Меню
Публикации
2025
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2024-24-3-464-473
УДК 621.397.3
Устранение искажений слабых изображений астрономических объектов на примере Сатурна, Юпитера и их спутников
Читать статью полностью

Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Сизиков В.С., Рущенко Н.Г. Устранение искажений слабых изображений астрономических объектов на примере Сатурна, Юпитера и их спутников // Научно-технический вестник информационных технологий, механики и оптики. 2024. Т. 24, № 3. С. 464–473. doi: 10.17586/2226-1494-2024-24-3-464-473
Аннотация
Введение. Рассмотрены методы и алгоритмы восстановления смазанных и зашумленных изображений путем численного решения интегральных уравнений. Применение алгоритмов показано на примере восстановления искаженных изображений небесных тел — Сатурна, Юпитера и их спутников на фоне звездного неба. Изображения объектов могут быть нечеткими, что при анализе требует увеличения экспозиции. Это может привести к несоответствию вращений Земли и телескопа и к смазыванию (размытию) изображения объекта. В работе предлагается устранять смаз путем математической и компьютерной обработок искаженного изображения. При этом тип и параметры смаза могут быть практически неизвестны или известны неточно. Новизна предлагаемого решения заключается в том, что тип и параметры искажения, а, следовательно, ядро интегрального уравнения или функция рассеяния точки, определяются оригинальным «спектральным методом». Метод. В прямой задаче моделирование смаза и шума на приемниках (телескопах) осуществляется путем вычисления интегралов типа свертки. В обратной задаче устранение смазывания изображения выполняется с помощью решения интегрального уравнения методом параметрической фильтрации Винера с использованием нового «спектрального метода» определения ядра интегрального уравнения, а также фильтрации шума медианным фильтром Тьюки и новым модифицированным фильтром. Получены оценки погрешности для каждой операции. Предложена методика, позволяющая путем применения математических и программных средств устранить искажения изображений планет, естественные и инструментальные шумы, размытость изображений, а также получить четкие изображения Сатурна, Юпитера и их спутников. Основные результаты. Неискаженные изображения планет выбраны из астрономических каталогов. Путем моделирования получено смазанное и зашумленное изображение Сатурна с заданными параметрами искажения (углом θ и величиной Δ смаза), а также натурное искаженное изображение Юпитера с неизвестными параметрами искажения, определенными «спектральным методом». Продемонстрировано восстановление изображения Сатурна с его спутниками путем решения интегрального уравнения. Показаны результаты обработки изображения Юпитера, когда для устранения смаза изображения посредством решения интегрального уравнения использован «спектральный метод» определения параметров размытия, а следовательно, функции рассеяния точки и ядра интегрального уравнения. Работоспособность представленного метода определена путем визуальной оценки восстановленного изображения и путем расчета ошибки восстановления. Обсуждение. Предложенная методика позволяет устранять на изображениях различных космических объектов естественный или инструментальный шум, а также смаз изображения, выделять слабые объекты (спутники и иные объекты) на фоне звезд.
Ключевые слова: смазывание (размытие) и зашумление изображения, определение параметров искажения изображения, удаление смаза, фильтрация шума
Благодарности. Работа выполнена при финансовой поддержке гранта Мегафакультета компьютерных технологий и управления института, проект № 620164 «Методы искусственного интеллекта киберфизических систем».
Список литературы
Благодарности. Работа выполнена при финансовой поддержке гранта Мегафакультета компьютерных технологий и управления института, проект № 620164 «Методы искусственного интеллекта киберфизических систем».
Список литературы
- Егошкин Н.А., Еремеев В.В. Коррекция смаза изображений в системах космического наблюдения Земли // Цифровая обработка сигналов. 2010. № 4. С. 28–32.
- Ягола А.Г., Кошев Н.А. Восстановление смазанных и дефокусированных цветных изображений // Вычислительные методы и программирование. 2008. Т. 9. № 3. С. 207–212.
- Тихонов А.Н., Гончарский А.В., Степанов В.В., Ягола А.Г. Численные методы решения некорректных задач. М.: Наука, 1990. 232 с.
- Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах. Новосибирск: Изд-во НГТУ, 2002. 352 с.
- Сизиков В.С. Спектральный способ оценки функции рассеяния точки в задаче устранения искажений изображений // Оптический журнал. 2017. Т. 84. № 2. С. 36–44.
- Sizikov V.S., Sergienko A.A., Kondulukova D.A. Spectral method for stable estimating the distortion parameters in inverse problem of image restoration // Известия вузов. Приборостроение. 2019. Т. 62. № 4. С. 379–386. https://doi.org/10.17586/0021-3454-2019-62-4-379-386
- Сизиков В.С. Прямые и обратные задачи восстановления изображений, спектроскопии и томографии с MatLab. СПб.: Лань, 2017. 412 с.
- Narayanan S.A., Arumugam G., Bijlani K. Trimmed median filters for salt and pepper noise removal // International Journal of Emerging Trends & Technology in Computer Science. (IJETTCS). 2013. V. 2. N 1. P. 35–40.
- Петров Ю.П., Сизиков В.С. Корректные, некорректные и промежуточные задачи с приложениями. СПб.: Политехника, 2003. 261 с.
- Дьяконов В., Абраменкова И. MATLAB. Обработка сигналов и изображений. Специальный справочник. СПб.: Питер, 2002. 608 с.
- Тихонов А.Н., Гончарский А.В, Степанов В.В. Обратные задачи обработки фотоизображений // Некорректные задачи естествознания / Под ред. Тихонова А.Н., Гончарского А.В. М.: Изд-во МГУ, 1987. С. 185–195.
- Lim J.S. Two-dimensional signal and image processing. New Jersey: Prentice Hall PTR, 1990. 694 p.
- Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006. 1072 с.
- Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006. 616 с.
- 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. N 6. P. 2035–2053. https://doi.org/10.1088/0266-5611/22/6/008
- Арефьева М.В., Сысоев А.Ф. Быстрые регуляризирующие алгоритмы цифрового восстановления изображений // Вычислительные методы и программирование. 1983. № 39. С. 40–55.
- Mesarović V.Z., Galatsanos N.P., Katsaggelos A.K. Regularized constrained total least squares image restoration // IEEE Transactions on Image Processing. 1995. V. 4. N 8. P. 1096–1108. https://doi.org/10.1109/83.403444
- Christiansen M., Hanke M. Deblurring methods using antireflective boundary conditions // SIAM Journal on Scientific Computing. 2008. V. 30. N 2. https://doi.org/10.1137/060671413
- Журавель И.М. Краткий курс теории обработки изображений. 2008 [Электронный ресурс]. URL: https://hub.exponenta.ru/post/kratkiy-kurs-teorii-obrabotki-izobrazheniy734 (дата обращения: 31.01.2024)
- Hansen P.C. Discrete inverse problems: Insight and algorithms. Philadelphia: SIAM, 2010. 213 p. https://doi.org/10.1137/1.9780898718836
- Russ J.C. The Image Processing Handbook. 6th ed. Boca Raton: CRC Press, 2011. 853 p.
- Engl H.W., Hanke M., Neubauer A. Regularization of inverse problems. Dordrecht: Kluwer, 1996. 328 p. https://doi.org/10.1007/978-94-009-1740-8
- Воскобойников Ю.Е. Комбинированный нелинейный алгоритм восстановления контрастных изображений при неточно заданной аппаратной функции // Автометрия. 2007. Т. 43. № 6. С. 3–16.
- Fergus R., Singh B., Hertzmann A., Roweis S.T., Freeman W.T. Removing camera shake from a single photograph // ACM Transactions on Graphics. 2006. V. 25. N 3. P. 787–794. https://doi.org/10.1145/1179352.1141956
- Южиков В.С. Blind Deconvolution – автоматическое восстановление смазанных изображений. 2013 [Электронный ресурс]. URL: https://habr.com/ru/post/175717/ (дата обращения: 31.01.2024).
- Cho S., Lee S. Fast motion deblurring // ACM Transactions on Graphics. 2009. V. 28. N 5. P. 145. https://doi.org/10.1145/1618452.1618491
- Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007. 584 с.
- Остриков В.Н., Плахотников О.В. Идентификация функции рассеяния точки канала наблюдения по калибрующему изображению посредством метода наименьших квадратов // Оптический журнал. 2006. Т. 73. № 2. С. 26–30.
- Сизиков В.С., Степанов А.В., Меженин А.В., Бурлов Д.И., Экземпляров Р.А. Определение параметров искажений изображений спектральным способом в задаче обработки снимков поверхности Земли, полученных со спутников и самолётов // Оптический журнал. 2018. Т. 85. № 4. С. 19–27.
- Sizikov V., Rushchenko N. “Spectral method” for determining a kernel of the Fredholm integral equation of the first kind of convolution type and suppressing the Gibbs effect // Mathematics. 2024. V. 12. N 1. P. 13. https://doi.org/10.3390/math12010013