Методы и алгоритмы локально-адаптивной обработки сигналов и изображений

• Автор: Кобер, Виталий Иванович
• Шифр специальности: 05.13.01
• Научная степень: Докторская
• Год защиты: 2004
• Место защиты: Москва
• Количество страниц: 238 с. : ил.

ВВЕДЕНИЕ .

ГЛАВА 1. МЕТОДЫ И АЛГОРИТМЫ ЛОКАЛЬНОАДАПТИВНОЙ, РОБАСТНОЙ

ОБРАБОТКИ ИЗОБРАЖЕНИЙ И МНОГОМЕРНЫХ СИГНАЛОВ .

1.1. Введение

1.2. Ранговые фильтры

1.3. Оптикоцифровая ранговая обработка изображений с использованием

пороговой декомпозиции .

1.3.1. Пороговая декомпозиция локальных гистограмм

1.3.2. Неравномерная пороговая декомпозиция

1.3.3. Экспериментальные результаты обработки изображений в оптикоцифровой системе

1.4. Ранговые фильтры с пространственноадаптивными окрестностями

1.4.1. Двумерные иространственноадаптивныеокрестпостн
1.4.2. Многомерные пространственноадаптивные окрестности
1.4.3. Быстрые алгоритмы построения пространствсиноадаптнвных
окрестностей .
1.4.4. Результаты компьютерных экспериментов по сглаживанию аддитивного
и импульсного шумов
1.5. Вычисление вероятности групповых импульсных помех .
1.6. Повышение локальных контрастов на изображении ранговыми
фильтрами с пространственноадаптивными окрестностями
1.6.1. Алгоритмы локального контрастирования .
1.6.2. Локальное контрастирование ранговыми фильтрами
1.6.3. Результаты компьютерных экспериментов по повышению локальных
контрастов на изображениях
1.7. Выводы
ГЛАВА 2. МЕТОДЫ И АЛГОРИТМЫ ЛОКАЛЬНОАДАПТИВНОЙ ОБРАБОТКИ СИГНАЛОВ И ИЗОБРАЖЕНИЙ С ПОМОЩЬЮ СКОЛЬЗЯЩИХ ДИСКРЕТНЫХ СИНУСОИДАЛЬНЫХ ПРЕОБРАЗОВАНИЙ
2.1. Введение .
2.2. Дискретные синусоидальные преобразования .
2.3. Быстрые алгоритмы вычисления скользящих дискретных косинусных
преобразований .
2.3.1. Рекурсивные уравнения второго порядка для скользящих ДКП
2.3.2. Вычислительная сложность скользящих ДКП.
2.4. Быстрые алгоритмы вычисления скользящих дискретных синусных
преобразований .
2.4.1. Рекурсивные уравнения второго порядка для скользящих ДСП
2.4.2. Вычислительная сложность скользящих ДСП.
2.5. Быстрые алгоритмы вычисления обратных дискретных синусоидальных
преобразований в скользящем окне.
2.5.1. Быстрые алгоритмы обратных скользящих косинусных
преобразований
2.5.2. Быстрые алгоритмы обратных скользящих синусных
преобразований
2.6. Локальноадаптивная линейная обработка сигнала в скользящем окне
2.6.1. Построение локальноадаптивных фильтров на основе скользящих
синусоидальных преобразований
2.6.2. Результаты компьютерных экспериментов по сглаживанию шума в
речевом сигнале .
2.7. Выводы
ГЛАВА 3. АДАПТИВНЫЕ МЕТОДЫ ЛОКАЛИЗАЦИИ ОБЪЕКТОВ
НА МОНОХРОМНЫХ ИЗОБРАЖЕНИЯХ .
3.1. Введение
3.2. Локальноадаптивные корреляционные фильтры
3.2.1. Локальные линейные и нелинейные фильтры .
3.2.2. Результаты компьютерных экспериментов по локализации объекта с
помощью локальноадаптивных фильтров
3.3. Распознавание подобных объектов с помощью адаптивного фазового
фильтра .
3.3.1. Улучшение коэффициента дискриминации маскированием спектра
фазового фильтра
3.3.2. Результаты компьютерных экспериментов по распознаванию подобных
объектов
3.4. Локализация объекта, врезанною в пространственнооднородный фон
3.4.1. Точность измерения координат объекта, врезанного в фон.
3.4.2. Линейный фильтр, оптимизирующий точность измерения координат
3.4.3. Точность измерения координат двумерного объекта, врезанного в фон .
3.4.4. Сравнение точности локализации объекта, врезанного в фон, с помощью
корреляционных фильтров
3.5. Выводы
ГЛАВА 4. АДАПТИВНЫЕ МЕТОДЫ ЛОКАЛИЗАЦИИ ОБЪЕКТОВ
НА МНОГОКОМПОНЕНТНЫХ СИГНАЛАХ .
4.1. Введение
4.2. Локализация объектов с помощью адаптивной предобработки и
многоканальной корреляции
4.2.1. Методы предобработка сигнала с использованием поэлементного
циклического центрирования
4.2.2. Анализ устойчивости методов предобработки сигнала к шуму.
4.2.3. Результаты компьютерных экспериментов по локализации
многокомпонентных объектов.
4.3. Локализация объектов с помощью адаптивной предобработки и
одноканальной корреляции.
4.3.1. Предобработка сигнала с использованием поэлементного проецирования
сигнала на вектор
4.3.2. Синтез корреляционных фильтров.
4.3.3. Результаты компьютерных экспериментов по локализации
многокомпонентных объектов.
4.4. Выводы
ГЛЛВЛ 5. МЕТОДЫ АДАПТАЦИИ ОРТОГОНАЛЬНЫХ ПРЕОБРАЗОВАНИЙ К
ОБРАБАТЫВАЕМОМУ СИГНАЛУ
5.1. Введение
5.2. Использование информационной избыточности сигнала для построения ускоренного преобразования Фурье
5.3. Адаптивные ортогональные преобразования для сигналов
с осциллирующей ковариационной функцией
5.3.1. Собственные значения и функции для сигналов с экспоненциал ьноосциллирующей ковариационной функцией.
5.3.2. Результаты компьютерных экспериментов по представлению реального изображения с помощью собственных функций.
5.4. Выводы
ЗАКЛЮЧЕНИЕ .
ЛИТЕРАТУРА


Предложены методы локализации объектов на многокомпонентных изображениях, основанные на поэлементной декорреляции компонент исходного изображения и объекта распознавания, последующей многоканальной корреляцией между декоррелированными компонентами изображения и объекта, поиском максимумов на выходной суммарной корреляционной плоскости. Исследованы линейные и нелинейные методы декорреляции с точки зрения качества обнаружения объекта и устойчивости распознавания при наличии аддитивного шума на исходном изображении. Далсс описан метод, основанный на поэлементном проецировании многокомпонентного исходного изображения и объекта распознавания на вектор, с последующей одноканальной корреляцией между проекциями изображения и объекта, поиском максимумов на корреляционной плоскости. В пятой главе описываются два способа создания ортогональных преобразований адаптивных к обрабатываемому сигнату. Известно, что информационная избыточность составляет значительный резерв для снижения вычислительной сложности цифровой обработки сигиатов. Так как сокращение объема цифрового представления сигнала за счет использования его информационной избыточности приводит к уменьшению количества данных, подлежащих обработке, то это может означать сокращение вычислительной сложности обработки. Первый способ создания адаптивных синусоидальных преобразований основан на использовании информационной избыточности сигната для построения ускоренного алгоритма дискретного преобразования Фурье. Идея алгоритма состоит в том, что сигнал перед дискретным преобразованием Фурье подвергается специальному кодированию так, чтобы за счет использования информационной избыточности сигнала можно было бы сократить число операций дтя выполнения преобразования. После преобразования результат подвергается соответствующей коррекции. Так как эмпирическая ковариационная функция для реатьных изображений часто имеет осни. КаруненаЛоэва преобразования для осциллирующих ковариационных функций. Получены явные выражения для этих функций. Проведены компьютерные эксперименты на реальных и тестовых изображениях, которые демонстрируют преимущество использования предложенных базисных функций для компактного представления данных по сравнению с базисными функциями для широко распространенных экспоненциальных ковариационных функций. В заключении приведены основные результаты работы и выводы. В конце диссертации приведен список используемой литературы и приложение. В данной главе представлены результаты разработки теории и методов локальноадаптивной, робастной обработки изображений и многомерных сигналов с использованием ранговой и пространственной информации локальных окрестностей каждого элемента изображения или сигнала, а так же представлены эффективные алгоритмы для реализации предложенных фильтров. В последнее время все большое внимание привлекает обработка изображений локальными нелинейными фильтрами, которые используют ранговые порядковые статистики 1. Обработка изображений с помощью этих фильтров может быть эффективно реализована как в оптических системах, так и с использованием цифровой вычислительнойтехники 2. Существуют несколько классов нелинейных фильтров, использующие тем или иным способом ранговые статистики медианные фильтры , многоэтапные и многоуровневые медианные фильтры , стековые фильтры , фильтры усеченного среднего , фильтры, построенные i основе порядковых статистик , морфологические фильтры , ранговые фильтры . Все перечисленные фильтры являются эффективными для подавления аддитивного и импульсного шума, улучшения качества и восстановления изображений. Более того, они обладают хорошей устойчивостью к шуму, и часто применимы в таких задачах, где линейные фильтры дают неудовлетворительные результаты. Заметим, что многие из вышеперечисленных фильтров обозначаются и называются поразному, но часто приводят к одним и тем же результатам. В работе была предложена унификация многих локальных нелинейных фильтров на основе их структурного описания. Эти фильтры были названы ранговыми фильтрами. В дальнейшем . Важным и полезным свойством ранговых фильтров является их способность подавлять шум без искажения границ деталей и тонких линий, что является характерным недостатком методов линейной фильтрации.