И.М.Журавель "Краткий курс теории обработки изображений"

В оглавление книги\ К следующему разделу \ К предыдущему разделу

Обзор методов цифровой обработки изображений

Обработка изображений является многоплановой задачей. Сюда включают решение задач фильтрации шумов, геометрической коррекции, градационной коррекции, усиления локальных контрастов, резкости, восстановления изображений и др.

Методы обработки изображений разделяют на два класса. Первый - методы обработки в частотной области, второй - методы обработки в пространственной области.

Методы обработки изображений в частотной области базируются на соответствующих моделях зрения человека, например, модели Стокхема [1], Ч.Холла и Э.Холла [2]. Эти модели показывают, что эффективное изменение визуального качества изображения можно проводить через изменение двух основных составных частей изображения - низкочастотной (фоновой) и высокочастотной (детальной). Алгоритмы обработки в частотной области имеют большую вычислительную сложность, которая ограничивает их использование для обработки изображений в масштабе реального времени. Однако, линейная фильтрация широко используется в когерентных оптических системах обработки информации, где как и в цифровой обработке, сигналов она базируется на использовании быстрых алгоритмов свертки и спектрального анализа [3]. Параметры необходимых фильтров преимущественно определяют, пользуясь принципами оптимальной (винеровской) фильтрации [4], разработанной для среднеквадратического критерия качества фильтрации [5]. Достижения теории фильтрации широко используют при обработке изображений [6]. Так, согласующая фильтрация применяется в обработке изображений с позиций не просто повышения качества, а для выявления объектов на изображениях. Реальные системы формирования изображений не являются идеальными из-за аберрации, смазывания изображения во время экспозиции, низкого контраста, наличия атмосферных неоднородностей и т.п. Поэтому для этих систем в предположении их линейности и стационарности можно значительно улучшить качество изображений, применяя технику инверсной фильтрации [7].

Метод инверсной фильтрации никак не учитывает шумовых эффектов, поэтому не удивительно, что он дает плохие результаты при наличии шума. Методы винеровской фильтрации учитывают априорное значение статистических свойств шума и потому позволяют повысить качество возобновляемых изображений. При использовании метода пространственной реставрации изображений на основе регрессии шумовое поле моделируют некоторой реализацией двумерного случайного процесса с неизвестными средним и ковариационной функцией. Тогда применяют винеровское оценивание в предположении, что идеальное изображение также является реализацией двумерного случайного процесса с известными первым и вторым моментами [8]. Представляя результирующее изображение как свертку входного изображения с импульсной передаточной характеристикой или функцией размывания точки оптической системы, которая вносит искажение, для восстановления изображения используют также итерационный алгоритм Бугера-Ван-Циттера [9].

Обобщая сжатый обзор некоторых алгебраических методов восстановления изображений, отметим, что он является составной частью более широкой проблемы решения некорректных задач восстановления изображений [10], включая реконструкцию изображений по проекциям (реконструктивную томографию) [11]. Рядом с этими методами широко используются методы линейной фильтрации для улучшения изображений.

Основой большинства методов линейной фильтрации в пространственной области являются ортогональные преобразования. Существует три основных области применения двумерных ортогональных преобразований для обработки изображений [12]. Во-первых, преобразования используют для выделения характеристик признаков изображения. Второй областью применения является кодирование изображений, когда ширина спектра уменьшается за счет отбрасывания или грубого квантования малых по величине коэффициентов преобразования. Третья область применения - это сокращения размерности при выполнении вычислений. К таким преобразованиям принадлежат преобразования Фурье, синусные, косинусные, волновые преобразования, а также преобразования Карунена-Лоева, Уолша, Хаара и Адамара. Однако и эти преобразования не обеспечивают обработки изображений в масштабе реального времени из-за своей вычислительной сложности.

Другой подход к обработке изображений с целью улучшения их визуального качества состоит в непосредственном использовании разных фильтров. Область их функционирования - в основном частотная и реже - пространственная. Для этого используют разные методы синтеза фильтров, как одномерных, так и двумерных, чем обеспечивают реализацию заданных частотных характеристик.

Проведенный анализ показывает, что использование фильтрации изображений с целью повышения их визуального качества с обеспечением высокого быстродействия является наиболее рациональным при реализации в пространственной области. Однако арсенал алгоритмических средств обработки при этом является недостаточным. Использование же обработки в частотной области хотя и достаточно развито, но требует значительных вычислительных затрат.

• Ранговые методы

Список литературы

1. Стокхэм мл. Обработка изображений в контексте модели зрения // ТИИЭР. - 1972. - T.60, N 7. - С.93-108.
2. Hall Ch.F., Hall E.L. A nonlinear model for the spatial characte-ristics of the human visual systems. - IEEE Trans. Syst. Man and Cybern. - 1977. - V.SMC-7, - P. 161-170.
3. Власенко В.А., Лаппа Ю.М., Ярославский Л.П. Методы синтеза быстрых алгоритмов свертки и спектрального анализа. - М.: Наука, 1990. - 180 с.
4. Боде Г., Шеннон К. Упрощенное изложение линейной минимально-квадратичной теории сглаживания и предсказания // Теория информации и ее применение. - М.: Физматиз, 1959. - С.113-137.
5. Виткус Р.Ю., Ярославский Л.П. Адаптивные линейные фильтры для обработки изображений // Адаптивные методы обработки изображений / Под ред. В.И.Сифорова и Л.П.Ярославского.- М.: Наука, 1988. - С.6-35.
6. Andrews H. C. Monochrome digital image enhancement. Applied Optics, 1976. - Vol.15, N 2. - P. 495-503.
7. Стокхэм Т. мл., Кэннон Т.М., Ингебретсен Б.Б. Цифровое восстановление сигналов посредством неопределенной инверсной свертки // ТИИЭР. - 1975. - T.63, N 4. - С. 160-177.
8. Pratt W.K. Generalized Wiener Filter Computation Techniques. IEEE Trans. Computers. - 1972. - V.C-21, N 7. - P. 636-641.
9. Бьемон Ж., Лагендейк Р.Л., Марсеро Р.М. Итерационные методы улучшения изображений // ТИИЭР. - 1990. - T.78, № 5. - С. 58-84.
10. Бертеро М., Поджо Т.А., Торре В. Некорректные задачи в предварительной обработке визуальной информации // ТИИЭР. - 1988. - T.76, № 8. - С. 17-40.
11. Бейтс Р., Мак-Донелл М. Восстановление и реконструкция изображений. - М.: Мир, 1989. - 333 с.
12. Pratt W.K. Digital Image Processing.- New York: J. Wiley, 1978. - 750 p.

В оглавление книги \ К следующему разделу \ К предыдущему разделу