Методы цифровой обработки сигналов для решения прикладных задач, Марчук В.И., 2012


Методы цифровой обработки сигналов для решения прикладных задач, Марчук В.И., 2012.

  Рассмотрены актуальные вопросы цифровой обработки сигналов для решения практических задач. Проведен анализ методов автоматического оценивания дисперсии помех по базе тестовых изображений. Представлены адаптивные методы подавления помех при цифровой обработке изображений. Предложены методы сжатия многоканальных сигналов, а также методы и алгоритмы реконструкции значений цифровых изображений. Результаты получены коллективами ученых России, Украины, Финляндии, Сербии, Франции. Для научных работников, преподавателей и студентов, специализирующихся на решении прикладных задач в области цифровой обработки сигналов, а также инженеров, занимающихся разработкой и внедрением систем цифровой обработки сигналов.

Методы цифровой обработки сигналов для решения прикладных задач, Марчук В.И., 2012

Методы, основанные на максимальном правдоподобии (МП) оценок шума и параметров изображения.
Цель разработки таких методов [32, 33] - получение лучших результатов для высокотекстурных изображений. Для хорошей работы методов, основанных на вейвлетах и ДКП, должно выполняться основное условие: СКО числа больших спектральных коэффициентов, соответствующих текстуре, должно быть мало по сравнению с СКО шума. Тогда возможно детектировать (выбрать) эти коэффициенты и использовать их для оценивания дисперсии шума. Однако для высокотекстурных изображений и/или низкого уровня шума данное условие может быть смягчено, если можно предсказывать наличие больших спектральных коэффициентов, соответствующих текстуре, опираясь на низкие и средние (по амплитуде) спектральные коэффициенты. Так было сделано в [32, 33] путем представления параметрической модели текстуры - двумерной модели фрактального Броуновского движения (фБд). Эта модель может быть локально скорректирована в статистическом смысле в зависимости от амплитуды и шероховатости текстуры. Далее задача оценивания дисперсии шума формулируется как проблема МП-совместного оценивания параметров текстуры (локально) и дисперсии помех (глобально). Данный подход эффективен для оценивания дисперсии некоррелированных аддитивных и мультипликативных помех [32, 33]. Однако возможны смещения оценок, если текстура существенно отличается от фБд-модели. Детектирование таких различий очень важно для обеспечения надежного оценивания дисперсии шума.

Если шум коррелированный, то его корреляционная матрица должна быть учтена в МП-подходе, иначе оценка дисперсии будет смещенной. Чтобы обойти проблему неизвестной корреляционной функции шума, предлагается следующая модификация: шум преобразуется в пространственно некоррелированный путем прореживания исходного изображения в процессе обработки. На практике, как правило, достаточно прореживания в 2...3 раза в обоих направлениях (учитывая, что ширина корреляционной функции шума обычно не превышает 1...2 пкс). После этого для автоматического оценивания дисперсии помех может применяться метод оценки дисперсии по максимуму правдоподобия (ОДМП) [32, 33].

ОГЛАВЛЕНИЕ
Предисловие
ГЛАВА 1
Анализ методов автоматического оценивания дисперсии помех по базе тестовых цифровых изображений
1.1. Набор тестовых изображений и характеристики шума
1.2. Автоматические методы оценивания дисперсии аддитивного шума
1.2.1. Методы, работающие в пространственной области
1.2.2. Методы, базирующиеся на использовании различий характеристик изображения и шума в области пространственного спектра
1.2.3. Методы, основанные на максимальном правдоподобии (МП) оценок шума и параметров изображения
1.3. Анализ точности рассматриваемых методов
1.3.1. Оценивание дисперсии пространственно некоррелированного шума
1.3.2. Оценивание дисперсии пространственно коррелированного шума
1.4. Проблемы оценивания дисперсии
Литература
ГЛАВА 2
Подавление помех при цифровой обработке изображений методом локально-адаптивной дискретно-косинусной фильтрации
2.1. Исходные предположения о характеристиках помех и проблемы их локальной оценки
2.2. Структура локально-адаптивного ДКП-фильтра
2.3. Оценивание локальной дисперсии и индикация локальной неоднородности
2.3.1. Оценивание локальной дисперсии для пространственно некоррелированных помех
2.3.2. Оценивание локальной дисперсии для пространственно коррелированных помех
2.3.3. Обнаружение локальных неоднородностей при нестационарном шуме
2.4. Локально-адаптивная фильтрация нестационарных помех
2.5. Примеры применения разработанных фильтров к реальным изображениям
Литература
ГЛАВА 3
Методы сжатия многоканальных цифровых сигналов на основе дискретного косинусного преобразования
3.1. Модель многоканальных сигналов
3.2. Методы сжатия многоканальных сигналов
3.3. Исследование характеристик метода сжатия многоканальных сигналов на основе ДКП
Литература
ГЛАВА 4
Метод реконструкции значений утраченных точек изображений по энтропии коэффициентов ДКП
4.1. Новый метод оценки значений утраченных пикселей, основанный на минимизации энтропии ДКП блока изображения
4.2. Использование предложенного метода для устранения импульсного шума
4.3. Использование предложенного метода для реконструкции потерянных участков изображений
Литература
ГЛАВА 5
Метод реконструкции двумерных сигналов
5.1. Исследование метода exemplar-based image inpainting (ЕВМ)
5.2. Реконструкция цифровых изображений на основе принципа подобия блоков в пространстве Lp
5.3. Исследование метода реконструкции цифровых изображений на основе принципа подобия блоков в пространстве Lp
Литература.



Бесплатно скачать электронную книгу в удобном формате и читать:

Скачать книгу Методы цифровой обработки сигналов для решения прикладных задач, Марчук В.И., 2012 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать




Скачать книгу Методы цифровой обработки сигналов для решения прикладных задач, Марчук В.И., 2012 - djvu - Яндекс.Диск.
Дата публикации:





Теги: ::


Следующие учебники и книги:
Предыдущие статьи:


 


 


Книги, учебники, обучение по разделам




Не нашёл? Найди:





2016-12-02 22:55:42