DOI: https://doi.org/10.20535/S0021347019070045
Открытый доступ Открытый доступ  Ограниченный доступ Доступ по подписке
Фрагмент зашумленного исходного изображения для обработки различными методами фильтрации

Метод подавления шума на изображении в обобщенном фазовом пространстве с улучшенным показателем пространственной разрешающей способности

Павел Юрьевич Костенко, Валерий Валерьевич Слободянюк, Игорь Леонидович Костенко

Аннотация


В статье предложен нелокальный метод подавления аддитивного шума на цифровом изображении, основанный на представлении изображения в матричном фазовом пространстве и использовании нетрадиционных методов многомерного статистического анализа, а именно — технологии суррогатных данных, которая позволяет из единственного снимка формировать псевдоансамбль «суррогатных» изображений с дальнейшим их усреднением. Данный подход основан на свойствах когерентного накопления сигнальной составляющей наблюдения и некогерентного накопления его шумовой компоненты по мере увеличения ансамбля наблюдений, что позволяет частично разрешить противоречие между уровнем подавления шумов и искажением или потерей малоразмерных деталей на изображении (снижение пространственной разрешающей способности). Проведено имитационное моделирование предложенного метода обобщенной SDT-фильтрации шума с использованием пакетов прикладных программ MathCad и Matlab. Выполнен сравнительный анализ пространственной разрешающей способности предложенного и некоторых известных методов подавления шума с использованием критерия разрешение–измерение и модифицированного критерия Релея. Показано, что предложенный метод демонстрирует лучшую пространственную разрешающую способность по сравнению с наиболее распространенными методами подавления шума, что подтверждается результатами имитационного моделирования.

Ключевые слова


аддитивный шум; шумоподавление; фазовое пространство; пространственная разрешающая способность; технология суррогатных данных

Полный текст:

PDF

Литература


Buades, A.; Coll, B.; Morel, J.-M. “A non-local algorithm for image denoising,” Proc. of 2005 IEEE Computer Society Conf. on Computer Vision and Pattern Recognition, CVPR’05, 20-25 June 2005, San Diego, USA. IEEE, 2005, Vol. 2, p. 60-65. DOI: https://doi.org/10.1109/CVPR.2005.38.

Soto, M. A.; Ramirez, J. A.; Thevenaz, L. “Optimizing image denoising for long-range Brillouin distributed fiber sensing,” J. Lightwave Technology, Vol. 36, No. 4, p. 1168-1177, Feb. 2018. DOI: https://doi.org/10.1109/JLT.2017.2750398.

Gonzalez, R. C.; Woods, R. E. Digital Image Processing, 2nd ed. Prentice Hall, 2002.

Грузман, И. С.; Киричук, В. С. Цифровая обработка изображений в информационных системах. Новосибирск: НГТУ, 2002.

Эфрон, Б. Нетрадиционные методы многомерного статистического анализа. Пер. с англ. М.: Финансы и статистика, 1988.

Костенко, П. Ю.; Слободянюк, В. В.; Плахотенко, А. В. “Метод фильтрации изображений с использованием сингулярного разложения и технологии суррогатных данных,” Известия вузов. Радиоэлектроника, Т. 59, № 9, С. 36–45, 2016. DOI: http://doi.org/10.20535/S0021347016090041.

Костенко, П. Ю.; Василишин, В. И. “Технология формирования суррогатных данных с использованием метода SSA для повышения эффективности спектрального анализа сигналов,” Известия вузов. Радиоэлектроника, Т. 58, № 8, С. 25–32, 2015. DOI: https://doi.org/10.20535/S0021347015080038.

Pirondini, E.; Vybornova, A.; Coscia, M.; Van De Ville, D. “A spectral method for generating surrogate graph signals,” IEEE Signal Processing Lett., Vol. 23, No. 9, p. 1275-1278, Sept. 2016. DOI: https://doi.org/10.1109/LSP.2016.2594072.

Рабинович, М. И.; Фабрикант, А. Л.; Цимринг, Л. Ш. “Конечномерный пространственный беспорядок,” Успехи физических наук, Т. 162, № 8, С. 1–42, 1992. DOI: https://doi.org/10.3367/UFNr.0162.199208a.0001.

Gershman, A. B.; Bohme, J. F. “Improved DOA estimation via pseudorandom resampling of spatial spectrum,” IEEE Signal Process. Lett., Vol. 4, No. 2, p. 54-57, Feb. 1997. DOI: https://doi.org/10.1109/97.554472.

Ширман, Я. Д. Разрешение и сжатие сигналов. М.: Сов. радио, 1974.


 

Цитируется в:

1. Мера оценки качества фильтрации шума на изображении с использованием непараметрической статистики
Павел Юрьевич Костенко, Валерий Валерьевич Слободянюк, Константин Станиславович Васюта, Владимир Иванович Василишин
Известия высших учебных заведений. Радиоэлектроника  Том: 63  Выпуск: 4  Пер. стр.: 235  Год: 2020  
doi: 10.20535/S0021347020040032

Метрики статей

Загрузка метрик ...

Metrics powered by PLOS ALM





© Известия высших учебных заведений. Радиоэлектроника, 2004–2020
При копировании активная ссылка на материал обязательна
ISSN 2307-6011 (Online), ISSN 0021-3470 (Print)
т./ф. +38044 204-82-31, 204-90-41
Условия использования сайта