Restauration d'image dégradée par un flou spatialement variant

National audienceIn most of the existing image restoration techniques, the blur is assumed to be spatially invariant. However, different physical phenomena related to the optic's properties makes that degradations may change according to the image's areas. In this work, we consider a piecewise-varying PSF model with smooth transitions between areas in order to take into account blur variation in the image. We develop for this model, a convenient deconvolution method by minimizing a criterion with a total variation regularization. We rely on a fast minimization method using a domain decomposition method that was recently developed by Fornasier et al. 2009. We thus obtain an algorithm where the criterion minimization is performed in a parallel way on different areas of the image, taking into account the estimates of neighboring areas of the considered sub-image, so that the final solution is space-varying deconvolved.La plupart des techniques de restauration d'images disponibles supposent que le flou est spatialement invariant. Néanmoins, différents phénomènes physiques liés aux propriétés de l'optique font que les dégradations peuvent être différentes selon les régions de l'image. Dans ce travail, nous considérons un modèle de PSF invariant par zone avec des transitions régulières entre les zones afin de prendre en compte la variation du flou dans l'image. Nous développons pour ce modèle, une méthode de déconvolution adaptée, par minimisation d'un critère avec une régularisation par variation totale. Nous nous appuyions sur une méthode rapide de minimisation par décomposition de domaine qui a été récemment développée par Fornasier et al., 2009. Nous obtenons ainsi un algorithme où la minimisation du critère est effectuée en parallèle sur les différentes zones de l'image, tout en prenant en compte les estimées dans les zones voisines des sous-images considérées, de sorte que la solution finale soit le minimum du critère où le flou est variant spatialement