1. Операторы подавления шумов

Изображение в процессе формирования передачи связи всегда подвергается действию различных помех, шумов, которые его искажают. Здесь используется, в зависимости от информации о происхождении шумов, различные методы фильтрации изображения. Эти методы включают в себя как очень простые (напр., простое усреднение), так и весьма сложные с громоздкими вычислениями.

Шумы, ошибки, появляющиеся в каналах связи, часто появляются как разрешенное изменение отдельных элементов (м/у ними нет статистической связи). В этом случае могу использоваться простые эвристические приемы для борьбы с такими искажениями.

Например, можно использовать простой пороговый метод. Он заключается в анализе соседних элементов изображения и если яркость его существенно отличается от яркости соседних элементов, то его яркость можно заменить на среднюю яркость соседних. Тем самым мы улучшим качество.

Часто шумы представлены более высокими частотами (высокочастотные шумы), но простая низкочастотная фильтрация может служить эффективным средством подавления таких шумов.

Выходной массив двумерного линейного дискретного фильтра (выражение для свертки, представленной в дискретном виде):

где h(l₁,l₂) – элементы массива H импульсной характеристики фильтра размерностью (L+1)*(L+1); x(n₁,n₂) – элементы массива обрабатываемого изображения, у- элементы выходного массива, х- элементы входного массива.

В зависимости от значений отсчетов h(l₁,l₂) мы получаем различные свойства фильтра, т.е. какова импульсная характеристика, таковы и свойства фильтра.

Сглаживающие массивы (шумоподавляющие маски):

В простейшем случае шумы можно сгладить низкочастотной фильтрацией с помощью массивов Н, которые содержат положительные элементы. Это ничто иное, как импульсные характеристики фильтра.

Рассмотрим первую Н. где все элементы=1. Это значит, если мы имеем входное изображение и в какой-то позиции импульсная характеристика располагается таким образом относительно входного изображения.

В соответствии с формулой, каждый отсчет импульсной характеристики не входной. Во входном изображении мы суммируем все элементы и делим на 9, т.е. находим среднее. Затем берем следующий отсчет и т.д.

2. Формулировка задачи видеослежения. Понятие центра объекта слежения

В поле зрения датчика могут находиться как участки фона, так и объект или объекты, за которыми ведется наблюдение. В реальных сценах в качестве фона могут выступать дома, дороги и т.п. Как правило, фон является неоднородным, на котором могут присутствовать объекты. Объекты наблюдения могут быть малоразмерными (точечными).

8. Билет 1. Адаптивная фильтрация Винера.

2. Модель наблюдения при слежении за объектом в присутствии неоднородного фона.

1. Адаптивная фильтрация Винера

Изображение в различных областях обладает разными свойствами с точки зрения величины присутствующих объектов, степени их пространственной изменчивости. А это требует различных по своим свойствам фильтров в различных зонах или областях изображения. Поэтому желательно, чтобы фильтр менял свои характеристики в зависимости от изображения, которое в данный момент обрабатывается, т.е. обладал адаптивными свойствами.

Если наблюдаемое изображение повреждено аддитивным гауссовским шумом с нулевым средним и дисперсией , то метод подавления шума на основе адаптивного фильтра Винера обеспечивает меньшую размытость контуров и мелких деталей. В соответствии с этим методом яркости точек профильтрованного изображения вычисляются на основе локальных оценок среднего значения и дисперсии яркости наблюдаемого изображения:

Где

K и L – размеры анализируемого участка изображения по вертикали и горизонтали соответственно. Чем меньше значение локальной оценки дисперсии, тем сильнее сглаживающие свойства фильтра. - локальная дисперсия изображения в целом.

2 крайности:

А) Пусть в какой-то зоне изображения его яркость постоянна, но шум присутствует. Чему будет равна ? Она будет равна дисперсии шума. Тогда = математическому ожиданию(т.е. среднему).

Б) Если изображение в какой либо зоне изменчиво, т.е. яркость меняется вокруг , тогда будет складываться из дисперсии самого изображения и дисперсии шума. Тогда примерно равно .

Итак. Будет меняться значение . И будет достигаться компромисс м/у сглаживающими свойствами и степенью искажения.