|
|
Gemma Pons Bernad
Ancien Stagiaire Master, DEA MVA, ENS Cachan
 Contact :
|
| Dernières publications dans le projet Ariana :
A Restoration Method for Confocal Microscopy Using Complex Wavelet Transform.
G. Pons Bernad et L. Blanc-Féraud et J. Zerubia. Dans Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Philadelphia, Pennsylvania, USA, mars 2005.
@INPROCEEDINGS{pons_icassp2005,
|
| author |
= |
{Pons Bernad, G. and Blanc-Féraud, L. and Zerubia, J.}, |
| title |
= |
{A Restoration Method for Confocal Microscopy Using Complex Wavelet Transform}, |
| year |
= |
{2005}, |
| month |
= |
{mars}, |
| booktitle |
= |
{Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)}, |
| address |
= |
{Philadelphia, Pennsylvania, USA}, |
| pdf |
= |
{http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=1415481}, |
| keyword |
= |
{} |
| } |
Abstract :
Confocal laser scanning microscopy is a powerful and increasingly popular technique for 3D imaging of biological specimens. However the acquired images are degraded by blur from out-of-focus light and Poisson noise due to photon-limited detection. Several deconvolution and/or denoising methods have been proposed to reduce these degradations.Here we propose a wavelet denoising method, which turns out to be very effective for three-dimensional confocal images. To obtain a translation and rotation invariant algorithm, we have developped the 3D Complex Wavelet Transform introduced by N. Kingsbury. These wavelets allow moreover a better directional selectivity of the wavelet coefficients. We show on simulated and real biological data the good performances of this algorithm. |
Restauration d'Images Biologiques 3D en Microscopie Confocale par Transformée en Ondelettes Complexes.
G. Pons Bernad et L. Blanc-Féraud et J. Zerubia. Rapport de Recherche 5507, INRIA, France, février 2005.
Mots-clés : Microscopie confocale, Transformee en ondelettes complexes 3D, Restauration, Debruitage, Deconvolution.
@TECHREPORT{5507,
|
| author |
= |
{Pons Bernad, G. and Blanc-Féraud, L. and Zerubia, J.}, |
| title |
= |
{Restauration d'Images Biologiques 3D en Microscopie Confocale par Transformée en Ondelettes Complexes}, |
| year |
= |
{2005}, |
| month |
= |
{février}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5507}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00070500}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/70500/filename/RR-5507.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/05/00/PS/RR-5507.ps}, |
| keyword |
= |
{Microscopie confocale, Transformee en ondelettes complexes 3D, Restauration, Debruitage, Deconvolution} |
| } |
Résumé :
La microscopie confocale est une méthode puissante pour l'imagerie 3D de spécimens biologiques. Néanmoins, les images acquises sont dégradées non seulement par du flou dû à la lumière provenant de zones non focalisées du spécimen, mais aussi par un bruit de Poisson dû à la détection. Plusieurs algorithmes de déconvolution ont été proposés pour réduire ces dégradations. Un des plus utilisés est l'algorithme itératif de Richardson-Lucy, qui calcule un maximum de vraisemblance adapté à une statistique poissonienne. Mais cet algorithme tend à amplifier le bruit. Une solution consiste alors à introduire une contrainte de régularisation (par exemple, fondée sur la Variation Totale). Ici, nous nous concentrons sur des méthodes fondées sur l'analyse par ondelettes, en particulier sur des méthodes de débruitage via la transformée en ondelettes, qui semblent être plus appropriées à la microscopie en fluorescence 3D. Nous développons dans ce rapport un algorithme de Transformation en Ondelettes Complexes 3D introduit par N. Kingsbury. Celui-ci permet une décomposition invariante par translation et rotation et une sélectivité directionnelle des coefficients en ondelettes. Nous montrons sur des images synthétiques et sur des images réelles les résultats de cet algorithme de débruitage. Ce dernier est ensuite inséré dans le processus de déconvolution. |
Abstract :
Confocal laser scanning microscopy is a powerful technique for 3D imaging of biological specimens. However the acquired images are degraded by blur from out-of-focus light and Poisson noise. Several deconvolution algorithms have been proposed to reduce these degradations, including the Richardson-Lucy iterative algorithm, which computes a maximum likelihood estimation adapted to Poisson statistics. Nevertheless, this algorithm tends to amplify noise. Other solutions exist which combine Richardson-Lucy algorithm and regularization (for example with a Total Variation constraint). In this report, we will concentrate on methods based on wavelet analysis, in particular on wavelet denoising methods, which turn out to be very effective in application to 3D confocal images. To obtain a translation and rotation invariant decomposition algorithm, we have developped the 3D Complex Wavelet Transform introduced by Nick Kingsbury. These wavelets allow moreover a directional selectivity of the wavelet coefficients. We show on simulated and real images the denoising results. This algorithm is then used for the deconvolution purpose. |
|
Liste complète des publications dans le projet Ariana
|
|
Nouvelle page de démos
