CC BY
9В.Н. Лазарев
ПРОБЛЕМЫ ОБРАБОТКИ ФОТОИЗОБРАЖЕНИЙ МЕТОДОМ ЛИНЕЙНОЙ ФИЛЬТРАЦИИ
Для решения задач слежения за аэродинамическими и космическими объектами и их распознаванием целесообразно привлекать как РЛК, так и оптико-электронные средства. Последние позволяют получить более точную информацию о форме, размерах и параметрах исследуемых объектов. Изображения объектов могут быть получены средствами космической разведки путём применения на околоземных орбитах разведывательных космических аппаратов, которые обеспечивают получение специальной фото и видео информации и передачи её на Землю. Однако качество полученных фото изображений порой оставляет желать лучшего. Для повышения качества и контрастности полученных снимков порой целесообразно применять методы линейной фильтрации.
Обычно изображения, сформированные информационными системами, искажаются действием помех. Это затрудняет как их визуальный анализ человеком-оператором, так и автоматическую обработку в ЭВМ.
Фундаментальной проблемой в области обработки изображений является эффективное удаление шума при сохранении важных для последующего семантического описания/ распознавания деталей изображения. Основные источники шума на цифровом изображении — это сам процесс его получения (оцифровки), а также процесс передачи. Например, в процессе получения изображения с помощью фотокамеры с ПЗС-матрицей, основными факторами, влияющими на величину шума, являются уровень освещённости и температура сенсоров.
В процессе передачи изображения могут искажаться помехами, возникающими в каналах связи. Например, при передаче изображения с использование беспроводной связи, оно может быть искажено в результате разряда молнии или других возмущений в атмосфере. Сложность решения данной задачи существенно зависит от рассматриваемой модели шума.
При восстановлении делается попытка реконструировать или воссоздать изображение, которое было до этого искажено, используя априорную информацию о явлении, которое вызвало ухудшение изображения. Поэтому методы восстановления основаны на моделировании процессов искажения и применении обратных процедур для воссоздания исходного изображения.
Этот подход обычно включает разработку критериев качества, которые дают возможность объективно оценить полученный результат. Напротив, методы улучшения изображений в основном представляют собой эвристические процедуры, предназначенные для такого воздействия на изображение, которое позволит затем использовать преимущества, связанные с психофизическими особенностями зрительной системы человека. Например, процедура усиления контраста рассматривается как метод улучшения, поскольку в результате её применения изображение, в первую очередь, становится более приятным для глаза, тогда как процедура обработки смазанного изображения, основанная на применении обратного оператора, рассматривается как метод восстановления.
Задача восстановления рассматривается лишь с момента получения уже искажённого
МБЛН 01? СОММиШСЛТКЖ Б((ШРМБШ: Iss. 1 (141). 2018
цифрового изображения; поэтому вопросы, касающиеся природы искажений, вносимых чувствительными элементами, цифровыми преобразователями и воспроизводящими устройствами, затрагиваются лишь поверхностно [1].
Как показано на рисунке 1, принятая модель процесса искажения предполагает действие некоторого искажающего оператора Н на исходное изображение /(х,у), что после добавления аддитивного шума даёт искажённое изображение g (х, у).
Задача восстановления состоит в построении некоторого приближения /(х, у), исходного изображения по заданному (искажённому) изображению g(х,у), некоторой информации относительно искажающего оператора Н, и некоторой информации относительно аддитивного шума х, у). Желательно чтобы наше приближение было как можно ближе к исходному изображению, и, в принципе, чем больше мы знаем об операторе Н и о функции ^ , тем ближе будет функция / (х, у) к функции /(х,у) .В основе подхода, применяемого в курсовом проекте, лежит использование операторов (фильтров), восстанавливающих изображение.
Искажённое изображение может быть представлено в пространственной области в виде:
g (х, у) = к (х, у) */{х, у) + л(х, у), (1)
где: к(х, у) — функция, представляющая искажающий оператор в пространственной области, а символ «*» используется для обозначения свертки.
Если иметь дело только с искажениями, вызванными наличием шума, то выражение (1) можно записать в виде:
g (х, у) = /(х, у) + л(х, у). (2)
Наиболее удобной моделью искажения изображений для исследования методов их восстановления является добавление аддитивного белого гауссова, а также импульсного шума к исходному изображению. Такая модель наиболее близка к реальному действию шумов, когда сигнал изображения подвергается воздействию множества различных случайных факторов [2].
Аддитивный гауссов шум характеризуется добавлением к каждому пикселю изображения значений из соответствующего нормального распределения с нулевым средним значением. Такой шум обычно вводится на этапе формирования цифровых изображений. Импульсный шум характеризуется заменой части пикселей на изображении значениями фиксированной или случайной величины. Такая модель шума связана, например, с ошибками при передаче изображений.
Простейшим методом ослабления аддитивного гауссова белого шума на изображениях является его фильтрация посредством линейного фильтра. В результате такой фильтрации ослабляется энергия шума. Также с помощью метода линейной фильтрации достигается расфокусировка изображения.
Расфокусировка может применяться как предварительный шаг обработки изображения, например, для удаления мелких деталей перед обнаружением больших объектов (задача распознавания космических объектов для войск ВКО).
Множество подходов к улучшению изображений распадается на две большие категории: методы обработки в пространственной области (пространственные методы) и методы обработки в частотной области (частотные методы). Термин пространственная область относится к
Искажающий Вое ста навл и ва-
оператор + «I ющий оператор
" 1 (филыр)
К*, у)
ИСКАЖЕНИЕ
ВОССТАНОВЛЕНИЕ
>Ах,у)
Рис. 1. Модель процесса искажения/восстановления фотоизображения
плоскости изображения как таковой, и данная категория объединяет подходы, основанные на прямом манипулировании пикселями изображения. Методы обработки в частотной области основываются на модификации сигнала, формируемого путёмприменениякизображению преобразования Фурье.
Поскольку пространственный метод обработки фильтруемого изображения требует меньших вычислительных затрат он будет наиболее предпочтительнее. Процессы пространственной обработки описываются уравнением:
Е(х, у) = Т [/(х, у)] , (3)
где: /(х, у) — входное изображение; е (х, у) — обработанное изображение; Т — оператор над /, определённый в некоторой окрестности точки (х, У) •
Главный подход в определении окрестности вокругточки (х, у) заключается в использовании квадратной или прямоугольной области — подмножества изображения, центрированного в точке (х, у) •
Центр данного подмножества передвигается от пикселя к пикселю, начиная, скажем, с верхнего левого угла. Оператор Т выполняется в каждой точке (х, у), давая в результате выход-ноезначение е дляданнойточки.
Чаще всего маска представляет собой небольшой (как правило 3*3 элемента) двумерный массив, значения коэффициентов маски внутри которого определяют существо процесса.
Процесс пространственной фильтрации основан на простом перемещении маски фильтра отточки к точке изображения, в каждой точке (х, у) отклик фильтра вычисляется с использованием предварительно заданных связей. В случае линейной пространственной фильтрации отклик задаётся суммой произведений коэффициентов фильтра на соответствующие значения пикселей в области, покрытой маской фильтра [3].
Важным вопросом при реализации операций пространственной фильтрации по окрестности является рассмотрение ситуации, когда центр фильтра приближается к границам изображения. Если же центр маски приближается к границе, то одна или несколько строк или столбцов маски будут находиться вне изображения. Существует несколько способов учесть это обстоятельство.
Как уже ранее было отмечено в данной работе рассматривается улучшение фотоизображений с аддитивным белым гауссовым и импульсным шумом, которое может быть осуществлено как программными, так и аппаратными методами.
СПИСОК ЛИТЕРАТУРЫ
1. Гонсалес Р., Вудс Р. Цифровая обработка изображений / Перевод с английского под редакцией Чочиа П.А. — Москва: Техносфера, 2005г. — 1072 с.
2. Хуанг Т. Обработка изображений и цифровая фильтрация / Перевод с английского к.т.н. Сорокин
Е.З. и к.т.н. В.А. Хлебородова. — Москва: «Мир», 1979г. - 320 с.
3. Яне Б. Цифровая обработка изображений. — Москва: Техносфера, 2007г. — 584 с.
