Hybrid Non-blind Image Deblurring for Real Scenarios
Défloutage non-aveugle d'images dans des situations réelles
Résumé
Sharpness is an important criterion for shooting acceptable photographs. Several factors such as the camera settings, motion or defocus may decrease image sharpness and lead to blur, resulting in the loss of details. Typical image process- ing techniques rely either on optimization algorithms using a handcrafted image prior or machine learning approaches leveraging supervisory pairs of sharp and synthetic blurry images. In this thesis, we follow a recent trend that combines the two sorts of techniques previously detailed and achieving the state-of-the-art image deblurring results. We first present a parametric function for RGB image deblurring, embedding preconditioned Richardson fixed-point iterations to replace the classical fast Fourier transform (FFT) algorithm prone to ringing artifacts, especially at the image boundaries. In a second contribution, we propose a model for joint non-blind deblurring and demosaicking of raw images.
La netteté est un critère important lorsque l’on souhaite prendre de bonnes photographies. Plusieurs facteurs tels que les paramètres de l’appareil photo, mouvement et defocus peuvent réduire la netteté d’une photographie et causer du flou qui détruit des details de l’image. Ce contenu peut être retrouvé par le défloutage, un problème inverse mal posé qui utilise la photographie floue, et le flou si connu, pour estimer une version nette. Les techniques de traitement d’image habituelles reposent sur l’optimisation utilisant des priors empiriques sur les images ou des approches d’apprentissage automatique exploitant des paires d’images nettes et floue en guise de supervision. Dans cette thèse, nous suivons une tendance récente visant à combiner les deux types de techniques présentés précédemment et produisant l’état de l’art pour le défloutage. Nous présentons d’abord une fonction paramétriques pour déflouter des images RVB, en incorporant des itérations de point-fixe de Richardson préconditionnées pour remplacer la classique transformée de Fourier rapide (TFR), sujette aux artefacts d’ondulation, en particulier aux bords d’une image. Dans une seconde contribution, nous proposons un modèle pour le dématriçage et le défloutage non-aveugle simultanés pour les images “raw
Origine : Fichiers produits par l'(les) auteur(s)