DOI: 10.17586/2226-1494-2017-17-3-417-423


О ВОССТАНОВЛЕНИИ СМАЗАННЫХ ЦВЕТНЫХ ИЗОБРАЖЕНИЙ

Сизиков В. С., Ильин А. К.


Язык статьи - русский

Ссылка для цитирования: Сизиков В.C., Ильин А.К. О восстановлении смазанных цветных изображений // Научно-технический вестник информационных технологий, механики и оптики. 2017. Т. 17. № 3. С. 417–423.doi: 10.17586/2226-1494-2017-17-3-417-423

Аннотация

Предмет исследования.В работе рассматривается вопрос об «обычном» (небыстром), а также быстром восстановлении цветных смазанных изображений на основе решения интегрального уравнения Фредгольма I рода (некорректная задача). Метод. Уравнение решается методом квадратур с регуляризацией Тихонова. Рассматриваются два способа обработки цветных изображений – способы покомпонентной и векторной обработки. Основной результат. Если обрабатывается модельное изображение и алгоритм обычный (небыстрый), то параметр регуляризации aвыбирается из условия минимума погрешности восстановления изображения. Если обрабатывается реальное изображение и алгоритм быстрый, то для выбора aи величины смаза Δ предлагается быстрый способ «заготовленной матрицы», реализуемый в пределах 1 с. Если же обрабатывается реальное изображение, но алгоритм небыстрый, то предлагается способ оценки Δ (и угла смаза θ) на основе спектра смазанного изображения, а aвыбирается известными способами. Практическая значимость. Представленные алгоритмы могут быть использованы для восстановления цветных смазанных изображений, например, изображений быстро движущихся объектов (автомобиля, самолета) путем математико-компьютерной обработки смазанных (и зашумленных) изображений.


Ключевые слова: смазанное цветное изображение, интегральное уравнение, некорректная задача, регуляризация, способы покомпонентной и векторной обработки, параметр регуляризации, смаз, быстрый алгоритм «заготовленной» матрицы, спектральный способ, Matlab

Благодарности. Работа выполнена при поддержке РФФИ (грант № 13-08-00442).

Список литературы
1.     Василенко Г.И., Тараторин А.М. Восстановление изображений. М.: Радио и связь, 1986. 304 с.
2.     Тихонов А.Н., Гончарский А.В., Степанов В.В. Обратные задачи обработки фотоизображений // Некорректные задачи естествознания / Под ред. А.Н. Тихонова, А.В. Гончарского. М.: МГУ, 1987. С. 185–195.
3.     Бейтс Р., Мак-Доннелл М. Восстановление и реконструкция изображений. М.: Мир, 1989. 336 с.
4.     Методы компьютерной обработки изображений / Под ред. В.А. Сойфера. М.: Физматлит, 2001. 784 с.
5.     Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах. Новосибирск: НГТУ, 2002. 352 с.
6.     Дьяконов В., Абраменкова И. MATLAB. Обработка сигналов и изображений. Специальный справочник. СПб.: Питер, 2002. 608 с.
7.     Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006. 1072 с.
8.     Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006. 616 с.
9.     Hansen P.C., Nagy J.G., O’Leary D.P. Deblurring Images: Matrices, Spectra, and Filtering. Philadelphia: SIAM, 2006. 130 p.
10.  Сизиков В.С. Обратные прикладные задачи и MatLab. СПб.: Лань, 2011. 256 с.
11.  Шлихт Г.Ю. Цифровая обработка цветных изображений. М.: ЭКОМ, 1997. 336 с.
12.  Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007. 584 с.
13.  Ягола А.Г., Кошев Н.А. Восстановление смазанных и дефокусированных цветных изображений // Вычислительные методы и программирование. 2008. Т. 9. С. 207–212.
14.  Арефьева М.В., Сысоев А.Ф. Быстрые регуляризирующие алгоритмы цифрового восстановления изображений // Вычислительные методы и программирование. 1983. № 39. С. 40–55.
15.  Сизиков В.С., Экземпляров Р.А. Предшествующая и последующая фильтрация шумов в алгоритмах восстановления изображений // Научно-технический вестник информационных технологий, механики и оптики. 2014. № 1(89). С. 112–122.
16.  Тихонов А.Н., Арсенин В.Я. Методы pешения некоpректных задач. 3-е изд. М.: Hаука, 1986. 288 с.
17.  Верлань А.Ф., Сизиков В.С. Интегральные уравнения: методы, алгоритмы, программы. Киев: Наук. думка, 1986. 544 с.
18.  Engl H., Hanke M., Neubauer A. Regularization of Inverse Problems. Dordrecht: Kluwer, 1996. 328 p.
19.  Воскобойников Ю.Е., Мухина И.Н. Локальный регуляризирующий алгоритм восстановления контрастных сигналов и изображений // Автометрия. 2000. № 3. С. 45–53.
20.  Сизиков В.С., Кирьянов К.А., Экземпляров Р.А. Два быстрых алгоритма восстановления смазанных изображений // Изв. вузов. Пpибоpостpоение. 2013. Т. 56. № 10. С. 24–30.
21.  Sizikov V.S. Estimating the point-spread function from the spectrum of a distorted tomographic image// Journal of Optical Technologies. 2015. V. 82. N 10. P. 655–658. doi: 10.1364/JOT.82.000655
22.  Сизиков В.С. Спектральный способ оценки функции рассеяния точки в задаче устранения искажений изображений // Оптический журнал. 2017. Т. 84. № 2. С. 36–44.
23.  Donatelli M., Estatico C., Martinelli A., Serra-Capizzano S. Improved image deblurring with anti-reflective boundary conditions and re-blurring // Inverse Problems. 2006. V. 22. P. 2035–2053. doi: 10.1088/0266-5611/22/6/008
24.  Сидоров Д.Н. Методы анализа интегральных динамических моделей: теория и приложения. Иркутск: ИГУ, 2013. 293 с.
25.  Sidorov D. Integral Dynamical Models: Singularities, Signals and Control. Singapore-London: World Scientific Publ., 2014. 243 p.
Информация 2001-2017 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика