Обработка телевизионных изображений с неортогональной структурой растра

• Автор: Назаренко, Петр Александрович
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Самара
• Количество страниц: 160 с. : ил

Оглавление
Введение
Глава 1. Методы обработки телевизионных изображений с неортогональной
структурой растра
Общие сведения
1.1. Математические модели изображений
1.2. Модели плотностей вероятности дискретных изображений
1.3. Статистические методы фильтрации изображений
1.4. Пространственные методы обработки изображений
1.5. Адаптивные алгоритмы фильтрации изображений
1.6. Выводы
Г лава 2. Неортогональная пространственная дискретизация телевизионных изображений
2.1. Теория двумерной дискретизации
2.2. Свойства гексагональной дискретизации
2.2.1. Координатная система гексагональной дискретизации
2.2.2. Координатная система квазигексагональной дискретизации
2.3. Способы преобразования структур дискретизации
2.4. Обобщенная математическая модель изображения с неортогональной пространственной дискретизацией
2.5. Корреляционные матрицы изображений на гексагональных растрах
2.6. Выводы
Г лава 3. Разработка алгоритмов обработки изображений с гексагональной пространственной дискретизацией
3.1. Математическая модель двумерного изображения, учитывающая пространственные и статистические свойства изображений с гексагональной пространственной дискретизацией
3.2. Алгоритмы обработки

3.2.1. Общий алгоритм фильтрации
3.2.2. Алгоритм выделения связной области во фрагменте
3.2.3. Построение и анализ гистограммы фрагмента изображения
3.3. Выводы
Глава 4. Экспериментальное исследование разработанных алгоритмов
4.1. Программное и аппаратное обеспечение экспериментальных исследований
4.1.1. Программное обеспечение
4.1.2. Аппаратное обеспечение
4.1.3. Тестовые изображения
4.2. Методика проведения исследований алгоритмов
4.3. Результаты исследований алгоритмов
4.4. Выводы
Заключение
Библиографический список использованной литературы
Приложения
Приложение 1. Текст процедуры фильтрации изображения на прямоугольном
растре с расчетом среднего окрестности
Приложение 2. Текст процедуры фильтрации изображения на прямоугольном
растре с расчетом медианы окрестности
Приложение 3. Текст процедуры фильтрации изображения на гексагональном
растре с расчетом среднего окрестности
Приложение 4. Текст процедуры фильтрации изображения на гексагональном
растре с расчетом медианы окрестности
Приложение 5. Текст процедуры построения гистограммы гексагонального
фрагмента
Приложение 6. Текст процедуры фильтрации изображения на гексагональном растре с расчетом медианы окрестности и гистограммы гексагонального фрагмента

Приложение 7. Текст процедуры фильтрации изображения на прямоугольном растре с идентификацией объекта во фрагменте модифицированным методом
«серой шкалы»
Приложение 8. Текст процедуры сглаживания гистограммы
Приложение 9. Акты внедрения результатов диссертации

Затем разделяются элементы апертуры с каждой стороны края, при этом локальная дисперсия уменьшается, и шум вдоль края удаляется.
Усовершенствованный алгоритм Ли позволяет лучше решить задачу сохранения контурных перепадов, но как видно из приведенных выражений, эффективное применение адаптивных фильтров Ли требует, также как и в случае адаптивной винеровской фильтрации, априорного знания статистических параметров шума.
Среди методов устранения шумов кроме адаптивных известны такие, как медианная фильтрация [20, 32], сигма-фильтрация и ряд других [32]. Все эти методы предполагают использование скользящей апертуры достаточно малого размера, не более 7 на 7 элементов. Кроме того, практически все эти методы, являются, во-первых, нелинейными, и, во-вторых, в значительной степени эвристическими. В частности, медианная фильтрация более эффективна для подавления разрозненных импульсных шумов, но хуже устраняет шумы, носящие гауссовский характер. Двумерная медианная фильтрация на прямоугольном растре сталкивается с той же проблемой интерпретации понятия «соседний элемент изображения», что и другие виды двумерной обработки, использующие связи между элементами изображения [20]. Вместе с тем, медианная фильтрация приводит к ослаблению высокочастотных составляющих изображения, в том числе, контуров, хотя и слабее, чем это делает простая низкочастотная фильтрация.
1.6. Выводы
Рассмотренные выше методы обработки изображений либо, во-первых, требуют решения систем уравнений для матриц большого размера, и, во-вторых, используют критерий минимума среднеквадратичной ошибки, либо являются эвристическими, то есть результаты, ими получаемые, должны подвергаться проверке до принятия окончательного решения о пригодности