Линейные операторы с векторными масками в задачах цифровой обработки изображений
Автор: Новиков А.И., Пронькин А.В.
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 4 т.47, 2023 года.
Бесплатный доступ
В работе обосновывается целесообразность применения векторных масок для решения определенного круга задач цифровой обработки изображений. Основное преимущество векторных масок по сравнению с матричными масками заключается в сокращении вычислительной сложности алгоритмов при сохранении, а в некоторых задачах и в улучшении качественных показателей. В статье демонстрируются примеры применения векторных масок в задаче оценивания уровня дискретного белого шума в составе изображения и конструирования на этой основе корректно работающего сигма-фильтра, в задаче детектирования границ для получения сглаженных оценок частных производных, в задаче обнаружения прямых в составе контурного изображения. В работе используются результаты, полученные авторами в их более ранних публикациях.
Линейные операторы, векторная маска, свертка, оценивание дисперсии шума, детектирование границ, контурное изображение, выделение прямых
Короткий адрес: https://sciup.org/140301833
IDR: 140301833 | DOI: 10.18287/2412-6179-CO-1241
Список литературы Линейные операторы с векторными масками в задачах цифровой обработки изображений
- Kostyashkin LN, Nikiforov MB, eds. Image processing in aviation vision systems [In Russian]. Moscow: "Fizmatlil" Publisher; 2016.
- Alpatov BA, Babayan PV, Balashov OE, Stepashkin AI. Methods for automatic detection and tracking of objects [In Russian]. Moscow: "Radiotehnika" Publisher; 2008.
- Gonzalez RC, Woods RE. Digital image processing. Pearson; 2005.
- Soifer VA, Sergeev VV, Popov SB, Myasnikov VV. Theoretical foundations of digital image processing [In Russian]. Samara: Samara National Research University named after Academician S.P. Koroleva Publisher; 2000.
- Tomasi C. Manduchi R. Bilateral filtering for grey and color images. Sixth Int Conf on Computer Vision 1998: 839-846.
- Lee JS. Digital image smoothing and the sigma filter. Comput Graph Image Process 1983; 24(2): 255-269.
- Vizilter UV, Zheltov SU, Bondarenko AV. Image processing and analysis in machine vision problems [In Russian]. Moscow: "Fizmatkniga" Publisher; 2010.
- Schowengerdt RA. Remote sensing: Models and methods for image processing. Amsterdam: Elsevier Ink; 2006.
- Novikov AI, Pronkin AV. Detector of gradient type borders for understanding surface images [In Russian]. Vestnik RGRTU 2019; 68: 68-76. DOI: 10.21667/19954565-2019-68-2-68-76.
- Hough PV. Machine analysis of bubble chamber pictures. 2nd Int Conf on High Energy Accelerators and Instrumentation 1959: 554-558.
- Ershov EI, Terekhin AP, Karpenko SM, Nikolaev DP. On the exact estimation of inaccuracies in the line approximation in the fast hough transform algorithm [In Russian]. Information Technology and Systems 2015: An IITP RAS Interdisciplinary Conference & School 2015. 858-868.
- Novikov AI, Melnikova ES, Ustykov DI. Straight line detection method for images based on the proporties of curvature. 22th Int Conf on Digital Signal Processing and its Applications (DSPA) 2020: 1-4.
- Kendall MJ, Stewart A. Multivariate statistical analysis and time series [In Russian]. Moscow: "Nauka" Publisher; 1976.
- Anderson TW. The statistical analysis of time series. New York: John Wlley and Sons Inc; 1994.
- Novikov AI. The formation of operators with given properties to solve original image processing tasks. Pattern Recognition and Image Analysis 2015; 25: 230-236. DOI: 10.1134/S1054661815020194.
- Novikov AI, Pronkin AV. Methods for image noise level estimation. Computer Optics 2021; 45(5): 713-720. DOI: 10.18287/2412-6179-CO-894.
- Donoho DL. De-noising by soft-thresholding. IEEE Trans Inf Theory 1995; 41(3): 613-627.
- Olsen SI. Noise variance estimation in images. 8th Scandinavian Conference on Inage Analysis 1993.
- Ghazal M, Amer A, Ghrayeb A. Structure-oriented spatiotemporal video noise estimation. IEEE Int Conf on Acoustics Speech and Signal Processing 2006: 845-848.
- Lapshenkov EM. No reference estimation of noise level of digital image is based on harmonic analysis [In Russian]. Computer Optics 2012; 36(3): 439-447.
- Voskoboinikov UE, Krysov DA. Estimation of the noise measurement characteristics in the model "Signal + Noise" [In Russian]. Automatics and Software Enginery 2018; 3(25): 54-61.
- Canny J. A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence 1986; 8: 679-698.
- Novikov AI, Pronkin AV. Method and program for detecting borders of brightness difference [In Russian]. Proc VI Int Conf on Information Technology and Nanotechnology (ITNT) 2020; 2: 111-119.
- Brady ML, Yong W. Fast parallel discrete approximation algorithms for the Radon transform. Proc fourth annual ACM Symposium on Parallel Algorithms and Architectures 1992: 91-99.
