КІЛЬКІСНА ОЦІНКА ВІНЕРІВСЬКОЇ ФІЛЬТРАЦІЇ ЗОБРАЖЕНЬ

Ihor Polovynko, O. Semochko

Анотація


При обробці та передачі інформації у вигляді зображень, важливою є проблема зменшення їх спотворень за рахунок різноманітних шумів.  Шум знижує якість зображення і тим самим сприйняття інформації, що міститься у ньому. Це, зокрема,  понижує  можливість оцінки інформації, яку можна отримати в результаті  аналізу за допомогою як візуального так і комп’ютерного методів.  Процедурою зменшення шумів на зображеннях займається область обробки зображень, яка отримала назву відновлення. Не дивлячись на перетин цієї області з покращенням зображень, слід відмітити, що остання є у більшій степені суб’єктивною процедурою, у той час як процес відновлення носить об’єктивний характер. При відновленні робиться спроба реконструювати або відтворити спотворене зображення, використовуючи для цього апріорну інформацію про явище, яке викликало його погіршення. Методи відновлення ґрунтуються на моделюванні процесів спотворення і використанні зворотних процедур для відновлення початкового зображення. У даній роботі розвинуто метод кількісної оцінки  відновлення спотворених зображень за допомогою фільтрів Вінера. Він полягає  у отриманні гістограм спотворених зображень та їх екстраполяцією гаусівською кривою із наступним визначенням величина середньоквадратичного відхилення. Аналогічна процедура здійснюється і для відновленого зображення. Запропоновано здійснювати кількісну оцінку ступені відновлення за допомогою параметра R,  який визначає відносне звуження гістограми відновленого зображення по відношенню до спотвореного.  Такі оцінки здійснено для  фільтру Вінера. Також, для  порівняння, було використано медіанний фільтр і його сумісну дію з фільтром Вінера. Найкращий результат отримано при послідовній дії вінерівського та медіанного фільтру, що підтвердилось  як максимальним значенням  параметру R так і візуальними спостереженнями. Аналіз проводився на мові програмування Python із використанням бібліотек для роботи з зображеннями Pillow та OpenCV.

Ключові слова: відновлення зображень, гаусівський шум, фільтр Вінера, медіанний фільтр, параметр відновлення зображень, Python.


Повний текст:

PDF

Посилання


  1. Gonzales R., Woods R. Digital image processing (2th) – Prentice Hall. – 2017. – 802 pp.
  2. Бондарев А.І. Цифрова обробка сигналів. 2010. – 391c.
  3. І. Половинко, О. Семочко. Метод оцінки відновлення зображень із використання просторових і частотних фільтрів // International Science Journal of Engineering &Agriculture-2022 1(4) PP. 8-18.
  4. Ebrahimia M A., Khoshtaghazaa M.H., Minacia S., Jamshidi B. Візуальне виявлення шкідників на основі методу класифікації SVM. Журнал комп’ютерів та електроніки в сільському господарстві. 2017. 137. – С. 52-58.
  5. Наконечний А., Наконечний Р., Павлиш В. Цифрова обробка зображень.// Видавництво Львівської політехніки. 2010. 366 с.
  6. Бондарев Г., Трестер Г., Тегернега Б. Цифрова обробка зображень. // Видавництво СевГТУ. 1999. 398 с.
  7. Мартон А. (1991) Вступ до обробки зображень, Чепмен і Холл, 274 1 Бойл Р. і Томас, Р (1988) Комп’ютерне бачення.
  8. Меріон А. Вступ до обробки зображень. 1991. Чепмен і Холл, 274.
  9. Бойл Р. і Томас Р. (1988). Комп'ютерний зір. Blackwell Scientific
  10. Кайлат Томас, Сайєд Алі Х. Хассібі Бабак. (2000). Лінійна оцінка. Прентіс-Холл, Нью-Джерсі
  11. Pratt W.K. Digital Image Processing. 1978. – John Wiley and Sons, Inc., USA.
  12. Василенко Г.І., Тараторін А.М. Відновлення зображень. Радіо і зв’язок. 1986. 311с.
  13. Половинко І., Кашуба А. Метод покращення космічного зображення за допомогою просторової оптичної маски та частотних фільтрів // Електроніка та інформаційні технології. 2019. Вип. 12. – С. 55-63
  14. Половинко І.І., Кашуба А.1. Колірні перетворення космознімків із врахуванням відбитого та розсіяного світла // International Science Journal of Engineering & Agriculture, 2020. 65 (1). – С. 11-16
  15. Половинко І.І., Семочко О.Г. (2022). Розпізнання образів головного мозку людини // Матеріали ХІ міжнародної конференції «Релаксаційні, нелінійні, акустооптичні процеси і матеріали . – С. 129-130.
  16. Brown, Robert Grover; Hwang, Patrick Y.C. Introduction to Random Signals and Applied Kalman Filtering (3 ed.). 1996. New York: John Wiley & Sons.
  17. Wiener N. The interpolation, extrapolation and smoothing of stationary time series // Report of the Services 19, Research Project DIC-6037 MIT, February 1942
  18. Wiener, Norbert. Extrapolation, Interpolation, and Smoothing of Stationary Time Series. 1949. New York: Wiley.
  19. Pixabay. Retrieved from https://pixabay.com/




DOI: http://dx.doi.org/10.30970/eli.22.3

Посилання

  • Поки немає зовнішніх посилань.