1 / 44

DART - Discrete Analytical Ridgelet Transform

DART - Discrete Analytical Ridgelet Transform. Laboratoire IRCOM-SIC. Eric Andres et Philippe Carré David Helbert. Sommaire. Introduction Contexte DART 2D Exemple d’application 2D DART 3D Exemples d’applications Conclusion. Introduction.

snowy
Download Presentation

DART - Discrete Analytical Ridgelet Transform

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. DART - Discrete Analytical Ridgelet Transform Laboratoire IRCOM-SIC Eric Andres et Philippe Carré David Helbert

  2. Sommaire Introduction Contexte DART 2D Exemple d’application 2D DART 3D Exemples d’applications Conclusion

  3. Introduction Une nouvelle implantation de la transformée Ridgelet avec des droites discrètes analytiques est proposée : DART But de la transformation Ridgelet : permettre une analyse « optimale » des ruptures linéaires dans une image. Problème : peu d’implantations discrètes, pas forcément efficaces ou simples à mettre en œuvre. Notre but : Proposer une transformation ridgelet aisée à implanter et inversible (à propriétés contrôlées). Un des domaines d’applications privilégié semble être le débruitage

  4. Contexte : transformation Transformation d’un signal nD : changement de base permettant d’obtenir une autre représentation des données (démarche non structurelle) 1. Définition de fonctions (formes) constituant la base Fourier 2. Mesures de ressemblances entre les données et les fonctions de bases  Transformée (produit scalaire) But de la nouvelle représentation  Extraire d’une façon optimale l’information présente dans les données

  5. Contexte : continue vs. discret Transformation continue  Fonctions de base continues Discrétisation de l’intégrale Application aux données discrètes • Non respect des propriétés de la base • Complexité algorithme • Opération adjointe absente Transformation discrete  Fonctions de base discrètes • Représentation orthogonale • Algorithme rapide • Opération adjointe parfaite

  6. Contexte : ondelette Fréquence : 0.05, Longueur : 61 Fréquence : 0.15, Longueur : 21 0.1 0.1 0.05 0.05 0 0 -0.05 -0.05 -20 0 20 -20 0 20 • Idée • Définir des fonctions de bases localisées spatialement et associées à une fréquence d ’oscilation précise • Adapter la taille des fenêtres en fonction de la fréquence étudiée Construction de bases discrètes orthogonales avec reconstruction

  7. Sommaire Introduction Contexte DART 2D Exemple d’application 2D DART 3D Exemples d’applications Conclusion

  8. Définition de la transformation Ridgelet 2D Contrairement à Fourier, les ondelettes sont très efficaces pour représenter / analyser des singularités ponctuelles Signal Représentation ondelettes Mais nettement moins efficace pour représenter des singularités linéaires

  9. Point bord Domaine des Ridgelets Domaine de Radon Transformée de Radon Domaine de Radon Transformée ondelette Image Définition de la transformation Ridgelet 2D Idée : en 2D, les points et les droites sont liées via la transformation de Radon La transformation Ridgelet a été créé spécifiquement pour représenter efficacement les arêtes dans une image. [Candès98]

  10. Définition de la transformation Ridgelet 2D Les coefficients ridgelet sont donnés par une transformation ondelette 1D des projections de Radon

  11. Définir les lignes radiales passant par l’origine de l’image Transformée de Fourier 2D de l’image Transformée de Fourier 1D inverse le long des lignes Définition de la transformation Ridgelet 2D La transformée de Radon Somme des pixels le long d’un ensemble de lignes Stratégie classique Stratégie de Fourier

  12. Stratégie pour la transformation Ridgelet 2D discrète 1. Calcul de la transformée de Radon discrète : Difficile à réaliser. 2. Appliquer une transformée discrète en ondelettes sur chaque projection : facile à implanter, stable et inversible avec les bancs de filtres.

  13. Stratégie de Lausanne Stratégie de Stanford iFFT 1D le long des lignes définies dans le domaine de Fourier Conversion de la grille cartésienne en une grille pseudo-polaire Décomposition du domaine de Fourier 3D en 3 cônes [Averbuch Coifman Donoho Israeli Waldén2000] Somme des pixels le long d’un ensemble de lignes [Do&Vetterli2001]

  14. Sommaire Introduction Contexte DART 2D Exemple d’application 2D DART 3D Exemples d’applications Conclusion

  15. Extraction des coefficients de Fourier Stratégie de Poitiers Stratégie de calcul de la DART 2D : Définition des droites discrètes FFT 2D Coefficients de Fourier Extraction des coefficients de Fourier iFFT Projection de l’image Transformée ondelette 1D le long des projections Ridgelet [Carré&Andres2002]

  16. f2 0 0 f1 Domaine de Fourier Transformation de Radon analytique discrète DART : Stratégie de Fourier pour la transformation de Radon Droites L[p,q] sont définies à l’aide de géométrie analytique discrète • Nous avons besoin d’une droite discrète avec : • une symétrie centrale, • formant une « bonne » approximation de la droite euclidienne.

  17. Transformation de Radon analytique discrète Les droites analytiques discrètes que nous avons utilisées sont définies par : avec [p,q] la direction de projection de Radon et , une fonction de (p,q), l’épaisseur arithmétique Droites naïves fermées (8-connexes) Droites supercouvertures (4-connexes) Droites pythagoriciennes fermées (8-connexes)

  18. 0 0 Transformation de Radon analytique discrète Nous avons besoin d’un ensemble de directions [p,q] qui permettent une représentation complète (une couverture du domaine de Fourier)

  19. Transformation de Radon analytique discrète Supercouverture Naïf Le facteur de redondance varie avec l’épaisseur arithmétique de la droite (par exemple 2.05 pour les droites naïves fermées et 3.05 pour les droites supercouvertures)

  20. iFFT 2D Remise en place des coeffs de Fourier Extraction des coefficients de Fourier FFT 1D Transformée ondelette 1D le long des projections Coeffs ridgelets modifiés Traitements (débruitage) DART Inverse Définition des droites discrètes FFT 2D Coefficients de Fourier iFFT 1D Projection de l’image Ridgelet

  21. Sommaire Introduction Contexte DART 2D Exemple d’application 2D DART 3D Exemples d’applications Conclusion

  22. Droite discrète 1 Droite discrète 2 Pixels couverts par les deux droites discrètes Domaine de Fourier 2D couverts par deux droites analytiques discrètes Pourquoi la DART est performante en débruitage La transformée Ridgelet code efficacement les contours rectilignes La DART est une transformée redondante Répétition des informations dans le domaine des Ridgelets

  23. Stratégie pour le débruitage • Seuillage des coefficients Ridgelet • Calcul de la DART inverse. Le seuillage utilise une décomposition en ondelettes non-décimée Paramètre de Donoho La variance du bruit est estimée par la valeur médiane absolue des coefficients de la première échelle d ’ondelette pour chaque projection radiale

  24. Influence de l’épaisseur analytique sur le débruitage (a) (b) (SNR=15 dB) supercouverture naïve pythagoricienne

  25. Image Femme + bruit (=60) Noisy Fwt : ondelettes ortho Uwt : ondelettes redond LDART EPFL DART

  26. Image Maison + bruit (=70) Noisy Classical Wavelet Undecimated Wavelet LDART EPFL DART

  27. DART pas efficace pour toutes les applications Reconstruction partielle d ’une image artificielle à partir des 512 plus grands coefficients Ondelette EPFL DART La redondance de la DART n’est pas un avantage ici

  28. Sommaire Introduction Contexte DART 2D Exemple d’application 2D DART 3D Exemples d’applications Conclusion

  29. Définition de la transformée Ridgelet 3D bord Point Domaine des Ridgelets Domaine de Radon Transformée de Radon 3D Transformée ondelette Domaine de Radon Image 3D La transformée de Radon 3D La transformée Radon 3D de s est définie par : Transformée de Fourier 1D inverse le long des lignes Transformée de Fourier 3D de l’image Définir les lignes radiales passant par l’origine de l’image Définition de la DART 3D

  30. 2. Définition des droites discrètes 3D passant par l'origine pour chaque paramètre angulaire θ et  Stratégie de calcul de la transformée de Radon discrète 3D : La transformée de Radon discrète 3D 1. Calcul de la transformée de Fourier 3D de l'image 3. Calcul de la transformée de Fourier 1D inverse pour chaque droite

  31. Droite naïve Droite pythagoricienne Droite supercouverture Définition d’une droite analytique discrète 3D La transformée de Radon discrète 3D

  32. Couverture du volume par les droites discrètes 3D La transformée de Radon discrète 3D => Domaine de Fourier 3D couvert par des droites supercouvertures => Domaine de Fourier 3D non couvert par des droites naïves et pythagoriciennes

  33. 2. Définir des plans discrets passant par l’origine pour chaque paramètre angulaire  3. Couvrir le plan par des droites analytiques discrètes 2D passant par l’origine et définies pour chaque paramètre angulaire  Autre approche pour la Radon discrète 3D 1. Calcul de la transformée de Fourier 3D de l'image 4. Calcul de la transformée de Fourier 1D inverse pour chaque droite

  34. Les plans discrets : z, t y x Autre approche pour la Radon discrète 3D Définition des objets analytiques discrets naïf supercouverture pythagoricien

  35. Autre approche pour la Radon discrète 3D Définition des objets analytiques discrets La projection du plan est pavé de droites 2D y x z Les droites discrètes 3D au final :

  36. Sommaire Introduction Contexte DART 2D Exemple d’application 2D DART 3D Exemples d’applications Conclusion

  37. Image bruitée Imageoriginale Débruitage d’une image synthétique SNR=9,62 dB SNR=18,62 dB SNR=13,45 dB Image débruitée par une transformée en ondelette Image débruitée par une DART

  38. Image originale Image bruitée Image débruitée par une transformée ondelette Image débruitée par une DART Débruitage d’une Image à Résonance Magnétique (1/2)

  39. Débruitage d’une Image à Résonance Magnétique (2/2) Image bruitée Image originale Image débruitée par une transformée en ondelette Image débruitée par une DART

  40. Débruitage de la vidéo 1 (1/2) Vidéo originale Vidéo bruitée SNR=0.051 dB

  41. Débruitage de la vidéo 1 (2/2) Vidéo débruitée par une transformée en ondelette redond. Vidéo débruitée par une DART SNR=6.17 dB SNR=7.47 dB

  42. Conclusion (1/3) • La DART est facile à mettre en œuvre • facile à inverser • paramétrable avec l ’épaisseur arithmétique • illustre l’intérêt de la géométrie discrète • et constitue un bon outil de débruitage en 2D, 3D et ? 4D

  43. Conclusion (2/3) Les perspectives - Loi d’interpolation pour pallier la non-couverture du domaine de Fourier par les droites 3D naïves et pythagoriciennes - Droites analytiques discrètes 3D plus fines pour limiter la redondance de la DART et ainsi obtenir de meilleurs résultats en reconstruction partielle - Droites analytiques discrètes 3D plus épaisses pour augmenter la redondance de la DART et ainsi obtenir de meilleurs résultats en débruitage

  44. DART 3D inverse sur toutes les fenêtres DART 3D sur toutes les fenêtres Image 3D reconstruite Traitement La DART à fenêtres Conclusion (3/3)

More Related