pltM
e.ntée.A L'UNIVERSITE DE PARIS - SUD
pOUlt
obte.ý te. titlte.
de.,
DOCTEUR ES SCIENCES
pM
Jacques FLEURET
ýrý/jý04
"
HOLOGRAPHIE NUMERIQUE ET APPLICATION A DIVERS
"
TRAITEMENTS D'IMAGES
SOlITENUE LE
18/4/77
I DEVANT LA COVMISSIOND'EXAMEN:
MM. LOWENTHAL
AYRAUL T
FRANÇON PICINBONNO TREHEUX
Président
Examinateurs
ses
pr6cleux conseils et
sesencouragements.
Qu'I I mepermette
de luiexprimer mes remerciements
lesplus respectueux. Toute ma reconnaissance
vaégalement
ýMonsieur
leProfesseur PICINBONNO, dont l'éminente
contribution m'a permis d'éclaircir bien
desaspects
de la modélisatlon statistique.
J'exprime également
marespectueuse reconnaissance envers Monsieur LEFRANÇOIS, directeur
desEtudes
de l'E.N.S.T et Monsieur AYRAULT, Coordi- nateur
del'Enseignement
et de laRecherche,
quim'ont témoigné
de leursoutien
etont permis
demener
àbien
ce travai I. Eneffet,
j'al eu l 'hon-neur d'animer, depuis 1970,
unepetite équipe
deRecherches:
lelaboratoi-
re IMAGE.Je tiens
àexprimer
Icima reconnaissance chaleureuse envers tous
les
membres
decette équipe,
et,tout particulièrement, envers Monsieur
HenriMAITRE
qui aétroitement collaboré
à ce traval I,et dont
j'ai puapprécier
ledévouement
amical et l'aideextrêmement efficace
qu'i Im'a toujours accordée. Plusieurs stagiaires ont également
prispart
à cestra-
vaux. I Is'agit, notamment,
deMessieurs CHEVAL, JACOTIN, TOLDALAGI.
Qu'l Isreçoivent tous l'expression
de messincères remerciements.
Je
suis,d'autre
part,très redevable envers
leséquipes
duC.C.E.T.T.
àRennes
et duC.N.E.T.
àLannion. Que Monsieur TREHEUX et Monsieur PONCIN
(ainsique tous
lesmembres
de leurséquipes) trouvent
Icil'expression
dema gratitude, pour
l'aidetechnique, particulièrement apprèclable dont
j'ai pubénéficier,
ainsique pour
le vifIntérêt
qu'l Isont toujours manifesté
en ce quiconcerne
lestravaux
dulaboratoire.
AVNfT PROPOS
35
31 22 27
"
Répartition
deet
PARTIE
I 53 -
Lois de probabi
lité de la phase.I.VII.
Relations entre
lesstatistiques
del'Image et
de sa TF. 46I. V I I I.
Etude expér
Imenta led'
Images
rée I Ies numérlsées. 50
1.1 Il.
Modèle markovien.
I. IV.
Fonctlon
d'autocorré
I.at ion.I.V.
Etude
dutaux
denon-sationnarlté.
1 -
Ca
Icu I deQ
ýot. .2 -
Ca
Icu I deQdie»1.
3 -
Cas
de lafonction d'autocorrélatlon
(28).I.VI.
Etude
de<lF1l\
1 -
Etude
deR
.et r..
ý
,
2 -
Cas
dumodèle
deSCHWARTZ a· 1.
Introduction
6Ch. I.
Etude d'un modèle
designal d'image monodlmenslonnel
131.1. Analyse harmonique d'un processus continu
dedurée
finie.15
1.1 I.
Signai monodlmensionnel d'Image considéré comme
unprocessus
19discret
finiseml-statlonnaire.
traie.
...
3 -
Calcul
dubruIt
desaturation
"107 109
I I I. I I.
Dynamique
dans Ieplan
de l'hologramme.
I I I " " I "
Etude
de lasaturation.
1 -
Etude
de la loi Â(A)
2 -
Etude
durendement d'un
holograrrrnesaturé.
,
t ,
4 -
Etude
de <"i > en fonct
ion de Iafrequence
j.Il. I I.
Erreur
liée àl'omission
desvariatIons
de phase. 99Annexe
1Calcul
dutaux
denon-stationnarité.
63Annexe
2Calcul
de la loi desmodules spectraux
àpartir
67de la
fonction d'autocorrélatlon.
Annexe
3Prise
encompte
de l'aliasing dans l'espace
de 71 Fouri er.Annexe
4Ca
Icu I de <fýZ.>
73Annexe
5Calcul
de la loi desmodules spectraux
àpartir
75 dumodèle markovien.
Annexe
6Ca
Icu I de l (lZj'"
Tý
)dans
Ie cas a " 1. 77Annexe
7 Ca Icu Idirect
de<Rt>,)
<:ri";>
,I <Rj Ij>
81Ch. Il.
Etude
del'Importance relative
desinformations d'amplitude et
85 dephase dans
leplan
deFourier.
Il.1.
Erreur
liée àl'omission
desvariations d'amplitude.
861 -
Introduction
dumodèle markovien.
2 -
Module maximum
de la TF.3 -
Etude
de 0'\ Q.."'pe.
enfonction
de ladynamique spec-
Ch. I I I.
Hologrammes
àniveaux
degris: problèmes
liésaux erreurs
101d'échanti
Ilonnage et
deguantification.
I Il. I.
Analyse
duproblème.
103-
Saturation d'amplitude
àdouble
seul I.2 -
Lissage.
Fi Itrage en lumièreincohérente.
3 -
Application aux
fi Itres àréponse percutionnel
leétroite.
Ch. VI.
Restauration d'une
imagebougée.
179Annexe
1 : Fi Itreadapté: synthèse
dufacteur
debruit.
177Annexe
2Etude d'un
fi Itredérivateur
àniveaux discré-
141tisés. J.
FLEURET
et H.MAITRE
(Nouv. Rev. Opt.App
l , , 1972, t. 3, n04, p.175-184),
197 165 165 163 160 153 154 156
Principe.
167 172191 VI. IV.
Résultats expérimentaux
1 -
Réalisation
des fi Itres2 -
Correction d'une fente
3 - Fi Itre holographi.que
4 -
Correction d'une
image réel le5 -
Méthode
decorrélation
enoptique
noncohérente.
VI.I Il.
Résultats
de lasimulation numérique.
V 1.1. Le
bougé
uni forme. 181VI.I I.
Calcul de
lacorrection d'un point bougé par
un fi Itre deHelstrëm.
185
Annexe
1 Calculd'un hologramme
àniveaux continus
de 127gris.
Application
à lasynthèse d'une mémoire (J.
FLEURET. Nouv. Rev. Opt. 1974, t. 5, n04, p.219-230).
Ch. IV.
Un hologramme calculable "mentalement".
IV. I.
Exposé
duprincipe.
IV.I I.
Etude
desapproximations employées.
1 -
Influence
de lafenêtre
de "zone".2 -
Limitation
dunombre
depoints dans
l'Image.3 -
Bruits
dus à laméthode.
IV.I I I.
Extension
à 2dimensions. Nombre d'échantt
lionsdans
l 'hoI
ogramme.
IV. IV.
Vérification expérimentale.
Ch. V. Fi Itre
Optimisé Unique
deTranscodage (F.O.U.T.)
V.I.Optimisation
des ft Itres :méthodes existantes.
V. Il. Fi Itre
Optimisé Unique
deTranscodage (F.O.U.r.)
V. I I I.
Vérification expérimentale
Conclusion
Ch. VII. Uti
Ilsation
depropriétés statlstlgues pour
lacaractérisation
desdéfauts d'une
Imagenumérisée.
263 259
257 243 245 247249
255 215 218 225 235 239 AI luredes variations
de lafonction
Echantt Iionnage
Inf I
uence des
non+l tnéar
tté, d 'enreg istrement
E (ý)
Démonstrat
ton dett "'I.lL/ý
':f;lr¢(x.) =
(-I) L1TU.
Calcul
de la TF, ausens
desdLstr[butfons de
-tCalcul
duterme
dusecond ordre
en B.Influence d'un défaut
dephase
du fi Itre dephase.
Réalisation d'images bougées.
Moyens
decontrôle
dudéphasage
du fi Itre dephase.
Uti lisation de
diffuseurs
mobi lesafin d'atténuer
lebruit
degranularité.
Calcul
de laréponse percutlonnel
le du fi ItreInverse.
Annexe
jAnnexe
2Annexe
3Annexe
4Annexe
5Annexe
6Annexe
7Annexe
8Annexe
9Annexe
10 :Annexe
IlCh. I I.
Problèmes posés par
lasynthèse d'un
fi Itrepour
lacorrection d'une
289 Imagedégradée.
Il.1.
Enoncé
duproblème.
291Il.1 I. Les
méthodes
dereprésentation
etd'enregistrement
du fi Itre. 294331 321
269
273 275 281Références
Publications
del'auteur
Ch. I I I.
Description
dequelques systèmes
uti liséspour
lasynthèse d'holo-
297grammes calculés
oupour
letraitement optique
des images.I I 1.1. Le
problème
del'enregistrement. 298
Il I. I I.
Description d'un système d'enregistrement d'Images numériques 301
miniaturisées
àniveaux
de gris.111.1 I I.
Description d'un système
de fi Itrage entemps
réel.306
1 -
Etude
dudéflecteur
-modulateur
à eau.2 -
Etude
de ladéflexion
en x. y.Ch. I. Les
méthodes d'enregistrement d'une amplitude complexe
1.1.Introduction d'une onde
deréférence.
I. Il.
Hologrammes
àmodulation
de phase.1.1 Il.
Méthodes basées sur
ledétour
dephase.
1 -
Hologrammes binaires
deLohmann
2 -
Hologrammes
deLee-Burkhardt.
I.IV.
Holographie
àmodulation complexe.
287AVANT PROPOS
Ce
mémoire comprend
2 parties.Les résultats
originaux
ont étérassemblés
dans laPartie
I. Afind'en faciliter
la lecture, on asystèmatiquement
rejeté en annexecertains
calculs dont la complexité ne feraitqu'alourdir
l'exposé, mais dont on arepris les
résultats essentiels
dans le texte principal. Ontégalement
étéplacées
en annexe lesdescriptions
de certainesexpérimentations nécessai-
res,mais
sansoriginalité particulière.
Ma
contribution
dans le domaine du traitementhybride
des images,a consisté à
ébaucher quelques méthodes
de synthèsed'hologrammes
calculés, ainsi quediverses applications
del'holographie
numérique. Il estapparu
que les avantages de certainesméthodes
de synthèsed'hologramme pouvaient
êtreexpliqués
enconsidérant
unemodélisation,
de naturestatistique,
de l'objet. C'estpourquoi
lesdeux
premiers chapitresétudient
lesproprié-
téscaractéristiques
d'une classe d'images et de leurs spectres,envisagées d'un
point de vue statistique. Le chapitre lprésente
unmodèle
d'image,monodimensionnel discret
markovien. On établit lesconditions
danslesquelles
cemodèle s'approche
d'un modèle stationnaire. Sont obtenues lafonction
d'autocorrélation exponentiellement décroissante
et la loi desmodules spec-
traux ainsiqu'un ensemble
derelations transformationnelles simples permettant
lepassage
rapide deparamètres statistiques ýe
l'image àceux
de sonauto-
corrélation et/ou
de sa TF. Ces résultats sontcomplétés
par uneétude expé-
rimentale portant
sur des images réellesnumérisées.
Le modile
markovien
est ensuite utilisi dans le chapitre II qui prêci.e l'importance relative des informations d'amplitude et de pha.e dan.le plan de Fourier, en fonction de la dynamique spectrale. Les
risultatl
sont applicable. 1 l'itude du kinoform, mais aussi àbien
d'autre.méthode.
de traitement du signal qui utiliseraient
préférentiellement
lapartie
"phase" du spectre.
Les deux chapitres suivants proposent des améliorations
pour
lei méthodes de synthèse d'hologrammes calculés. Les méthodes classiquesd'enre-
gistrement d'hologrammes de Fourier se heurtent à deuxdifficultés:
l'enre-gistrement d'une dynamique spectrale élevée, le codage de la phase. On
dicrit
au chapitre III une méthode originale de synthèsed'hologrammes
dits "à.ni- veaux continus de gris", basée'sur
une saturation d'amplitude àdouble
seuil et un filtrage en lumière incohérente (les résultats y sontvalidés
dans le cas du modèle markovien). Une autre difficulté réside dans la longueur et la complexité des calculs. On présente au chapitre IV uneméthode
desynthèse
très simple, supprimant toutes les difficultés liées au calcul d'une trans- formée de Fourier.
On étudie ensuite les applications au traitement
optique
(chapi- tres V à VII). On présente au chapitre V unnouveau
type de filtre (Filtre Optimisé Unique de Transcodage) applicable aux problèmes deReconnaissance
des Formes et, en particulier, à la lecture automatique. Le
chapitre
VI conduit à la correction analogique d'une image bougée, effectuée par fil- tre synthetique. On utilise un filtre deWiener
qui est optimisé enprenant
pour critère la qualité de l'image restaurée, que l'on étudiethéorique-
ment et par simulation numérique. Les résultatsexpérimentaux
sontprésen-
tés dans le cas d'un filtre double et pour un filtre holographique. Arin desupprimer le bruit de granularité,
particulièrement
gênant dans le cas d'une image réelle, onmontre
qu'unprocédé
très simple deCorrélation
en Optique noncohérente
peut servir à larestauration
d'images bougées.On
trouve entin
auchapitre VII quelques
id'espermettant
la d'-termination
apostériori
d'un détaut d'image.Dans la
Partie
II ont ýtýregroupýes plusieurs
ýtudes decaractè-
resynthýtique, portant
sur la mýthodologie. Lechapitre
l estconsacrý
àl'ýtude comparative
des diffýrentesmýthodes d'enregistrement
d'uneampli-
tude
complexe. Le chapitre II passe en revue lesproblèmes
poséspar
lasynthèse
d'un filtrepour
lacorrection
d'une image dýgradýe. Auchapitre
IIIenfin
sont ýtablies lescaractýristiques
desystèmes particulièrement
adaptýs à lasynthèse d'hologrammes
calculýs et - ou - autraitement opti-
que des images. Onpr'sente
deux exemples desystème
conçus d'après ces principes.PARTIE I
-", "Aý
"
-6-
INTROOUCT ION
l'outl I informatique, utilisé à des fins scientifiques, présente
principalement
2 qualités
remarquables:
- la rapidité de traitement entratne la possibl lité
d'effectuer
descalculs
compl iqués. (C'est ainsi que l'on peut suivre en temps réel, latrajectoire d'une
fusée, ou bien résoudre des systèmes d'équations degrande
dimension, ouencore
uti liser des méthodes itératives pour résoudre certaines équations complexes). Dans tous ces cas, la rapidité de calcul est à l'origine de méthodes nouvel les.
2 - la manipulation de nombres binaires minimise les erreurs. (ce qui est
parfois indispensable, étant donné le grand nombre
d'opérations élémentaires
nécessi- té par certains calculs).Cependant,l'outi I doit être adapté à ce qu'on veut en faire. C'est ainsi que, par exemple, lorsqu'on veut traiter des images par calculateur, pour peu que le
traitement soit relativement élaboré, on est vite
confronté
à desproblèmes
de mémoire, de temps de calcul, et parfois, d'erreurs d'arrondi.Inversement, considérons (voir fig.l) un système de traitement
optique
de l'information. le traitement est dit "optique" si lefonctionnement
dusystème
'exploite les lois de l'optique physique, c'est à dire, lapropagation
de lalumière dans les mi I ieux naturels, gouvernée par les
équations
de Maxwel I, ou encore, dans certains cas particuliers, par les relations de l'optiquegéométrique
qui peuvent s'en
déduire
lorsque toutes les dimensions dusystème
sont très grandes devant la longueur d'onde moyenne.ZONE
ýE
SOýTiE Z.ONE'
M EDlA
_
cQ.lc.uIQt-e.ur
_
siý"QI "iclio
- rq,9e. itnpri",ie.
- supporý rho1-ose.n$ible.
- ot.il
e.tc
" " "I
ýS
'1s tè ""e O,..\-iýut.
,
ýTRANSDUCTc-URS
06J'ET
t( CI.. &bid qUlUDe Ibre optique peý Kre cOllllder" comme 1111 tylttme de traitement optique de 1'111-
bmatloD, apssant comme lID filtre Un'aire temporel. L'optique DOll liD.. lre peut cONtltuer la bue
de I)"sttme. optiques traitaDt le.
paramètre.
&'queDce et polariJatiOD. C .. systèmes D'Om pas 't' abord,.ld. NiaamolDl, U semble que toutes leun poaiblUt" D'aieat pa_ eacore't'exploit'
.. poW' letrait.mellt
d'iDformatiOD.Fig. Système de traitement optique de
l'information
Lftobjet" est une
répartition
spatio-temporel le dedonnées spectrales
f (x,y,z,t,'\):ý) où f
désigne
tantôt une luminance (enoptique
incohérente)ý
tantôt une amp I itude camp Iexe (en opt ique cohérente), auque I cas, Ia poI arisat ion
I
nterv
ient éga Iement dans Iesparamètresý
Par"système
opt ique" i I fauten+endr
e unensemble
deconditions
depropagation
;parexemple: propagation paraxiale
dans Ie vide,propagation
dans un mi lieu biréfringeant,conditioýaux
I imitesImposées par des
composants optiques
(Ienti I les, miroirs, hologrammes, etc .... )Pour
le 1er type d'application (mémoires optiques-consoles devisualisation
(réf 7 b) calculateur optique) les limitations d'ordretechnologique
sont telles (manque de matériau effaçable - abèrratlons et limite deperformance
des optiques - exigences de résolution pour les dispositifs devisualisation
- manque de dispositifs de transfert fiables) que les performancespotentielles
sont loin d'être réalisables actuellement. Citons toutefois lestravaux
récents de STROKE (réf.l1+) au sujet de la
reconstruction
d'Imagestri-dimen-
sionnelles.Le 2ème type d'application est la source de nombreuses uti Iisations
possibles
1 - complément utile pour l'holographie acoustique ou hyperfréquence.
2 - synthèse d'objets n'ayant pas
d'existence physique:
iesproblèmes
de longueur de cohérence ou de vibrations sontévidemment
supprimés lors de l'enregistrement. Tous les objets modél isables sontjusticiables
d'un enregi's- trement par holographienumérique:
répartition de points pour unemémoire
(Réf.a), visualisation d'unemolécule
d'A.ý.N ou d'un réseau cristal lin, par exemple, enregistrement d'une surface d'onde (Réf.9>, d'unematrice
de ' microlenti Iles etc ...3 - synthèse
d'êtrýdéfinis mathématiquement:
C'est évidemment ce type d'appl ication qui
entraîne
le plus de nouveauté.L'holographie numérique a permis,
notamment:
- la synthèse de diffuseurs, définis par une loi a priori (Réf.10)
- la correction de certains défauts de l'holographie
classique:
prise encompte
d'une courbecaractéristique d'enregistrement
non linéaire,compensation
dela fonction de transfert de modulation du support
d'enregistrement.
- la synthèse de fi Itres inverses
appliqués
à l'amélioration des imagesaugmentation du contraste,
correction d'images
bougées,défocalisées, dégradées
par la turbulenceatmosphérique
etc ....détection
decontour.(Réf.ll).
- &a synthèse de fi Itres adaptés (Réf. 12).
- Plus généralement, l 'holographie numérique est
susceptible
deproposer
des solutions Intéressantes à de nombreux problèmes desynthèse d'opérateurs mathématiques.
Les Idées énoncées plus bas ont été appliquées de façonpurement
optique. I I est clair que les techniques de calculd'hologrammes peuvent
réaliser les mêmes performances, voireapporter
dans certains cas desaméliorations supplémentaires:
-
synthèse
d'opérateurs logiques (Réf. 7)-
synthèse d'opérateuýde transcodage:
réalisationd'une matrice d'hologrammes permettant
de coder en binaire la position d'un point à l'In-térieur
d'un carré (Réf. 13).Enfin, d'autres
opérateurs
nepeuvent
être conçus que par calcul-
opérateurs
différentiels- la
plupart
desopérateurs
detranscodage:
on peut ainsi conce- voir un fi Itretraduisant
tel le lettre en sonéquivalent
dans l'alphabet"Braille"
(cf.
chap. V).4 - enfin, en dehors des simulations de
traitements
optiques, Intéressantes sur le plan pédagogique, on peut dire que les étudeseffectuées
enholographie numérique
ont eu de nombreuses retombées sur l 'holographie classique, enéclairant
d'un jour nouveau tous les problèmes d'ordre Informationnel, ce qui asouvent donné naissance
à desméthodes optiques entièrement
nouvel les, dont onrencontrera quelques
exemples.-1
e
_----
0:. ý a.'R'
CHAPITRE l - ETUDE D'UN MODELE DE SIGNAL D'IMAGE
MONODIMENSIONNEL
On établit les conditions dans lesquelles ce
modèle
s'appro- che d'un modèle stationnaire. Toute l'étude est faite dans le cas dis- cret, ce qui permet de préciser les conditions imposées par l'échan- tillonnage. On obtient lafonction d'autocorrélation exponentiellement décroissante
et la loi des modulesspectraux
ainsiqu'un
ensemble de relations transformationnelles simples permettant le passage rapide desparamètres
statistiques de l'image à ceux de sonautocorrélation
et I ou de sa TF ; ce qui évite la mesure directe (parfois longue) des para- mitres statistiques caractéristiques correspondants. Ces résultats sont complétés par une étude expérimentale portant sur plusieurs images nu- mérisées. On trouvera également à la fin du chapitre, le résumé desprincipaux
résultats.x Le probltme de la mocWllsation des Images
bidimensionnelle.
D'e. pa. rC!lOlu. On railOnnera _c, par &Ilalogle, .. \ID Ilgnal MOnocimeDlioDDel. Cette cWmarche aft.
I1Ilvie, avecIIIC:W, duI la plupart da awles pcztut sur la ýUliOD
cl'lDb_tioa.
Le
modèle
étudié est un modèlemarkovien monodimensionnel
discret àprobabilité
detransition:
Une difficulté très importante, rencontrée dans la synthèse
numérique
des hologrammes, réside dans la grandedynamique
de la TF.Afin
d'estimer celle-ci, il est nécessaire deposséder
des modèles statistiques. On..présente ici une étude portant sur un modèle de signal monodimensionnel" d'image, permettant de dégager plusieurspropriétés
statistiques, valables dans l'espace image ou dans l'espace de
Fourier
(modèlemarkovien
- Réf. 44, 45, 46 -autocorrélation
à décroissanceexponentielle
- Réf. 47).Dans la" suite, on considère que l'image (ou les
transformées
deFourier
des lignes) est un ensemble de lignes, chaque ligneétant
lupposEe extraite d'un processus aléatoiremonodimensionnel.
Lamoyenne
luivaDt un craDd nombre deligne.
«» pourra
donc êtreconsidErEe
ca..a ua..oJ.ane
d'ensemble...ý ý. '.d,.
;. ..-ý...-
j
.ý
J
...
J
I
.:(4) (3) (2) (I)
représentera
une ligne d 'image.1L(ý)
- -
,L(_)
Le processus t -
=ý1 t(ý)
Par
contre, l'analyseharmonique
de f faitintervenir
un<
clF(ý) df(u'J>
f (z)
r6el, continu.ou ý L(ý) est une porte unitaire de longueur L.
Consid6rons un processus
aléatoire tcc) possédant
les pro-pri't6s suivantes
1.1. ANALYSE HARMONIQUE D'UN PROCESSUS
CONTINU
DE DUREE FINIEOn construira, 1 partir de ce processus, un
processus
"semi-stationnaire"
défini par-
stationnaire
au secondordre:
soit C(ý-"Z/)
lafonction d'auto- corrélation
et1'(ý)
la densité spectrale de puissance.processus
1accroissements non
corre lésavec
est
6videmment
non stationnairepuisque
de durée finie. Toutefois,d'après
sa définition, il possède uncaractère "semi-stationnaire"
ounltationnaire
dans la fenêtre". En outre,contrairement
au processusf '
ýL estd'énergie
finie etpossède
une T.F :"
.,
-16-
L-
D'après (I). (2) et
(3).
F" Cu..)s'obtient
parconvolution
F' L( "") =."ý R
L(u.-vo)
cl F'("")
(S).011
'RL(
IL) Loil dfsigne la T.F. de Il ("JC.)
On s'intéresse dans la suite aux
intercorrflation. entre
le.F
L. (u.)
. Calculons :"
=_J
Soit d'après (4) :
.( FLCI&.)
f
lru!»
=_ýJ 'R
l
(Il
_".) 'RL
to(",' - ,..) 'P (".) ..
V'(6)
Il
Notons que le processus fini est représentable
par
une.'rie
ded'Où, d'après (6) et (7)
I
!
laurier
:avec:
-
+- _ a.Tr4jý
L ý.- .. t:.
ýe..
1.of
FL(t) (7)
- L
. ,
(8)
Appelons
lc la longueur decorrélation
deC (1t)
etexami-
nonsl'expression
(8) lorsqueL??.te.
. Dans cesconditions,
on peutconsidérer
quePCV')
reste constant sur uneportée
deRLC"')
"(II)
(10)
(9)
(II bis) les calculs, on
considérera
le cas d'une fenêtre ý l(ý)" [- ý
J ý
ý] Dans ce cas
a. ý
-
ofL
... L L
- 'R (I.l)
_\inc.
(&L) _ L.
<R1t;>
D <Tl> = il P (f)
<ifIf>=
0De plus,
ý étant
hermitien
Poursimplifier
centrée:
'X.Soit, d'apras la
propriété d'orthogonalité
des fonctions sinc et on peut admettreAppelons 'R1
etIi
les parties réelle et i'llUlginaireel. ý.
D'apra. (9) et (10), pour
Dans le cas
1"
0 , F est riel et :"
-18-
ýD'autre part, toujours d'après la propriété
d'hermiticité
deF
(12)
On diduit immédiatement, d'après (9) et (12), que pour
deux échantillon.
distincts et
non
symétriques par rapport àl'origine:
Les quatres variables correspondantes sont
=
<. ;Ii') =
01+1' ,. iý11
0non
correlées.(
13)
lappelons que tous les résultats
précédents -en particulier
le. relations (9) et (11)- résultent de la seulehypothèse L v» ý
,kJpotba
"" qui signifie que lavaleur
del'autocorrilation
sur les bords d. l'i.aae peut être considirie commenigligeable
devantl'énergie
moyenD8.!
(15)
(16)
est donc{. -- 0 oJ.
".". N--i.
J I
ý.- ..
+00
ýl( iýýW _.r) li!'(f'_ýH _\I") Pl") J.,.
N Nif
< ý ý,>
plu.
compliquée a
cause du repliement du spectre exprimé par (15). C'est ainsi que larelation
analogue à (8)s'écrit:
Dan. le cas discret, l'étude des corrélations entre les
1.11. SIGýýL
MONODIMENSIONNEL
D'IMAGE CONSIDERE COMME UNPROCESSUS
DISCRET FINISEMI-STATIONNAlRE
Par rapport au modèle précédent,
l'introduction
del'échan-
tillonnage, conduit à définir une ligne d'image comme l'ensemble des Nvariables
aléatoiresDans ce cas, il est facile de construire, à partir des {ý , un
pro-
cessuspériodique
discret -nonstationnaire-
de période L . Et le spectrecorrespondant
neprendra
des valeurs non nulles que pour «. = j.L
( J.
ent ý 0 ). Les relations (7) sontmaintenant
remplacées par :[N_ý JI _ LTl.i
i!.
f, :
E·d e, N-1N2.ý.l
ý1 (14)
ý:.o
tIý
.,
ý =
ý
ft
e,ý ýO
Où les
coefficients
Fj
s'obtiennent maintenant
àpartLr
du spectre replié,correspondant
à l'intervalled'échantillonnage
---N
"
.i
-20-
Admettons l'hypothèse
L
>""> i,c . Unraisonnement
··'1····. _.
On trouve que les échantillons spectraux du
processus discret
fini semi- stationnaire sont carrelés seulement pour lesvaleurs
de1
eti'
satisfaisant
:(9
bÏl)
-4[+01 (t_"t\.N) ý
= T P
L
ct-"'ýJ ý'_,(N
""J'I\.:
-00
identique 1 celui du
paragraphe
précédent conduit à :WI 0clu. 10
'"
Ce résultat est dû au repliement du spectre. En fait, les
coefficients
N
de Fourier
Fi
sont eux-mêmes définis pourý
modulo
N et, si on ue s'intéresse qu'aux valeursj
eti'
c [0,) N--i]
oupeut affir-
_r
:Lorsque a' -= 1J
modulo
N, (9 bis)conduit
1, , I.,
+ "
ý
-_.,L 00
.f,
Mt.
< \ý\ >
On obtient, comme il fallait s'y attendre, le spectre replié.
La denaiti spectrale de puissance du processus
continu sera ividemment
obtenue lorsqueN-.Oo
, I
= -
'"L
(
17)
qui sont
combinaisons
, les corollaires relatifs
et F:.N
1
aléatoires gaussiennes.
r-ý
rý est équirépartie.
En outre, lorsque
et
Iý
a sont indépendantes et de
même
loi (gaussienne).suit donc la loi de Rayleigh correspondante.
Rý
ý
IýH
I
Rappelons que l'hypothèse L ')0"> i signifie que l'auto-
.te
corrilation
est suffisamment faible sur les bords de l'image. Cettehypothèse
assure le caractèrepseudo-stationnaire
du mÔdýle.D'ailleurs,
celA confirme l'idée intuitivesuivante:
lemodèle
seralégitimement considiré
comme stationnaire si la fonctiond'autocorrilation
peut êtrenigligée
à l'extérieur de la fenêtre image.Rappelons
que ces derniýrespropriitis
sontconsEquence
del 'hypothase
gaullienne
et ne sontvalables
qu'A la limite L>'» le
aux
intercorrélations
entre parties réelles et imaginaires s'en suivent-relations
(10) à (13). Si l'on fait en outrel'hypothèse
"týgaussiens",
il en résulte les propriétés suivantes
- il en est de
même
des linéaires devariables
- la phase de
1.111.
MODELE MARKOVIENConsidêrons, avec SCHWARTZ (rEf. 45) un signal
monodimension-
neld'image
qui rêsulterait d'unprocessus markovien d'ordre
I lpro- babilitê
detransition gaussienne
centrée :_
(ýt.
-tý-i ,'"
l. ý1.
(
]8)
Supposons <ý. ') = 0 D'autre part, calculons
" Il en résulte <:
Il.> =
0 '"k
'=0/i ....M--i
"la
variance
deýl :
f1ï.
2.
"
< ýý., ::1···
r l' (f.l P ({if.)
... l'lfl.ý) ýý dýc dý
Il est facile de
montrer
que d'après (18) ::r fý
P( fk ýIC"') ýf
te- -
ý 1....
(J.2.-l
..-t On eudfduit
<::r.2.-
CJ":2.+
0':'2-! -
ý ý ..ýd'où
'l. -L
'l.
0-:2. -
0-0+
OA{
-
(19)
(20)
D'aprýs la
relation
(20) le modèle envisagé est, en fait, unprocessus
de diffusion, c'est-A-dire un processus nonstationnaire
qui nepossýde
nifonction
decorrélation
ni spectre.Examinons
dans quelles conditions on peutdéfinir
unmodýle
qui serait stationnaire, ou qui s'approcherait d'unmodèle
stationnaire.Pour celA considérons le
modèle markovien
Aprobabilité
detransition:
(f", -
Gof'
..t )2.(21)
(22) (19 bi.)
vErifie
cr:2-
o
\J-&:Oi.
" I...
N_{peut être rendu con. tant .i
On
voit
quesont gaussiennes et il est très facile de
montrer qu'un Echantillon quelconque
ýl
résulte de la combinaison linéaire suivante :{ .. =
Q....t +
t_
Cl.f._.L
4..: (-&.
ý -l)
(23)-i:-i.
Dan. ce. condition., la relation (J9) devient
Il en
sera
alors de même deNotons
que l'on n'a pas pour autant rendu le modèle stationnaire car le signal reste de longueur finie L. Toutefois, les hypothèses (21) et (22)rendent
stationnaire le modèle dans la fenêtre considérée. Lesconsidé-
rations du paragraphe précédent sur un modèle discret fini restentvalables.
Si, de plus, on admet que fo est gaussien, alors il s'en luit que le modèle sera complètement spécifié, tous les
échantillons
ft
suivant alors la même loi gaussienne. Il faut toutefoisremarquer
que la seule hypothèsemarkovienne
(21) entraine, pour leséchantillons
{ý suffisamment éloignés de f. ' une loi quasi-gaussienne. En effet, admettons que {o suive une loi quelconque et que la
probabilité
de tran-.ition
(21) soit vérifiée. Les variables aléatoires(26)
(25)
(22 bis) (24)
n6gligée. Plus loi
gaullienne
. . . +
de
ft v6rifie,
en toute générali té,.k
'L a.0- 0"0 ý
ý"
Trois cas sont l envisager
1)
'4'
<-t
"-24-
...
..,
... ''..
Dans ce cas, l'examen de la
relation
(23)montre
quel'influ-
ence de{.
dýinue
exponentiellement, àmesure
que kaugmente,
et celld'autant
plus vite que I Q.I est faible.Pour
ksuffisamment
grand, onpourra négliger
le terme ený{dans
l'int6grale (25). Dans ces con- ditions, on trouve pourft
une loigaussienne
dontl'écart-type
est donné par la limite de (26)L'écart-type
0{
fS'-t..L
=
Et la loi de
probabilité
defý
est donnée, enfonction
de1Pl{.) par
(
ýlt
-(} fo
):1.gau
"" ien dl. que l'influence dupr.:týý
terme peut @tre
. .
1 l" Ir-l .
préclsément, la
van.ab
e aeatolre 0..""-...
SUlt unedont l'6cart-type
ý,
vérifie:
"On
voit
que, mis 1 part lepremier
terme, on a affaire l unecombinai-
son lin6aire devariables
gaussiennes. ý,devient
doncsensiblement
(25 bis)
P (f.) e
Donc, avec les mêmes hypothèses que précédemment,
l'histo-
gramme de l'LSage tend vers unhistogramme
plat. Cerésultat
estexpli-
cable intuitivement d'après (23) : la loi de#ý résulte d'une
convo-
.
4:;
1 . . . d' d 1lution
entre la 101 de d to et une 01 gausslenne qUleVlent
e p us en plus large lorsque k augmente. Par ailleurs,contrairement
au cas\Cl' <
i
, si l'on ne fait pas d'hypothèse supplémentaire, lemodèle
esthautement
non-stationnaire, car larelation
(26) estdivergente.
qui est une
valeur
constante et très faible.et (25) est remplacé par
ý
..
2)
'ClI ,>-i.
Le terme en ýý l'emporte dans l'intégrale (25) pour k suffi-
samment
grand. On trouve, dans ce cas, une loi sensiblementindépendante
de ý"c'est-à-dire l'équiprobabilité. Les
variances
d{
et ý,deviennent
très grandesPour les Echantillons suffisamment éloignés de ý. , la leule
hypothêse
markovienne (21) implique donc- la
stationnarité
approximative dans la fenêtre (relation 22 bis). Il n'est plusnécessaire
pour cell de postuler larelation
(22). (22 bis)résulte uniquement
de l'hypothèse markovienne.- le caractêre approximativement gau.sien dei
f,
(25 ter) (22)
=
Dans ce cas, (24) et (26)
deviennent
ý
-l
1.a;ý -
CAcr2. -
(j''L+ ,
ý'J,(20)
ý 0
alors
ai on
postule
:possibilité
de le rendre semi-stationnaire. De plus, (25)s"crit
:.00 (.!ý -le
)1dý,
ý
?({o) e
GA
l ý1r-l
-00
3)
'0'
= ion retrouve le
modile
dediffusion
de SCHWARTZ. Et iln'y
a aucuneEt il
devient
plus difficile que dans les casprécédents
dedêsimbriquer
la loi de ý. de la loi gaussienne. Tout au pluspeut-on admettre
que, lorsquetý
00 ,l'exponentielle
soitnégligée
dans (25 ter), ce qui conduit, comme prêcêdeumen
t , à une loiéquirépartie
pourýl
. Maisla
convergence
de cetteapproximation
estbeaucoup
plus lente que dans les casprécédents
(linéaire au lieud'exponentielle).
Etl'histogramme
del'êchantillon
initialinterviendra
dans unepartie importante
de l'image.Toutefois, la
semi-stationnaritê
ainsiobtenue
estinstable
: lemoindre écart
dans larelation
(22) se traduit par unedivergence
desýýý
On .at
donc oblig'
depostuler
larelation
(22) pour rendre lemodile
stationnaire
dans la fenêtre. Onv'rifiera
ais'mentd'apris
(26) :(28)
(27)
l'lfl.l4t.ý_{ ) fk.ft..t dýl'" Jýl+t
i. - a..ý
dans le cas de l'hypothèse
markovienne
(avec toutefois, une stationnarité insta-
(ce
quýimplique
une stationnarité approximative)J--J
laol < i
alors (27) s'écrit
Ces coefficients sont calculables par l'intégrale
multiple:
On examinera ici les coefficients de
corrélation
Lorsque
le modèle peut être considéré comme stationnaire dans la fenêtre, c'est-à-dire lorsque l'une des deux conditions suivantes aont réalisées :Or,
d'après
(21)_] Pl t/fl_l) t Jf_.
I.IV.
FONCTION
D'AUToeORRELATIONIl en résulte par récurrence :
où
rr,,?',
écart-type deý -L.
,est
donné par les relations (26) et(24)
"ý ) ,,+ý
(21).
0(
= - Lot (CL)
On trouve une
fonction d'autocorrllation exponentielle dont
l'exposant 0( est donné par :( !!l)
(29)0(
= - f loa-
! - 0; ýsoit. d'aprýs (22) ou (22 bis) :
---_--
En toute rigueur, la fonction
d'autocorrélation n'existe
pas pourý:-t
(modèle(18»
puisque, dans ce cas- -
Toutefois, examinons le cas devient :
ý - - Loa-
CL ... O. Larelation
(29)(29 bis)
Il est facile de
montrer
que, lorsque l'on s'imposel'égalité
(29 bis), on obtient l'équivalent suivant de (27), au secondordre
prý8 en ý.l ... o
On peut donc
considérer
que le modèle(18) correspondant
às'accompagne
d'une fonctiond'autocorrélation exponentiellement décrois-
sante, leparamètre
de décroissance 0( étant donnépar
(29 bis) ""
Il faut remarquer que la
fonction d'autocorrélation exponen-
tiellerésulte
des deux seuleshypothèses
-
modèle markovien (21).
- stnt ionnari té dans 1:1 fenêtre!
(rcbtion 22).
Toutefois, il semble qu'il faille rejeter a-priori les
modèles
101 >{ est un modèle instable, qui conduirait à une
autocorrélation
exponentiellement
croissante.car :
ou
bien
: les images suývent unmodèle
A lý limite de la stationnarité ( oi ": - LQý G\. fla 0 ) et, dans ce cas, la"conver3ence" de l'histograDllle vers un histograDllle
gaussien
est particulièrement lente. Ce qui laisseprésager
lapossi-
bilité d'existence de toutes sortes d'histograDIDes, plus ou moins "plats".Iý =i
fournit un modèle de diffusion qui ne semble pas devoir être vérifié par les images (cf. relation 20).Et, on a vu que, dans le cas
I
al ý.{
, la stationnarité dans la fenê- tre et l'aspect gaussien apparaissent comme conséquences de la seulehypothèse markovienne
(21).L'expérience ne semble donc pas correspondre aux
développe- ments
théoriques précédents. A ce niveau, deux hypothèses sont possiblespour
tenter de lever cette difficulté :correspondants
à ICli ý
iL'hypothèse
gaussienne n'est pas du tout nécessaire pour celà.Il est intéressant de le souligner, car l'expérience montre que les
histogrammes
d'image ne sont pas du toutgaussiens;
par contre, de bonnes présomptions expéri mentales justifient unhistogramme
des sauts gaussiens (réf. 48).ou
bien
l'hypothèse stationnaire est à revoir pour les images. A ce sujet, signalons les travaux récents deHUNT
et
CARNON (r'f.112)
quiobtiennent
unhistogramme gaussien
apris
soustraction
de l'image d'unefonction
quirepr'sen-
terait uneestimation
de la partienon stationnaire
decelle-
ci.
.'.,',-'II!
.'-->
,
'I; i
...j
(30)
a été omis, et
Q
ýot.Afin
decaractériser
lanon-stationnarité
du modale, on défi-niera
donc les quantités suivantes (homogènes à un carré d'énergie) :<ft> = ý
<lFl:;.
[Pour simplifier
lesécrýs,
l'indice N de FýNsera sous-entendu
par la suite, sauf ambiguité.]c fi f.,/) - C("-f(I) v-i i'
£ [0",-1 ...'I-i}
pour montrer
(cf. annexe (J) quel'énergie:
a.1ri'
N-i. W-i (ý'-i')
=ýL<
It N<fI>
Fý F"ýI :>e
1:0 f-o
est 'ga1ement
donnée parNotons tout d'abord que, pour le calcul des propriétés du second ordre, la connaissance des termes
spectraux diagonaux
est suffi- sante. Il suffit d'admettreLe processus présenté plus haut et résultant des deux
hypo-
thêsesmarkovienne (21)
et "stationnaire dans la fenêtre" (22)n'est
pasatationnaire
car de longueur finie. On examine, dans ceparagraphe,
danaquelle mesure
l'énergie spectrale d'un tel processus peut êtreconaidérée
comme concentrée sur la diagonale (ce qui ae produit dans le casd'un
processus stationnaire).I.V.
ETUDE
DUTAUX
DENON-STATIONNARlTE
et on peut prendre, comme
définition
du taux denon-stationnarit'
Qt-.ý.
-QdiCl,.
QtAiQ.ý .
Ce.
quantit's relivent
dedeux paraDètres
qui sont, en fait,ind'pen-
dant. :- le
nombre d'échantillons
N.- la
valeur
del'autocorr'lation
sur les bords de l'image, quel'on
peutcaractériser
par leparamitre l. eC"
I.V.1 - Calcul de Qtot
Le carré du
module
de la SODDD.e surt
etl'
(qui comporte N'2.termes) coq» rend tous les couples de termes1:.4 (1{"- j't'!) - ý;. (ý'l - i' lt'ý)
C, t'
e "C{ i' e
'" i. .. v
Q"ot. =
-;. L C
-I.,f.
'iC4c.lp"cs
(i,'ý) ('l-i.'L)
Qtot s'exprime par
Soit, en
intervertissant
les sommations. , ';
-'
A chaque terme ý ..
.Lý
, il faudra doncassocier
tous lea termes'a. {'a,
de ladiagonale
correspondante. On obtient, enutilisant
l'hy-pothise
de l'existence d'une fonctiond'autocorr'lation
(31)
Q"
"(32)
._,. = -; L
"'-.,"! .t, {'l.'
, J
( .,-lý " ta.-"/ý)
d'oil
La seconde somme n'a des valeurs non nulles que
si'
Tt1 = -te.t,{ý ..
ýýI.V.2 - Calcul de Qdiag
d'où
On a
ý-t
N-t"'-i
2..ýA ý.
'{-l')
ýi&tý *' r. r. <ýd,,> e
La même
opération
que plus haut fait apparaîtreN- -l t Yr.4
i ('
J " , .J I )L e -;-
"ft, - " ... - .... + "h 1jýO
qui est
non
nulle seulement si ý ..._.£1. _
J..'1- !'1.
-34-
I.V.3. - Cas de la
fonction d'autocorré1ation
(28)Les calculs de
(31)
et (32) fontintervenir
lamatrice
deTôplitz
desC"/c'
ainsi que des sommations de s'riesg'ométriquel.
lIa lont
développés
dans l'annexe(1).
On trouve, enposant
A - toot -
a
"'¥/Hr=e. = e.
Qt-ý.=
Examinons
la limite de ces expressions lorsque, N étant cons- tant,'t ...
00 " Dans ce casý ý 0 et on trouve (cf.
annexe
1)Q ýoý. N
Qcl"
N liIQ.ý.
N <:ro
2.t
N-i
N (33)ý tV
e
"tý
00Ný
Les expressions
asymptotiques
de Qý.ý
e ý G>ct\ý.
sontbien identi-
ques, ce qui confirme le fait quel"nergie spectrale
seconcentre
sur la diagonale. Onv'rifie bien finalement
que le taux denon-stationnarit'
(33) est
d'autant
plusfaible
que lavaleur
del'autocorrélation
sur le.bords de l'image est faible.
(34)
(28 ter) (28 bis) (28)
-«clxl
+2."If..t&&.""--
ý dx
- Of
Iý- ý'I
C (-le. ý/) =
'$".2.e
C (X)
==avec
On doit donc avoir (cf.
17)
et sa densité spectrale de puissance est lorentzienne
L _.,
00ýc.
La
fonction d'autocorrélation
de ce processus seraD'autre
part, on a montré qu'un processus discret fini repré-sentant
le signal d'image tend vers un processus continustationnaire lorsque
les conditions suivantes sont réalisées :,
LVI.
ETUDE DE<
IFil>
On a vu que le modèle
markovien
stationnaire dans la fenêtre.'accompagne
d'une fonction d'autocorrélation exponentiellementdécroissante
,... ---ý
-36-
Notons que les 2 processus
continu
et discret sontcaractérisés
par 2 paramètres de décroissance ý et ýc On aévidemment
L'expression
(34) est calculýe dans l'annexe (2). On trouve le rEsultat suivant ::: L
T (35)
Les calculs correspondants sont effectués dans l'annexe (2). On
vérifie
les résultats suivants :avec }- =
l
+ 2.TT .tâ
lim
Lorsque N .... 00 à
'lf
constant, onobtient
l'expr ... ionRe.
[
N (""
H.-p) -fi
_No(cr,?" -1 - eo
]
-
ý ý( -ý)2-
N1.. -i -f. - P "1 -
e. (36)
avec
(3=0(+
Z.Trý1H
1er cas
En fait, cette
expression
dépend des deuxparamètres indépendants
N etl::" 0(""
On peut doncprocéder
de deux façonssuivant
que l'on fait tendreN
vers l'infini, puis't
; ou le contraire.suivante
Cette
expression
correspond à la loi desmodules spectraux d'un pro-
cessuscontinu
non stationnaire. Ce n'est donc pas unelorentzienne.
Pour
obtenir
celle-ci, il suffit de faire tendre ý vers l'infini.Seul le terme en
1r doit être conservé, ce qui
aboutit
1 la loilorentzienne
attendue'1 +
(34)
(38)
(37)
somme de
. C'est ce s'écrit
conduit à
- -
=--
1.
<
'1 ')
Lorsque
l
...Oo à N constant, on obtientEvidemment, le spectre replié (37) tend, lorsque
N.-.
Do (à ý constant) vers le lorentzienne (34) (cf. annexe(2».
N-{ t.I-ý
-t.L =(fkfý.>
"' oc0 -1-..',:0
1.
Le calcul, proche de celui effectué pour < \
Fi \ >
"t - 'Uf"ý
(..c-ý- )
e, V.,. .. _0.
en
posant ýi = týý
Afin d'étudier
les propriétés des parties réelle etýgi- naire
des coefficients de Fourier, on a calculé, dan. l'annexe (4) :ttr-i
ý
(.It
+-l')
2ème cas
1.VI. I - Etude de
Ri
etI
ý.qu'on
avérifié
"to
ý
ýcr.1.
L_ oIýL
C1
(et) _ýs (
1.ý
1
)
qui
correspond
à un processus échantillonné mais stationnaire. Il s'agit donc en fait d'une lorentzienne repliée, c'est-à-dire de lalorentziennes
décalées de multip les entiers de Il u, = .!:!_L
en annexe (3). La sommation correspondante