Métodos bayesianos aplicados a restauración de imágenes en pirámides sobre-completas y la identificación de cámaras digitales

Resumen

Entre ellas, las representaciones piramidales sobre-completas han supuesto un gran impulso en el rendimiento de los modelos y sus aplicaciones de restauración, Por esta razón, una de las tendencias actuales es desarrollar modelos estadísticos en este dominio. Al comienzo de esta Tesis (Capítulo 2), se hace hincapié en la importancia que tienen dichos modelos en el rendimiento de las aplicaciones, describiendo una de las referencias actuales basada en una mezcla en escala de Gaussianas (GSM). Tomando como punto de partida la citad a referencia, presentamos dos nuevos modelos estadísticos que son aplicados a la eliminación de ruido (Capítulos 3 y 4). Estos modelos, aun compartiendo una base común (GSM), atacan el problema desde perspectivas muy diferentes: caracterización local v s. caracterización global. Otra interesante aplicación de restauración es la compensación de emborronamiento en presencia de ruido aditivo Gaussiano, problema este, de mayor complejidad. E n este trabajo (Capítulo 5) hemos presentado una solución basad a en un esquema de dos pasos: (a) compensación lineal de emborronamiento (global), y (b) eliminación no lineal de ruido (local De esta forma, el problema es descompuesto en un filtrado global y en una eliminación de ruido Gaussiano no blanco, reduciendo considerablemente la dificultad del problema. Además, es ta estrategia nos permite aplicar y explotar los potentes métodos de eliminación de ruido actuales (como por ejemplo, los pres entados en esta Tesis) . Las herramientas Bayesianas también son muy utilizada s para abordar problemas de clasificación. En el Capítulo 6 de esta Tesis proponemos dos modelos estadísticos de un descriptor de cámaras propuesto recientemente. Dichos modelos son utiliza dos, dentro del marco Bayesiano, para desarrollar un algoritmo de identificación de cámaras digitales.