Déconvolution automatique des images floues
Des informations générales:
Le niveau |
Master |
Titre |
Déconvolution automatique des images floues |
SPECIALITE |
Génie informatique |
Page de garde:
Sommaire:
Chapitre I :
Introduction
2. Représentation des images
A. Image binaire.
B. Image à niveaux de gris (intensité ou luminance).
C. Image couleur.
3. système de traitement d’image
a. L’acquisition
b. Prétraitement
3. Analyse d’image
b. Interprétation
4. Caractéristiques d’une image numérique
Dimension
Résolution
Bruit
Histogramme
Contours
4. Luminance
Contraste
5. Techniques de traitement d’images
A. Squelettisation
B. Filtrage
1. Filtres linéaires
2. Filtres non linéaires
C. Détection de contour
D. Interpolation
E. Objet de haut niveau (classification)
F. Segmentation
Conclusion:.
Chapitre II :
Introduction
1. Image floues
A. Raison de flou
B. Types de flou.
Flou moyen.
Flou gaussien
Flou de mouvement linéaire
Flou atmosphérique
5. Flou de focus :
Modèle de déconvolution
1. Techniques de déconvolution.
A. Déconvolution non aveugle Application aux cas des images
B. Déconvolution Aveugle
C. Comparaison des différences techniques de déconvolution
2. Mesures de qualité d’image.
Conclusion
chapitre III :
Introduction
1. Travaux récents pour la déconvolution :
A. Méthode d’identification de paramètre proposée et algorithme de déconvolution d’image
a) Non-gaussianité et identification des paramètres
b) Déconvolution d’images non aveugles
2. Travaux récents pour deblurring
A. Évaluation des techniques de deblurring d’image.
a. Techniques de deblurring :
b. Deblurring à l’aide d’une approche de réseau neural
3. Segmentation du flou de défocalisation basé sur LBP
a. Métrique de floue proposée à base de LBP :
Nouvel algorithme de segmentation de floue
Génération de cartes de netteté à plusieurs échelles:
Initialisation Alpha Matting :
Calcul de la carte alpha :
4. Inférence multi-échelle :
C. Évaluation d’algorithme de segmentation de floue :.
Conclusion
Chapitre IV:
Partie I: conception et modélisation.
1. Définition d’UML
A. Les modèles d’UML :
a. Le diagramme de cas d’utilisation :
b. Diagramme de classes:
Intérêts:
b. Diagramme de séquence :.
C. Diagramme de classes:
B. Entreprise Architect:
1. Diagramme de cas d’utilisation :
2. Diagramme de séquence :.
Partie II: implémentation
L’environnement de programmation MATLAB :
Notre approche.
Inconvénients :
2. Analyse des besoins
4. Interface de l’application implémenté
5. Résultat et discussion.
Conclusion
Conclusion général.
Bibliographie
Introduction
2. Représentation des images
A. Image binaire.
B. Image à niveaux de gris (intensité ou luminance).
C. Image couleur.
3. système de traitement d’image
a. L’acquisition
b. Prétraitement
3. Analyse d’image
b. Interprétation
4. Caractéristiques d’une image numérique
Dimension
Résolution
Bruit
Histogramme
Contours
4. Luminance
Contraste
5. Techniques de traitement d’images
A. Squelettisation
B. Filtrage
1. Filtres linéaires
2. Filtres non linéaires
C. Détection de contour
D. Interpolation
E. Objet de haut niveau (classification)
F. Segmentation
Conclusion:.
Chapitre II :
Introduction
1. Image floues
A. Raison de flou
B. Types de flou.
Flou moyen.
Flou gaussien
Flou de mouvement linéaire
Flou atmosphérique
5. Flou de focus :
Modèle de déconvolution
1. Techniques de déconvolution.
A. Déconvolution non aveugle Application aux cas des images
B. Déconvolution Aveugle
C. Comparaison des différences techniques de déconvolution
2. Mesures de qualité d’image.
Conclusion
chapitre III :
Introduction
1. Travaux récents pour la déconvolution :
A. Méthode d’identification de paramètre proposée et algorithme de déconvolution d’image
a) Non-gaussianité et identification des paramètres
b) Déconvolution d’images non aveugles
2. Travaux récents pour deblurring
A. Évaluation des techniques de deblurring d’image.
a. Techniques de deblurring :
b. Deblurring à l’aide d’une approche de réseau neural
3. Segmentation du flou de défocalisation basé sur LBP
a. Métrique de floue proposée à base de LBP :
Nouvel algorithme de segmentation de floue
Génération de cartes de netteté à plusieurs échelles:
Initialisation Alpha Matting :
Calcul de la carte alpha :
4. Inférence multi-échelle :
C. Évaluation d’algorithme de segmentation de floue :.
Conclusion
Chapitre IV:
Partie I: conception et modélisation.
1. Définition d’UML
A. Les modèles d’UML :
a. Le diagramme de cas d’utilisation :
b. Diagramme de classes:
Intérêts:
b. Diagramme de séquence :.
C. Diagramme de classes:
B. Entreprise Architect:
1. Diagramme de cas d’utilisation :
2. Diagramme de séquence :.
Partie II: implémentation
L’environnement de programmation MATLAB :
Notre approche.
Inconvénients :
2. Analyse des besoins
4. Interface de l’application implémenté
5. Résultat et discussion.
Conclusion
Conclusion général.
Bibliographie
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.