Адаптивний алгоритм зниження рівня імпульсного шуму на зображеннях з камер відеоспостереження
Анотація
Для перетворення оптичного сигналу в електричний зазвичай використовують світлочутливі матриці з великим числом дискретних елементів, виконаних за технологією приладів із зарядовим зв'язком (ПЗЗ) або на основі КМОП-технології.
До недоліків ПЗЗ і КМОП-технологій можна віднести виникнення імпульсного шуму перетворення на оцифрованих зображеннях, який погіршує візуальне сприйняття й істотно знижує ймовірність правильної ідентифікації в задачах розпізнавання образів. Зазвичай для очищення зображень від імпульсного шуму застосовують медіанні фільтри з фіксованою апертурою в межах кожної ітерації повноформатної обробки. До недоліків таких фільтрів можна віднести зниження чіткості відновленого зображення за великих рівнів шуму або недостатнє придушення завади за тих же шумових умов. Ці недоліки зумовили необхідність розробки алгоритму адаптивної медіанної фільтрації, в результаті якої відтворене зображення являє собою спільний результат обробки медіанними фільтрами з різною апертурою.
Суть алгоритму полягає у виділенні ділянок зображення з різним рівнем шуму та обробці цих ділянок фільтрами з різною апертурою. За об'єктивний критерій для оцінки ефективності роботи запропонованого алгоритму фільтрації прийнято критерій максимуму коефіцієнта кореляції між очищеним від шуму та незашумленим зображеннями за різних значень дисперсії шуму. В результаті проведеного математичного моделювання було встановлено, що зі зростанням дисперсії імпульсного шуму виграш алгоритму адаптивної медіанної фільтрації зростає по експонентному закону в порівнянні з алгоритмами, в яких використовуються фільтри з фіксованим значенням апертури.
Запропонований алгоритм можна використовувати для попередньої обробки зображень, призначених для розпізнавання системами машинного зору, сканування тексту, а також для поліпшення суб'єктивних характеристик зображення, таких як чіткість і контрастність.
Посилання
Aіficher E., Jervis B. Tsifrovaya obrabotka signalov. Prakticheskiy pohod [Digital signal processing. Practical hike]. Moskow, Wilyams, 2004, 992 р. [Rus]
Kelbert M., Piterbarg L. Mediannaya fil'tratsiya [Median filtration]. Kvant, 1990, no. 10, рр. 8–13. [Rus]
Radchenko Yu. S. [Signal reception efficiency against the background of combined interference with additional processing in the median filter]. Zhurnal radioelektroniki, 2001, no. 7, pp. 45. [Rus]
Kai Zhang, Wangmeng Zuo, Yunjin Chen et al. Beyond a gaussian denoiser: residual learning of deep CNN for image denoising. IEEE Transactions on Image Processing, 2017, vol. 26, no. 7, pp. 3142–3155. https://doi.org/10.1109/TIP.2017.2662206
Vydmysh A. A., Voznyak O. M., Kupchuk I. M., Boyko D. L. [Research of median filtering of one-dimensional signals]. Vibratsiyi v tekhnitsi ta tekhnolohiyakh, 2020, no.1(96), pp. 88–102. [Ukr]
Yarovoy, N. I. Adaptivnaya mediannaya filtratsiya [Adaptive median filtration]. Ekaterinburg, ControlStyle, 2006, 38 p. [Rus]
Chen Y., Pock T. Trainable nonlinear reaction diffusion: A flexible framework for fast and effective image restoration. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 14 p. https://doi.org/10.1109/TPAMI.2016.2596743
Sizov N. A., Rayevskiy V. P., Durandin D. P. et al. [The use of neural networks for cleaning images from noise]. Molodoy uchenyy, 2019, no. 27(265), pp. 34–36. [Rus]
Roth S., Black M. J. Fields of experts. International Journal of Computer Vision, 2009, vol. 82, no. 2, pp. 205–229. https://doi.org/10.1007/s11263-008-0197-6
Pavlov S. V., Saldan Y. R., Zlepko S. M. et al. Method of pre-processing tomografic images of the fundus. Information technology and computer engineering, 2019, vol. 45, no. 2, pp. 4–12. https://doi.org/10.31649/1999-9941-2019-45-2-4-12 [Ukr]
Vorobyov N. [One-dimensional digital median filter with three-count window]. ChipNews, 1998, no. 8, pp. 35. [Rus]
Semyonov I. V. Osobennosti ispolzovaniya mediannyih filtrov v sistemah upravleniya [Features of the use of median filters in control systems]. S.-Pb., GNTs RF-TsNII "Elektropribor", 2006, 77 p. [Rus]
D'yakonov V. P. MATLAB i SIMULINK dlya radioinzhenerov [MATLAB and SIMULINK for radio engineers]. Saratov, Profobrazovaniye, 2019, 976 c.
Yane B. Tsifrovaya obrabotka izobrazeniy [Digital image processing]. Мoskow, Technosfera, 2007, 584 p. [Rus]
Gosales R., Wuds R., Eddins S. Tsifrovaya obrabotka v srede MATLAB [Digital image processing]. Мoskow, Technosfera, 2006, 616 p. [Rus]
Авторське право (c) 2021 Садченко А. В., Кушніренко О. А., Троянський А. В., Савчук Ю. А.
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
