Exposé Traitement D'images (Filtres Non Linéaire)

FILTRE NON LINÉAIRE
eme
ANNEE
République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur
Et De la Recherche Scientifique
Université 20 Aout 1955 SKIKDA
Faculté : Technologie
Département : Electrique
Spécialité : Automatique et system
FILTRE NON-LINEARE
: Réalisé par: Dirigé par
Hamel Charaf eddine

Boulakhsas samir
Gherimil rami
Zeghbib adlene
2020/2021
Introduction :
En traitement du signal, un filtre non linéaire (ou non linéaire) est un filtre
dont la sortie n'est pas une fonction linéaire de son entrée. C'est-à-dire, si le filtre
sort des signaux R et S pour deux signaux d'entrée r et s séparément, mais ne sort
pas toujours ( αR + S) lorsque l'entrée est une combinaison linéaire r+ s. Les filtres
à domaine continu et à domaine discret peuvent être non linéaires. Un exemple
simple du premier serait un appareil électrique dont la tension de sortie R ( t ) à
tout moment est le carré de la tension d'entrée r ( t ) ; ou quelle est l'entrée écrêtée
sur une plage fixe [ a , b ], à savoir R ( t ) = max( a , min( b , r ( t ))). Un exemple
important de ce dernier est le filtre médian courant, tel que chaque échantillon de
sortie R i est la médiane des trois derniers échantillons d'entrée ri, ri-1, ri-2.
Comme les filtres linéaires, les filtres non linéaires peuvent être invariants par
décalage ou non. Les filtres non linéaires ont de nombreuses applications,
notamment dans la suppression de certains types de bruits non additifs . Par
exemple, le filtre médian est largement utilisé pour supprimer les pics de bruit , qui
n'affectent qu'un petit pourcentage des échantillons, peut-être de très grandes
quantités. En effet, tous les récepteurs radio utilisent des filtres non linéaires pour
convertir les signaux kilo- en gigahertz dans la gamme de fréquences audio ; et
tout le traitement du signal numérique dépend de filtres non linéaires
(convertisseurs analogique-numérique ) pour transformer les signaux analogiques
en nombres binaires . Cependant, les filtres non linéaires sont considérablement
plus difficiles à utiliser et à concevoir que les filtres linéaires, car les outils
mathématiques les plus puissants d'analyse de signal (tels que la réponse
impulsionnelle et la réponse en fréquence) ne peuvent pas être utilisés sur eux.
Ainsi, par exemple, les filtres linéaires sont souvent utilisés pour supprimer le bruit
et la distorsion créés par des processus non linéaires, simplement parce que le filtre
non linéaire approprié serait trop difficile à concevoir et à construire. De ce qui
précède, nous pouvons savoir que les filtres non linéaires ont un comportement
assez différent par rapport aux filtres linéaires. La caractéristique la plus
importante est que, pour les filtres non linéaires, la sortie du filtre ou la réponse du
filtre n'obéit pas aux principes décrits précédemment, en particulier la mise à
l'échelle et l'invariance de décalage. De plus, un filtre non linéaire peut produire
des résultats qui varient de manière non intuitive Filtre non linéaire
Mathématiques :Pour un ensemble X, partie ℱ de 𝓟(X) telle que : 1°  ∈ ℱ ; 2° si B

∈ ℱ et B ⊃ A, alors A ∈ ℱ ; 3° si (A1, A2) ∈ ℱ2, alors A1 ∩ A2 ∈ ℱ.
Objectif:
Le filtrage consiste à estimer de façon récursive un état caché au vu
d’observations. Le domaine d’application principal est la localisation, la
navigation et la poursuite de mobiles, dans le domaine militaire, mais aussi
en robotique mobile, en vision par ordinateur, ou il s’agit de combiner : un
modèle a priori de déplacement du mobile, des mesures issues de capteurs,
et éventuellement une base de mesures de références, disponibles par
exemples sous la forme d’une carte numérique (modèle numérique de
terrain, carte de couverture, etc.). Le problème de filtrage possède une
solution explicite, appelée filtre de Kalman, dans le cas particulier des
systèmes linéaires gaussiens. Dans le cas plus général des modèles de
Markov caché, des méthodes de simulations efficaces sont apparues
récemment, sous le nom de filtrage particulaire. L’objectif de ce cours est
de présenter différents algorithmes de filtrage linéaire, de filtrage non
linéaire (obtenus par linéarisation ou par quadrature), et de filtrage
particulaire, et de mettre en œuvre ces algorithmes dans le cadre d’un TP.
Filtrage non-linéaire
Dépendant du filtre utilisé, le filtrage non linéaire:
• permet de réduire le bruit impulsionnel (multiplicatif), ce que
le
filtre moyenneur (ou même gaussien) n’arrive pas à faire
• préserve mieux les discontinuités (sans les adoucir)
• est généralement plus coûteux en temps calcul que le filtre
linéaire
moyenneur
• ne respecte pas les propriétés de commutativité et
d’associativité
du filtre linéaire
Exemples de filtres non-linéaires:
• filtre médian
• filtre bilatéral
• opérateurs morphologiques
1_le filtre médian :
Le filtre médian est bien adapté au filtrage du bruit impulsionnel

Le filtre médian utilise aussi un noyau sur lequel on effectue les
opérations
suivantes:
1. trier les valeurs d’illuminance des pixels couverts par le
masque
2. extraire la médiane des données triées
3. remplacer la valeur du pixel central par la médiane
2_Le filtre filtre bilatéral

• L’idée derrière le filtrage gaussien (ou le simple filtre
moyenneur) est que des pixels voisins dans l’espace image ont
des illuminances voisines.
• L’hypothèse est donc faite que l’illuminance varie lentement et
qu’un moyennage spatial permet de réduire le bruit.
• Si l’hypothèse de variation lente de l’illuminance n’est pas
respectée
(comme sur les arêtes des images correspondant aux
changements rapides
de l’illuminance), le moyennage adoucit ces discontinuités, ce
qui n’est pas idéal
• Le filtre bilatéral tente de compenser ces défaillances en
repensant la notion de proximité entre les pixels sans avoir
recours à un processus itératif
Reprenons l’expression du filtre passe bas implanté via une

convolution et reformulons son expression comme suit:
• L’idée à la base du filtre bilatéral est d’ajouter des poids à la

convolution qui tiennent compte de la distance entre les pixels
dans l’espace des illuminances
• Ainsi, deux pixels voisins dans l’espace image mais
d’illuminance très différentes (comme sur une discontinuité) ne
seront pas moyennés car le poids associé à leur distance dans
l’espace des illuminances sera faible.
• En général, on choisit les poids selon une distribution

gaussienne.
La convolution est maintenant formulée comme suit:

Exemple 1
Exemple 2
3_ filtre de nagao
3_ Le filtrage avec les opérateurs morphologiques

sur des images binaires
On compte plusieurs types de filtres non-linéraires dits morphologiques.
Ces filtres effectuent des opérations min-max appliquées sur un noyau de
forme variable “s” appelé élément structurant
Exemples d’éléments structurants
Les opérations min-max peuvent être appliquées en séquence sur les

images avec un élément structurant donné.
• Érosion (min): si un pixel prend la valeur 0 sur un des éléments du
masque, le pixel “central” du masque est mis à 0
• Dilatation (max): si un pixel prend la valeur 1 sur un des éléments du
masque, le pixel “central” du masque est mis à 1
• Ouverture ( ): érosion suivie d’une dilatation – élimine les “grenailles”
dans l’image binaire
• Fermeture ( ): dilatation suivie d’une érosion – bouche les trous dans
une image binaire
• pour les images à niveau de gris:
opérateur chapeau haut-de-forme (top hat operator)
image de laquelle on soustrait son ouverture – détecte les pics et les

crêtes
Exemple simple de fermeture en 1D
Exemple sur une image binaire
Exemple sur une image à niveaux de gris

Exemple simple d’opérateur “Top-Hat” en 1 D pour détecter les

maximums dans un signal
4_filtrage par morphologie :

4-1 Cas des images images binaires

Exposé Traitement D'images (Filtres Non Linéaire)

Transféré par

Droits d'auteur :

Formats disponibles

Exposé Traitement D'images (Filtres Non Linéaire)

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Exposé Traitement D'images (Filtres Non Linéaire)

Transféré par

Droits d'auteur :

Formats disponibles

FILTRE NON LINÉAIRE

: Réalisé par: Dirigé par

Hamel Charaf eddine

Mathématiques :Pour un ensemble X, partie ℱ de 𝓟(X) telle que : 1°  ∈ ℱ ; 2° si B

Le filtre médian est bien adapté au filtrage du bruit impulsionnel

2_Le filtre filtre bilatéral

Reprenons l’expression du filtre passe bas implanté via une

• L’idée à la base du filtre bilatéral est d’ajouter des poids à la

• En général, on choisit les poids selon une distribution

La convolution est maintenant formulée comme suit:

3_ Le filtrage avec les opérateurs morphologiques

Les opérations min-max peuvent être appliquées en séquence sur les

image de laquelle on soustrait son ouverture – détecte les pics et les

Exemple sur une image binaire

Exemple sur une image à niveaux de gris

Exemple simple d’opérateur “Top-Hat” en 1 D pour détecter les

4_filtrage par morphologie :

Vous aimerez peut-être aussi