La thèse porte sur l'extraction d'informations et l'amélioration des données RSO de un mètre de résolution visant à fournir des meilleurs descripteurs de contenu pour la compréhension des scènes et la reconnaissance de cibles, pour des produits améliorés radiométriquement et spatialement. Pour atteindre cet objectif, la thèse approche le problème de la modélisation des images RSO et propose une nouvelle solution fondée sur l'estimation du problème inverse pour l'extraction d'information. Le problème de la sélection du modèle est géré par le taux de distorsion, en raison de sa correspondance avec le cadre de l'inférence bayésienne. Nous commençons l'analyse avec l'extension de la famille de champs aléatoires de Gauss-Markov linéaires a des données à valeurs complexes, qui s'applique aux variables aléatoires à valeurs complexes : la distribution normale à plusieurs variables complexes et le modèle paramétriques des champs aléatoires de Gauss-Markov en cas de variables aléatoires correctes et incorrectes. La méthode proposée est une régularisation de Tikhonov dans le domaine complexe. Le speckle est traité comme un processus aléatoire à valeurs réelles. L'approche dans le domaine complexe permet de gérer la formation de l'image cohérente comme information ou comme incertitude dans le cas de structures ou de textures de la scène. Dans le contexte de l'optimisation des paramètres pour l'extraction de caractéristiques, a fenêtre d'analyse optimale (moyenne) et l'ordre optimal (moyen) du processus d'auto-régression sont estimés à l'aide du taux de distorsion. Cela confirme que le taux de distorsion est une bonne méthode basée sur l'entropie pour la sélection de modèle.

Made available in DSpace on 2016-06-02T19:06:17Z (GMT). No. of bitstreams: 1 6277.pdf: 15816665 bytes, checksum: 105661656ee67fe816f34a96605797f9 (MD5) Previous issue date: 2014-01-23 / The development of new methods and noisy images filtering techniques still attract researchers, which seek to reduce the noise with the minimal loss of details, edges, resolution and removal of fine structures of the image. Moreover, it is extremely important to expand the capacity of the filters for the different noise models present in the Image and Signal Processing literature, like the multiplicative noise speckle, present in the synthetic aperture radar (SAR) images. This Master s degree thesis aims to use a recent denoising algorithm: the nonlocal means (NLM), developed for the additive white gaussian noise (AWGN), and expand, analyze and compare its capacity for intensity SAR images denoising (despeckling), which are contaminated with the speckle. This expansion of the NLM filter is based with the use of the stochastic distances and the comparison of the estimated parameters with de G0 and the inverse Gamma distributions. Finally, this work compares the synthetic and real results of the proposed filter with some filters of the literature. / A elaboração de novos métodos e técnicas de filtragem de imagens ruidosas ainda atraem pesquisadores, que buscam a redução de ruído com a mínima perda dos detalhes, bordas, resolução e remoção de estruturas finas da imagem. Além disto, é de extrema importância ampliar a capacidade dos filtros para diversos modelos de ruído existentes na literatura de Processamento de Imagens e Sinais, como o ruído multiplicativo speckle , presente em imagens de radar de abertura sintética (SAR). Esta dissertação de Mestrado tem o objetivo de utilizar um algoritmo de filtragem recente: o nonlocal means (NLM), desenvolvido para o ruído branco aditivo gaussiano (AWGN), e ampliar, analisar e comparar a sua capacidade para a filtragem de imagens SAR de intensidade ( despeckling ), as quais são contaminadas com o speckle . Esta ampliação do filtro NLM é baseada no uso das distâncias estocásticas e na comparação dos parâmetros estimados através das distribuições G0 e da inversa da Gama. Por fim, este trabalho compara os resultados sintéticos e reais do filtro proposto com alguns filtros da literatura.

This diploma thesis deals with the methods of despeckling in ultrasound images. Ultrasound imaging and related artifacts are described in more details. Ultrasound imaging has its pros and cons, where speckle noise is a disadvantage to be solved. Models of origin of this specific noise are referred too. Practical part of this thesis aims on filtering speckled images by basic and advanced filtering methods as are linear filtering, median filtering, application of Frost filter, QGDCT, geometric filtering, anisotropic diffusion filtering and filtering based on wavelet transformation. Results are compared on the basis of objective criteria.