution discrète

Convolution continue  
f ( k ) * g( l ) 
TFD
fˆ n  k   gˆ n  k 
k   k  

Égalité en cas de « bons » échantillonnages

Echantillonnage 
 fˆ n . gˆ n 
f * g TF fréquence ne=1/Te=1 ( f * g )( k )  fˆ n  k gˆ n  k 
TFD

(sinon, fn=f(Tex)) k  

Cours QI : Résolution 178/188 V4.2 © CNES 2004


La transformée de Fourier discrète finie

 Dans la pratique, nombre d’échantillons fini :


 calcul numérique sur un nombre fini de points
 taille finie des signaux et des images
 Définition de la TFD finie
 A une suite de n échantillons correspond une suite de coefficients
fréquentiels
uk k0, N 1 TFD
 v l l0, N 1 TFD
finie
uk k0, N 1
  inverse
finie

N 1  j 2
kl
vl  u e
k 0
k
N

N 1 j 2
kl

v e
1
uk  l
N
N k 0

Cours QI : Résolution 179/188 V4.2 © CNES 2004


La transformée de Fourier discrète finie

 Relation entre la TFD et la TFD finie

N 1 
S n   u
k1  0
k1 e
 j 2k1n
. e
k0  
 j 2k0 Nn

wk k0, N 1 N 1 


 k0 
S n   u  d n  N 
 j 2k1n 1
k1 e .
uk k0, N 1 périodisation k  k0 N  k1 TFD k1  0
N k0  
wk0 N  k1  uk1 1 Sν  est périodique , de période 1 et le motif périodique s'écrit :
N 1 k1k0
N d
 j 2 k0 
S n   u .n  0;1
1
k1 e n 
N k1  0  N

TFD finie
de {uk}

TFD finie =échantillonnage au pas 1/N de la


TF des N échantillons périodisés

Cours QI : Résolution 180/188 V4.2 © CNES 2004


La transformée de Fourier discrète finie

 En résumé :
 approximation de la TF par la TFD
 remplacement de f(x) par un nombre infini d’échantillons
 1 1 
 spectre périodique continu de période 1/Te , approximant le spectre de f(x) sur  ; 
mais  2Te 2Te 
 1 1 
 perte du spectre de f(x) au delà de   ; 
 2Te 2Te 
 repliement de spectres si l’échantillonnage ne se fait pas à Shannon

 approximation de la TFD par la TFDfinie


 limitation du nombre d’échantillons sur un horizon donné
 spectre périodique de période 1/Te échantillonné au pas 1/Nte, approximant le spectre
donné par la TFD mais
 hypothèse implicite : échantillons supposés périodiques au delà de l’horizon

 introduction d’une discontinuité, donc de fréquences parasites si f A  f (B)

Cours QI : Résolution 181/188 V4.2 © CNES 2004


La transformée de Fourier discrète finie

 Interprétation pour les échantillons réels


N 1  j 2
km
vm  u e
k 0
k
N

 vm est la composante de fréquence m/N


 v0 (somme des échantillons) est le « continu »
 la composante la plus HF est vn/2 (n pair) ou v n/2-1(n impair) et correspond à 0.5 ou 0.5 -
1/2N
 si n-k >n/2, vn-k correspond à la fréquence n-k/n ou aussi -k/n (péiodicité de 1)

Cours QI : Résolution 182/188 V4.2 © CNES 2004


La transformée de Fourier discrète finie

 Propriétés de base : on retrouve celles de la TFD


 TFD = fonction périodique de période 1

 Transformation linéaire :

uk k0;N 1 TFD


U k k0;N 1
uk  vk k0;N 1 TFD
U k  Vk k0;N 1
vk    TFD Vk k0;N 1
k 0; N 1

 {uk} réelle (notre cas) TFD à symétrie hermitienne Uk  U N


*
k

 {uk} réelle et paire : TFD réelle et paire

 {uk} réelle et impaire : TFD imaginaire pure et impaire

Cours QI : Résolution 183/188 V4.2 © CNES 2004


La transformée de Fourier discrète finie
 Propriétés de base
 Translation spatiale (décalage d’indice avec permutation circulaire) :

k0 k
vk kZ  uk k kZ TFD
j 2
0
Vk  U k e N

 Translation fréquentielle (décalage d’indice avec permutation circulaire) :

 j 2 kk0 
v k kZ   e N uk  TFD
 Vk  U k  k0
  kZ

Cours QI : Résolution 184/188 V4.2 © CNES 2004


La transformée de Fourier discrète finie

 Propriétés de base
 conservation du produit scalaire :
 

 U
1
uk v k*  *
kVk
k  
N k  

 application : conservation de l’énergie

 

u U
1
*
k uk  *
kU k
k  
N k  
 

 
2 1 2
uk  Uk
k  
N k  

Cours QI : Résolution 185/188 V4.2 © CNES 2004


La transformée de Fourier discrète finie

 Propriétés de base
 convolution circulaire de deux suites finies de taille N1 et N2
 on reprend la formule précédente pour les suites infinies
 problème de bords : il faut étendre les signaux jusqu’à N1+N2-1
 convolution circulaire (notée 
) = convolution avec extension par périodisation
hk 0k  N 1 périodisathkper  H k 
TFD
  ion  
finie
1 0  k  N 1  N 2 1 0  k  N1  N 2 1

hkper  hk mod N1 Wk  H k S k
sk 0k  N 1 périodisatskper  S k 
TFD
  ion  
finie
2 0  k  N 1  N 2 1 0  k  N1  N 2 1

skper  sk mod N 2
La TF d’un produit de convolution
hk 0k  N 1  sk 0k  N 1  wk 0k  N  N 1 Wk 
1 2 1 2
TFD finie
0  k  N 1  N 2 1 circulaire est le produit des TF

wn  
k  
hkper snper
k

Cours QI : Résolution 186/188 V4.2 © CNES 2004


La transformée de Fourier discrète finie

 Utilisation de la TFDfinie
 seule TF utilisée dans le traitement numérique
 utilisation intéressante car il existe des algorithmes très rapides (FFT : Fast Fourier
Transform) dont la complexité est en NLogN
 applications :
 calcul numérique de la TF d’une fonction continue

 synthèse de filtres numériques (interpolation, déconvolution)

 définition d ’un gabarit fréquentiel

 régularisation éventuelle

 TF inverse

 analyse du comportement des filtres

 convolution rapide par passage dans le domaine de Fourier

h  s  TF 1 TF( h).TF( s)


Cours QI : Résolution 187/188 V4.2 © CNES 2004
Conclusions sur la transformée de Fourier

 Outil majeur
 produit de convolution devenant un produit simple
 algorithmes de calcul rapide (FFT)
 « Plusieurs » TF
 TF d ’une fonction continue :
 spectre continu

 pas de perte d ’information

 TFD = TF d’une fonction continue/échantillonnée avec une période Te :


 spectre continu périodique de période 1/Te

 perte totale d ’information au delà de 1/2Te et éventuel repliement de spectres

 TFDfinie =TF d’une fonction continue/échantillonnée en un nombre restreint de points :


 implicitement, périodisation des échantillons

 echantillonnage du spectre périodique continu précédent

Cours QI : Résolution 188/188 V4.2 © CNES 2004