next up previous contents
suivant: Restauration monter: Inpainting précédent: Algorithme   Table des matières

Remarques

D'un point de vue numérique, les fissures sont généralement modélisées par une conductivité très faible plutôt que par un trou effectif dans le domaine de calcul. L'algorithme défini précédemment a une complexité en $ \mathcal{O}(n.\log(n))$ , où $ n$ est le nombre de pixels de l'image, comme expliqué au paragraphe 2.7.

L'avantage de cette méthode est de permettre la reconstruction de l'image à l'aide d'uniquement $ 5$ résolutions d'EDPs, les deux problèmes directs, les deux problèmes adjoints, puis un problème direct perturbé. Les résultats présentés dans [27] montrent la qualité des résultats obtenus en appliquant ainsi seulement une itération du gradient topologique.

Le paramètre de contrôle de la méthode se situe dans le seuillage du gradient: en dessous d'un certain seuil, nous estimons que les pixels considérés sont des contours de l'image, alors qu'au-dessus, nous estimons que ce n'est pas le cas. La résolution du dernier problème perturbé (2.12) pour trouver l'image reconstruite repose sur la résolution du problème de Poisson, et la netteté de l'image obtenue dépend de la connexité des contours identifiés. En effet, si un contour n'est pas fermé, le Laplacien crée une zone floue. De fait, le c\oefficient de seuillage est généralement calé pour assurer la fermeture des principaux contours de l'image, quitte à prendre en compte des pixels qui ne sont en fait pas sur les contours de l'image. Nous avons constaté que numériquement, ce paramètre dépend très peu des images traitées et peut être fixé a priori.

Une solution à ce problème de seuillage est étudiée en section 2.8.


next up previous contents
suivant: Restauration monter: Inpainting précédent: Algorithme   Table des matières
Retour à la page principale