Treffer: A multiscale vision model adapted to the astronomical images

Title:
A multiscale vision model adapted to the astronomical images
Authors:
Source:
Signal processing. 46(3):345-362
Publisher Information:
Amsterdam: Elsevier Science, 1995.
Publication Year:
1995
Physical Description:
print,
Original Material:
ELSEVIER
INIST-CNRS
Document Type:
Fachzeitschrift Article
File Description:
text
Language:
English
Author Affiliations:
Observatoire de la Côte d'Azur, Dpt CERGA URA CNRS 1360, B.P. 229, 06304 Nice, Cedex 4, France
ISSN:
0165-1684
Rights:
Copyright 1996 INIST-CNRS
CC BY 4.0
Sauf mention contraire ci-dessus, le contenu de cette notice bibliographique peut être utilisé dans le cadre d’une licence CC BY 4.0 Inist-CNRS / Unless otherwise stated above, the content of this bibliographic record may be used under a CC BY 4.0 licence by Inist-CNRS / A menos que se haya señalado antes, el contenido de este registro bibliográfico puede ser utilizado al amparo de una licencia CC BY 4.0 Inist-CNRS
Notes:
Astronomy
Accession Number:
edscal.5970522
Database:
PASCAL Archive

Weitere Informationen

RésuméL'observation du ciel met en évidence de nombreux types d'objets distribués hiérarchiquement. Nous avons introduit un modèle de vision multi-échelles basé sur la transformation en ondelettes. La transformation discrète est réalisée par l'algorithme à trous, lequel permet une vision isotrope, avec une seule fonction ondelette. Le modèle de vision est fondé sur la notion de structures significatives. Lex pixels de l'espace de la transformation en ondelettes (WTS), pouvant être attribués aux objets, sont identifiés. A chaque échelle, une procédure de segmentation est appliquée. Un graphe d'inclusion des domaines d'une échelle à l'autre est alors établi, A partir de ce graphe, on identifie des arbres connexes. A chaque sousarbre du graphe d'inclusion, est associé généralement un objet. L'identification des pixels du WTS attribués à un objet donné, conduit à reconstruire une image, grâce à des algorithmes de restauration partielle. A partir de ces images, on peut alors extraire les propriétés des objets. La principale difficulté réside dans la reconstruction de l'image d'un objet connaissant le volume de coefficients en ondelettes où il est défini. C'est un problème inverse classique. Nous avons choisi de le résoudre en appliquant des algorithmes itératifs. Ces algorithmes donnent des images restaurées de bonne qualité, tout à fait utilisables, comme le montrent différents exemples avec ou sans bruit additif gaussien. L'influence des objets proches peut être partiellement supprimée.