Мера оценки качества фильтрации шума на изображении с использованием непараметрической статистики

Автор(и)

  • Павел Юрьевич Костенко Харьковский национальный университет Воздушных Сил им. Ивана Кожедуба, Ukraine https://orcid.org/0000-0002-3382-0684
  • Валерий Валерьевич Слободянюк Харьковский национальный университет Воздушных Сил им. Ивана Кожедуба, Ukraine https://orcid.org/0000-0002-8291-8194
  • Константин Станиславович Васюта Харьковский национальный университет Воздушных Сил им. Ивана Кожедуба, Ukraine https://orcid.org/0000-0002-1978-3717
  • Владимир Иванович Василишин Харьковский национальный университет Воздушных Сил им. Ивана Кожедуба, Ukraine https://orcid.org/0000-0002-5461-0125

DOI:

https://doi.org/10.20535/S0021347020040032

Ключові слова:

изображение, аддитивный шум, фильтрация, оценка качества, фазовое пространство, BDS-статистика

Анотація

В статье предложена новая численная мера оценки качества фильтрации аддитивного белого гауссовского шума на цифровых изображениях, основанная на анализе близости разностного изображения к белому шуму. Часто такой анализ проводят визуально, что приводит к нежелательному субъективизму. С целью уменьшения влияния субъективизма на оценку качества фильтрации в статье проведен численный анализ разностного изображения с использованием свойств непараметрической BDS-статистики, которая применяется для анализа временной последовательности при проверке гипотезы о независимости и тождественном распределении ее значений. Рассматриваемая статистика может служить мерой качества различных методов фильтрации зашумленных изображений и дополняет арсенал известных мер качества изображений, используемых на практике, например, таких как PSNR, MSE и SSIM. Известно, что хорошее качество фильтрации изображения, с точки зрения этих мер, не всегда соответствует лучшему качеству фильтрации с точки зрения его визуального восприятия. Показано, что мера, использующая значения BDS-статистики, демонстрирует большую чувствительность к структурированности (зависимости) элементов разностного изображения, обусловленной выбранным методом фильтрации. С использованием моделирования алгоритмов фильтрации изображений, реализующих методы локальной и нелокальной фильтрации, проведен сравнительный анализ их качества, основанный на использовании BDS-статистики.

Біографії авторів

Павел Юрьевич Костенко, Харьковский национальный университет Воздушных Сил им. Ивана Кожедуба

профессор кафедры

Валерий Валерьевич Слободянюк, Харьковский национальный университет Воздушных Сил им. Ивана Кожедуба

преподователь кафедры

Посилання

О.В.Ошаровская, «Оценка показателей качества ТВ изображений Сборник научных трудов «Цифровые технологии», № 19, 2016. URI: https://ojs.onat.edu.ua/index.php/digitech/article/view/968.

R. C. Gonzalez and R. E. Woods, Digital Image Processing, 4th ed. Pearson, 2018.

M. A. Soto, J. A. Ramirez, and L. Thevenaz, “Optimizing Image Denoising for Long-Range Brillouin Distributed Fiber Sensing,” J. Light. Technol., vol. 36, no. 4, pp. 1168–1177, Feb. 2018, doi: https://doi.org/10.1109/JLT.2017.2750398.

A. Buades, B. Coll, and J. M. Morel, “A non-local algorithm for image denoising,” in Proceedings - 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR 2005, 2005, vol. II, pp. 60–65, doi: https://doi.org/10.1109/CVPR.2005.38.

A. Buades, B. Coll, and J. M. Morel, “Nonlocal image and movie denoising,” Int. J. Comput. Vis., vol. 76, no. 2, pp. 123–139, Feb. 2008, doi: https://doi.org/10.1007/s11263-007-0052-1.

А. С. Лукин, М. В. Сторожилова, and Д. В. Юрин, “Методы анализа качества фильтрации шума на изображениях компьютерной томографии,” in Труды 15-й международной конференции “Цифровая обработка сигналов и её применение” (DSPA’2013), 2013, pp. 85–88, Accessed: 05-Apr-2020. URI: https://imaging.cs.msu.ru//ru/publication?id=263.

В. И. Василишин, “Адаптивный вариант технологии суррогатных данных для повышения эффективности спектрального анализа сигналов собственноструктурными методами,” Известия вузов. Радиоэлектроника, vol. 58, no. 3, pp. 26–39, Mar. 2015, doi: https://doi.org/10.20535/s0021347015030036.

E. Pirondini, A. Vybornova, M. Coscia, and D. Van De Ville, “A Spectral Method for Generating Surrogate Graph Signals,” IEEE Signal Process. Lett., vol. 23, no. 9, pp. 1275–1278, Sep. 2016, doi: https://doi.org/10.1109/LSP.2016.2594072.

M. Small, Applied Nonlinear Time Series Analysis: Applications in Physics, Physiology and Finance, vol. 52. WORLD SCIENTIFIC, 2005.

П. Ю. Костенко, В. В. Слободянюк, and А. В. Плахотенко, “Метод фильтрации изображений с использованием сингулярного разложения и технологии суррогатных данных,” Известия вузов. Радиоэлектроника, vol. 59, no. 9, p. 36, Sep. 2016, doi: https://doi.org/10.20535/s0021347016090041.

П. Ю. Костенко, В. В. Слободянюк, and И. Л. Костенко, “Метод подавления шума на изображении в обобщенном фазовом пространстве с улучшенным показателем пространственной разрешающей способности,” Известия вузов. Радиоэлектроника, vol. 62, no. 7, pp. 443–452, Jul. 2019, doi: https://doi.org/10.20535/s0021347019070045.

L. Kanzler, “Very Fast and Correctly Sized Estimation of the BDS Statistic,” SSRN Electron. J., Aug. 2005, doi: https://doi.org/10.2139/ssrn.151669.

Опубліковано

2020-04-23

Як цитувати

Костенко, П. Ю., Слободянюк, В. В., Васюта, К. С., & Василишин, В. И. (2020). Мера оценки качества фильтрации шума на изображении с использованием непараметрической статистики. Вісті вищих учбових закладів. Радіоелектроніка, 63(4), 235–247. https://doi.org/10.20535/S0021347020040032

Номер

Розділ

Статті