CC BY
10
УДК 004.85
Иващенко В.Ю. студент магистратуры кафедра информационных систем и информатики
Костанайский государственный университет имени А. Байтурсынова Казахстан, г. Костанай ВОССТАНОВЛЕНИЕ ИЗОБРАЖЕНИЙ И РАЗЛИЧНЫЕ ТЕХНИКИ РЕСТАВРАЦИИ ИСПОЛЬЗУЕМЫЕ В СФЕРЕ ОБРАБОТКИ
ВИЗУАЛЬНЫХ ЦИФРОВЫХ РЕСУРСОВ Аннотация: Область цифровой обработки изображений связана не только с извлечением признаков, анализом изображений и их восстановлением, но также с процессом улучшения, фильтрации и восстановления. Восстановление изображения является одним из основных этапов обработки, который связан с определенными улучшениями цифрового изображения на основе некоторых предварительно определенных критериев. Основная цель восстановления состоит в создании или реконструкции изображения, которое ухудшилось на основе некоторых предварительных знаний о явлениях деградации изображений. Процесс восстановления носит объективный характер, то есть; он нацелен на достижение конкретной цели, такой как устранение размытия на изображении с помощью функции размытия. Методы, используемые при восстановлении изображений, могут быть сформулированы в пространственной или частотной области. Восстановление изображения основано на вероятностных моделях деградации изображения. Таким образом, восстановление изображений приводит к тому, что изображения выглядят лучше.
Ivashchenko V.Y.
graduate student
Department of Information Systems and Informatics Kostanay State University named after A.
Baitursynov Kazakhstan, Kostanay IMAGE RESTORATION AND VARIOUS RESTORATION TECHNIQUES USED IN THE PROCESSING OF VISUAL DIGITAL
RESOURCES
Annotation: The area of digital image processing is not only related to feature extraction, image analysis and recovery, but also to the process of improvement, filtration and recovery. Image recovery is one of the main processing steps that involves certain digital image enhancements based on some predefined criteria. The main purpose of restoration is to create or reconstruct an image that has deteriorated based on some preliminary knowledge of the phenomena of image degradation. The recovery process is objective, i.e., it aims to achieve a specific goal, such as removing blurring from the image using the blur function. Methods
used in image restoration can be formulated in the spatial or frequency domain. Image reconstruction is based on probabilistic models of image degradation. Thus, image recovery results in better image appearance.
Обработка изображений - это технология, в которой мы улучшаем данные (необработанные изображения), получаемые с сенсоров, размещенных на различных предметах нашей жизни для различных конкретных применений. Результат более качественный, так как объекты хорошо видны по сравнению с исходным воспринимаемым изображением. Существуют различные фундаментальные этапы обработки изображений: представление изображений, предварительная обработка изображений, улучшение, восстановление, анализ, реставрация изображений и сжатие данных изображений.
Восстановление изображения: Проблемы восстановления изображений связаны с удалением или уменьшением ухудшений, которые возникают при получении изображений, например, шумов, ошибок в пиксельном значении, размывания вне фокуса или движения камеры с использованием предварительных знаний о явлении размывания. Это означает, что восстановление изображения занимается моделированием деградации и применением обратного процесса для реконструкции изображения. Восстановление изображений имеет широкую область применения.
Целью восстановления изображений является компенсация или отмена эффектов [1].
Предназначение методов восстановления изображений состоит в моделировании ухудшений, таких как размытость и шум, что предполагает применение различных фильтров для получения приближения исходной картинки [3].
Входное изображение ухудшается функцией деградации скажем И(х, у) и каналом шума передачи п(х, у), ухудшение изображения g(x, у). При восстановлении изображения целью является получение приблизительной цели на входе. Размытое изображение можно описать следующим уравнением [2].
g(x, у) = Ь(х, у) * Г(х, у) + п(х, у)
МЕТОДЫ ВОССТАНОВЛЕНИЯ Медианный фильтр
Это статистический метод, который отражается в названии. В этом методе значение пикселя заменяется медианной найденных пикселей в
соседнем районе. Используется для удаления различного вида шумов. Метод широко используется и может превосходно снижать уровень шума на изображениях. Эта фильтрация устраняет шум, но сохраняет края. Медианный фильтр имеет тенденцию к преодолению размытости изображения, что является его преимуществом перед сглаживающей моделью.
Адаптивный фильтр При адаптивном изменении поведения фильтрации основано на статистических характеристиках изображения внутри области фильтрации. Это тот тип линейного фильтра, который имеет передаточную функцию, управляемую переменным параметром. Для устранения импульсных помех в изображениях эти фильтры используют цветовое и серое пространство по сравнению с другими фильтрами. Адаптивный фильтр имеет лучшие результаты шумоподавления, лучше сохраняет края и, следовательно, обеспечивает лучшее качество.
Линейные фильтры При применении линейного фильтра, мы заменяем каждый пиксель линейной комбинацией соседних пикселей. Выполняемые операции включают резкость, сглаживание и обработку кромок. Данный тип фильтра реализован в соляных и перцовых и гауссовых шумах [6].
Метод IBD (итеративная слепая деконволюция) Эта техника была предложена Айером и Дайером (1988). Это метод слепой деконволюции. В этом методе вычисляется преобразование Фурье, что приводит к меньшему количеству вычислений. В этом методе восстановление изображений осуществляется (малозначительным или нулевым) предварительным знанием PSF (Реакция системы визуализации на точечный источник или точечный объект (функция точечного распространения)). Это приводит к высокому разрешению и качеству изображения. Недостатком этого метода является то, что конвергенция не гарантирована.
Рекурсивная обратная фильтрация без негативных и поддерживающих
ограничений (NAS-RIF) Этот метод фильтрации был предложен Д.Кунде. Цель заключается в реконструкции достоверного оценочного изображения на основе размытого изображения. В этом алгоритме производится оценка целевого изображения. Функция ошибки минимизируется для того, чтобы сделать оценку, которая содержит области изображения. Преимущество состоит в том, что нам нужно только найти область поддержки целевой области и быть осторожными, чтобы полученная оценка была положительной.
Алгоритм восстановления сверхвысокого разрешения на основе градиентной адаптивной интерполяции Основная идея заключается в том, что локальный градиент пиксела влияет на значение интерполированного пиксела в "острых" областях изображения. Влияние обратно пропорционально локальному градиенту пикселя. В этом методе решаются три подзадачи: регистрация, слияние и
размывание. Преимуществом данного алгоритма является низкая вычислительная сложность [5].
Деконволюция с использованием сепараторного приора Задача деконволюции сформулирована в этом алгоритме в соответствии с наблюдением, которое определяет максимальную а-периодическую оценку исходного изображения. Кроме того, в алгоритме используется ранее применявшийся пространственный диапазон производных изображений. Метод был успешно применен к необработанным изображениям.
Согласование блоков В согласовании блоков используются блоки с высокой корреляцией, поскольку на его точность существенно влияет наличие шума. Используется мера сходства блоков, которая выполняет грубое начальное подавление шума в локальной области двумерного преобразования, или размытие удаляется из каждого блока в этом методе путем разделения изображения на блоки.
Очистительный фильтр Фильтр Винера включает в себя как функцию деградации, так и статистические характеристики шума в процессе восстановления. Основная цель метода - найти оценочное значение некорректного изображения таким образом, чтобы среднее квадратное значение между ними было сведено к минимуму. Недостатком обратной и псевдо инверсной фильтрации является их шумочувствительность. Но фильтрация сосисок не чувствительна к шуму, поэтому это является преимуществом Фильтра Винера. Его эффективность лучше в присутствии шума. [4]
Деконволюция с использованием регуляризованного фильтра (ОКБ) Это еще одна категория техники не слепой деконволюции. Когда к восстановленному изображению применяются ограничения, подобные гладкости, и известна ограниченная информация о шуме, тогда эти методы могут эффективно использоваться. Используя регуляризованный фильтр, путем восстановления методом наименьших квадратов, ухудшенное изображение фактически восстанавливается.
Методы алгоритма Люси-Ричардсона Восстановление изображения делится на слепой и не слепой деконволюции. Техника Ричардсон-Люси является самой популярной в области астрономии и медицинской визуализации. Причиной популярности является ее способность производить реконструированные изображения хорошего качества при наличии высокого уровня шума. Люси и Ричардсон представили миру алгоритм в начале 1970-х годов изходя из теоремы Байеса. Люси Ричардсон - нелинейный итерационный метод. Он получает гораздо больше признания, чем линейные методы, так как здесь получены лучшие результаты.
Приложения по восстановлению 1. В области астрономических применений, для которых характерен пуассонный шум, гауссонский шум; восстановление изображений сыграло очень важную роль в области визуализации.
2. Техника SR также полезна в медицинской визуализации, такой как компьютеризированная томография (КТ) и магнитно-резонансная визуализация (МРТ) Поскольку разрешение при его ограниченном качестве возможно получение нескольких изображений. Это может помочь хирургу более успешно оперировать именно ту часть тела, которая находится под наблюдением.
3. По мультиспектральным полосам спутниковой съемки восстановление мультиспектральных снимков может осуществляться с целью повышения разрешения получаемых спутниковых снимков.
4. Улучшение качества кадров мобильной камеры.
5. Для улучшения разрешения видеоизображения оценка размытости движения может выполняться в приложениях обработки видеоизображений в режиме реального времени.
Вывод
Восстановление изображений - сложная задача, которую нужно решить. Основной целью данной статьи является проведение сравнительного исследования. Хотя каждая техника имеет свой способ решения проблемы и имеет свои плюсы и минусы. Из приведенных выше методов можно сделать вывод, что использование методов регулируется пониманием, требований и стандартов для достижения необходимых результатов. Перед применением любой техники фильтрации; Предполагается, что исследователь должен понимать, что требуется надлежащий анализ, хотя множество источников категорически утверждают, что алгоритмы Винера и Люси-Ричардсон, как ожидается, дают лучшие результаты.
Использованные источники:
1. Er.Neha Gulati, Er.AjayKaushik, Remote Sensing Image Restoration Using Various Techniques - Калифорния: O'Reilly, 2012. - 123 с.
2. Er. Priya Tiwari, Analysis of Image Restoration Techniques for Developing Better Restoration Method - Нью - Йорк: Basic Books, 2011. - 59 с.
3. Charu Khare, Image Restoration Technique with Non Linear Filter -Калифорния: O'Reilly, 2016. - 96 с.
4. M.B kathale, Restoration using statistical modelling - Нью - Йорк: Lulu.com, 2013. - 28 с.
5. Giacomo Boracchi, Modelingthe Performance of Image Restoration from Motion Blur - Калифорния: O'Reilly, 2014. - 156 с.
6. Shilpa Chadury, Restoration Based On Deconvolution by Richardson Lucy Algorithm - Нью - Йорк: Basic Books, 2012. - 53 с.
7. G.Sivarajde, A hybrid filtering technique for eliminating uniform noise and impulse noise in digital image Signal & Image Processing - Калифорния: O'Reilly, 2015. - 125 с.
