l’expérience de règle de qualité
d’image ajustable
Ce protocole d‟instruction est celui utilisé pour faire passer l‟expérience de règle de qualité d‟image ajustable aux différents observateurs. Cette expérience permet de quantifier la qualité d‟une image grâce à une règle de mesure analogue à la règle classique. Ces instructions permettent à l‟observateur d‟être totalement autonome pendant le test. Préalablement, un test d‟acuité visuelle a été réalisé pour s‟assurer que la personne ait une vision d‟au moins 10/10 avec les deux yeux.
- Bonjour, tout d‟abord, merci d‟avoir accepté de prendre du temps pour passer ce test de mise en correspondance de qualité d‟image. Merci de vous mettre à l‟aise, est de vous assoir sur cette chaise adossé au dossier afin de ne pas bouger pendant tout le long de l‟expérience. Dans cette expérience, vous allez ajuster la qualité d‟une image par rapport à une image à quantifier en termes de qualité. Les images à quantifier qui vont vous être présentés ont subits différentes dégradations au niveau d‟un quelconque flou de bougé. Ceci va impacter la qualité globale de l‟image. Deux images vont être affichées sur l‟écran, l‟une avec un flou fixe, l‟image à quantifier et l‟autre avec un flou que vous allez pouvoir faire varier. Le but sera d‟ajuster l‟image de flou variable de la même façon et de la meilleure manière que l‟image avec un flou fixe. Ainsi par votre ajustement, vous jugerez que les deux images ont exactement la même qualité. En d‟autre terme après ajustement, il vous sera impossible de dire laquelle est de meilleures qualités. Puis vous passerez à l‟image suivante. A chaque fois l‟image à quantifier sera différentes, alors il vous faudra réajuster l‟image de qualité variable. A la fin de l‟expérience, le programme se fermera tout seul et enregistrera automatiquement les résultats.
- Regardons maintenant un exemple : Couple d‟image #1, avec une image avec un flou fixe, l‟autre avec le flou variable. Grâce à l‟ascenseur, il est simple de faire varier la qualité de l‟image avec le flou variable. Une des techniques est de faire varier l‟image de façon importante dans les deux sens pour borner (en termes de qualité) l‟image à quantifier puis d‟ajuster de manière plus fine jusqu'à avoir les deux images de qualité similaire.
- Puis l‟observateur ajuste lui-même 3 autres couples d‟images suivant en guise d‟entrainement.
- Avez-vous d‟autres questions avant de commencer le test ? Réponse aux questions. - Faire passer le test de calibrage.
- Puis sans donner les résultats du test de calibrage, choisir le bon calibre puis faire passer le test final.
Liste des Publications
Conférence Internationale
Fabien Gavant, Laurent Alacoque, Antoine Dupret, and Dominique. David, “A physiological camera shake model for image stabilization systems,” in Sensors, 2011 IEEE, pp. 1461–1464, oct. 2011.
Fabien Gavant, Laurent Alacoque, Antoine Dupret, Tien Ho Phuoc, and Dominique David, “Perceptual image quality assessment metric that handles arbitrary motion blur,” in Proc. SPIE 8293, Image Quality and System Performance IX, 829314, jan. 2012.
Brevet
TITRE
Contribution à des architectures de stabilisation d‟images basées sur la
perception visuelle et la physiologie du tremblement humain
RESUME
Avec l‟intégration des appareils photos dans les appareils mobiles, leur démocratisation et la réduction de la taille de l‟imageur, de l‟optique et de la taille pixels, les photos sont de plus en plus sujettes au flou de bougé dû aux tremblements de la main. À cette tendance s‟ajoute un accroissement constaté dans l‟exigence de qualité d‟image de la part des utilisateurs. Pour réduire ce flou, des systèmes de stabilisation d‟image ont été développés. Néanmoins ceux-ci ne permettent pas de garantir la qualité de netteté des images et souffrent parfois d‟une intégration limitée.
En réponse à ces limitations, ces travaux de recherche proposent, d‟une part, un modèle de tremblement physiologique permettant de simuler de manière fidèle les flous de bougé et, d‟autre part, une étude sur la perception visuelle du flou permettant le développement d‟une métrique de qualité. Enfin des architectures de stabilisations, exploitant ces nouveaux outils, sont proposées. Ces nouvelles architectures permettent de réduire le nombre de composants externes ainsi que de garantir la netteté des images stabilisées.
Mots clés : architectures de stabilisation d’image, flou de bougé, modèle de perception
humaine du flou, imagerie numérique
TITLE
Architectures for image sensors stabilization based on visual perception and
on the physiology of hand tremor; a contribution
ABSTRACT
With the integration of cameras in mobile devices, their democratization and the reduction of the imager‟s size, the optical system dimensions and the pixels miniaturization, the photos become more and more subject to motion blur due to the hand tremor. In addition, the requirements in terms of image quality become higher and higher. Hence, in order to reduce this blur, several image stabilization systems have been developed. Nevertheless, they cannot guarantee the sharpness quality of resulting images and in some cases, they show integration difficulties.
In order to overcome these limitations, the research work presented in this thesis proposes, first of all, a physiological tremor model that aims to simulate realistic camera shake and secondly, presents a study on visual perception of blur. This study enables the development of a quality metric. Finally, stabilization algorithms and architectures exploiting these new tools are presented. These new architectures reduce the number of external components and ensure sharp stabilized images.
Keywords: image stabilization architectures, motion blur, human perception blur model,
digital imaging
Thèse préparée au CEA-Leti dans le laboratoire L3I (Laboratoire de conception circuit Intégré, Intelligent pour l‟Image), MINATEC Campus, 17 rue des Martyrs, 38054 Grenoble