Алгоритмы фильтрации изображений в квазидвумерных конечных базисах тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Упакова, Анастасия Геннадьевна

• Упакова, Анастасия Геннадьевна
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Упакова, Анастасия Геннадьевна

Содержание

ВВЕДЕНИЕ

1 АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ ФИЛЬТРАЦИИ ИЗОБРАЖЕНИЙ

1.1 Формирование АКИ

1.2 Пространственная фильтрация изображений

1.3 Частотная фильтрация изображений

1.4 Спектральный анализ в базисе ВКФ

2КВАЗИДВУМЕРНАЯ ФИЛЬТРАЦИЯ ИЗОБРАЖЕНИЙ С СИНХРОННЫМИ И НЕСИНХРОННЫМИ ИСКАЖЕНИЯМИ

2.1 Квазидвумерная фильтрация изображений

2.2 Алгоритмы квазидвумерной фильтрации

изображений с синхронными искажениями

2.3 Алгоритмы квазидвумерной фильтрации

изображений с несинхронными искажениями

2.4 Алгоритмы квазидвумерной фильтрации

изображений с синхронными искажениями со

случайным изменением яркости

3 КВАЗИДВУМЕРНАЯ ФИЛЬТРАЦИЯ ИЗОБРАЖЕНИЙ С ИСКАЖЕНИЯМИ, ВОЗНИКАЮЩИМИ В ПРОЦЕССЕ ПЕРЕДАЧИ

3.1 Алгоритм квазидвумерной фильтрации изображений

с групповыми искажениями

3.2 Алгоритмы квазидвумерной фильтрации

изображений с импульсными искажениями

3.3 Алгоритм передачи изображений без постоянной

составляющей

3.4 Алгоритм устранения групповых искажений в

спектре

4ПРОГРАММНЫЙ КОМПЛЕКС И МОДЕЛИРОВАНИЕ БПУ НА ПРОГРАММИРУЕМЫХ ЛОГИЧЕСКИХ МАТРИЦАХ

4.1 Структура и основные модули программного

комплекса

4.2 Модуль реализации БПУ в ПЛИС

4.3 Пример практического использования предлагаемых алгоритмов фильтрации изображений

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

Введение диссертации (часть автореферата) на тему «Алгоритмы фильтрации изображений в квазидвумерных конечных базисах»

ВВЕДЕНИЕ

Актуальность работы. С конца прошлого века человечество получает снимки из космоса о поверхности Земли. Фонд аэрокосмических изображений (АКИ), накопленный за полвека, является одним из наиболее информативных источников сведений о динамических явлениях и процессах, протекающих в природе. В настоящее время АКИ используются во многих отраслях человеческой деятельности: в географических и гидрологических исследованиях Земли, в сельском хозяйстве, лесоводстве, исследовании окружающей среды. На спутниках устанавливаются различные типы видеодатчиков для получения все более качественных снимков. Далее, эти снимки передаются по каналам связи на Землю в пункты обработки АКИ. Во время передачи изображения могут возникать различные помехи, мешающие дальнейшему использованию снимков по назначению. В связи с этим достаточно остро встает вопрос о фильтрации изображений с помехами, т.е. приближение изображения к идеальному (исходному). Поскольку данная задача является актуальной и сложной, то необходимо найти наиболее эффективные методы ее решения. Известные на сегодняшний момент методы фильтрации изображений делятся на пространственные и спектральные, последние более удобные для проведения исследований и анализа свойств изображений [24, 30, 91, 92, 93, 96].

Известно, что при выполнении процедуры обработки изображения выполнение перехода в спектральное пространство может занимать 75-80% от общего времени. Поэтому встает задача уменьшения времени выполнения преобразований. Поскольку изображение определено на конечном значении своих номеров элементов строк и столбцов, имеет смысл рассмотреть в качестве базы спектрального анализа, теорию дискретных сигналов, определенных на конечных интервалах, базисные функции, которой также конечны.

Степень разработанности темы. На данный момент проблеме фильтрации изображений уделяется все больше и больше внимания. Существенный вклад в развитие методов цифровой обработки изображений внесли Э.Прэтт, Р.Гонзалес, Ярославский Л.П., Злобин В.К., Еремеев В В., A.M. Трахтман, Сойфер В.А., Фурман Я.А.

В настоящее время разработано достаточно много алгоритмов и методов восстановления изображения. Все алгоритмы по восстановлению изображений можно разделить на две категории: восстановление в пространственной и частотной области. Алгоритмы восстановления в пространственной области хорошо описаны [24, 25], так же в этих монографиях говориться и о восстановлении в частотной области. Как известно, в пространственной области алгоритмы строятся на непосредственной обработке каждого пикселя, из-за чего возникают различные шумы или размытие изображения. При обработке в частотной области этих проблем можно избежать. При переходе от пространственной области к частотной используются ортогональные функции [90]. В настоящее время наибольшее распространение получил переход через преобразование Фурье. Так же в качестве ортогональных функциях в своих работах Трахтман A.M., Костров Б.В. предлагают использовать преобразование Уолша. В традиционном понимании, ортогональное преобразование применяют последовательно к строкам и столбцам изображения, что несет огромные вычислительные затраты. Методология применения одностороннего (квазидвумерного) преобразования была предложена Костровым Б. В. Однако, разработка и исследование практически работающих алгоритмов еще недостаточно освещены в научных работах.

Данная диссертация базируется на применении ортогональных преобразований либо только к строкам, либо только к столбцам изображения, что сокращает вычислительные затраты вдвое. При этом исследуется

применение и других базисов теории дискретных сигналов, определенных на конечных интервалах.

Цель работы состоит в повышении эффективности фильтрации изображений за счет разработки и исследования алгоритмов, построенных на основе теории дискретных сигналов, определенных на конечных интервалах, позволяющих получить выигрыш в объеме вычислений и сократить время их выполнения.

Для достижения поставленной цели необходимо решить следующие задачи:

- выбор оптимальной системы базисных функций, обладающих наименьшей вычислительной сложностью;

- исследование проявления в спектрах помех, возникающих в процессе формирования и передачи изображения;

- разработка и исследование алгоритмов и операторов фильтрации изображения;

- разработка и исследование модели аппаратной реализации спектральных преобразований, позволяющей решить задачу фильтрации изображений с учетом требований реального времени;

- проектирование программной системы, реализующей данные алгоритмы.

Научная новизна состоит в разработке алгоритмов фильтрации в спектральной области, позволяющих улучшить качество полученных изображений при достижении быстродействия, соответствующего требованиям реального времени.

На защиту выносятся следующие новые научные результаты:

- выбор оптимальной системы базисных функций, имеющей конечную область определения и обладающей наименьшей вычислительной сложностью;

- алгоритмы фильтрации изображений с синхронными помехами, позволяющие на основе анализа спектральных составляющих в квазидвумерных конечных базисах уменьшить среднеквадратическую ошибку яркостной стыковки кадров при матрично-сканерном типе съемки до величины менее двух;

- алгоритм фильтрации изображений с несинхронными помехами, позволяющий за счет локализации составляющих помехи в каждой строке квазидвумерного спектра свести задачу к усредняющей двумерной фильтрации, и устранить мешающие влияние помех со среднеквадратическим отклонением менее двух при заранее неизвестной частоте помехи;

- алгоритмы фильтрации изображений с групповыми и импульсными помехами, позволяющие выявить аномалии в квазидвумерном спектре, и устранив их снизить, при потере информации в снимке до 3%, среднеквадратическую ошибку по отношению к идеальному изображению в десять раз;

- алгоритм передачи изображений, основанный на методе передачи изображений с восстановлением постоянной составляющей, позволяющий до 25% снизить нагрузку на канал передачи данных;

- результаты исследования времени вычисления спектральных преобразований на модели аппаратной их реализации, позволяющей за счет параллелизации вычислительных процессов решить задачу фильтрации изображений с учетом требований реального времени.

Практическая ценность работы. На базе разработанных алгоритмов создан программный комплекс обеспечивающий фильтрацию изображений с наиболее характерными помехами при анализе аэрокосмических изображений искусственных спутников Земли «Метеор-ЗМ», «Канопус-В» и системы видеонаблюдения на основе тепловизионного датчика.

Реализация и внедрение. Диссертация выполнена в Рязанском государственном радиотехническом университете в рамках:

- НИР 36-09 «Информационная система предупреждения и прогнозирования развития чрезвычайных ситуаций на техногенных комплексах хранения горюче-смазочных материалов», выполняемой по Государственному контракту №П2390 от 18.11.2009 г. в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг., реализация мероприятия №1.2.2. «Проведение научных исследований под руководством кандидатов наук», руководитель проекта Б.В. Костров;

- НИР 4-11Г «Разработка методов и информационных технологий мониторинга потенциально-опасных объектов и ландшафтных образований», выполненной в соответствии с заданием Министерства образования и науки Российской Федерации;

- НИР 10-12Г «Разработка методов и информационных технологий обработки многоспектральных изображений для мониторинга ландшафтных образований», выполненной в соответствии с заданием Министерства образования и науки Российской Федерации;

Результаты диссертационной работы внедрены в инициативных разработках ОАО «Марийский машиностроительный завод» в виде алгоритмов, позволяющих скорректировать недостатки некоторых датчиков видеоинформации, и в учебном процессе ФГБОУ ВПО «Рязанский государственный радиотехнический университет».

Соответствие паспорту специальности. Содержание диссертации соответствует п. 5 «Разработка и исследование моделей и алгоритмов анализа данных, обнаружения закономерностей в данных и их извлечениях, разработка и исследование методов и алгоритмов анализа текста, устной речи и изображений» и п.7 «Разработка методов распознавания образов,

фильтрации, распознавания и синтеза изображений, решающих правил» паспорта специальности 05.13.17 - Теоретические основы информатики.

Апробация работы. Основные результаты диссертации докладывались и обсуждались на 15-й всероссийской научно-технической конференции «Новые информационные технологии в научных исследованиях и образовании» (Рязань, 2010); на 16-й всероссийской научно-технической конференции «Новые информационные технологии в научных исследованиях и образовании» (Рязань, 2011); на международной научно-технической конференции «Космонавтика. Радиоэлектроника. Геоинформатика», посвященная 90-летию со дня рождения академика В.Ф. Уткина (Рязань, 2013); на 5 межвузовской школе-семинаре «Задачи системного анализа, управления и обработки информации» (Москва, 2014).

Публикации. По теме диссертации опубликовано 16 работ, в том числе 8 статей, 5 из которых в изданиях, рекомендуемых ВАК РФ, и 4 тезиса доклада в материалах международной и всероссийских конференций. В Объединенном Фонде электронных ресурсов «Наука и образование» зарегистрировано два пакета прикладных программ для ЭВМ (№19926 от 19.02.2014, №19927 от 19.02.2014). В Федеральной службе по интеллектуальной собственности, патентам и товарным маркам зарегистрированы две программы для ЭВМ (свидетельство №2014612292 от 24.02.2014, № 2014612721 от 05.03.2014).

Структура и объем работы. Диссертация состоит из введения, 4-х глав, заключения, списка литературы и приложений, которые содержат 133 с. Основной текст работы содержит 114 е., 89 рисунков, 5 таблиц. Список литературы включает 101 наименование.

1 АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ ФИЛЬТРАЦИИ ИЗОБРАЖЕНИЙ. 1.1 Формирование АКИ

Перспективным методом исследования поверхности нашей планеты является применение искусственных спутников Земли. Дистанционное зондирование Земли (ДЗЗ) - измерение характеристик поверхности Земли авиационными и космическими средствами, оснащенными съемочной аппаратурой, с различными геометрическими, спектральными и энергетическими характеристиками. Съемка поверхности Земли выполняется, как правило, несколькими устройствами. В процессе полета эти устройства способны регистрировать информацию в инфракрасной, видимой и радиолокационной области спектра энергетического потока, отраженного от объектов на местности. Далее эти снимки передаются в наземные пункты приема и обработки информации. Информация со спутников поступает и хранится в цифровом виде. На Земле обработка информации осуществляется с помощью ЭВМ. В настоящее время информационные технологии обработки изображений относятся к числу наиболее динамично развивающихся технологий, применяемых в робототехнике, медицине, сельском хозяйстве и т.д. (рисунок 1.1)[12, 24, 25, 29, 58, 78].

Различные датчики сканирующего типа составляют основу съемочных платформ формирования различных изображений. Приведем классификацию сканирующих устройств [29, 34]. Можно отметить, отличительный признак данной классификации - механизм сканирования, реализованный в различных датчиках. Таким образом, все типы сканирующих устройство можно разделить на 5 групп:

1. датчики, которые построенны на основе приборов с зарядовой связью (ПЗС-линейка);

2. однолучевые датчики с конической или плоскостной разверткой;

3. датчики сканового типа;

4 радиолокационные станции различного базирования и принципа действия.

5. тепловизионные и телевизионные приборы и системы, которые устнавливаются, как правило, на атмосферных летательных аппаратах.

Рисунок 1.1- Этапы формирования и обработки космических изображений Принципиальная схема съемки прибором с зарядовой связью приведена на рисунке 1.2 [36, 54, 88, 89].

В этом типе съемочной системы детекторы — светоприемники с зарядовой связью - образуют линейки, ориентированные перпендикулярно направлению полета. Для каждого спектрального канала предполагается своя линейка. Все линейки располагаются в фокальной плоскости оптической системы, проецирующей на них изображение земной поверхности. Поступательное движение спутника обеспечивает развертку изображения по оси, совпадающей с направлением движения носителя аппаратуры. Развертка изображения в направлении, ему перпендикулярном, производится последовательным электронным сканированием в ПЗС-линейке. Проекция каждого элемента линейки на земную поверхность обуславливает

определенный размер элемента разрешения на местности. Высокая геометрическая точность изображения поперек направления полета задается точностью расположения каждого элемента на линейке. Взаимосвязь между действием соседних линеек элементов, чувствительных к разным диапазонам излучения, дает возможность осуществить точную регистрацию многозональных съемочных данных и корреляцию данных одного спектрального канала с другим [17].

Рисунок 1.2 - Принципиальная схема съемки прибором с зарядовой связью

Схема устройства и принцип действия однолучевого мультиспектрального сканера поясняется рисунком 1.3.

Вторичное излучение Земли в нескольких спектральных каналах видимого и ближнего ИК-диапазона, попадая на сканирующее зеркало, отражается им в плоскость фокуса оптической телескопической системы с диафрагмой, величина раскрытия которой определяет мгновенное поле зрения (луч) сканера. Пучки света, проходящие диафрагму, разделяются на призмах или линзах на монохроматические пучки волн с определенной длиной волны излучения. Дисперсионные свойства оптических призм или линз определяют число, позицию и ширину полосы спектральной зоны, в

ПЗС - линейка

\ Оптическая система

Проекция «линейки» на ^з£мную поверхность

Элемент разрешения

Ширина полосы захвата

которой измеряется интенсивность светового потока. Преобразованный светочувствительным элементом сигнал, пропорциональный падающему на него излучению, накапливается в определенном временном интервале [56].

Светочувствительные

Сканирующее Оптическая элементы

Рисунок 1.3 — Схема устройства и принцип действия однолучевого

мультиспектрального сканнера

В датчиках сканового типа сканирование земной поверхности осуществляется с помощью нескольких линеек светочувствительных элементов (ПЗС-линеек). Принцип съемки многозональным сканером сканового типа иллюстрируется на рисунке 1.4.

Сканирующее зеркало во время полета спутника сканирует Землю вертикально, строго в надир, поперек направления полета. Отраженный от Земли световой поток фокусируется в процессе сканирования на блок-матрицу, состоящую из нескольких рядов светочувствительных элементов. Таким образом, из каждого колебания зеркала выстраивается строка, изображающая участок поверхности Земли. Для этого частота колебаний зеркала синхронизирована со скоростью полета. Благодаря этому из

создающихся строк сканирования формируется изображение без пропусков, а в конечном итоге получается растровое изображение. Световой поток на пути от сканирующего зеркала к светочувствительным элементам проходит через светофильтры, в результате чего он разделяется по длине волн излучения на спектральные диапазоны.

Рисунок 1.4 — Принцип съемки многозонального сканера сканового типа

Радиолокационная съемка, активно применяющаяся в настоящее время для формирования аэрокосмических изображений, существенно отличается от сканерной съемки как техническими, так и геометрическими и информационными особенностями получаемых изображений. Датчики сканерной съемки пассивно принимают отраженные от земной поверхности солнечное или ее собственной тепловое излучение. В применяемых радиолокационных станциях используется съемка в активном режиме. Во

Оптическая система

Светочувствительные элемент" (число линеек по числу спектральных кана]

Направление полета

время полета антенна, установленная на спутнике или атмосферном летательном аппарате, посылает на земную поверхность высокочастотные импульсы с диаграммой излучения, имеющей форму узкого лепестка. Отраженные от облучаемой земной поверхности или объектов на ней сигналы принимаются системой, преобразуются в видеосигнал и регистрируются в виде цифрового изображения. Интенсивность отраженного от поверхности или предметов радиоэха передается на радиолокационном снимке градациями фототона и фоторисунком изображения, который принято называть радиолокационным контрастом [63].

Тепловизионные приборы условно разделяются на две группы. К первой группе относятся тепловизоры, использующие принцип оптико-механического сканирования для преобразования сигнала инфракрасного диапазона в электрический, а ко второй - приборы с электронным сканированием. В первом случае используется одноэлементные или многоэлементные инфракрасные приемники излучения мгновенного действия, а во втором случае матричные приемники излучения, получившие название фокальных матриц, которые работают в режиме накопления зарядов. Большинство используемых в настоящее время тепловизоров построены по первому принципу, но используют в качестве приемников излучения фокальные линейки элементов.

Методы сканирования, используемые при этом, представлены на рисунке 1.5.

В качестве линеек и матриц фотоприемников могут использоваться элементы, работающие в режиме накопления зарядов. Такие фокальные линейки и матрицы изготавливаются как функционально законченные устройства, включающие систему охлаждения, предусилители, мультиплексор, корректор неоднородности характеристик чувствительных элементов, аналого-цифровой преобразователь, блок цифровой обработки и формирователь выходного сигнала. На рисунке 1.6 представлена обобщенная

функциональная схема такого тепловизора.

□

а б в г

Рисунок 1.5 — Методы сканирования: а - одноэлементным приемником, б - горизонтальной линейкой, в - вертикальной линейкой, г - матрицей фотоприемников

Как правило, в таких тепловизионных системах применяется параллельное или параллельно-последовательное изменение направления визированной оси. Параллельное перемещение создает развертку, при которой линейка чувствительных элементов ориентирована перпендикулярно направлению движения визирной оси. При параллельно-последовательном сканировании используется фоточувствительные элементы в виде линеек или матриц, а обзор поля производится последовательно по зонам.

Телевизионные системы работают в видимом диапазоне электромагнитного излучения и с одинаковой геометрической закономерностью, представляющей собой центральную перспективу, формируют изображение снимаемой местности. Величина яркости точек изображения преобразуется элементами светочувствительной матрицы в соответствующую величину напряжения. Телевизионные методы в настоящее время не используются при космическом базировании, их вытеснили сканеры различных видов. Поэтому телевизионная съемка с помощью цифровых видеокамер используется исключительно на борту атмосферных летательных аппаратов. Формируемое ими изображение, как правило, не имеет каких-либо особенностей и может быть использовано по прямому назначению без каких-либо видоизменений.

Рисунок 1.6 — Обобщенная функциональная схема тепловизора: 1 — оптическая система, 2 и 3 - фокальная матрица с предусилителем и

мультиплексором,

4 - корректор неоднородности характеристик чувствительных элементов, 5 - аналогово-цифровой преобразователь, 6 и 7 - формирователь

изображения, 8 - система охлаждения, 9 - система синхронизации

Таким образом, видеоданные формируются всеми приведенными выше методами и системами съемки. Их можно зарегистрировать или сохранить любыми известными способами.

В природе вся информация воспринимается человеком в аналоговом виде, т.е. непрерывно в каждый момент времени. Так, например, зрение человека воспринимает объекты не каждую секунду или минуту, а непрерывно. Аналоговый сигнал изменяется в каждый момент времени.

Цифровой сигнал определен только для отдельных моментов времени. Основная проблема при переходе от аналогового сигнала к цифровому состоит в дискретизации и квантовании. Под дискретизацией понимают процесс преобразования непрерывного изображения в дискретные моменты времени. Под квантованием понимается преобразование непрерывного сигнала изображения в множество дискретных значений.

В дискретных отсчетах пространственных координат сформировать дискретные функции - основная задача пространственной дискретизации изображения по времени. Пусть fH - исходное непрерывное изображение бесконечных размеров. Умножив эту функцию на пространственно-дискретизирующую функцию, состоящую из бесконечного числа д, которую называют функцией Дирака, заданной в узлах решетки с шагом ( Дх, Д>>) получим пространственные отсчеты исходного изображения:

00 00

з(х,У)= S Y.d(x~nAx,y-mAy), (1.1)

ïtl——со n—со

где га, n - целые числа.

Поскольку произведение дельта функции и непрерывной функции имеют значения, равные:

/н (■*> у) ■ - пАх, у - тАу) = fH {п ■ Ах, m ■ Ау) ■ д(х - пАх, у - тАу), (1.2)

где значения дельта-функций Дирака д(х, у) Ф 0 если л - «Ах = 0, у - тАу - 0, то, умножив непрерывное изображение на функцию пространственной дискретизации:

fd=f„.s, (1.3)

где fd - дискретизованное изображение. В соответствии с (1.2):

со оо

fd(x>y)= X S /н(п-Ах,т-Ау)-д(х-пАх,у-тАу). (1.4)

т=-ооп=-со

Непрерьтному по амплитуде сигналу ставиться в соответствие конечно целочисленное значение сигнала, пропорциональное мгновенному значению. Для этого необходимо разбить сигнал на конечное число интервалов.

Таким образом «цифровое изображение» можно определить, как некий математический объект с определенными математическими свойствами. Цифровое изображение - это конечный набор числовых значений точек,

являющийся некоторой функцией распределения яркости от точки к точке на плоскости f(x,y), где х и у- декартовы координаты, описывающие плоскость изображения.

С математической точки зрения изображение представляет собой двумерную матрицу / (х, у) размера тахХ, maxY, где хну соответственно номера строки и столбца матрицы, являющиеся целыми числами и лежащие в диапазонах от 0 до max Х-1 и от 0 до max Y — 1.

Можно представить цифровое изображение в матричной или в векторной форме (как один длинный вектор). Далее в диссертации используется двумерное матричное представление:

где М и N - количество строк и столбцов изображения

Во время передачи и формирования АКИ могут возникнуть различные помехи (рисунок 1.7).

В данной диссертации будут рассмотрены следующие три группы искажений [6]:

-искажения, обусловленные случайным изменением коэффициента передачи яркостного канала датчика, проявляются на изображении в виде полосатости;

- искажения, несущие абсолютно разрушительное действие, так называемые групповые помехи (группа выбитых пикселей) и импульсные помехи (отдельно выбитые пиксели типа «соль и перец»);

f /о,0 /од ••• /o,iV-l

г _ До /ц ••• f\,N—\ х,у ~ : : :

\

(1.4)

V

/м-1,0 /м-1,1 /м-1,ЛА-1

У

(х,у)ги Сx,y)eU'

(1.5)

где и - множество искаженных элементов изображения, И(х,у) - значения яркости искаженных элементов;

- искажения, не связанные с процессом формирования яркостей пикселей, проявляющиеся в виде характерной периодической «несинхронной полосатости» со случайным углом наклона к столбцам изображения.

Л.

Т"

Искажение Восстановление

Рисунок 1.7 - Модель искажения изображения

В основе рассмотрения лежат сенсорные датчики сканерного типа. Они обладают определенными недостатками в плане формирования изображения. Для них, например, характерно наличие синхронных помех со случайным изменением яркости. Для других типов, например, тепловизионных — характерно наличие несинхронной полосатости. Групповые искажения появляются, в основном, при неустойчивом канале связи передачи изображения со спутника на наземный пункт обработки.

Восстановление изображения является одной из основных задач обработки изображения. Под цифровой обработкой изображений понимается обработка, для которой входными данными являются цифровые изображения, а выходными обработанные. При фильтрации изображения встает вопрос о качестве работы алгоритмов фильтрации.

Основными критериями оценки качества обработанного изображения являются [5]:

- Среднеквадратическая ошибка (СКО), представляющая собой попиксельное сравнение двух фрагментов изображения:

] Ы-Ш-1

(1.6)

<7 -

Считается что, изображение с уровнем СКО ниже 4,2 то отфильтрованное изображение неотличимо от оригинала, поскольку человеческий глаз не воспринимает разницу изображений, с уровнем от 4,2 до 8 дает хорошее качество фильтрации, с уровнем выше 8 - неприемлемое качество.

- ПОСШ - пиковое соотношение сигнал/шум, вычисляемое как отношение пикового сигнала к среднеквадратичному уровню шума, которое определяется при последовательной оценке разницы между всеми пикселями исходного и обработанного изображения. Параметр ПОСШ достаточно информативен при сравнительных измерениях. ПОСШ не учитывает особенности зрительной системы человека, что является основной причиной, почему ПОСШ дает значительные отклонения, выявляемые при субъективной оценке изображения. ПОСШ вычисляется по формуле:

Список литературы диссертационного исследования кандидат наук Упакова, Анастасия Геннадьевна, 2014 год

СПИСОК ЛИТЕРАТУРЫ

Список литературы на русском языке.

1. Абдуллоев A.A., Саутов Е.Ю. К вопросу об оценке качества восстановленных изображений // Актуальные проблемы физики: сб. науч. тр. молодых ученых, аспирантов и студентов (Вып. 6). -Ярославль, 2007. - С. 7-14.

2. Алпатов Б.А., Бабаян П.В., Балашов O.E., Степашкин А.И. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление. - М.: Радиотехника, 2008. - 176 с.

3. Андреев A.M., Можаров Г.П. Анализ основных параметров компьютерных систем методом спектральной теории графов // Наука и образование: электронное научно-техническое издание. 2011. №10. С.45

4. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: Учеб. пособие для студентов вузов, - М.: Высш. шк., 1983.-295 с.

5. Арляпов С.А., Приоров А.Л., Хрящев В.В. Модифицированный критерий оценки качества изображений // Цифровая обработка сигналов №2.-2006.-С. 27-33.

6. Асаев A.C., Асаева Т.А., Костров Б.В., Шагимуратов Г.И. К вопросу влияния помех в системах обработки изображений // Информатика и прикладная математика. Межвузовский сборник научных трудов Рязанского госуниверситета. Рязань, 2006. - С. 20-24.

7. Асаев A.C., Костров Б.В., Муратов Е.Р. Сравнение трудоемкости вычислений спектров изображений Фурье и Уолша (тезисы доклада) // 3-я межвузовская научно-техническая конференция студентов, молодых ученых и специалистов «Новые технологии в учебном процессе и производстве», МГОУ РИ, Рязань, 2005. - С. 33.

8. Асаев A.C., Костров Б.В. Частотная фильтрация изображений в базисе Уолша // Всероссийская заочная электронная конференция «Новые информационные технологии и системы», www.congressinform.ru, 2006.

9. Асаев A.C., Костров Б.В., Костров В.В. Использование спектральных преобразований Уолша для улучшения визуального качества изображений // Радиотехника, 2008. №9. - С. 99-102.

10. Асаев A.C., Костров Б.В., Муратов Е.Р. Метод фильтрации периодических помех на изображении // Информатика и прикладная математика. Межвузовский сборник научных трудов Рязанского государственного педагогического университета. Рязань, 2005. - С. 3639.

11. Ахмед Н., Pao K.P. Ортогональные преобразования при обработке цифровых сигналов. - М.: Связь, 1980. - 248 с.

12. Баклицкий В.К. и др. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации / В.К. Баклицкий, A.M. Бочкарев, М.П. Мусьяков; Под ред. В.К. Баклицкого. - М.: Радио и связь, 1986. -216 с.

13. Бейтс Р., Мак-Доннелл М. Восстановление и реконструкция изображений. -М.: Мир, 1989. - 336 с.

14. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов, - М.: Мир, 1989.-448 с.

15. Быстрые алгоритмы в цифровой обработке изображений / Под ред. Т.С. Хуанга. - М.: Радио и связь, 1984. - 224 с.

16. Василенко Г.И., Тараторин A.M. Восстановление изображений, - М.: Радио и связь, 1986. - 304 с.

17. Введение в контурный анализ и его приложения к обработке изображений и сигналов: / Я.А. Фурман, A.B. Кревецкий, А.К. Передреев, A.A. Роженцов, Р.Г. Хафизов, И.Л. Егошина, А.Н. Леухин; Под ред. Я.А. Фурмана -2-е изд., испр.-М.: ФИЗМАТЛИТ, 2003.-592 с.

18. Введение в цифровую фильтрацию: Пер. с англ./ Под ред. Л.И. Филиппова. -М.: Мир, 1976. - 216 е..

19. Виноградов И.М. Основы теории чисел. - М.: Гос. издат. тех.-теор. лит., 1952. -180 с.

20. Власенко В.А., Лаппа Ю.М., Ярославский Л.П. Методы синтеза быстрых алгоритмов свертки и спектрального анализа сигналов. - М.: Наука, 1990.-184 с.

21. Гаврилин А.П., Гусев Б.Б., Ларкин Е.В. Пространственный спектр изображений с амплитудной модуляцией // Проблемы специального машиностроения. Вып. 8. Тула: ТулГУ, 2005. С. 341 - 345.

22. Голубов Б.И., Ефимов A.B., Скворцов В.А. Ряды и преобразования Уолша: Теория и применения. - М.: Наука, 1987. - 344 с.

23. Гольденберг Л.М., МатюппсинБ.Д., Поляк М.Н. Цифровая обработка сигналов: Справочник. -М.: Радио и связь, 1985. - 312 с.

24. Гонзалес Р., Вудс Р. Цифровая обработка изображений. -М.: Техносфера, 2006. - 1072 с.

25. Гонзалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. - М.: Техносфера, 2006. - 616 с.

26. ГрузманИ.С., КиричукВ.С., Косых В.П., Перетягин Г.И., Спектор A.A. Цифровая обработка изображений в информационных системах: Учеб. пособие. - Новосибирск: Изд-во НГТУ, 2002. - 352 с.

27. Дьяконов В., Абраменкова И. MATLAB. Обработка сигналов и изображений. Специальный справочник. - СПб.: Питер, 2002. - 608 с.

28. Залманзон Л.А. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. - М.: Наука, 1989. - 496 с.

29. ЗлобинВ.К., Еремеев В.В. Обработка аэрокосмических изображений.-М.: ФИЗМАТЛИТ, 2006. - 288 с.

30. Злобин В.К., Костров Б.В. Теоретические и методологические аспекты применения системы функций Виленкина — Крестенсона для обработки

изображений // Вестник Рязанского государственного радиоуниверситета № 3 (Вып. 45). - Рязань, 2013. - С. 12-17.

31. Злобин В.К., Костров Б.В., Конкин Ю.В., Упакова А.Г. Алгоритм устранения искажений средней яркости по полю изображений// Известия Тульского государственного университета. Технические науки. Выпуск 9. Часть 2 г. Тула - 2013 г. С. 118-124.

32. Злобин В.К., Костров Б.В., Саблина В.А. Алгоритм секвентной фильтрации групповых помех на изображении // Вестник РГРТУ, №4 вып.30, 2009. С. 3-7.

33. Злобин В.К., Костров Б.В., Саблина В.А. Место и роль секвентного анализа в обработке аэрокосмических изображений // Радиотехника. -№3. - 2012. С. 64-75.

34. Злобин В.К., Кочергин A.M. Алгоритмы и технологии предварительной обработки изображений в системах каталогизации данных дистанционного зондирования Земли // Вестник Рязанского государственного радиоуниверситета № 1 (Вып. 23). - Рязань, 2008. -С. 3-11.

35. Зубакин A.M. Явление Гиббса для мультипликативных систем типа Уолша и Виленкина - Джафарли // Сибирский математический журнал, т. 12, № 1.-1971.-С. 147-157.

36. КашкинВ.Б., СухининА.И. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: Учеб. пособие. - М. : Логос, 2001.-264 с.

37. КвитекЕ.В. Фильтрация измерительных сигналов, представимых в базисе функций Уолша // Вестник Оренбургского государственного университета № 3. - Оренбург, 2001. - С. 80-85.

38. Комолов Д.А., Мяльк Р.А, Зобенко A.A., Филлиппов A.C. Системы автоматизированного проектирования фирмы Altera MAX+plus II и

Quartus II. Краткое описание и самоучитель. - М.: ИП РадиоСофт, 2002 -352 с.

39. Костров Б.В., Основы цифровой передачи и кодирования информации. Изд. второе (Рецензия МГТУим. Н.Э. Баумана, per. номер МГУП №813 от 28.04.10) // Ряз. гос. радиотехн. университет, Рязань, 2010.

40. Костров Б.В., Бабаев С.И., Упакова А.Г. Построение базиса в обобщенной системе ортогональных функций// Вестник Рязанского государственного радиоуниверситета № 1 (Вып. 47). - Рязань, 2014. — С.43-46 .

41. Костров Б.В., Гринченко H.H., Степанов Д.С., Упакова А.Г. Алгоритм передачи изображения с восстановлением постоянной составляющей // Известия Тульского государственного университета. Технические науки. Выпуск 9. Часть 1 г. Тула-2013 г. С. 244-250.

42. Костров Б.В., Некрасова О.С., Свирина А.Г. Квазидвумерный метод выделения шумовых выбросов на изображении // Новые информационные технологии в научных исследованиях и в образовании. Тез. докл. 15-й всеросс. науч.-техн. конф. - Рязань: Рязан. госуд. радиотехн. универ., 2010. С.368.

43. Костров Б.В., Некрасова О.С., Свирина А.Г. Метод квазивумерной фильтрации групповых помех // Методы и средства обработки и хранения информации. Межвуз сб. науч. трудов. РГРТУ. Рязань - 2010 г. с. 152-156.

44. Костров Б.В., ПашенцевД.Ю., СаблинаВ.А. К вопросу выбора способа упорядочивания функций Уолша при использовании его в целях обработки изображений // Материалы Всероссийской научно-технической конференции «Интеллектуальные и информационные системы» Интеллект - 2007 Тула, 2007. - С. 71-74.

45. Костров Б.В., Саблина В.А. Адаптивная фильтрация изображений со структурными искажениями // Цифровая обработка сигналов, 2008. №4. -С. 49-53.

46. Костров Б.В., Саблина В.А. Исследование перспектив применения нетригонометрических ортогональных систем базисных функций в области восстановления изображений // Информатика и прикладная математика. Межвузовский сборник научных трудов. Рязанский госуниверситет, Рязань 2008. - С. 73-83.

47. Костров Б.В., Саблина В.А., Костров В.В. Алгоритм восстановления изображений с периодическими низкочастотными искажениями // Радиотехника,2009. №11. -С. 92-95.

48. Костров Б.В., Саблина В.А., Свирина А.Г. Изучение секвентных спектров синхронных помех // Методы и средства обработки и хранения информации. Межвуз сб. науч. трудов. РГРТУ Рязань - 2010 г. С. 8-12.

49. Костров Б.В., Свирина А.Г. Квазидвумерная фильтрация несинхронных помех на изображении // Новые информационные технологии в научных исследованиях и в образовании. Тез. докл. 16-й всеросс. науч.-техн. конф. - Рязань: Рязан. госуд. радиотехн. универ., 2011. С.253.

50. Костров Б.В., Упакова А.Г. Квазидвумерная фильтрация синхронных помех на изображении // Проектирование и технологии электронных средств. №1-2012. с 32-35.

51. Костров Б.В., Упакова А.Г., Баюков К.И. Реализация преобразования Уолша в пакете прикладных программ МаЙаЬ. Определение наиболее эффективного алгоритма // Информатика и прикладная математика. Межвуз сб. науч. трудов. РГУ им. С.А. Есенина Рязань -2013 г. С.38-41.

52. Костров Б.В., Упакова А.Г. Свидетельство о регистрации электронного ресурса ОФЭРНиО № 19926. Программный пакет «Обработка изображений с групповыми помехами на основе теории дискретных сигналов на конечных интервалах».

53. Костров Б.В., Упакова А.Г. Свидетельство о регистрации электронного ресурса ОФЭРНиО № 19927. Программный пакет «Обработка изображений с синхронными помехами на основе теории дискретных сигналов на конечных интервалах».

54. Королев Ю.К. Общая геоинформатика. - М.: Дата+, 1998. - 118 с.

55. Красильников Н.Н. Цифровая обработка изображений. - М.: Вузовская книга, 2001.-320 с.

56. Кронберг П. Дистанционное изучение Змели. Основы и методы дистанционных исследований в геологии. - М.: Мир, 1988. - 356 с.

57. Крот А.М., Минервина Е.Б. Быстрые алгоритмы и программы цифровой спектральной обработки сигналов и изображений. - Минск: Навука 1 тэхшка, 1995. - 407 с.

58. Кузнецов А.Е., Побаруев В.И., Горшков Ю.А. Первичная радиометрическая обработка цифровых космических изображений // Вестник Рязанской государственной радиотехнической академии (Вып. 7). - Рязань, 2000. - С. 18-22.

59. Ларкин Е.В., Муравлев С.Н. Оценка потерь информации при преобразованиях изображений // Математические методы в технике и технологиях: ММТТ-18. XVIII Международная научная конференция. Казань: Казанский гос. техн. ун-т, 2005. Т. 5. С. 156 - 157.

60. Максфилд К. Проектирование на ПЛИС. Курс молодого бойца - М.: Изадетльский дом "Додэка-ХХГ, 2007. - 408 с.

61. Методы компьютерной обработки изображений/Под ред. В.А Сойфера. - М.: ФИЗМАТЛИТ, 2003. - 784 с.

62. Никитин Г.И. Применение функций Уолша в сотовых системах связи с кодовым разделением каналов: Учеб. пособие,- Спб.: СПбГУАП, 2003.-86 с.

63. Обработка изображений в геоинформационных системах: Учебное пособие / В.К. Злобин, В.В. Еремеев, А.Е. Кузнецов. Рязан. гос. радиотехн. университет. - Рязань, 2006. - 264 с.

64. Обработка изображений и цифровая фильтрация / Под ред. Т. Хуанга. Пер. с англ. М.: Мир, 1979. - 318 с.

65. Оппенгейм А., Шафер Р. Цифровая обработка сигналов. - М.: Техносфера, 2006. - 856 с.

66. Побаруев В.И. Некоторые подходы к радиометрической коррекции структурных искажений изображений от многоэлементных сканирующих систем // Космонавтика. Радиоэлектроника. Геоинформатика. Тез. докл. 3-й междунар. науч.-техн. конф. - Рязань: Рязан. госуд. радиотехн. академ., 2000. - С. 301.

67. Побаруев В.И. Эффективный алгоритм идентификации и восстановления сбойных строк на космических снимках // Космонавтика. Радиоэлектроника. Геоинформатика. Тез. докл. 3-й междунар. науч.-техн. конф. - Рязань: Рязан. госуд. радиотехн. академ., 2000.-С. 298.

68. Подласкин Б.Г. Пространственная фильтрация временного шума при реализации преобразования Адамара на фотоприемной матрице // Журнал технической физики, т. 77, вып. 5. - 2007. - С. 139-142.

69. Потемкин В.Г. Вычисления в среде MATLAB. - М: Диалог-МИФИ,2004. - 720 с.

70. Приоров A.JL, Саутов Е.Ю., Хрящев В.В. Неэталонная оценка качества JPEG изображений // Цифровая обработка сигналов № 3. - 2007. -С. 15-19.

71. Прэтт У. Цифровая обработка изображений. В 2-х кн. - М.: Мир, 1982. -790 с.

72. Реконструкция изображений / Под ред. Г. Старка- М.: Мир, 1992. — 636 с.

73. Рудаков П. И., Сафонов И. В. Обработка сигналов и изображений. MATLAB 5.x. - М.: Диалог-МИФИ, 2000. - 416 с.

74. Саблина В.А., Костров Б.В. Особенности формулировки теоремы о свертке для некоторых ортогональных систем базисных функций // Материалы Всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Новые информационные технологии в научных исследованиях и в образовании», Рязань, 2007. -С. 82-84.

75. Саутов Е.Ю. Применение универсального индекса качества в задачах улучшения и восстановления цифровых изображений // Информационные средства и технологии. Тр. 15-й междунар. науч.-тех. конф. -М„ 2007. - С. 142-145.

76. Саутов Е.Ю. Разработка и реализация в среде MATLAB алгоритма оценки качества цифровых изображений // Проектирование научных и инженерных приложений в среде MATLAB. Тр. 3-й всеросс. науч. конф. - СПб., 2007. - С. 1473-1483.

77. Свирина А.Г. Визуализация алгоритма быстрого преобразования Уолша // Вычислительные машины комплексы системы и сети. Приложение к межвуз. сб. науч. трудов «Методы и средства обработки и ханения информации» Рязань, РГРТУ - 2011 г. С. 15-16.

78. Сергиенко А.Б. Цифровая обработка сигналов, - СПб.: Питер, 2002,608 с.

79. Стешенко В.Б. ПЛИС фирмы Altera: элементная база, система проектирования и языки описания аппаратуры. - М.: Издательский дом "Додэка-ХХГ, 2007. -576с.

80. Сюзев B.B, Савельев А.Я., Гудзенко Д.Ю.. Методы представления и преобразования сигналов в базисе обобщенных функций Крестенсона // Электронное научно-техническое издание «Наука и образование». №3. Март, 2012 г. http://technomag.edu.ru/doc/372760.html

81. Трахтман A.M., ТрахтманВ.А. Основы теории дискретных сигналов на конечных интервалах. - М.: Сов. радио, 1975. - 208 с.

82. Упакова А.Г. Построение базиса на основе систем функций, арифметически кратных двоичной системе // 6-я международная научо-техническая конференция «Космонавтика. Радиолектроника. Геоинформатика» / Рязан. гос. радиотехн. университет. Рязань, 2013. -С. 271-272.

83. Упакова А.Г. Свидетельство о государственной регистрации программы для ЭВМ «IMFWT» №2014612292.// Федеральная служба по интеллектуальной собственности, патентам и товарным маркам. Зарегистрировано в Реестре программ для ЭВМ 24.02.2014.

84. Упакова А.Г. Фильтрация изображений с импульсными помехами на основе теории дискретных сигналов на конечных интервалах // Современные проблемы науки и образования. - 2014. - № 2; URL: www.science-education.ru/116-12304

85. Упакова А.Г., Костров Б.В., Гринченко H.H., Громов А.Ю. Свидетельство о государственной регистрации программы для ЭВМ «MULTFWT» №2014612721.// Федеральная служба по интеллектуальной собственности, патентам и товарным маркам. Зарегистрировано в Реестре программ для ЭВМ 05.03.2014.

86. Фурман Я.А. Цифровые методы обработки и распознавания бинарных изображений - Красноярск: Издательство Красноярского университета, 1992 г., 248с, (в соавторстве с А.Н. Юрьевым и В.В. Яншиным).

87. Хармут X. Теория секвентного анализа: основы и применения.-М.: Мир, 1980.-574 с.

88. Цветков В.Я. Геоинформационные системы и технологии. - М.: Финансы и статистика, 1998. - 288 с.

89. Цифровая обработка телевизионных и компьютерных изображений / Под ред. Зубарева Ю.Б., Дворковича В.П. -М.: МЦНТИ, 1997. - 212 с.

90. Чернов В.М. Арифметические методы синтеза быстрых алгоритмов дискретных ортогональных преобразований // Москва : Физматлит, 2007 .-261с.

91. Яне Б. Цифровая обработка изображений. - М.: Техносфера, 2007,584 с.

92. Ярославский JI.П. Введение в цифровую обработку изображений. - М.: Сов. радио, 1979.-312 с.

93. Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии: введение в цифровую оптику. - М.: Радио и связь, 1987. - 296 с.

Список литературы на английском языке

94. Gustafsonand F., Bergman N. MATLAB for Engineers Explained. - NY: Springer-Verlag, 2003.-218 p.

95. Martinez W.L., Martinez A.R. Exploratory Data Analysis with MATLAB. -Boca Raton, FL: CRC Press, 2005. - 405 p.

96. Petrou M., Bosdogianni P. Image Processing: The Fundamentals. - UK: John Wiley & Sons, 1999. - 354 p.

97. Seul M., O'Gorman L., Sammon M.J. Practical Algorithms for Image Analysis. - Cambridge, UK: Cambridge University Press, 2000. - 302 p.

98. Umbaugh S.E. Computer Imaging: Digital Image Analysis and Processing. -Boca Raton, FL: CRC Press, 2005. - 696 p.

99. Van C.F. Loan Introduction to Scientific Computing: A Matrix-Vector Approach Using MATLAB - Upper Saddle River, NJ: Prentice Hall, 1999. -367 p.

100. Wong R.Y., Hall E.L. Scene matching with invariant moments.- Computer Graphics and Image Processing, 1978, V.8, №1. - P. 16-24.

101. Walsh J.L. A closed set of normal orthogonal functions // American Journal of Mathematics, volume 45. - Harvard University, 1923. - Pp. 5-24.