Suite du fil "Jupiter au T 1m du Pic. 2010. Le retour"

Bonjour à toutes et à tous

Le début de l'histoire, un fil devenu trop lourd avec ses 13 pages

Après quelques (longs !) détours pour suivre les cheminements de ms dans le labyrinthe de la super-résolution,
en passant par les films de Marc, les images de Will, les considérations de Lucien, etc voici quelques liens (à compléter...) :
.
1
.
2
.
3
.
4
.

J'ouvre cette suite pour essayer de tirer quelques conclusions, avant de s'occuper des futures images de Juno

Où en est-on, en cet équinoxe de printemps 2016 ?

- Côté traitements classiques, rien de bien nouveau pour l'empilement des images de films depuis RGX6 et AS2!. Il conviendrait d'évaluer
sur les films Avistack qui semble du même tabac.
J'ai découvert par hasard pour le post-traitement DStation, un logiciel en version alpha sans doc ni tuto
mais avec un excellent GUI qui permet l'auto apprentissage.
Il utilise des déconvolutions futées facilement paramétrables adaptées aux empilements d'images turbulées.
Je l'ai utilisé pour le Clavius de Will.
A noter : pour les images de Lune, il faut flouter au noir les bords de l'image, il existe un site pour le faire en ligne,
afin de ne pas fausser l'élaboration des PSF par des transitions violentes.
Pour le téléchargement, il, vaut mieux passer par la page d'Usatov, car ce lien pour Windows direct est bizarre. Pas d'installation nécessaire, seulement dézipper.
A tout hasard, quelques explications en anglais par l'auteur ici.
Le PDF indiqué sur le site n'existe plus

Grâce à Françis, j'ai pu récupérer ces deux PDF sur le GitHub :
.
DStation.pdf
et
.
Algorithm Workflow

Autres fils :
.
1
.
2

Pour ceux qui voudraient faire un premier essai rapide, Orion 64 dan CN écrit :

Dstation is a great tool to have in your processing arsenal. I have figured out most of the program for myself however.

What I do is to set my equipment specs. Then I start off with a compression ratio about 0.98. Noise I set at 1, depending on how noisy
your image is really. But 1 is okay. Then as a rule of thumb (for myself), r0 should start off in line with your objective diameter in mm.
So for my 10 inch Newtonian, I start off somewhere in the line of 250. Higher than this compensates for poorer seeing and lower for better seeing.
The other value (I think the first input which has a default of 25) I normally set at 15.
.
Un exemple de fichier de configuration pour le traitement de la couche R de la Jupiter 2010 au T1m du Pic est ici.

Noter que la focale est inexacte, corriger en 17 m, ainsi que la longueur d'onde qui correspond au V.
Néanmoins, les résultats sont convaincants.
Attention, quand on lance DS par défaut, décocher dans le 2ème onglet "Proc" la case "Normalization" et éventuellement le filtrage passe-bas.

J'ai appliqué ce logiciel aux images PNG empilées RGX6 par SW ( voir en p 1) et finalisé le résultat avec quelques retouches personnelles
portant uniquement sur la résolution de l'image avec FitsWork, sans regarder les images faites dans le fil précédent, j'en remercie les auteurs et ceux qui veulent encore participer sont les bienvenus.
Il n' y a pas eu de miracle, mon "meilleur" résultat est très proche de celui de Sylvain en p1 du fil précédent.
J'ai ici privilégié la douceur, c'est une image à regarder de loin.

.

Variante un peu plus "dure" :

.

Sur un écran de portable, elle supporte très bien une réduction aux 2/3, la voici avec une orientation plus conventionnelle, en deux variantes de traitement :

.

******************************************************

- Côté super-résolution, je laisse la parole à ms, qui, si j'ai bien compris, travaille sur deux processus :

1) l'amélioration visuelle des images (=> rendu "photographique") en partant d'une image unique empilée
2) La présentation sur écran en temps réel légèrement différée d'images planétairres "déturbulées"
Une retombée intéressante de ce processus est qu'il procure une nouveau moyen d'empilement qu'il reste à évaluer par rapport aux existants.

A suivre ...

[Ce message a été modifié par Nebulium (Édité le 05-04-2016).]

Il y a 2 processus qui me semblent intéressants.

Le premier consiste à considérer une image brute comme si c'était un point relié à l'image brute suivante par le flot optique de ces 2 images. Il devient alors possible d'utiliser tout ce que vous avez appris au lycée sur les espaces vectoriels. Par exemple, une rafale d'images brutes peut être représentée par son barycentre dont la pondération peut être liée à la qualité des différents points. Dans le cas d'un flot optique dense de précision, le barycentre d'une rafale d'images devient une des images de la vidéo assistée. Cette image subit juste un dé-bruitage et un dé-floutage comme dans R6 avant d'être affichée à l'écran. Ce premier processus demande en gros 1s pour une rafale de 100 images brutes en utilisant le calcul par GPU (CUDA7.5 ou OpenCL1.2).

Le deuxième processus permet d'atteindre la super résolution à partir des n images de la vidéo assistée. Pour cela les détails de chaque image sont traités par auto-similarité à différentes échelles. D'autre part une séparation est faite entre basses et hautes fréquences d'une part, bords et textures d'autre part. Ce deuxième processus est exécuté en batch et conduit à la fabrication d'une image super résolue x2 à x5.

On peut se demander comment il est possible d'extraire de la soupe initiale des images brutes, une image super résolue ?
Peut-être que l'auto-similarité est présente sous forme diffuse dans les images brutes et que les traitements appliqués conduisent à la révéler.

[Ce message a été modifié par ms (Édité le 24-03-2016).]

Belle image... 👍

J'ai repris la juju HST de Neb (image du haut) pour tester un algo de super résolution utilisant l'auto-similarité (images x2 et x3) :

Par comparaison avec l'image initiale - la vraie, celle à pleine résolution - on voit juste un traitement plus contrasté mais inadapté :
- Les contours des détails sont beaucoup trop nets, l'image ne respecte plus le phénomène de diffraction (= présence de dégradés de contraste sur les contours)
- Sur les zones les plus contrastées, ça tourne parfois à l'artefact...

Peux-tu me dire quel était le but de l'opération ici ? Retrouver les détails d'origine sur une image réduite ? Tenter de trouver de nouveaux détails ?

quote:

---

1) l'amélioration visuelle des images (=> rendu "photographique") en partant d'une image unique empilée

---

C'est quoi les critères objectifs "amélioration visuelle", c'est à dire ? Qu'est ce que le rendu photographique et en quoi est-il mieux ou intéressant ?

quote:

---

Peux-tu me dire quel était le but de l'opération ici ?

---

a) Comparer le résultat à une interpolation x2 ou x3.
b) Faire un test avec 1 image.

quote:

---

Retrouver les détails d'origine sur une image réduite ?

---

Oui, c'est possible.

quote:

---

Tenter de trouver de nouveaux détails ?

---

Non, pas avec une seule image. Par contre, le même type d'algo appliqué à n images de la vidéo assistée devrait permettre de trouver de nouveaux détails.

Hello

Voici une réduction JPEG de l'originale depuis ce site ( ici pour la TIF):

et ici une Video UHD 4k[

[Ce message a été modifié par Nebulium (Édité le 31-03-2016).]

Bonjour,

Neb :au sujet de DStation : "Le PDF n'existe plus" Lequel cherches-tu ? ( DStation.pdf ou Algorithm Workflow.pdf ?
De toute façon, grâce à git, ils sont toujours dispos ;-). Clone le dépôt et reviens avant l'effacement, ou bien récupères les directement dans github ( l'historique de ce dépôt est très court).
https://github.com/blackhaz/DStation

ms (ou Neb) : d'où provient la juju HST utilisée pour tester un algo de super résolution par auto-similarité ( ce qui, au passage, ne veut strictement rien dire pour une image de planète ..... ) : elle n'a ni la même taille ni la même colorimétrie que celle fournie pas la Nasa ????

Francis

Hello Françis

Merci pour DS, je vais retourner sur le Github, j'ai dû mal chercher, je m'intéresse aux deux, je ne dispose que des explics sommaires de l'auteur su CN.

Voici en PNG la TIF originale la plus grande que j'ai trouvée sur le site indiqué 2 messages plus haut où l'on trouve quelques explications.

.

Credit NASA / ESA

Par ailleurs, je viens de mettre la main sur un gisement d'images HST récentes de Jupiter que je suis en train d'explorer.

Plus à voir très bientôt, avec des références pour des images publiées ici par les cadors entre le 9 février 2016 09:35 et le 10 février 2016 05:12 UTC si j'en trouve.

[Ce message a été modifié par Nebulium (Édité le 31-03-2016).]

A gauche : interpolation x2.
A droite : auto-similarité x2.

C'est pas encore tout à fait au point parce qu'il reste un vilain artefact à supprimer mais les images sont plus tranchées qu'avec la traditionnelle interpolation.

Pour Juju peut-être que point trop tranchées ne faut ? : http://www.astrosurf.com/ubb/Forum3/HTML/046581.html
Juju il y a 6 semaines au HST, d'après un planisphère mosaïqué.
Et puisque tu es dans les mires, tu pourraispeut-être jouer avec celles de cette page : http://www.astrosurf.com/ubb/Forum3/HTML/046205-3.html

Tiens, déjà pour te faire les dents, un petit morceau qui sur mon portable, se termine proprement du côté droit :

.

[Ce message a été modifié par Nebulium (Édité le 31-03-2016).]

=> Francis

En bidouillant dans tous les sens, après plusieurs tentatives, j'ai enfin pu récupérer les deux PDF

Merci de m'y avoir encouragé !
J'ai ajouté les liens directs dans mon premier message.

Du coup, j'extrais cette page du DStation.pdf :
.

[Ce message a été modifié par Nebulium (Édité le 01-04-2016).]

Neb essaye un peu DStation sur une brute ou un ensemble de brutes des jujus de Marc (en particulier celle qui n'est pas dérotée).

La Fig 8 ça marche bien pour une image courte pose type Pic du Midi avec un r0 relativement élevé mais dans le cas courant c'est pas top.

C'est convainquant malgré tout!!

La figure 6 correspond a ce que j'obtenais avec AIDA en blind deconvolution.
C'est physiquement plus vraisemblable que l'auto similarité sur une surface planétaire...

Pas suivi l'orogone de l'algo mais comment remontent-ils à la MTF?

Hello

=> Bernard, dans le package GitHub, tu trouveras les originaux des traitements par Usatov

=> ms, j'ai essayé DS avant d'avoir lu les docs (ce que je n'ai toujours pas eu le temps de faire, entre temps je suis tombé sur des images
fraîches du HST) d'abord pour les deux images au T1m en début de ce fil sur l'empilement RGB de Sylvain puis sur un empilement de Will
dont il a sorti l'image de G et moi celle de D, en réajustant d'abord la balance pour ce qui me semble le goût du jour en France
puis en travaillant individuellement la résolution de chaque couche "à vue" avec DS, sans y aller trop fort.
Ensuite j'ai séparé luminance
et chrominances (=> Lab), retravaillé la L à fond avec DS et FW, resynthétisé la RGB.
Le résultat n'est pas très convainquant.

.

Comme tu le dis, pas évident de gagner même des pouièmes, mais c'est à reprendre.
Je pense que travailler sur beaucoup d'images n'est pas la meilleure solution.
Sans aller jusqu'au traitement des images individuelles (ça viendra avec les progrès des capteurs...), ton idée de travailler par
groupes en prenant les meilleurs morceaux de chacun est à exploiter.

Tiens, je viens de voir dans le S&T de mai reçu aujourd'hui une pub qui propose une nouvelle caméra dont j'ai cru comprendre qu'elle fournissait
sur l'écran une image en temps réel avec le logiciel idoine à installer dans le PC, et aussi cet article

[Ce message a été modifié par Nebulium (Édité le 02-04-2016).]

quote:

---

Sans aller jusqu'au traitement des images individuelles (ça viendra avec les progrès des capteurs...), ton idée de travailler par groupes en prenant les meilleurs morceaux de chacun est à exploiter.

---

Les images individuelles c'est possible dans un site exceptionnel mais dans le cas courant, je traite un groupe d'images brutes contiguës. Les progrès des capteurs ne feront que diminuer le nombre d'images de chaque groupe.
Pour l'instant 3 approches donnent un résultat à peu près similaire (une image estimée qui ressemble fortement à l'image de gauche de la Fig 8) :
a) l'estimation du centre de gravité d'un groupe d'images reliées entre-elles par un flot optique dense,
b) l'utilisation de l'algorithme DT-CWT (Dual Tree Complex Wavelet Transform) pour fusionner les images brutes du groupe,
c) l'utilisation de l'analyse en composantes principales (PCA) pour produire une estimation de l'image idéale.
L'approche utilisée est sélectionnée en fonction de la taille du groupe qui est représentative des conditions de turbulence.

Pour moi, la Fig 8 est intéressante si tu fournis le process permettant d'obtenir l'image de gauche :
a) ton site est exceptionnel -> tu as directement l'image en sortie du capteur (distribution Fried courte pose),
b) ton site est courant -> tu dois fabriquer l'image à partir d'un groupe d'images brutes courte pose contiguës (distribution Fried pose plus longue).

Pour revenir à l'auto-similarité, je la vois plus (pour l'instant) comme une amélioration de l'interpolation mais c'est une piste que je commence à peine à explorer. Je voudrais aller jusqu'à une séparation basses fréquences / hautes fréquences d'une part et contours / textures d'autres part comme dans l'exemple suivant :

[Ce message a été modifié par ms (Édité le 04-04-2016).]