Accueil > Documentations scientifiques > Revues récentes > Mada-ETI > Archives > Volume1, 2010 > Debruitage par seuillage des coefficients d’ondelettes

• 
  Debruitage par seuillage des coefficients d’ondelettes
  Mada-ETI, Volume1, 2010 pp:5

  Auteur(s) : Rakotomalala M. A., Rakotomiraho S. , Randriamitantsoa A. A.

  Auteur correspondant :

  Mots-clés : ONDELETTES/ TRANSFORMEE EN ONDELETTES/ SEUILLAGE/ IMAGE/ DEBRUITAGE/ SIMILARITE STRUCTURELLE.
  
  

  Résumé de l’article

  [FR] Des travaux sur l’une des applications de la transformée en ondelettes dans le domaine du traitement d’images ont été effectués en utilisant le seuillage des coefficients d’ondelettes. Ce travail contient des éléments concernant les bases d’ondelettes et une application de la transformées en ondelettes « le débruitage par seuillage des coefficients d’ondelettes ». Les images peuvent être contaminées par des bruits de différentes origines durant leur acquisition ou leur transmission, d’où la dégradation de leurs qualités. En utilisant le processus de débruitage par seuillage des coefficients d’ondelettes par seuillage dur ou par seuillage doux des coefficients d’ondelettes et avec un bon choix du seuil et de l’ondelette utilisées, on arrive à apercevoir des informations dans une image bruitée. Les mesures utilisées pour évaluer la qualité de l’image débruitée sont le PSNR (Peak Signal to Noise Ratio) et l’indice de similarité structurelle SSIM (structural similarity). En débruitant une image bruitée avec un bruit d’écart type s =300, avec l’utilisation du seuil vérifiant T 2 log ( N ) e = s et l’ondelette de Haar, on obtient un PSNR de 15.3582 et de SSIM de 0.30967.

  [MG]

  [EN] Denoising by thresholding wavelets coefficients Works on applications of the wavelets transform in the area of the image processing using the thresholding wavelets coefficients have been undertaken. This work contains elements concerning the wavelet transform and a wavelet transform application “denoising by thresholding wavelets coefficients”. Images can be contaminated by noise them of different origins during their acquisition or their transmission, where the degradation of their qualities. By using the process of denoising by thresholding wavelets coefficients by hard or soft thresholding and with a good choice of the threshold and the wavelet used, one arrives to see information in an image noised. The measures used to estimate the quality of image denoised are the PSNR (Peak Signal to Noise Ratio) and the SSIM (structural similarity). With using a threshold checking T 2 log ( N ) e = s and Haar wavelet, denoising a noised image withs =300, we obtain a PSNR of 15.3582 and a SSIM of 0.30967. Keywords

  Télécharger