- •1. Видеоинформационный тракт сдз.
- •2. Информационные показатели качества сдз.
- •3 Оценка качества изображения по критерию пространственного разрешения (разрешающей способности)
- •4 Системотехнические показатели качества сдз.
- •5 Математические модели источника информации сдз: детерминированные и квазидетерминированные модели.
- •6. Модели непрерывного стационарного поля (Математические модели источника информации сдз)
- •7. Модели дискретизированного стационарного поля (Математические модели источника информации сдз)
- •8. Алгоритмы синтеза тестовых изображений в рамках моделей стационарного поля (Математические модели источника сдз)
- •9. Модели нестационарного поля (математические модели источника информации сдз)
- •10. Мозаичные модели разбиения (Математические модели источника информации сдз)
- •11. Мозаичные модели разбиения (Математические модели источника информации сдз)
- •12. Математические модели атмосферы
- •1) Атмосферная рефракция (искажения), искривление оптических лучей
- •2) Молекулярное и аэрозольное поглощения
- •3) Молекулярное и аэрозольное рассеяние
- •4) Помехи от посторонних источников
- •5) Атмосферная турбулентность
- •13. Математические модели оптической системы
- •1. Масштабирование
- •2. Расфокусировка (размытие). (Погрешность применения)
- •14 Общая структура математических моделей видеодатчика и ацп.
- •1. Свертка:
- •2. Дискретизируем:
- •15. Принцип действия и эквивалентная апертура видеодатчика на элт.
- •16. Принцип действия и эквивалентная апертура однокоординатного (линейного) пзс датчика.
- •1).Ячейка из k-электродов
- •17. Принцип действия и эквивалентная апертура двух координатного (матричного) пзс датчика.
- •18. Принцип действия и эквивалентная апертура матричного пзс-датчика с временной задержкой и накоплением.
- •19. Шумовые искажения изображений в видеодатчике.
- •20. Дополнительные искажения сигналов пзс-датчиках.
- •21. Квантование сигнала по уровню.
- •22. Анализ точности цифровых моделей непрерывных лис-систем: модель дискретной свёртки.
- •23. Анализ точности цифровых моделей непрерывных лис-систем: спектральная модель.
- •24. Анализ точности цифровых моделей непрерывных лис-систем: оптимальная модель.
- •25. Предварительная обработка входных сигналов при моделировании лис-системы.
- •26. Вычисление быстрой свертки на основе дпф и секционирования сигнала.
- •27. Принцип построения параллельно-рекурсивных ких-фильтров.
- •28. Общая схема расчета параллельно-рекурсивных ких-фильтров
- •29. Расчет параллельно-рекурсивного ких фильтра при аппроксимации их лис(лпп)-системы.
- •30. Расчет параллельно-рекурсивного ких-фильтра при аппроксимации частотной характеристики лис-системы.
- •31. Расчет параллельно-рекурсивного ких-фильтра для моделирования лис-системы.
- •32. Расчет параллельно-рекурсивного ких-фильтра для преобразования и синтеза стационарных случайных сигналов.
6. Модели непрерывного стационарного поля (Математические модели источника информации сдз)
При работе с моделями стационарного поля считается, что имеющееся изображение является фрагментом реализации пространственно-однородного 2D случайного стационарного поля (СП).
Стационарность означает, что любая наугад взятая точка имеет некое одинаковое распределение. Самый простой способ описания – плотность распределения вероятности (функции яркости – 1D).
1) Модель Гауссовского поля
2) Модель Релея (однопараметрическая и односторонняя)
3) Экспоненциальное.
4) Модель равномерного распределения
Для модели шума такие модели являются исчерпывающими. Для изображения, где пиксели связаны, являются неполными. Рассматривается не один пиксель, а его окрестность. – практически не реализуемо.
Другой способ – описание автокорреляционной функции (АКФ).
Три дежурные модели:
1) биэкспоненциальная АКФ (разделимая)
Энергетический спектр:
АКФ не одинакова по всем направлениям.
2) экспоненциальная АКФ (неразделимая)
– коэффициент анизотропности.
Модель изотропна при , и
Формула не удобна.
3) Гауссова АКФ
если – изотропная и разделимая
.
7. Модели дискретизированного стационарного поля (Математические модели источника информации сдз)
Продискретизируем АКФ
1) биэкспоненциальная АКФ (разделимая)
- не гарантирует изотропности (могут быть разные шаги дискретизации).
Можно воспользоваться соответствие непрерывных и дискретизированных сигналов:
2) экспоненциальная АКФ (не разделимая, изотропный вид)
- коэффициент анизотропности.
3) Гауссова АКФ
после эффект наложения 1-е слагаемое синтезировать, а др. – периодично его повторить
8. Алгоритмы синтеза тестовых изображений в рамках моделей стационарного поля (Математические модели источника сдз)
Плотности:
1) ;
2) Распределение Релея
3) Экспоненциальное распределение
4) Равномерное распределение
1. Биэспоненциальная FRA
Если взять , то
2. Неразделимая экспоненциальная
Если , то
3. Гауссовская
- коэфф-ты корреляции м/у отсчетами;
2)
3)
........
.......
Для Гауссовской модели:
Когда - не надо суммировать
Если =>Дроб. Рац. Z- преобразование(легко факторизуется)
9. Модели нестационарного поля (математические модели источника информации сдз)
1) Нестационарная на уровне мат. ожидания.
Было - стационарное поле
2) На уровне дисперсии
3) На уровне АКФ (уже не ЛПП система)
например, в случаи нестационарной биэкспоненциальной модели
уравнение системы:
Проблема с нахождением: .
Если квазистационарная, т.е. при медленном изменении локальных характеристик можно использовать уже известные методы (подставляя константы).
Синтез:
1) Синтез стационарного поля (например, );
2) Синтез поля такого же размера изменяющихся величин ( );
3) Комбинирование (Объединение);
10. Мозаичные модели разбиения (Математические модели источника информации сдз)
Изображение состоит из однородных областей, разделённых границами. Нужно описать характеристики поля внутри каждой области + границы (должны быть замкнутыми).
А) Статистическое описание границ
Рассматриваются небольшие области и задаются вероятности определённой конфигурации границ.
Пример 2x2:
|
|
|
|
|
|
||
|
|
||
|
- распределение вероятности, будем считать стационарным (не меняется по изображению);
Из условия неразрывности контурных линий:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
1 |
1 |
0 |
1 |
1 |
0 |
1 |
0 |
1 |
0 |
1 |
|
0 |
1 |
0 |
1 |
1 |
0 |
1 |
1 |
0 |
0 |
1 |
1 |
|
0 |
0 |
1 |
1 |
1 |
0 |
0 |
0 |
1 |
1 |
1 |
1 |
|
0 |
0 |
0 |
0 |
0 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
- вероятность клеток без границ;
вероятности изменения направления контура;
- направление не изменилось;
- развилка;
- описывают модель, если направление не важно.
Пример: r2= 0 -> области разбиты прямоугольники.
r1+r2+r3=1 – не пересекающиеся замкнутые области.