Геометрическое моделирование задач восстановления цифровых полутоновых изображений

• Автор: Кузьменко, Дмитрий Владимирович
• Шифр специальности: 05.01.01
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Москва
• Количество страниц: 120 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1. МОДЕЛИРОВАНИЕ ПРОЦЕССА ФОРМИРОВАНИЯ
ИЗОБРАЖЕНИЙ
1Л Анализ процесса формирования изображений
1ЛЛ Геометрическая модель процесса формирования изображений
1.2 Анализ процесса оцифровки изображений
1.2Л Модель формирования цифровых изображений
1.3 Частотная модель формирования цифровых изображений
1.4 Алгоритмизация процесса формирования цифровых изображений
Выводы по главе
2. РЕШЕНИЕ ЗАДАЧИ ИДЕНТИФИКАЦИИ СИСТЕМЫ
2.1 Основные параметры искажений, вносимых системой формирования изображений
2.2 Аппаратные и программные средства, используемые при формировании цифровых изображений
2.3 Нахождение весовой функции системы формирования изображений методом максимального спада градиента яркости
2.4 Определение параметров шума на изображении
2.5 Определение качественных характеристик восстановленного изображения

Выводы по главе
3. ЛИНЕЙНЫЕ МЕТОДЫ ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ
3.1 Восстановление изображений при помощи инверсного фильтра
3.2 Борьба с помехами при восстановлении изображений
3.3 Метод регуляризации решения по А.Н.Тихонову
3.3.1 Выбор параметра регуляризации
3.4 Восстановление изображений с помощью инверсной свертки в пространственной области
Выводы по главе
4. НЕЛИНЕЙНЫЕ МЕТОДЫ ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ
4.1 Итерационные методы восстановления изображений
4.1.1 Итерационные алгоритмы с ограничением на область допустимых значений
4.1.2 Итерационный алгоритм с автоматическим контролем качества изображения
4.2 Устранение шума, вносимого системой формирования изображений, в пространственной области
4.3 Коррекция контура объекта на изображении в пространственной области

4.3.1 Модифицированный метод цепочного кодирования Фримена
4.3.2 Метод коррекции контура объекта с учетом полутонов граничных пикселей
Выводы по главе
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

а - дисперсия;
т - математическое ожидание.
Очевидно, что значения х принадлежат конечному интервалу:
т-3 а < х < т+За. (10 )
Разумеется, случайная переменная, подчиняющаяся нормальному закону распределения, может изменяться от -со до +оо. Но так как нормальная случайная переменная х попадает в интервал ( 10 ) с вероятностью 99,8%, то в большинстве случаев не должно возникнуть затруднений, связанных с тем, что случайная переменная х заключена в конечном интервале.
Если же степень аппроксимации оказывается неприемлемой, то в приведенном выше алгоритме можно использовать четыре или более последовательных значения датчика случайных чисел. Согласно центральной предельной теореме, чем больше число этих значений, тем ближе будет плотность вероятности к нормальному распределению.
При моделировании искажений необходимо следить за тем, чтобы полученный сигнал удовлетворял ограничениям, накладываемым на область допустимых значений.
Обобщенную схему моделирования искажений, вносимых при формировании цифровых изображений, схематически можно представить в виде Рис. 5.