Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения
- Редакционная этика


Контакты

Подписка

Карта сайта




Журнал с 19.02.2010 входит в новый «Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертации на соискание ученой степени доктора и кандидата наук»
Аннотации (05.2011) : ПРИЕМ “УСЕЧЕНИЕ–РАЗМЫТИЕ–ПОВОРОТ” ДЛЯ ВОССТАНОВЛЕНИЯ ИСКАЖЕННЫХ ИЗОБРАЖЕНИЙ

ПРИЕМ “УСЕЧЕНИЕ–РАЗМЫТИЕ–ПОВОРОТ” ДЛЯ ВОССТАНОВЛЕНИЯ ИСКАЖЕННЫХ ИЗОБРАЖЕНИЙ

© 2011 г. В. С. Сизиков, доктор техн. наук

 

Санкт-Петербургский государственный университет информационных технологий, механики и оптики, Санкт-Петербург

E-mail: sizikov2000@mail.ru

 

Рассматривается задача восстановления искаженных (смазанных, дефокусированных, зашумленных) серых и цветных изображений. Устранение смазывания и дефокусирования изображений выполняется путем решения интегральных уравнений методом регуляризации Тихонова или параметрической фильтрации Винера, а устранение шума – методом адаптивной фильтрации Винера или медианной фильтрации. Вместо так называемых “граничных условий” предлагается обобщенный прием усечения изображения, а для понижения эффекта Гиббса – обобщенный прием размытия краев изображения. Для моделирования смазывания изображения под произвольным углом предложен прием поворота изображения. Методика реализована в виде m-файлов в системе MatLab. Выполнена обработка модельных и натурных изображений.

 

Ключевые слова: смазывание, дефокусирование, зашумление изображения, “граничные условия”, усечение, размытие, поворот изображения.

 

Коды OCIS: 100.0100, 100.2000

УДК 621.397.3: 517.968

Поступила в редакцию 02.11.2010

 

ЛИТЕРАТУРА

1. Сизиков В.С., Римских М.В., Мирджамолов Р.К. Реконструкция смазанных и зашумленных изображений без использования граничных условий // Оптический журнал. 2009. Т. 76. № 5. С. 38–46.

2. Сизиков В.С., Белов И.А. Реконструкция смазанных и дефокусированных изображений методом регуляризации // Оптический журнал. 2000. Т. 67. № 4. С. 60–63.

3. Сизиков В.С. Математические методы обработки результатов измерений. СПб.: Политехника, 2001. 240 с.

4. Petrov Yu.P., Sizikov V.S. Well-Posed, Ill-posed, and Intermediate Problems with Applications. Leiden–Boston: VSP, 2005. 234 p.

5. Сизиков В.С. Применение аппарата интегральных уравнений для реконструкции искаженных изображений // Сб. тез. конф. “Интегральные уравнения – 2009”. Киев: Изд-во ИПМЭ, 2009. С. 128–130.

6. Сизиков В.С. Интегральные уравнения и новый прием “усечение–размытие–поворот” в реконструкции искаженных изображений // Proc. Intern. Conf. “Integral Equations – 2010”. Lviv: PAIS, 2010. P. 138–142.

7. Тихонов А.Н., Гончарский А.В., Степанов В.В. Обратные задачи обработки фотоизображений // Некоторые задачи естествознания / Под ред. Тихонова А.Н., Гончарского А.В. М.: Изд-во МГУ, 1987. С. 185–195.

8. Бакушинский А.Б., Гончарский А.В. Некорректные задачи. Численные методы и приложения. М.: Изд-во МГУ, 1989. 199 с.

9. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006. 1072 с.

10. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006. 616 с.

11. Арефьева М.В., Сысоев А.Ф. Быстрые регуляризирующие алгоритмы цифрового восстановления изображений // Вычислит. методы и программирование. 1983. В. 39. С. 40–55.

12. Горшков А.В. Улучшение разрешения изображений при обработке данных физического эксперимента и нахождение неизвестной аппаратной функции по программам пакета Reimage // Приборы и техника эксперимента. 1995. № 2. С. 68–78.

13. Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах. Новосибирск: Изд-во НГТУ, 2000. 168 с.

14. Воскобойников Ю.Е., Литасов В.А. Устойчивый алгоритм восстановления изображения при неточно заданной аппаратной функции // Автометрия. 2006. Т. 42. № 6. С. 3–15.

15. Ягола А.Г., Кошев Н.А. Восстановление смазанных и дефокусированных цветных изображений // Вычислит. методы и программирование. 2008. Т. 9. С. 207–212.

16. Donatelli M., Estatico C., Martinelli A., Serra-Capizzano S. Improved image deblurring with anti-reflective boundary conditions and re-blurring // Inverse problems. 2006. V. 22. P. 2035–2053.

17. Wendykier P., Nagy J.G. Image Processing on Modern CPUs and GPUs. Technical Report TR-2008-023, http://www.mathcs.emory.edu/technical-reports/techrep-00148.pdf

18. Palmer K., Nagy J., Perrone L. Iterative methods for image restoration: Matlab object oriented approach, 2002, http://citeseer.ist.psu.edu/lee02iterative.html

19. Christiansen M., Hanke M. Deblurring methods using antireflective boundary conditions, 2006, http:// citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.70.9837&rep=rep1&tipe=pdf

20. Arico A., Donatelli M., Nagy J., Serra-Capizzano S. The Anti-Reflective Transform and Regularization by Filtering. Technical report TR-2007-006-A, ftp://ftp.mathcs.emory.edu/pub/techreport/TR-2007-006-A.pdf

21. Дьяконов В., Абраменкова И. MATLAB. Обработка сигналов и изображений. СПб.: Питер, 2002. 608 с.

22. Эндрюс Ф. Цифровая фотография. М.: ЗАО “Росмэн-Издат”, 2005. 192 с.

 

 

Полный текст