Débruitage et super-résolution pour les images bio-médicales

Ce projet concerne la restauration d’images biomédicales (Scanner CT et IRM) en collaboration avec Françoise Dibos (PU LAGA/P13), Marie Luong (MCF L2TI/P13), Jean-Marie Rocchisani (MCF-PH, radiologue Hôpital Avicennes/P13). J’ai co-encadré avec M. Luong le stage de M2 de Dai Viet Tran en 2014, qui a été poursuivi en thèse de doctorat sous la direction de F. Dibos (co-directeurs S. Li-Thiao-Té et M. Luong). Les travaux ont porté sur la restauration d’images (débruitage et super-résolution), et ma contribution a porté sur l’étude de la structure de l’espace des images au travers d’une représentation par patchs.

Quatre publications en conférence internationale avec actes ont été produites :

• [12] montre que l’on peut améliorer la performance d’un algorithme de restauration d’images en appliquant une transformation de Anscombe, c’est-à-dire en transformant le bruit poissonien en un bruit gaussien afin d’utiliser une méthode adaptée au bruit gaussien.
• [13] montre que l’on peut améliorer la performance d’un algorithme de restauration d’images en choisissant une topologie de type « transport optimal » (Earth Mover’s Distance) dans l’espace des images, qui est plus adaptée à l’invariance par translation/rotation que la distance euclidienne.
• [15] montre que l’on peut améliorer la performance d’un algorithme de restauration d’images en modélisant la distribution a priori dans un sous-espace vectoriel de faible dimension, au lieu d’utiliser un a priori arbitraire parcimonieux. On fournit de plus une méthode efficace pour la résolution du problème de minimisation dans ce cas.
• [16] montre que l’espace des images a une structure « isolée », car lorsque l’on utilise un modèle de mélange comme a priori, la plus grande composante contient l’essentiel de l’information. Les expériences menées montrent également que le nombre de composantes a peu d’incidence, mais que le choix de la paramétrisation (le dictionnaire de patch) est prépondérant.