Алгоритмы вейвлет-анализа и беспороговой фильтрации при SPIHT-кодировании радиолокационных изображений

• Автор: Малебу Дамиау Педру
• Шифр специальности: 05.12.04, 05.12.14
• Научная степень: Кандидатская
• Год защиты: 2015
• Место защиты: Рязань
• Количество страниц: 203 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ОБЗОР МЕТОДОВ, АЛГОРИТМОВ И УСТРОЙСТВ ЦИФРОВОЙ ФИЛЬТРАЦИИ И
КОМПРЕССИИ ИЗОБРАЖЕНИЙ
1Л. Общая характеристика проблемы и пути ее решения
1.2. Предварительная обработка зашумленных изображений
1.3. Компрессия неискаженных изображений
1.4. Методы и алгоритмы компрессии зашумленного изображения
ВЫВОДЫ
ГЛАВА 2. БЕСПОРОГОВАЯ ВЕЙВЛЕТ ОБРАБОТКА РЛИ
2.1. Поведение вейвлет-коэффициентов при действии сиекл-шума
2.2. Применение распределений Пирсона для вейвлет-коэффициентов
2.3. Поиск оценок вейвлет-коэффициентов при неоднородной текстуре при обобщенном распределении
Г аусса
2.4. Алгоритм сжатия зашумленных изображений, учитывающий текстурно-зависимую обработку вейвлет-коэффициентов
2.5. Результаты моделирования
ВЫВОДЫ
ГЛАВА 3. ПРИМЕНЕНИЕ ПРОСТРАНСТВЕННООРИЕНТИРОВАННЫХ ДЕРЕВЬЕВ ПРИ БОРТОВОЙ ОБРАБОТКЕ РСА-ИЗОБРАЖЕНИЙ
3.1. Введение
3.2. Постановка задачи
3.3. Пространственно-ориентированные деревья
3.4. Логическая обработка ПОД
3.5. Методика расчета квантователя
3.6. Распределение квоты битов в пределах
субполосы
3.7. Результаты моделирования

ВЫВОДЫ
ГЛАВА 4. ПРИМЕНЕНИЕ АЛГОРИТМОВ ОБРАБОТКИ РЛИ В УЧЕБНОМ ПРОЦЕССЕ
4.1. Программный комплекс обработки зашумленных изображений на основе вейвлет-преобразований IMPROC версии 1.
4.2. Программный комплекс обработки зашумленных изображений на основе вейвлет-преобразований IMPROC версии 2.
ВЫВОДЫ
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЯ

ВВЕДЕНИЕ
Актуальность темы. В современных радиотехнических системах с радарами прямого и бокового обзоров (радаров с синтезированной апертурой) формирование радиолокационных изображений (РЛИ) сопровождается появлением спекл-шума {speckle), что затрудняет качественное представление РЛИ в телевизионном стандарте. Для таких изображений вводится в рассмотрение мультипликативная модель шума с единичным средним, распределение которого в общем случае не является гауссовским. При этом мультипликативный шум считается доминирующим над аддитивными шумами.
В случае передачи радиолокационных изображений с сильно развитым спекл-шумом по линиям связи с ограниченной пропускной способностью предварительная фильтрация увеличивает временные и аппаратурные затраты, а сжатие изображений (с потерями) может увеличить остаточный шум. Таким образом, для согласования фильтрации и компрессии необходимо использовать общую схему обработки изображения.
Одной из эффективных схем является вейвлет-обработка радиолокационных сигналов, где традиционно и фильтрация, и компрессия осуществляются путем порогового отсечения вейвлет-коэффициентов. Однако выбор порога не всегда оказывается удачным, что приводит к появлению артефактов звона и размытию контуров объектов на восстановленном РЛИ. В диссертационной работе даются теоретические и практические решения проблемы беспорогового вейвлет-кодирования зашумленных РЛИ на основе известного вейвлет-кодека SPIHT при фиксированной квоте бит, причем требования к визуальному (субъективному) качеству восстановленных после компрессии изображений специально не оговариваются. Тем не менее, разработанные алгоритмы обеспечивают получение восстановленных изображений относительно высокого качества, без новых артефактов и искажений по сравнению с известными методами и алгоритмами предварительной фильтрации и вейвлет-кодеков.
Степень разработанности проблемы. Значительный вклад в теорию вейвлет-преобразования, вейвлет-фильтрации и вейвлет-кодирования внесли зарубежные

Фильтр Калмана. Двумерный фильтр Калмана [32,47] был реализован в так называемом окне предсказания (Non-Symmetric Half Plane), определенным как:
где М= 2. Изображение описывается моделью Марковского поля, которая соответствует авторегрессионной модели:
где - оценка яркости в точке с координатами (ш,п), и(т,п) -
последовательность отсчетов гауссовского шума с нулевым средним; аря — коэффициенты авторегрессионной модели.
Коэффициенты аРЧ оцениваются через автокорреляционную функцию изображения, вычисляемую по окну Ф конечного размера. С помощью этих коэффициентов авторегрессионная модель преобразуется в двумерный блок рекурсивной формы (рис.1.6) для организации Калмановской фильтрации.
Рисунок 1.6 - 20-блок для фильтра Калмана Обозначения: о - обработанный пиксель; • - обрабатываемый пиксель
Фильтр Одди (0(Шу). Фильтр Одди [47] может пониматься как усредняющий фильтр, размер и вид окна которого меняется в зависимости от локальных статистик:
Ф = {р, q :! х(т,п) = apqx(m - р, n-q)+ и(т, и),
(Гф!>
00000