Разработка и исследование алгоритмов восстановления изображений методами секвентного анализа

• Автор: Саблина, Виктория Александровна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Рязань
• Количество страниц: 156 с. : ил.

Содержание
ВВЕДЕНИЕ.

1 Анализ существующих методов восстановления изображений

1.1 Современное состояние проблемы восстановления изображений.

1.2 Пространственное восстановление изображений.

1.3 Восстановление изображений в частотной области

1.4 Перспективы применения методов секвентного анализа

для восстановления изображений.

2 Моделирование характерных типов искажений и особенности секвентного анализа изображений.

2.1 Выбор и моделирование характерных для некоторых

типов датчиков искажений изображений.

2.2 Формирование и анализ свойств секвентных спектров смоделированных искажений
2.3 Проблема оценки качества восстановленных
изображений
2.4 Сравнение особенностей гармонического и секвентного
анализа на примере эффекта ограничения спектров
3 Разработка и исследование алгоритмов восстановления изображений.
3.1 Алгоритм восстановления изображений, искаженных синхронными помехами.
3.2 Развитие алгоритма восстановления изображений,
искаженных синхронными помехами
3.3 Алгоритм восстановления изображений, искаженных групповыми помехами
3.4 Алгоритм восстановления изображений с
периодическими несинхронными помехами
4 Реализация разработанных алгоритмов восстановления.
4.1 Структура и основные модули программного комплекса
4.2 Модуль реализации БПУ.
4.3 Выигрыш в объеме вычислений БПУ по сравнению с
4.4 Пример практического использования предлагаемых
алгоритмов восстановления изображений
ЗАКЛЮЧЕНИЕ.
СПИСОК ЛИТЕРАТУРЫ


Список литературы включает наименований. Восстановление изображений является одной из основных стадий их обработки [1, -]. Под цифровой обработкой изображений понимается обработка, для которой входные данные представлены цифровыми изображениями, например, оцифрованными фотографиями или видеокадрами [ -]. Цифровое изображение является основным объектом настоящего диссертационного исследования, а их восстановление — предметом исследования. В компьютерных системах информация хранится и обрабатывается в цифровом виде [-]. Ах,у ¦ Ау) = Мг)ч=х. Ах у Ау — шаги дискретизации; х, у - координаты отсчетов (пикселей). Я, где Z - множество целых, а Я - множество действительных чисел [1]. Поэтому цифровое изображение можно рассматривать как двумерную дискретную функцию. Далее под /(х,у) понимаются исключительно цифровые изображения. А( - шаг квантования. В диссертационной работе рассматриваются ахроматические изображения с к = 8 (8-битные), имеющие 6 градаций уровня серого, а также изображения с к = 1, используемые как бинарные маски. Цифровое изображение может быть представлено в матричной или в векторной форме (как один длинный вектор) [2]. До. Проблема восстановления изображений является одной из ключевых проблем цифровой обработки изображений. Конечной целью восстановления является повышение качества изображения в некотором заранее предопределенном смысле. Дх,у), которое было искажено, используя априорную информацию о явлении, которое вызвало ухудшение изображения. Поэтому методы восстановления основаны на моделировании процессов искажения и применении обратных процедур для воссоздания исходного изображения. Такой подход обычно включает разработку критериев качества, которые дают возможность объективно оценить полученный результат. Модель процесса искажения и восстановления изображения представлена на рисунке 1. Рисунок 1. H[f(x,y)] + П(х,у). Задача восстановления сводится к отысканию некоторого приближения f(x,y) к идеальному исходному изображению f(x,y). Поскольку в самом общем случае задача восстановления чрезвычайно сложна, обычно предполагается наличие некоторой априорной информации о процессе или явлении, вызвавшем искажение изображения. Зс,^ к функции /(х,у). Таким образом, выбор метода восстановления определяется характером имеющихся искажений. В настоящее время существует достаточно большое количество методов восстановления изображений, описанных в литературе [1, 2, -]. Большинство методов можно классифицировать как восстановление, осуществляемое либо в пространственной, либо в частотной области. Обзор основных пространственных методов представлен в параграфе 1. Несмотря на наличие многочисленных публикаций по восстановлению изображений актуальным остается поиск возможностей для усовершенствования и повышения эффективности имеющихся решений, ввиду обширности и многогранности рассматриваемой проблемы. Особое практическое значение эта проблема приобрела в современное время в связи с бурным развитием в области обработки АКИ, что нашло отражение в книге [5]. Не менее важные задачи возникают при обработке цифровых изображений, полученных с наземных наблюдательных станций. АКИ земной поверхности передаются со спутников либо с атмосферных летательных аппаратов в цифровой форме. Однако аэрокосмические снимки в исходном виде не могут быть использованы по назначению, поскольку содержат значительные искажения по отношению к наблюдаемой сцене [-]. Е(Х, У,гуХ)Яи)си,к = ЦК, (1. Я - длина волны излучения. В тракте формирования изображения возникают характерные радиометрические искажения (искажения значений яркостей пикселей). Для их устранения необходимо сначала построить модели этих искажений, адекватно описывающие реальные физические процессы потери радиометрического качества изображения при его формировании, а затем спроектировать на основе этих моделей алгоритмы радиометрической коррекции (восстановления) изображений []. При этом в качестве необходимой для восстановления априорной информации можно использовать имеющуюся информацию о типовых радиометрических искажениях.