Awards and honors, Life in the lab
Jérémy ANGER : winner of the 2022 Thesis Award of the Defense Innovation Agency
Published on
Jérémy Anger, post-doc at Centre Borelli, rewarded by the Defense Innovation Agency
The ministère des Armées and the ministère de l’Enseignement Supérieur annually reward young PhDs for the excellence of their thesis work. The awards were presented on December 5, 2022, on behalf of the two ministers, by Claire Giry, General Director of Research and Innovation, and by Engineer General of Armaments Thierry Carlier, Deputy Director General of the DGA.
Une exploration du défloutage d’images et vidéos : les détails qui font la différence
L’objectif de la thèse de Jérémy Anger, soutenue en 2020 au Centre Borelli, sous la direction de Enric Meinhardt-Llopis et Jean-Michel Morel était de trouver un moyen de corriger le flou d’images prises par des appareils photo standards, ou depuis des satellites, afin d’augmenter leur niveau de détail. Les travaux issus de la thèse ont permis le développement d’une approche technique nouvelle pour la super-résolution multi-images par apprentissage auto-supervisé. Des travaux complémentaires ont permis une super-résolution des images des satellites d’observation de la Terre Sentinel-2 de l’Agence spatiale européenne. L’apport en détails restaurés par la méthode permet d’en extraire une information plus précise dans diverses applications (reconstruction 3D, reconnaissance d’objets).
Prix de thèse 2022 de l'Agence de l'Innnovation défense
Résumé de la thèse de Jérémy ANGER
Cette thèse étudie le problème du flou et de sa suppression.
- Dans la première partie, nous nous concentrons sur la restauration de rafale d'images, en particulier pour le défloutage et la super-résolution. Nous étudions tout d'abord Fourier Burst Accumulation, qui fusionne efficacement les images dans le temps par une moyenne pondérée dans le domaine de Fourier. Ensuite, nous montrons que les récents progrès dans la conception de satellite permettent d'augmenter la résolution spatiale en utilisant des algorithmes de super-résolution multi-images. Nous proposons une méthode basée sur un modèle d'interpolation spline et quantifions le gain de résolution. Nous appliquons la méthode avec succès sur des images brutes Skysat prêtées par Planet.
- Dans la deuxième partie, nous nous concentrons sur le problème de la déconvolution non aveugle.Alors que la plupart des méthodes supposent un modèle de formation d'image trop simpliste, nous proposons de traiter explicitement la saturation, la quantification et la correction gamma, permettant une amélioration considérable des résultats.
- Dans la troisième partie, nous abordons le difficile problème du défloutage aveugle, où le noyau de flou n'est plus connu. Nous proposons d'abord une anatomie de la méthode de Goldstein et Fattal qui modélise les irrégularités statistiques dans le spectre de puissance des images naturelles floues afin d'estimer un noyau de flou. Ensuite, nous analysons une méthode d'estimation du noyau de flou qui utilise un a priori L0 sur les gradients de l'image. Bien que la méthode soit efficace dans des conditions idéales, nous montrons que ses performances se dégradent rapidement dans des conditions de bruit élevé.Pour faire face à ce problème, nous proposons d'améliorer la méthode afin de traiter les niveaux de bruit élevés tout en maintenant son efficacité. L'approche proposée donne des résultats équivalents à ceux obtenus avec des méthodes beaucoup plus exigeantes en temps de calcul. Enfin, nous proposons de quantifier la netteté des images de la constellation PlanetScope afin d'éliminer les images de faible qualité ou de déconvoluer celles qui sont floues.