Предварительная обработка и анализ цифровых изображений, полученных в условиях недостаточной освещенности

• Автор: Хрящев, Денис Александрович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Астрахань
• Количество страниц: 145 с. : ил.

ОГЛАВЛЕНИЕ
Введение
Глава 1. Существующие методы предварительной обработки и выделения контуров изображения

1.1. Общая схема предварительной обработки изображения

1.2. Контрастность цифрового изображения

1.3. Цифровой шум. Выбор наиболее подходящей модели шума

1.4. Основные характеристики темных изображений

1.5. Низкочастотные фильтры

1.6. Выделение контуров изображения

1.7. Постановка задачи

1.8. Выводы по главе
Глава 2. Разработка алгоритмов предварительной обработки, анализа, выделения контуров изображения
2.1. Общая схема алгоритма повышения качества изображений
2.2. Оценка степени контрастности цифрового изображения
2.3. Выбор наиболее подходящей модели аддитивного и импульсного шума
2.4. Разработанный низкочастотный фильтр
2.5. Разработанный алгоритм выделения контуров на изображениях
2.6. Схема повышения качества изображений, полученных в условиях недостаточной освещенности
2.7. Выводы по главе
Глава 3. Программная реализация разработанных алгоритмов и сравнение их с существующими
3.1. Методика экспериментальной проверки разработанных алгоритмов
3.2. Проверка предлагаемого алгоритма, вычисляющего степень контрастноти
3.3. Проверка разработанного алгоритма выбора модели шума
3.4. Тестирование предлагаемого низкочастотного фильтра
3.5. Проверка разработанного алгоритма вычисления градиента
3.6. Тестирование общей схемы повышения качаества изображений, полученных в
условиях недостаточной освещенности
3.7. Выводы по главе

Глава 4. Внедрение результатов работы
4.1. Описание разработанного программного продукта
4.2. Обработка изображений, полученных внешней камерой АГТУ
4.3. Внедрение разработанного программного продукта в Астраханском филиале ОАО «ВымпелКом»
4.4. Выводы по главе
Заключение
Список литературы
Приложение А
Приложение Б
Приложение В
Приложение Г
Приложение Д
Приложение Е
Приложение Ж

ВВЕДЕНИЕ
Актуальность диссертационного исследования. Современный период развития средств обработки информации характеризуется масштабным внедрением различных алгоритмов и технологий интеллектуализации процессов обработки данных. Одним из важных компонентов процесса интеллектуализации информационных технологий является все большая необходимость использования информации, имеющей форму фото и видео данных, в частности цифровых изображений, поскольку такие технологии наиболее приемлемы и удобны для использования в системах видео наблюдения, автофокусировки в фото и видео камерах, медицинских приборах и т.п.. Объем продаваемых ежегодно программноаппаратных средств, связанных с захватом, обработкой и хранением фото и видео изображений увеличивается ежегодно на 6-10% (статистическое агентство МагкеШпе), что приводит к пропорциональному ежегодному приросту фото и видео изображений. В случаях, когда съемка производится в условиях с недостаточной освещенностью, качество изображений значительно снижается из-за несовершенства фото и видео камер. Поэтому проблема повышения эффективности и качества обработки фото и видео изображений является актуальной и представляет несомненный интерес.
Процесс обработки изображений состоит из ряда этапов, среди которых одним из наиболее важных является предварительная обработка изображений, которая представляет самостоятельный интерес. Предварительная обработка и выделение контуров на цифровых изображениях имеют широкий спектр
применения в различных областях, начиная от подготовки изображения к
распознаванию, улучшению изображения во всевозможных записывающих устройствах путем низкочастотной фильтрации и эквализации гистограмм
яркостей - фото и видео камерах, сканерах, эхолокаторах, изображений, полученных при помощи ультразвука, рентгена, радио локации, астрономических фотографий, электронной микроскопии и т.п.
Исследование, проводимое в настоящей диссертации, нацелено на выявление и анализ основных недостатков существующих методов

Поскольку функция г(х, у) была получена в результате логарифмирования: 8(х,у)= = ф,у). ф,у),
где g(x,y) - отфильтрованное изображение, а /'0(.г,_у) и г0(х,у) - функции освещенности и отражения отфильтрованного изображения.
В качестве фильтра н{и, у) обычно используют модифицированный высокочастотный фильтр Гаусса или его аналог [32]:
у)=(ун-гА{1 -)+п,
где с - константа, задающая крутизну наклона передаточной функции фильтра, ун и у1 определяют область значений передаточной функции, а расстояние £>(и,у) от текущего пикселя до центрального определяется как:
В(и,у) = +{у-М!2)г .
График передаточной функции гомоморфного низкочастотного фильтра показан на рисунке 1.10.
£>(ы, у)
Рисунок 1.10 — График передаточной функции гомоморфного низкочастотного фильтра К основным достоинствам гомоморфных фильтров относится возможность контролировать каждую составляющую функции изображения /(х,у) — г(х,у) и