Méthodes Analytiques et Géométriques pour la Restauration des Images

Abstract

هذه الأطروحة تعالجمقاربة فعالة قائمة على طريقة الانتشار متباين الخواص لإزالة التشويش واستعادة الصور بالتدرج الرمادي اعتمادا على معادلة Perona-Malik و نمطL-Alvarez و آخرون . هذه المقاربة مكونة من الحركة بالانحناءات المتوسطة لتحري اتجاه التشويش لكل بكسل متضرر، مع الحفاظ على الحواف الأصلية للصورة، ويستعيد التدرج في نواةGaussالبكسل المتضرر محليًا، بضمان تقدير قيمته الأصلية، بالتوازي مع حفظ تباين الصورة.الخوارزمية، التي خلص إليها نمطنا المقترح، تعالج الصور بالتدرج الرمادي المشوشة بغض النظر عن نوع الضوضاء بحيث يكون لدينا استعادة أفضل بفضل النتائج التجريبية المتحصل عليها باستخدام برنامج MATLAB ، ثم إعادة تطبيقها على نتائج الأعمال الحديثة ، بهدف إظهار فعالية نمطنا المقترح ما يؤكده PSNR و SSIM. Cette thèse traite une approche fonctionnelle basée sur la méthode de Diffusion Anisotropique pour débruiter et restaurer les images en niveaux de gris en terme de l'équation de Perona -Malik et le système de L-Alvarez et al.Cette approche est composée du mouvement par courbure moyenne pour détecter la direction du bruit pour chaque pixel dégradé , tout en préservant les bords d'origine de l'image, du gradient du noyau gaussien qui restaure localement le pixel dégradé , assurant l'estimation de sa valeur d'origine, en parallèle de sauvegarder le contraste de l'image. L'algorithme, conclu par notre système proposé, traite les images en niveaux de gris bruitées quel que soit le type de bruit (Salt-Pepper, Gaussien ou Speckle), de sorte que nous ayons une meilleure restauration grâce aux résultats expérimentaux obtenus à l'aide du logiciel MATLAB, puis réappliquons-le au processus sur les résultats obtenus par d'autres travaux récents, dans le but de démontrer l'efficacité de notre approche proposée confirmée par PSNR et SSIM. This thesis treats a functional approach based on the Anisotropic Diffusion method to denoise and restore grayscale images in term of the Perona-Malik equation and L-Alvarez and al. system. This approach is composed of the motion by mean curvature to detect the noise direction for each degraded pixel, while preserving the original edges of the image, and the gradient in the Gaussian kernel restores the degraded pixel locally, assuring the estimation of its original value, in parallel with saving the image contrast. The algorithm, concluded by our proposed system, treats noised grayscale images regardless of the type of noise (Salt-Pepper, Gaussian or Speckle), so that we have a better restoration, dueto the experimental results obtained with the MATLAB software. Then reapply it to the process on the results of other recent works, with the aim of demonstrating the effectiveness of our proposed approach confirmed by PSNR and SSIM.