Traitements d’image et imageurs

Traitements d’image et imageurs

Traitements d’image

Dans le cadre des systèmes d’imagerie intelligents, il est important d’analyser les traitements d’image qui peuvent tirer parti de ce genre d’architecture. Il ne s’agit pas ici de faire une liste exhaustive mais bien de comprendre les mécanismes généraux des traitements d’image. Nous nous intéresserons seulement aux images en niveaux de gris : une image est une matrice dont chaque élément représente le niveau de gris d’un pixel. Une image est donc un signal discret à deux dimensions, souvent numérisé (niveaux de gris quantifiés). Elle peut être destinée à l’affichage ou au traitement pour analyser l’environnement. On peut donc distinguer deux types de traitements d’image : les corrections pour rendre une image agréable à présenter, et les extractions d’informations. Avant la présentation rapide de ces traitements de bas et moyen niveau, les principaux outils de prétraitement d’image de base sont introduits. Plus de détails peuvent être trouvés dans [1 – Bovik 2009][2 – Jähne 2005].

Principaux outils de traitements

Filtrage spatial
L’un des traitements les plus utilisés est le filtrage spatial : il s’agit de convoluer l’image par un masque. Selon l’application, le masque -ou kernel- peut changer, c’est une imagette de quelques pixels (typiquement 3×3 pixels ou 5×5 pixels, de taille impaire pour que le masque soit centré sur un pixel) dont les valeurs sont déterminées à l’avance.

Transformée de Fourier

En considérant une image comme un signal, on peut utiliser la transformée de Fourier en deux dimensions [1 – Bovik 2009] [2 – Jähne 2005]. Toute image peut être décomposée en combinaison d’images sinusoïdales . Deux “images” sont obtenues : l’image des magnitudes et l’image des phases . Les détails de l’image spatiale se retrouvent dans les composantes haute fréquence, avec leur direction donnée par leur position dans le plan fréquentiel, tandis que les régions uniformes se retrouvent en basse fréquence. On peut noter que la résolution (pas d’échantillonnage) dans un domaine (spatial ou fréquentiel) détermine la taille de l’image dans l’autre domaine, et vice-versa [2 – Jähne 2005] . Une fois l’image transformée dans le domaine fréquentiel, il est possible de la traiter, par exemple par des filtrages passe-bas (enlevant les hautes fréquences qui représentent les détails). Cette approche est très souvent utilisée pour la compression d’image.

Pyramides

Pour pouvoir travailler à différentes échelles sur une même image, il peut être intéressant d’en former une pyramide. La base est l’image de départ, tandis que les étages supérieurs sont des souséchantillonnages successifs . Avant de sous échantillonner, pour éviter les repliements de spectre (théorème de Shannon) l’image est filtrée par un passe-bas. Ainsi, la décomposition en pyramide sert à appliquer un traitement local (utilisant quelques pixels voisins, donc à faible coût calculatoire) à différentes échelles et donc finalement sur de grands voisinages de pixels.

Morphologies

Une morphologie est une succession de convolutions spatiales particulières. Il s’agit de dilater puis d’éroder les objets (morphologie fermée) ou d’éroder puis dilater (morphologie ouverte). Une érosion ou une dilatation est obtenue par une convolution de l’image avec un masque unitaire (carré 3×3 par exemple) et suppression (respectivement conservation) de tous les pixels de valeur non maximale (respectivement non nulle) . Ces techniques peuvent être étendues aux images avec plus de 2 niveaux de gris, en prenant les minima (érosion) et maxima (dilatation) sur un voisinage [1 – Bovik 2009]. Les morphologies peuvent donc servir à enlever des aberrations de l’image, comme des pixels bruités, de valeur anormale par rapport à leurs voisins.

Corrections

Débruitage

Dans la chaîne d’acquisition d’une image, beaucoup d’altérations de l’image peuvent se produire : distorsion due au système optique, erreur du capteur, dégradation du signal, erreur de quantification, erreur de transmission, etc. Le résultat est une image bruitée. Différents types de bruits existent, avec différentes propriétés et donc différents modèles (voir [1 – Bovik 2009] pour plus de détails). Tout d’abord, certains bruits varient dans le temps, il est donc intéressant de moyenner des images successives pour les diminuer. Ensuite le bruit est souvent spatialement non-corrélé et est par conséquent une composante haute fréquence de l’image. Un filtrage passe-bas permet de débruiter ; il peut être implémenté directement en filtrage fréquentiel après transformée de Fourier, ou en filtrage spatial avec un kernel adéquat. Cependant, le bruit n’est souvent pas sur une bande de fréquence distincte de celle de l’image : les détails d’une image sont de hautes fréquences spatiales. Un filtrage passe-bas retire donc du bruit mais risque de flouter l’image si la fréquence de coupure est trop basse .

Différents filtres passe-bas existent, des plus simples comme la moyenne spatiale de pixels voisins ou la mise à zéro de toutes les hautes fréquences de l’image, aux plus complexes comme le filtrage frequency neighbourhood weighting filter (qui préserve les voisinages de composantes fréquentielles puisque les composantes hautes fréquences d’une image non-bruitée ne sont pas isolées). Chacun est un compromis entre efficacité de débruitage et complexité d’implémentation [1 – Bovik 2009] . Pour éviter le plus possible de flouter une image en la débruitant, des filtres non-linéaires existent également, comme les filtres médians et leurs variations (l’idée est de calculer le niveau de gris médian sur un voisinage de pixels) ou les filtres morphologiques (érosion, dilatation, ou leurs successions).

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela chatpfe.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

Introduction
Chapitre 1 : Traitements d’image et imageurs
1.1 Traitements d’image
1.1.1 Principaux outils de traitements
1.1.1.1 Filtrage spatial
1.1.1.2 Transformée de Fourier
1.1.1.3 Pyramides
1.1.1.4 Morphologies
1.1.1.5 Histogrammes
1.1.2 Corrections
1.1.2.1 Débruitage
1.1.2.2 Améliorations visuelles
1.1.3 Extraction d’information
1.1.3.1 Points d’intérêt
1.1.3.2 Mouvement
1.1.3.3 Profondeur
1.1.4 Exploitation des informations
1.1.4.1 Apprentissage automatique
1.2 Capteurs d’images
1.2.1 Photodétecteurs
1.2.1.1 Jonctions PN
1.2.1.2 Avalanche
1.2.1.3 Jonctions enterrées doubles ou triples
1.2.1.4 Autres photodétecteurs
1.2.2 Pixel
1.2.2.1 Notions
1.2.2.2 Pixel passif
1.2.2.3 Pixels actifs
1.2.2.4 Pixels à SPAD
1.2.2.5 Pixels numériques
1.2.3 Modes de lecture
1.2.3.1 Lecture courante
1.2.3.2 Volets
1.2.3.3 Autres
1.3 Traitements dans l’imageur
Chapitre 2 : Imageurs intelligents
2.1 Imageurs intelligents : définition et notions de base
2.2 Imageurs intelligents dans la littérature
2.2.1 Traitement au niveau pixel
2.2.2 Traitement au niveau colonne
2.2.3 Macropixels
2.3 Compromis surface/versatilité
2.3.1 Des figures de mérite adaptées
2.3.2 Comparaison des imageurs intelligents
Chapitre 3 : Exploration architecturale
3.1 Filtrage spatial
3.1.1 Convolution sous-échantillonnée
3.1.2 Critère d’évaluation du sous-échantillonnage : la détection de piétons
3.1.2.1 Convolution
3.1.2.2 Prise en compte des imperfections de l’électronique de traitement
3.1.2.3 Calcul de l’histogramme des gradients orientés
3.1.2.4 Apprentissage automatique
3.1.3 Résultats de l’étude fonctionnelle
3.2 Filtrage temporel
3.3 Co-intégration des traitements
3.4 Architecture proposée
3.4.1 Architecture globale
3.4.2 Optimisation de la répartition de la charge de calcul
3.4.3 Conclusion et spécifications
Chapitre 4 : Architecture de traitement
4.1 Spécifications de l’élément de calcul
4.2 Exploration architecturale de circuit de PE analogique
4.2.1 Calculs parallèles
4.2.2 Calcul séquentiel
4.3 Analyse et définition du circuit SC retenu
4.3.1 Architecture adaptée
4.3.2 Dimensionnement
4.3.3 Influence du gain fini
4.3.4 Influence du désappariement des capacités
4.3.4.1 Cas gain infini
4.3.4.2 Cas gain fini
4.3.5 Influence des interrupteurs
Chapitre 5 : Implémentation du système
5.1 Vue d’ensemble du système
5.2 Photodiode
5.3 Pixel
5.3.1 Architecture
5.3.2 Dimensionnement
5.4 Accumulateur à capacités commutées : dimensionnement
5.4.1 Inverseur
5.4.2 Capacités Cin et Cout
5.4.3 Capacité CC
5.4.4 Interrupteurs
5.5 Commande numérique
5.5.1 Spécifications et fonctionnement
5.5.2 Place dans la matrice
5.6 Interconnexion entre circuits numériques et analogiques
5.6.1 Commandes
5.6.2 Anti-chevauchement
5.6.3 Connexion inter-macropixels
5.6.4 Temps de montée pour injection de charges
5.7 Dessin : considérations, analyse et réalisation
5.7.1 Placement des composants
5.7.2 Pixel
5.7.3 Pixels avec mémoire
5.7.4 Accumulateur
5.7.5 Macropixels
5.7.6 Positionnement par rapport à l’état de l’art
Chapitre 6 : Validation et estimation des performances du système
Conclusion