Correction du flou de mouvement sur des images prises de nuit depuis un véhicule de numérisation terrestre

Auteurs-es

  • Vincent Daval
  • Lâmân Lelégard Univ. Paris-Est, LASTIG MATIS, IGN
  • Mathieu Bredif

DOI :

https://doi.org/10.52638/rfpt.2017.354

Mots-clés :

Flou de bougé, Données inertielles, Flou non uniforme et spatialement variant, Décomposition en valeurs singulières, Fonction d’étalement du point, Transformée de Fourier

Résumé

Ce travail marque une première étape dans la définition d'une méthode de correction du flou de mouvement observé dans les clichés pris avec un long temps d'exposition par un véhicule de cartographie mobile. Dans l'approche proposée, nous prenons en considération à la fois les données inertielles provenant d'accéléromètres et de gyroscopes et les données de variation de la profondeur de la scène fournies par des mesures Lidar ou un modèle 3D. Notre algorithme utilise toutes les données utiles afin de déterminer au mieux la fonction d'étalement du point en chaque pixel. Nous proposons également un premier essai de correction du flou en utilisant les noyaux de flou non uniforme et spatialement variant que nous avons obtenus en suivant une approche de reconstruction spatiale. Notre méthode est actuellement validée sur des prises de vue floues non bruitées obtenues par images de synthèse qui reproduisent le mouvement réel du véhicule. Nous précisons enfin comment il est envisagé d'obtenir une correction de l'image complète et d'améliorer encore ces premiers travaux.

Téléchargements

Les données relatives au téléchargement ne sont pas encore disponibles.

Références

Fergus R., Singh B., Hertzmann A., Roweis S.T., Freeman W., 2006. Removing camera shake from a single photograph. ACM Transactions on Graphics 25 (2006): 787-794.

Golub G., van Loan C.F., 1996. The Singular Value Decomposition. John Hopkins University Press, Baltimore.

Hansen C., 1992. Analysis of Discrete Ill-Posed Problems by Means of the L-Curve. SIAM Review 34 n°4 (1992): 561-580.

Hestennes M.R., 1975. Pseudoinversus and conjugate gradient. Communications of the ACM. 18, n° 1 (1975): 40-43.

Joshi N., Kang S.B., Zitnick C.L., Szeliski R., 2010. Image Deblurring using Inertial Measurement Sensors. ACM SIGGRAPH.

Levin A., Sand P., Cho T.S., Durand F., Freeman W.T., 2008. Motion-invariant photography. ACM Transactions on Graphics 27 (2008): 1-71.

Lucy L., 1974. An iterative technique for the rectification of observed distributions. Journal of Astronomy 79 (1974): 745-754.

Paparoditis N., Papelard J.P., Cannelle B., Devaux A., Soheilian B., David N., Houzay E., 2012. Stereopolis II: A multi-purpose and multi-sensor 3D mobile mapping system for street visualisation and 3D metrology. Revue Française de Photogrammétrie et de Télédétection 200: 69-79.

Park S.Y., Park E.S., and Kim H.I., 2008. Image deblurring using vibration information from 3-axis accelerometer. Journal of the Institute of Electronics Engineers of Korea. SC, System and control: 1-11.

Raskar A., Agrawal A., Tumblin J., 2006. Coded Exposure Photography: Motion deblurring using a fluttered shutter. SIGGRAPH.

Richardson W.H., 1972. Bayesian-based iterative method of image restoration. Journal of the Optical Society of America (1917-1983) 62 (1972): 55-59.

Shan Qi, Jiaya Jia, Aseem A., 2008. High-quality Motion Deblurring from a single Image. ACM Transactions on Graphics 27, n° 3, article 73.

Whyte O., Sivic J., Zisserman A., Ponce J., 2012. Non-uniform Deblurring for Shaken Images. IJCV, n° 98 (2012): 168-186.

Wiener, N., 1949, Extrapolation, Interpolation, and Smoothing of Stationary Time Series, Cambridge, Technology Press of Massachusetts Institute of Technology, and New York, Wiley.

Téléchargements

Publié-e

2017-08-16

Comment citer

Daval, V., Lelégard, L., & Bredif, M. (2017). Correction du flou de mouvement sur des images prises de nuit depuis un véhicule de numérisation terrestre. Revue Française de Photogrammétrie et de Télédétection, (215), 53–64. https://doi.org/10.52638/rfpt.2017.354