Методы и алгоритмы выделения контуров изображений в радиотехнических системах с использованием дискретной вейвлет-фильтрации

• Автор: Швидченко, Светлана Александровна
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Ростов-на-Дону
• Количество страниц: 187 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1 СОВРЕМЕННОЕ СОС ТОЯНИЕ И ПЕРСПЕКТИВЫ РАЗВИТИЯ
МЕТОДОВ ЦИФРОВОЙ ОБРАБОТКИ СИГНАЛОВ И ИЗОБРАЖЕНИЙ
1.1 Развитие систем цифровой обработки информации в России и за рубежом
1.2 Анализ методов вейвлет-преобразования
1.3 Математическая модель дискретного изображения
1.4 Сегментация и выделение контуров в изображении на фоне шума
1.5 Модели шума в изображении
1.6 Выводы по главе
2 РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ ОБРАБОТКИ
СИГНАЛОВ И ИЗОБРАЖЕНИИЙ НА ОСНОВЕ ВЕЙВЛЕТ-ФИЛЬТРАЦИИ
2.1 Вейвлет-преобразования в задаче обработки сигналов и изображений
2.2 Метод вейвлет-дифференцирования сигналов
2.3 Вейвлет-дифференцирование сигналов на фоне гауссовского шума
2.4 Метод оптимизации числа вейвлет-коэффициентов при анализе нестационарного сигнала
2.5 Метод выделения контуров на базе вейвлет-дифференцирования
2.6 Выводы по главе
3 АНАЛИЗ СТАТИСТИЧЕСКИХ ХАРАКТЕРИСТИК
ИЗОБРАЖЕНИЙ И ЭФФЕКТИВНОСТИ ПРЕДЛОЖЕННЫХ МЕТОДОВ И АЛГОРИТМОВ
3.1 Использование кумулянтов в задаче анализа сигналов и изображений
3.2 Кумулянтный метод идентификации вида закона распределения сигналов и изображений
3.3 Анализ сигналов и изображений кумулянтным методом
3.4 Оценка вычислительной эффективности разработанных методов и алгоритмов
3.5 Анализ точностных характеристик метода вейвлет-дифференцирования
Выводы по главе

4 ГЛАВА 4. АНАЛИЗ РЕЗУЛЬТАТОВ ЧИСЛЕННОГО
МОДЕЛИРОВАНИЯ И НАУЧНО-ОБОСНОВАННЫЕ РЕКОМЕНДАЦИИ ПО ПРАКТИЧЕСКОЙ РЕАЛИЗАЦИИ
СИНТЕЗИРОВАННЫХ МЕТОДОВ И АЛГОРИТМОВ ВЕЙВЛЕТ-ДИФФЕРЕНЦИРОВАНИЯ
4Л Проверка адекватности новых методов вейвлет-
дифференцирования с использованием тестовых изображений
4.2 Анализ эффективности выделения контуров тестового 105 изображения
4.3 Выделение контуров лиц с использованием методов вейвлет- 109 дифференцирования
4.4 Выделение контуров объектов на местности на фоне случайного 113 фона с использованием методов вейвлет-дифференцирования и пороговой обработки
4.5 Выделение контуров технических объектов на местности на 119 фоне случайного фона
4.6 Выводы по главе 4
Приложение 1 Вейвлет-дифференцирование сигналов вейвлетом
Приложение 2 Вейвлет-дифференцирование сигналов вейвлетом
Приложение 3 Методика оптимизации числа коэффициентов 160 вейвлет-преобразования
Приложение 4 Кумулянтный метод анализа степени 163 негауссовости
Приложение 5 Метод выделения контуров с использованием 170 вейвлет-дифференцирования
Приложение 6 Алгоритмы выделения контуров изображения 176 на фоне шума с использованием нового метода вейвлет-дифференцирования
ЗАКЛЮЧЕНИЕ СПИСОК ЛИТЕРАТУРЫ

Введение
Актуальность темы. В последнее время интенсивно развиваются системы идентификации различных объектов. При этом в значительной мере возрастает объем хранимой информации и ее достоверность. Одновременно возникает задача оперативной обработки и извлечения полезной информации из больших массивов изображений.
Такие задачи возникают в очень многих областях знаний: в медицине, радиолокации, исследовании Космоса и Земли, телевидении и т. д. Например, диагностика различных заболеваний по изображениям внутренних органов человека, обнаружение лесных пожаров, поиск перспективных для ловли рыбы акваторий, навигационные задачи, задачи технического зрения специальных систем и т. д. При решении задач, связанных с речевыми и другими одномерными сигналами, эти сигналы бывает полезно преобразовывать в изображения [66, 67].
Характерно, что эти задачи приходится решать при наличии различного рода мешающих факторов - помех, мешающих изображений, переменчивости условий наблюдения и т. п. Объем исходных данных обычно очень велик, они поступают с большой скоростью и требуют обработки в режиме реального времени. Оператор не в состоянии справиться с таким потоком информации.
Единственным выходом из такой ситуации является компьютерная обработка изображений [5, 52, 53]. Для этого необходимо создание соответствующих математических методов описания и обработки изображений, а также программного обеспечения применительно к конкретным задачам.
Одной из наиболее сложных и актуальных задач обработки
видеоизображения является проблема выделения и распознавания объектов
при наличии различного рода помех и создание на этой основе системы
мониторинга. Главная задача таких систем - информировать человека о

Рисунок 1.2 - Перепад яркости изображения
Рисунок 1.3 - Первая производнаяперепада яркости
Рисунок 1.4 - Вторая производнаяперепада яркости Предположим, что контур располагается вдоль прямой X sin V — у COS V + г = 0. Тогда яркость изображения Е(х,у) можно записать в виде:
Е(х,у) = Вх + (В2 — Вг) ■ u(xsini? — у cos v + г). (1.13)
Частные производные описываются уравнениями дЕ
— = sin v(B2 — Bi)6(x sin v — у COS V + г),

— = —cos v (S2 — Bx)S(x sin v — у cos v + r). (1-14)
Дифференциальные операторы, описываемые уравнениями (1.14), являются направленными, поскольку результат их действия зависит от