Vers des CNN réduits pour débruiter les images de phase corrompues par du bruit speckle
Auteur(s) :
Marie Tahon – LIUM – Le Mans Université
Silvio Montresor LAUM – Graduate School (IA-GS) – Le Mans Université
Pascal PICART – LAUM – Graduate School (IA-GS) – Le Mans Université
Résumé :
L’holographie numérique est une technique très efficace pour l’imagerie 3D et la caractérisation des changements à la surface de tout objet. Cependant, lors du processus d’interférométrie holographique, les images de phase reconstruites souffrent de bruit de speckle. Dans cet article, le débruitage est abordé avec des images de phase corrompues par du bruit speckle. Pour ce faire, des réseaux résiduels DnCNN de différentes profondeurs ont été construits et entraînés avec diverses données de phase holographiques bruyantes. La possibilité d’utiliser un réseau pré-entraîné sur des images naturelles avec bruit gaussien est également étudiée. Tous les modèles sont évalués en termes d’erreur de phase avec les données de référence HOLODEEP et avec 3 images inédites correspondant à différentes conditions expérimentales. Les meilleurs résultats sont obtenus en utilisant un réseau avec seulement 4 blocs convolutifs et formés avec une large gamme de modèles de phases bruités.
