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


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»
АДАПТИВНЫЕ АЛГОРИТМЫ ПОСТРОЕНИЯ СВЕРХРАЗРЕШЕНИЯ НА ОСНОВЕ ОБРАБОТКИ ПОСЛЕДОВАТЕЛЬНОСТИ ИЗОБРАЖЕНИЙ

© 2017 г.       А. А. Сирота, доктор техн. наук; А. Ю. Иванков

Воронежский государственный университет, Воронеж

E-mail: ivankov@cs.vsu.ru, sirota@cs.vsu.ru

УДК 004.932.4

Поступила в редакцию 09.12.2016

Рассматривается задача синтеза адаптивного нелинейного алгоритма фильтрации последовательности изображений для построения сверхразрешения в условиях неизвестных параметров, сопутствующих процессу наблюдения. С использованием метода разделения получены и исследованы алгоритмы адаптивной фильтрации в блочной форме, в которых процесс адаптации осуществляется по отношению к неизвестным значениям параметров межкадровых смещений (параметров аффинного преобразования). Установлено повышение качества восстанавливаемых изображений по сравнению с качеством, получаемым по известным алгоритмам, основанным на использовании  фиксированных оценок смещений по изображениям обрабатываемой последовательности с низким разрешением.

Ключевые слова: обработка изображений, сверхразрешение, оптимальная фильтрация, метод разделения.

Коды OCIS: 100.2000

 

Литература

1.         Elad M., Feuer A. Restoration of a single superresolution image from several blurred, noisy, and undersampled measured images // IEEE Trans. Image Proc. 1997. V. 6. № 12. P. 1646–1658.

2.         Pickup L.C. Machine learning in multi-frame image super-resolution. Michaelmas Term, 2007. 209 p.

3.         Блажевич С.В., Винтаев В.Н. Математическая модель бортового процессора для субпиксельной обработки данных ДЗЗ с целью повышения разрешающей способности ЦКИ // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 1. С. 32–38. 

4.        Иванков А.Ю., Сирота А.А. Блочные алгоритмы обработки изображений на основе фильтра Калмана в задаче построения сверхразрешения // Компьютерная оптика. 2014. Т. 38. № 1. С. 118–125.

5.         Кирсанов Э.А., Сирота А.А. Обработка информации в пространственно-распределенных системах радиомониторинга: статистический и нейросетевой подходы. М.: Физматлит, 2012. 343 с.

6.        Lagendijk, R.L. Biemond J. Iterative identification and restoration of images. Boston, MA: Kluwer, 1991. 208 p.

7.         Lainiotis D.G., Park S.K. On joint detection, estimation and system identification: Discrete data case // Int. J. Control. 1973. V. 17. № 3. P. 609–633.

8.        Ташлинский А.Г. Оценивание параметров пространственных деформаций последовательностей изображений. Ульяновск: УлГТУ, 2000. 132 с.

9.        Алгазинов Э.К., Сирота А.А. Анализ и компьютерное моделирование информационных процессов и систем. М.: Диалог-МИФИ, 2009. 416 с.

 

 

Полный текст