Предварительная обработка при мультипликативной помехе

Источником мультипликативной помехи является освещенность.

Как правило, изменение освещенности медленное и следовательно она лежит в области нижних частот. Объекты обработки, как правило, насыщенны деталями и следовательно находятся в области верхних частот.

Методы линейной фильтрации в данном случае не применимы, так как они рассчитаны на аддитивную смесь сигнала и помехи. Поэтому применяется последующая последователь процедур:

1. Логарифмирования – ее целью является преобразования мультипликативной помехи в аддитивную.

2. Линейная фильтрация – ее целью является снижение низкочастотной помехи.

3. Экспондирование – возвращающая результат предыдущей обработки в исходное пространство.

Этот метод часто применяется на практике и процедура получила название Гомоморфная фильтрация. В некоторых случаях операцию Экспондирования не применяют. В этом случае говорят, что дальнейшая обработка выполняется в пространстве плоскостей. … .

Для того чтобы оценить качество предварительной обработки необходимо:

1. Иметь тестовые изображения.

2. Конкретизируется статистическая модель помех и в соответствии с этим в изображение вносится шум.

3. Производится предварительная обработка зашумленного изображения

4. Производится сравнения тестового изображения и изображения после предварительной обработки.

Как правило для сравнения сигналов применяется среднеквадратическая ошибка.

???

Lx, Ly – количество ошибок в строке и столбце попиксельно.

Целью предварительной обработки является снижение уровня помех. Снижение уровня помех оценивается по отношению сигнал-шум.

…

(по амплитутде)

(по мощности)

P – средняя мощность сигнала. –дисперсия во втором случае.

Для того, чтобы оценить отношение сигнал-шум нужно:

1. Оценить отношение на входе.

2. Оценить на выходе.

3. 

29.11.12

Сегментация заключается в объединении данных в однородные по какому-либо признаку или набору признаков в области.

Признаками сегментации могут быть:

1. Цвет

2. Признак контура (перепады интенсивности) – там где у нас перепад, мы ставим единицу, а где нету перепада ставим ноль.

3. Равноинтенсивности.

4. Признаки текстуры

5. Наличие или отсутствие объекта сегментации.

Целью сегментации является сокращение объема обрабатываемых данных.

…

Результат контурной сегментации представляет собой матрицу того же размера, что и контурное изображение. В этой матрице в пикселях, в которых существует перепад 1, в остальных 0. Матрица называется контурным аппаратом.

Для реализации этой процедуры могут применятся два подхода:

1. Дифференциальный

2. Корреляционно экстремальный

Дифференциальный подход контурной сегментации.

Этапы:

1. Дифференцирование.

2. Модуль.

3. Пороговое устройство.

Использование дифференциального подхода обеспечивает высокую точность и высокое быстродействие, но делает низкую устойчивость.

В рамках дифференциального подхода было разработано несколько методов позволяющих усилить перепад интенсивности с большей помехоустойчивостью, чем операции дифференцирования. В этом случае результат примерно такой:

…

К этим методам относятся операторы Собела, Кирхи, Робертса, курсовые операторы и т.д. Все эти методы отличаются только видом подчеркивания преобразования.

Свойство дифференциальных операторов зависят от свойств обрабатываемого класса изображения и помех. Так как эти свойства от одного класса обрабатываемого изображения к другому меняются, не существуют одинаково пригодных для всех изображений. Поэтому на практике используют несколько операторов и выбирают тот оператор, который устраивает разработчика информационной системы больше. Однако в рамках этого подхода обеспечить высокую помехоустойчивость невозможно.

Практический эксперимент:

10 10 10 10 10 40 40 40 40 40 10 10 10 10 10

-1 1 – маска. Результат будет выставляться в 1.

0 0 15 45 15 0 0 -15 -45 -15 0 0

0 0 0 1 0 0 0 0 0 1 0 0 0

Если уровень помех высокий, то тогда применяют корреляционно экстремальный подход.

Для начала мы составляем модель перепада интенсивности.

Для сравнения двух функции используется среднеквадратическая ошибка.

М- количество точек в апертуре обработки.

Модель перепада интенсивности сдвигается поэлементно в обрабатываемом изображении. В апертуре обработки вычисляется среднеквадратическая ошибка. Когда среднеквадратическая ошибка достигает минимума, мы установили перепад интенсивности в этой модели и проставляем 1 в соответствующую точку контурного аппарата. Помехоустойчивость этого метода зависит от апертуры обработки. Чем больше апертура обработки, тем меньше уровень шумов при сравнении с моделью.

- средняя мощность строки изображения в апертуре обработки.

– среднее значение модели

– средне корреляционная функция …

Среднеквадратическая ошибка достигает минимума в том случае, если взаимно корреляционная функция достигает максимума. Для расчета корреляционной функции существуют быстрые алгоритмы на базе быстрого преобразования Фурье, это позволяет сократить вычислительные затраты. Метод соответственно называется корреляционно экстремальным.

06.12.12

Если уровень фона и величина перепада интенсивности не известны, то в рамках корреляционно экстремального метода необходимо произвести точечную оценку уровня фона и величины перепада в апертуре обработки.

Цветовая сегментация

Пиксель цветного изображения можно представить себе как точку в трехмерном цветовом пространстве.

При выходе из однородной цветовой области меняются евклидовое расстояние между пикселями в трехмерном цветовом пространстве. Это расстояние можно трактовать как интенсивность. Поэтому результатом такого преобразования применимы рассмотренные ранее методы контурной сегментации. Поэтому результат такой обработки называют цветовыми контурами.

Текстурная сегментация

Текстуры подразделяют на три основных класса:

1. Упорядоченные или структурные текстуры.

Эти текстуры состоят из ограниченного набора структурных элементов (структурных примитивов), которые находятся в отношении геометрического порядка.

2. Спектральные текстуры – может быть описана как квазипериодическая функция.

Известно, что периодическую функцию можно представить в виде ряда Фурье, то-есть ограниченного числа гармонических колебаний. То-есть период следования и длительность сигнала может меняться в каких-то пределах.

Поэтому спектральную текстуру как аналог ряда Фурье можно представить как линейную комбинацию квазигармонических колебаний.

Квазигармонические колебания называются гармоникой, в которой амплитуда, частота и фаза могут меняться в определенных пределах по случайному закону.

3. Статистическая текстура – моделью такой текстуры является случайное поле, на границах которого происходит изменение числовой характеристики этого поля.

Методы сегментации статистических структур

Для того, чтобы произвести текстурную сегментацию выполняются следующие действия:

1. Выполняется апертура обработки.

2. В апертуре обработки производится статистическая оценка какого-либо признака вариации разброса.

3. Апертура обработки сдвигается вправо и действия повторяются до конца строки.

В рамках этого метода характеристики разброса преобразуются в интенсивность. Методы применяющие такое преобразование мы будем в дальнейшем называть детекторными.

Действия:

1. Найти в апертуре среднее значение

2. Из текущих значений вычитаем текущее значение.

На практике применяются следующие характеристики оценки разброса:

1. В апертуре обработки усредняются только положительные отклонения интенсивности от средне выборочного. Этот метод самый простой и быстрый, однако помехоустойчивость у него низкая. Эти действия называются амплитудное детектирование.

2. Усредняются модули отклонений интенсивностей от средне выборочного. Вычислительные затраты выше, но и помехоустойчивость повышается. Этот метод называется двух полупериодное .

3. Усредняет квадраты отклонений интенсивности от средне выборочного. Этот метод самый затратный и самый помехоустойчивый.

При увеличении апертуры обработки возрастает объем вычислительных затрат, уменьшается дисперсия статистической оценки и увеличивается протяженность перепада.

Повышение помехоустойчивости повышает качество выделения контура, а размытые перепады приводят к ухудшению этого качества.

Поэтому размеры апертуры выбирают в процессе настройки как компромисс между этими факторами.

Методы сегментации спектральных текстур.

Реализуются следующие действия:

1. Формируется апертура обработки

2. В апертуре обработки формируется оценка остаточного сигнала.

3. Спектральный состав сигнала преобразуется в интенсивность.

4. Сдвинуть апертуру на один пиксель и вернутся к пункту 2

5. К результатам такой обработки применяются методы контурной сегментации.

Разности в методе детектирования устройство преобразующее спектральный состав в интенсивность называется частотным детектором.

Простейшим частотным детектором является колебательный контур.

Рабочей областью является участок близкий к …

Структурная текстура

При сегментации структурных текстур применяются в основном эвристические алгоритмы. Из-за разнообразия текстур свести их к единым алгоритмам очень трудно.

13.12.12