Précédent: Position du problème Suivant : Rôle de la régularisation |
|
Une solution simple pour déconvoluer une image = optimiser le critère des moindres carrés.Régularisation
on cherche l'image qui minimise la fonctionnelle J(X) :
J(X)=|| Y-HX || 2 C'est un problème inverse mal posé (au sens de Hadamard):
Déconvolution amplification du bruitla solution n'est pas unique ; elle n'est pas stable. Faibles variations de l'image observée Y fortes variations de l'image restaurée X.
Exemple (image synthétique) :
Image originale Image dégradée Image déconvoluée
On cherche l'image qui minimise l'énergie U(X) :
= terme d'attache aux données (Y=données)= terme de régularisation, qui pénalise les images bruitées
, = hyperparamètres du modèle
gradients de X = différences entre pixels voisins
= Phi-fonction, c'est le modèle de régularisation