Autres solutions de stabilisation existantes

Les chercheurs ont développés d‟autres solutions dites numériques pour stabiliser les images afin de se passer des composants externes à l‟imageur. Elles consistent soit à faire des opérations directement sur l‟imageur en cours d‟intégration, soit une fois l‟image numérisée.

Stoppage de l’intégration localisée

Dans les travaux de [120], la stabilisation de l‟image est réalisée de manière localisée sur l‟imageur. Pour chaque pixel il y a un circuit électronique de détection du bougé. Cette détection est réalisée de manière ponctuelle suivant une période fixée. Lorsque le circuit détecte un bougé, il stop l‟intégration des pixels. Ainsi lorsqu‟un objet est en mouvement dans la scène, la zone de l‟image contenant la scène est figée. Par extension, lorsque toute la scène sera en mouvement lors d‟un flou de bougé, tous les pixels vont stopper leur intégration. Ceci revient finalement à réduire le temps de pose de l‟image, ce qui n‟est pas toujours souhaitable pour les scènes peu lumineuses.

Couple d’image

Une autre méthode de stabilisation d‟image développée par [121] consiste à reconstruire une image nette à partir d‟un couple d‟image : une avec un temps d‟exposition long sans utiliser de flash et une autre avec un temps d‟exposition court avec l‟utilisation du flash. Ainsi l‟image nette acquise avec le flash permet de capturer les détails de la scène et celle sans le flash permet de prendre la luminosité ambiante. L‟une des principales limitations de cette technique est que l‟utilisation du flash n‟est pas toujours possible.

Déconvolution

Un grand nombre d‟algorithme basés sur la déconvolution ont été développés pour réduire le flou sur les images. La déconvolution consiste à résoudre le problème inverse du floutage de l‟image. Pour inverser la convolution les algorithmes de déconvolutions ont tous

besoin d‟accéder à la PSF du flou : soit en connaissant déjà la PSF par supposition ou données externes, soit en cherchant la PSF du flou directement sur l‟image finale. On appelle cette dernière méthode, blind deconvolution.

Pour les méthodes de blind deconvolution, il existe de nombreuses recherches sur le sujet [122, 123, 124, 125, 126, 127, 128] car l‟avantage de celles-ci est de pouvoir utiliser directement les images floutées. Une comparaison d‟algorithmes en termes de performance est réalisée dans les travaux de [129], il montre des résultats visuels à partir d‟un flou de bougé linéaire ainsi que les valeurs du bruit des images défloutées. Ces méthodes présentent l‟inconvénient d‟être gourmandes en puissance de calcul et l‟erreur sur l‟estimation de la PSF se cumule à l‟erreur liée au calcul de l‟inversion du floutage.

Pour les autres méthodes de déconvolution il existe par exemple celles qui utilisent un imageur hybride [130, 131, 132]. C'est-à-dire que cette méthode utilise deux imageurs (ou deux zones de l‟imageur) : un permettant de prendre simplement la scène pour réaliser l‟image finale, l‟autre pour estimer le mouvement du bougé afin de reconstruire la PSF.

Une autre méthode de déconvolution est celle utilisant un couple d'image comme dans les travaux de [133, 134, 135, 136]. Cette technique consiste à prendre deux images consécutives afin de prendre la même scène : d‟une part une image avec un temps d'exposition long (donc floutée) et d‟autre part une autre image avec un temps d'exposition rapide. Puis un post traitement est réalisé avec ces deux images pour retrouver efficacement et fidèlement la PSF de bougé de la première image. Ainsi cette seconde image participe à réduire la complexité de la reconstruction de la PSF permettant de faire ces traitements directement sur l‟appareil photo numérique.

Globalement, même si certains algorithmes montrent des résultats corrects, ces bons résultats sont obtenus dans les cas de faibles bougés sans forme trop complexe, souvent de quelques dizaines de pixels maximum [129], donc se limite aux temps d‟exposition courts correspondant à des bougés linéaires soit d‟environs 1/10 de seconde.

Capture multiple

Dans les travaux de [137], un algorithme de capture multiple est réalisé de manière locale au niveau pixel de l‟imageur. Ainsi lorsqu‟il n‟y pas de bougé détecté dans la zone de l‟image, il y a une simple accumulation des différentes captures. Lorsqu‟un bougé est détecté dans la zone, une opération d‟estimation de mouvement local est réalisé afin de recombiner les séquences successives en tenant compte du mouvement sur la partie de l‟image impactée.

Cet algorithme est de type récursif afin de limiter la taille de la mémoire due à la capture multiple. Une autre méthode de capture multiple généralisée à toute l‟image est proposée par [138]. Elle consiste à découper le temps de pose long, qui génère des images floutées, en plusieurs images plus nettes grâce à un temps de pose plus court. La décomposition du temps de pose est réalisée par 4 images de temps d‟intégration plus courts. Ensuite le décalage entre les 4 images du faite du bougé est détecté afin de recombiner les images entres elles. Cette méthode permet aussi de réduire le bruit dans l‟image finale par rapport à la solution consistant à prendre une seule image avec un temps de pose court compensée par un fort ISO.

Plusieurs fabricants d‟appareil photo ont intégré cette fonction de stabilisation particulièrement utilisée dans les scènes nocturnes. Par exemple, Canon dans son PowerShot S100 [139] et Nikon dans Coolpix [140] proposent cette stabilisation pour les prises de vue de la nuit. Le problème de cette approche est qu‟elle se limite seulement à quelques images, donc son efficacité s‟en trouve limitée par le temps de pose.

Stabilisation sur l’imageur

Grâce à la propriété des imageurs CCD (charge coupled divice) de pouvoir transférer les charges de proche en proche sur l‟imageur, les travaux de [141] réalise la fonction de stabilisation directement sur l‟imageur. Cet imageur particulier est appelé orthogonal transfert CCD (OTCCD). Ce capteur permet de répondre aux exigences de l‟observation spatiale, permettant de s‟adapter aux turbulences atmosphériques qui entrainent un flou de bougé sur l‟imageur pour des temps de pose de plusieurs heures. Dans le même type d‟idée mais cette fois-ci pour des imageurs CMOS, Advasense [142] propose un feedback controlled pixel (FPC) afin de stabiliser l‟image pour la photographie. Cette technique prévoit de charger et décharger les pixels en cours d‟intégration pour faire suivre les charges sur leur nouveau lieu d‟intégration suite au bougé.

Conclusion

En conclusion, toutes ces méthodes de stabilisation présentées dans cet état de l‟art s‟intéressent à la réduction du flou de bougé mais ne permettent pas de garantir une qualité d‟image stabilisée car elles ne prennent pas en compte un critère de qualité, par exemple basé sur la qualité voulue par l‟observateur. Par la suite, nous proposerons des architectures qui permettent de remettre au centre la qualité exigée par l‟observateur grâce à notre critère de qualité d‟image. Ces architectures s‟appuieront sur la capacité des imageurs rapides à générer

des séquences d‟images à des cadences bien supérieures à la cadence vidéo (25 à 30 i/s). Un état de l‟art sur ces imageurs rapides est présenté dans la section suivante.