Dématriçage d'images CFA 8 bits par les gradients diagonaux

Le dématriçage est l'étape la plus importante dans l'acquisition d'image couleur. Elle consiste à produire une image couleur à partir d'une image CFA. Cette étape, génère des artefacts (défauts), qu'il faudrait éliminer autant que possible. Les méthodes développées dans le domaine spatiale utilisent des gradients à orientations verticale et horizontale afin d'estimer les zones homogènes pour une meilleure interpolation. En vue d'optimiser la reconnaissance des zones homogènes dans une image, nous avons émis et vérifié l'hypothèse selon laquelle, l'utilisation des gradients orientés suivant les diagonales et intégrant la teinte donne des résultats au moins aussi bons que Les méthodes développées dans le domaine spatiale. Six méthodes utilisant les gradients diagonaux teinté et deux méthodes utilisant les gradients horizontal, vertical et teinté ont été élaborées et nous observons une amélioration du PSNR (rapport signal sur bruit) de près de 7,8 Décibels une fois comparé au dématriçage de Hamilton et une réduction d'environ 0,8 de l'erreur d'estimation visuel dans l'espace CIEL a b pour un temps d'implémentation assez faible.

Autorentext

Libouga Li Gwet David., Doctorant PhD en PAI (Physique Appliquée et Ingénierie) à l'Université de N'Gaoundéré, CAMEROUN, membre du Laboratoire LESIA (http://lesia-cameroun.org)

Klappentext

Le dématriçage est l'étape la plus importante dans l'acquisition d'image couleur. Elle consiste à produire une image couleur à partir d'une image CFA. Cette étape, génère des artefacts (défauts), qu'il faudrait éliminer autant que possible. Les méthodes développées dans le domaine spatiale utilisent des gradients à orientations verticale et horizontale afin d'estimer les zones homogènes pour une meilleure interpolation. En vue d'optimiser la reconnaissance des zones homogènes dans une image, nous avons émis et vérifié l'hypothèse selon laquelle, l'utilisation des gradients orientés suivant les diagonales et intégrant la teinte donne des résultats au moins aussi bons que Les méthodes développées dans le domaine spatiale. Six méthodes utilisant les gradients diagonaux teinté et deux méthodes utilisant les gradients horizontal, vertical et teinté ont été élaborées et nous observons une amélioration du PSNR (rapport signal sur bruit) de près de 7,8 Décibels une fois comparé au dématriçage de Hamilton et une réduction d'environ 0,8 de l'erreur d'estimation visuel dans l'espace CIELab* pour un temps d'implémentation assez faible.