(43-3) 17 * << * >> * Русский * English * Содержание * Все выпуски

Технология повышения детализации изображений с нелинейной коррекцией высокоградиентных фрагментов

Фурсов В.А., Гошин Е.В., Медведева К.С.

Самарский национальный исследовательский университет имени академика С.П. Королёва,

ИСОИ РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН

 PDF, 1981 kB

DOI: 10.18287/2412-6179-2019-43-3-484-491

Страницы: 484-491.

Аннотация:
Статья посвящена проблеме улучшения качества изображений, регистрируемых с помощью оптических приборов низкого разрешения, в том числе дифракционных регистрирующих приборов. Предлагается двухэтапная технология коррекции изображений. На первом этапе осуществляется коррекция с использованием линейного КИХ-фильтра с центрально-симметричным частотным откликом в виде отрезков квадратичной и экспоненциальной функций. Полученное изображение затем подвергается обработке нелинейным фильтром, который осуществляет компьютерное ретуширование участков изображений, характеризующихся заметным перепадом яркости. Преобразованию подвергаются лишь отсчёты, в которых модуль среднего значения градиентов в различных направлениях достаточно высокий, то есть находятся на границах областей с различным уровнем яркости. Это позволяет избежать усиления шумов в области фона, что характерно для традиционных фильтров. Приводятся примеры реализации, показывающие возможность достижения высокой резкости и иллюстрирующие простоту настройки фильтра по визуальному восприятию.

Ключевые слова:
цифровая обработка изображений, КИХ-фильтр, нелинейный фильтр, центрально-симметричный частотный отклик, слепая идентификация

Цитирование:
Фурсов, В.А.
Технология повышения детализации изображений с нелинейной коррекцией высокоградиентных фрагментов / В.А. Фурсов, Е.В. Гошин, К.С. Медведева // Компьютерная оптика. – 2019. – Т. 43, № 3. – С. 484-491. – DOI: 10.18287/2412-6179-2019-43-3-484-491.

Литература:

  1. Прэтт, У. Цифровая обработка изображений. Кн. 2 / У. Прэтт. – Пер. с англ. – М.: Мир, 1982. – 480 с.
  2. Lagendijk, R. Basic methods for image restoration and identification /R. Lagendijk, J. Biemond. – London: Academic Press, 2000..
  3. Computer image processing. Part II: Methods and algorithms / A.V. Chernov, V.M. Chernov, M.A. Chicheva, V.A. Fursov, M.V. Gashnikov, N.I. Glumov, N.Yu. Ilyasova, A.G. Khramov, A.O. Korepanov, A.V. Kupriyanov, E.V. Myasnikov, V.V. Myasnikov, S.B. Popov, V.V. Sergeyev, V.A. Soifer; ed. by V.A. Soifer. – VDM Verlag Dr. Müller. – 2010. – 584 p. – ISBN: 978-3-6391-7545-5.
  4. Nikonorov, A. Comparative evaluation of deblurring techniques for Fresnel lens computational imaging / A. Nikonorov, M. Petrov, S. Bibikov, Y. Yuzifovich, P. Yakimov, N. Kazanskiy, R. Skidanov, V. Fursov // 2016 23rd International Conference on Pattern Recognition (ICPR). – 2016. – P. 775-780. – DOI: 10.1109/ICPR.2016.7899729.
  5. Никоноров, А.В. Реконструкция изображений в дифракционно-оптических системах на основе свёрточных нейронных сетей и обратной свёртки / А.В. Никоноров, М.В. Петров, С.А. Бибиков, В.В. Кутикова, А.А. Морозов, Н.Л. Казанский // Компьютерная оптика. – 2017. – Т. 41, № 6. – С. 875-887. – DOI: 10.18287/2412-6179-2017-41-6-875-887.
  6. Steve, A. FIR filter design by windowing: Concepts and the rectangular window [Electronical Resource] / A.  Steve. – 2016. – URL: https://www.allaboutcircuits.com/technical-articles/finite-impulse-response-filter-design-by-windowing-part-i-concepts-and-rect/ (request date 29.05.2016).
  7. Petrou, M. Image processing: the fundamentals / M. Petrou, C. Petrou. – 2nd ed. – Chichester, West Sussex: John Wiley& Sons Ltd, 2010. – 818 p. – ISBN: 978-0-470-74586-1.
  8. Nikonorov, A. Correcting color and hyperspectral images with identification of distortion model / A. Nikonorov, S. Bibikov, V. Myasnikov, Y. Yuzifovich, V. Fursov // Pattern Recognition Letters. – 2016. – Vol. 83, Issue 2. – P. 178-187. – DOI: 1016/j.patrec.2016.06.027.
  9. Баврина, А.Ю. Метод параметрического оценивания оптико-электронного тракта системы дистанционного формирования оптического изображения / А.Ю. Баврина, В.В. Мясников, А.В. Сергеев // Компьютерная оптика. – 2011. – Т. 35, № 4. – С. 500-507.
  10. Lagendijk, R. Basic methods for image restoration and identification / R. Lagendijk, J. Biemond. – London: Academic Press, 2000.
  11. Saad, E. Defocus blur-invariant scale-space feature extractions / E. Saad, K. Hirakawa // IEEE Transactions on Image Processing. – 2016. – Vol. 25, Issue 7. – P. 3141-3156.
  12. Tian, D.Coupled learning for facial deblur / D. Tian, D. Tao // IEEE Transactions on Image Processing. – 2016. – Vol. 25, Issue 2. – P. 961-972.
  13. Peng, Y.-T.Underwater image restoration based on image blurriness and light absorption / Y.-T. Peng, P.C. Cosman // IEEE Transactions on Image Processing. – 2017. – Vol. 26, Issue 4. – P. 1579-1594.
  14. Zhu, X. Estimating spatially varying defocus blur from a single image / X. Zhu, S. Cohen, S. Schiller, P. Milanfar // IEEE Transactions on Image Processing. – 2013. – Vol. 22, Issue 12. – P. 4879-4891.
  15. Yan, R. Blind image blur estimation via deep learning / R. Yan, L. Shao // IEEE Transactions on Image Processing. – 2013. – Vol. 25, Issue 4. – P. 1910-1921.
  16. Huang, J. A robust deblurring algorithm for noisy images with just noticeable blur / J. Huang, H. Feng, Z. Xu, Q. Li, Y. Chen // Optik. – 2018. – Vol. 168. – P. 577-589.
  17. Tan, J. Mobile-deblur: A clear image will on the smart device / J. Tan, K. Yang, S. Song, T. Xing, D. Fang // 2017 3rd International Conference on Big Data Computing and Communications (BIGCOM). – 2017. – P. 97-105.
  18. Mustaniemi, J. Fast motion deblurring for feature detection and matching using inertial measurements / J. Mustaniemi, J. Kannala, S. Särkkä, J. Matas, J. Heikkilä // 2018 24th International Conference on Pattern Recognition (ICPR). – 2018. – P. 3068-3073.
  19. Aittala, M. Burst image deblurring using permutation invariant convolutional neural networks / M. Aittala, F. Durand // Proceedings of the European Conference on Computer Vision (ECCV). – 2018. – P. 731-747.
  20. Almeida, M. Blind and semi-blind deblurring of natural images / M. Almeida, L. Almeida // IEEE Transactions on Image Processing. – 2010. – Vol. 19, Issue 1. – P. 36-52.
  21. Фурсов, В.А. Разработка мобильного приложения для коррекции динамических искажений на изображениях / В.А. Фурсов, Э.Ф. Фатхутдинова // Научный сервис в сети Интернет: труды XX Всероссийской научной конференции. – 2018. – С. 468-479. – DOI: 10.20948/abrau-2018-23.
  22. Fursov, V.A. Identification of square-exponential FIR-filter parameters in the absence of a test image / V.A. Fursov // Procedia Engineering. – 2017. – Vol. 201. – P. 206-212. – DOI: 10.1016/j.proeng.2017.09.611.
  23. Фурсов, В.А. Построение КИХ-фильтров в заданном параметрическом классе частотных характеристик для коррекции дефокусировки / В.А. Фурсов // Компьютерная оптика. – 2016. – Т. 40, № 6. – С. 878-886. – DOI: 10.18287/2412-6179-2016-40-6-878-886.
  24. Фурсов, В.А. Построение квадратично-экспоненциальных КИХ-фильтров с расширенной средней областью частотного отклика / В.А. Фурсов // Компьютерная оптика. – 2018. – Т. 42, № 2. – С. 297-305. – DOI: 10.18287/2412-6179-2018-42-2-297-305.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20