Оптимальная по разрешающей способности линейная фильтрация изображений

Оптимальная по разрешающей способности линейная фильтрация изображений

Автор: Удод, Виктор Анатольевич

Шифр специальности: 05.13.01

Научная степень: Докторская

Год защиты: 2002

Место защиты: Томск

Количество страниц: 328 с. ил.

Артикул: 2615862

Автор: Удод, Виктор Анатольевич

Стоимость: 250 руб.

Введение.
Глава 1. Проблематика оценки качества изображающих систем
1.1. Изображения, изображающие системы и их математические модели.
1.2. Оценка качества изображающих систем
1.2.1. Субъективные оценки качества изображений.
1.2.2. Объективные оценки качества изображений.
1.3. Универсальность разрешающей способности по Фуко как критерия качества изображающих систем и связанные с этим задачи.
1.4. Недостаточная корректность существующего формального описания критерия разрешающей способности по Фуко.
1.5. Выводы.
Глава 2. Уточненное формальное описание критерия разрешающей
способности по Фуко и его эквивалентные представления
2.1. Уточненное формальное описание критерия разрешающей способности по Фуко
2.2. Условия совпадения разработанного формального описания разрешающей способности с ранее известным.
2.3. Формальное описание критерия разрешающей способности в случае однородного порогового контраста.
2.4. Эквивалентное формальное описание критерия разрешающей спо
собности в случае однородного порогового контраста
2.5. Формализация задачи параметрической оптимизации изображающих
систем по критерию максимума разрешающей способности
2.6. Выводы.
Глава 3. Оптимальная по разрешающей способности одномерная
фильтрация изображений, искаженных стационарным аддитив
ным шумом
3.1. Постановка задачи и основные соотношения
3.2. Случай белого шума и фильтров, зависящих от параметра
3.2.1. Экспоненциальный фильтр
3.2.2. Простейший тихоновский фильтр
3.2.3. Гауссовский фильтр.
3.2.4. Скользящее среднее.
3.2.5. Идеальный низкочастотный фильтр
3.2.6. Некоторый заданный фильтр
3.3. Случай произвольного фильтра и белого шума.
3.4. Случай произвольного фильтра и произвольного шума
3.5. Выводы
Глава 4. Оптимальная по разрешающей способности одномерная
фильтрация изображений, искаженных линейной системой и стационарным аддитивным шумом.
4.1. Постановка задачи и основные соотношения.
4.2. Случай белого шума и фильтров, зависящих от параметра
4.2.1. Экспоненциальный фильтр.
4.2.2. Простейший тихоновский фильтр
4.2.3. Гауссовский фильтр.
4.2.4. Скользящее среднее
4.2.5. Идеальный низкочастотный фильтр.
4.2.6. Некоторые заданные фильтр и линейная система
4.3. Случай произвольного фильтра и белого шума
4.4. Пример количественной оценки выигрыша от применения оптимального фильтра
4.5. Случай произвольного фильтра и произвольного шума.
4.6. Выводы
Глава 5. Оптимальная по разрешающей способности двумерная
фильтрация изображений, искаженных линейной системой и стационарным аддитивным шумом
5.1. Формализация оптимизационных задач.
5.2. Случай идеальной линейной системы, белого шума и произвольного фильтра.
5.3. Случай идеальной линейной системы, произвольного шума и про
извольного фильтра
5.4. Случай произвольной линейной системы, белого шума и произвольного фильтра
5.5. Пример количественной оценки выигрыша от применения оптимального фильтра
5.6. Случай произвольной линейной системы, произвольного шума и произвольного фильтра
5.7. Сравнение оптимального по разрешающей способности фильтра с
винеровским фильтром.
5.8. Выводы.
Глава 6. Исследование дополнительных факторов, влияющих на
разрешающую способность изображающих систем
6.1. Необходимое условие для оптимальной фильтрации изображений с
переменной разрешающей способностью
6.2. Примеры неотрицательных, ограниченных, финитных функций,
преобразования Фурье которых не имеют нулей
6.3. Условие отсутствия нулей в заданном диапазоне частот у преобразований Фурье ступенчатых функций определенного вида.
6.4. Эффективность применения вращающихся апертур при дискретном сканировании изображений.
6.5. Оценка разрешающей способности изображающих систем с дискре
тизацией изображений по прямоугольному растру и их последую
щей интерполяцией.
6.5.1. Аппроксимация операции дискретизацияинтерполяция
6.5.2. Учет влияния операции дискретизацииинтерполяции на разрешающую способность изображающих систем.
6.6. Выводы.
Глава 7. Применение полученных результатов к системам цифровой рентгенографии
7.1. Системы цифровой рентгенографии
7.2. Математическая модель теневых радиационных изображений
7.3. Математическая модель преобразования теневых радиационных изображений сканирующим детектором
7.4. Математические модели систем цифровой рентгенографии.
7.4.1. Математическая модель сканирующих систем цифровой
рентгенографии на основе линейки детекторов.
7.4.2. Математическая модель систем цифровой рентгенографии
на основе оцифровки традиционных рентгенограмм
7.5. Оценка максимальной разрешающей способности систем цифровой рентгенографии
7.6. Выводы.
Заключение
Литература


Для серии оценок искаженного изображения при определенном значении искажения рассчитывают относительную частоту оценок р1 п1 у где л, число оценок, относящих качество к ой
категории 1,2,. М л, общее число оценок. Затем вычисляют
среднюю экспериментальную оценку
р,
Например , при использовании пятибалльной шкалы оценок качества Л 5 при наличии искажений из общего числа оценку 1 не дали ни разу, оценку 2 дали 2 раза, оценку 3 раз, оценку 4 раза, оценку раз. Тогда р, 0 р2 0, р3 0, р4 0, р5 0, и и 5 р 4 рА Зр3 2р2 А 3,. В практике проведения субъективных экспертиз наряду со шкалами, представленными в таблице 1. При этом связь между оценками нормализованной шкалы и оценками V пятибалльной шкалы задается соотношением таблица 1. Таблица 1. К недостаткам метода субъективных экспертиз следует отнести весьма существенное влияние характера рассматриваемых изображений и окружающей обстановки условий наблюдения на результаты субъективных экспертных оценок 1. Помимо этого проведение самого эксперимента по установлению субъективного качества изображения является довольно сложной задачей ,. Для объективной оценки качества работы ИС и получаемых ими изображений используют критерии качества ,. Наиболее распространенным на сегодняшний день является критерий среднеквадратической ошибки и различные его варианты, такие, например, как критерий взвешенной среднеквадратической ошибки ,,,,. Здесь Вх9у исходное неискаженное изображение Вх,у изображение на выходе ИС выходное изображение черта сверху означает математическое ожидание. С учетом 1. Парсеваля 1 соотношение 1. Основное преимущество критерия среднеквадратической ошибки формулы 1. Однако, этот критерий часто слабо коррелирует с субъективными оценками качества изображений и имеет, по меньшей мере, два недостатка . Вх,у. Вух,чу есть функция комплексносопряженная к Вуя,у. Эксперименты, выполненные на изображениях, которые были преобразованы с помощью фильтров низких и высоких пространственных частот, показали, что коэффициент корреляции остается довольно большим даже в том случае, когда сильно подавлены высоко и среднечастотные компоненты изображения и субъективно оно воспринимается как низкокачественное 1. Я Вх,УуЬхку
По существу отношение Штреля является простой мерой уменьшения контраста реального изображения по сравнению с идеальным. Оно в некоторой степени соответствует субъективным представлениям о качестве изображения, однако эксперименты показывают, что это соответствие не всегда полное. В частности, известны примеры изображений, которые обладали достаточно высокой дешифруемостью, несмотря на то, что отношение Штреля для них было небольшим 1. Статистическая разрешающая способность 5,. Данный критерий применяется для оценки качества ИС, которые условно можно подразделить на два класса класс наблюдательных ИС и класс измерительных ИС. Класс наблюдательных ИС решает задачи различения гипотез обнаружение, распознавание. При этом предполагается, что входной сигнал исходное изображение известен с точностью до выбора из двух альтернативных функций 1ох,у и , ,. Качество изображения в этом случае определяется вероятностью ошибок в различении этих сигналов по зашумленному изображению. Класс измерительных ИС решает задачи оценки неизвестного параметра исследуемого объекта по получаемому от него сигналу, т. I 1х,уа, где а неизвестный параметр. В этом случае качество изображения оценивается по дисперсии оценки а измеряемого параметра, полученной из анализа зашумленного изображения. ФУ,. V,,V, V,. Разрешение по Рэлею 4,5. Этот критерий определяет способность ИС изображать раздельно два близко расположенных одинаковых точечных предмета источника и равен минимальному расстоянию АС между ними, при котором изображение двух точек отличимо от изображения одной точки. На рис. Л разделяющей отрезок АА2 пополам. Рис. Согласно критерию Рэлея АС соответствует тому расстоянию, при котором провал в точке А составляет около от максимальной интенсивности. Критерий Рэлея непосредственно применим для оценки качества слабозашумленных изображений.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.239, запросов: 244