Un surechantillonnage robuste par inversion la transformation floue nonadditive

La transformation floue peut être interprétée comme la modélisation d'un processus d'acquisition dont la réponse impulsionnelle serait connue de façon imprécise. On appelle cette réinterprétation la transformation floue non-additive. La plupart des techniques de sur-échantillonnage nécessitent une connaissance précise de la réponse impulsionnelle du capteur utilisé. Généralement cette connaissance est partielle ou imprécise. On dit qu'on est dans un schémas semiaveugle ou myope. Dans cet article, nous proposons de modéliser le processus d'acquisition du signal basse résolution par une transform ée floue imprécise et d'inverser cette représentation pour obtenir une reconstruction imprécise d'un signal haute résolution à partir d'un signal basse résolution. Les expérimentations, dont nous présentons les résultats dans cet article, mettent en valeur la robustesse de cette technique, en comparaison des techniques classiques, lorsque la connaissance du capteur est partielle. The fuzzy transform can be reinterpreted as a sampling process with an ill-known sampling kernel (or point spread function). This reinterpretation leads to an interval-valued direct fuzzy transform : the non-additive fuzzy transform. Most upsampling techniques requires a accurate modeling of the sensor. However, this modeling is usually rather approximate, leading to artefacted reconstructions, when using classical techniques. In this paper, we consider using a new interval-valued inversion process within non-additive fuzzy transform framework to upsample a signal, i.e. reconstruct a high resolution signal with a low resolution signal, in a semi-blind context. As illustrated in the experimental part of the paper, the main advantage of using this method, compared to previous techniques, is its inherent robustness with respect to modeling of the sampling process.