Tesis:
Restauración de imágenes con desensibilización de estimaciones.
- Autor: SANTIAGO CABELLO, Miguel Angel
- Título: Restauración de imágenes con desensibilización de estimaciones.
- Fecha: 2011
- Materia: Sin materia definida
- Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION
- Departamentos: SEÑALES, SISTEMAS Y RADIOCOMUNICACIONES
- Acceso electrónico: http://oa.upm.es/8317/
- Director/a 1º: BERNUÉS DEL RIO, Emiliano
- Director/a 2º: CISNEROS PEREZ, Guillermo
- Resumen: El marco de esta tesis es la restauración digital de imágenes, esto es, el proceso por el cual se recupera una imagen original que ha sido degradada por las imperfecciones del sistema de adquisición: emborronamiento y ruido. Restaurar esta degradación es un problema mal condicionado pues la inversión directa por mínimos cuadrados amplifica el ruido en las altas frecuencias. Por ello, se utiliza la regularización matemática como medio para incluir información a priori de la imagen que consiga estabilizar la solución. Durante la primera parte de la memoria se hace un repaso de ciertos algoritmos del estado del arte, que se usarán posteriormente como métodos de comparación en los experimentos. Para resolver el problema de regularización, la restauración de imágenes tiene dos requisitos previos. En primer lugar, es necesario realizar hipótesis sobre el comportamiento de la imagen fuera de sus fronteras, debido a la propiedad no local de la convolución que modela la degradación. La ausencia de condiciones de frontera en la restauración da lugar al artefacto conocido como boundary ringing. En segundo lugar, los algoritmos de restauración dependen de un número importante de parámetros divididos en tres grupos: parámetros respecto al proceso de degradación, al ruido y a la imagen original. Todos ellos necesitan de una estimación a priori suficientemente precisa, pues pequeños errores respecto a sus valores reales producen importantes desviaciones en los resultados de restauración. El problema de frontera y la sensibilidad a estimaciones son los objetivos a resolver en esta tesis mediante dos algoritmos iterativos. El primero de los algoritmos afronta el problema de frontera partiendo de una imagen truncada en el campo de visión como observación real. Para resolver esta no linealidad, se utiliza una red neuronal que minimiza una función de coste definida principalmente por la regularización por variación total, pero sin incluir ningún tipo de información a priori sobre las fronteras ni requerir entrenamiento previo de la iv red. Como resultado, se obtiene una imagen restaurada sin efectos de ringing en el campo de visión y además las fronteras truncadas son reconstruidas hasta el tamaño original. El algoritmo se basa en la técnica de retro-propagación de energía, con lo que la red se convierte en un ciclo iterativo de dos procesos: forward y backward, que simulan una restauración y una degradación por cada iteración. Siguiendo el mismo concepto iterativo de restauración-degradación, se presenta un segundo algoritmo en el dominio de la frecuencia para reducir la dependencia respecto a las estimaciones de parámetros. Para ello, se diseña un nuevo filtro de restauración desensibilizado como resultado de aplicar un algoritmo iterativo sobre un filtro original. Estudiando las propiedades de sensibilidad de este filtro y estableciendo un criterio para el número de iteraciones, se llega a una expresión para el algoritmo de desensibilización particularizado a los filtros Wiener y Tikhonov. Los resultados de los experimentos demuestran el buen comportamiento del filtro respecto al error dependiente del ruido, con lo que la estimación que se hace más robusta es la correspondiente a los parámetros del ruido, si bien la desensibilización se extiende también al resto de estimaciones.