Convex Super-Resolution Detection of Lines in Images

Kévin Polisano 1 Laurent Condat 2 Marianne Clausel 3 Valérie Perrier 1
1 CVGI - Calcul des Variations, Géométrie, Image
LJK - Laboratoire Jean Kuntzmann
2 GIPSA-AGPIG - AGPIG
GIPSA-DIS - Département Images et Signal
3 DAO - Données, Apprentissage et Optimisation
LJK - Laboratoire Jean Kuntzmann
Abstract : In this paper, we present a new convex formulation for the problem of recovering lines in degraded images. Following the recent paradigm of super-resolution, we formulate a dedicated atomic norm penalty and we solve this optimization problem by means of a primal–dual algorithm. This parsimonious model enables the reconstruction of lines from lowpass measurements, even in presence of a large amount of noise or blur. Furthermore, a Prony method performed on rows and columns of the restored image, provides a spectral estimation of the line parameters, with subpixel accuracy.
Type de document :
Communication dans un congrès
24th European Signal Processing Conference (EUSIPCO 2016), Aug 2016, Budapest, Hungary. IEEE, pp.336-340, 〈10.1109/EUSIPCO.2016.7760265〉
Liste complète des métadonnées

Littérature citée [7 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01281979
Contributeur : Kévin Polisano <>
Soumis le : vendredi 17 juin 2016 - 19:37:07
Dernière modification le : lundi 9 avril 2018 - 12:22:50
Document(s) archivé(s) le : dimanche 18 septembre 2016 - 10:55:46

Fichier

EUSIPCO_Polisano.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

Kévin Polisano, Laurent Condat, Marianne Clausel, Valérie Perrier. Convex Super-Resolution Detection of Lines in Images. 24th European Signal Processing Conference (EUSIPCO 2016), Aug 2016, Budapest, Hungary. IEEE, pp.336-340, 〈10.1109/EUSIPCO.2016.7760265〉. 〈hal-01281979v2〉

Partager

Métriques

Consultations de la notice

398

Téléchargements de fichiers

379