1

УЛУЧШЕНИЕ РАБОТЫ АЛГОРИТМОВ ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ НА ОСНОВЕ РАНГОВОЙ СТАТИСТИКИ

Работу выполнил: Куйкин Д.К.

Научный руководитель: Хрящев В.В.

Ярославль, 2006

2

ЦЕЛЬ РАБОТЫ

Анализ и усовершенствование

алгоритмов восстановления цифровых

изображений, искаженных импульсным

шумом

3

ЗАДАЧИ

Анализ современной литературы по вопросам восстановления изображений алгоритмами на основе ранговой статистики

Сравнительный анализ эффективности применения различных алгоритмов на основе ранговой статистики для фильтрации шумов

Улучшение работы алгоритмов на основе ранговой статистики с точки зрения:

– ошибки восстановления; – вычислительной сложности; – визуального качества.

4

ЗАДАЧИ

Разработка и анализ алгоритма удаления импульсного шума из изображений с использованием предварительного детектора на основе нейронной сети Кохонена

Разработка и анализ алгоритма удаления импульсного шума из изображений для случая сильного зашумления на основе прогрессивного переключающегося медианного фильтра

5

Основой для выполнения дипломной работы послужили:

1. Статьи по обработке изображений Научного центра Нейрокомпьютеров под руководством Галушкина А.И. и Балухто А.Н.

2. Труды общества IEEE. Журнал IEEE Transaction on Image Processing.

3. Труды ежегодной конференции «Цифровая обработка сигналов и ее применение».

4. Дипломные работы Цветкова Михаила (2003 год) и Звонарева Павла (2005 год).

АНАЛИЗ ЛИТЕРАТУРЫ

6

РАССМАТРИВАЕМЫЕ АЛГОРИТМЫ

Медианный фильтр (МФ) Взвешенный медианный фильтр (ВМФ) Адаптивный медианный фильтр (АМФ)

Нейросетевой медианный фильтр (НМФ) Нейросетевой адаптивный медианный фильтр (НАМФ) Прогрессивный переключающийся медианный фильтр (ППМФ)

Модифицированный переключающийся медианный фильтр (МПМФ)

7

МОДЕЛЬ ИМПУЛЬСНОГО ШУМА

)(1

2550

ppnpi

ppnp

ix

ьювероятностс

ьювероятностс ьювероятностс

ix - значения пикселей зашумленного изображения

i - значения пикселей исходного

изображения

np - плотность отрицательных импульсов

pp - плотность положительных импульсов

8

КРИТЕРИИ ОЦЕНКИ КАЧЕСТВА ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ

СКОПОСШ

255lg20

Пиковое отношение сигнал/шум

N

iii ff

NСКО

1

2~1

Среднеквадратичная ошибка

9

НЕЙРОСЕТЕВОЙ МЕДИАННЫЙ ФИЛЬТР

10

НАСТРОЙКА ПАРАМЕТРОВ НЕЙРОННОЙ СЕТИ (число нейронов)

11

НАСТРОЙКА ПАРАМЕТРОВ НЕЙРОННОЙ СЕТИ

(число эпох обучения)

12

СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ

13

СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ

14

СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ

(гауссов + импульсный шум)

15

ВИЗУАЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ ВОССТАНОВЛЕНИЯ

Изображение “Tank” 10% импульсный шум,ПОСШ = 15,72

МФ, ПОСШ = 28,16

ВМФ, ПОСШ = 29,96 НМФ, ПОСШ = 33,11 НАМФ, ПОСШ = 36,94

16

АНАЛИЗ ВЫЧИСЛИТЕЛЬНОЙ СЛОЖНОСТИ АЛГОРИТМОВ

p, % 10 20 30 40 50

МФ(33)

1 1 1 1 1

МФ(55)

2,38 2,50 2,62 2,75 2,62

ВМФ (33)

3,98 4,10 4,05 4,08 4,12

ВМФ(55)

12,53 12,66 12,91 12,96 13,05

АМФ (55)

21,04 21,40 21,40 21,54 21,28

АМФ (99)

58,58 59,09 59,84 60,09 60,59

НМФ (33)

27,66 28,16 28,04 28,41 28,41

НМФ (55)

29,55 29,54 29,93 29,79 30,18

НАМФ (99)

92,63 95,26 95,26 95,26 96,01

17

МОДИФИЦИРОВАННЫЙ ПЕРЕКЛЮЧАЮЩИЙСЯ МЕДИАННЫЙ

ФИЛЬТР

ф ильтрация

18

ДЕТЕКТОР ИМПУЛЬСОВ

}{ x

}{ f

0

1

m a xm in

i

i

iii

fe lse

fthen

xif

DWW

}{ f

Результат детектирования

Wiji jx |m a xm a x

Wiji jx |m inm in

x входное изображение f - бинарная м атрица

19

ПРОЦЕДУРА ФИЛЬТРАЦИИ

}{ 1nx

}{ 1nf

11

1

,

0,

0&1

ni

ni

ni

ni

ni

ni

ni

ni

ffxxelse

fm edxthen

Mfif

для всех i (1..N)

i

nifK

0K

0K

yx }{ 0

ff }{ 0

FWW

}{ f

Восстановленноеизображение

Wi

nj

ni jxm edm ed |1

Wi

nj jfsumWM |12

20

НАСТРОЙКА ПАРАМЕТРОВ МПМФ(размер окна детектора импульсов)

21

НАСТРОЙКА ПАРАМЕТРОВ МПМФ(размер окна процедуры фильтрации)

22

СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ ПО КРИТЕРИЮ ПОСШ

23

СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ ПО КРИТЕРИЮ ПОСШ

24

ВОССТАНОВЛЕНИЕ СИЛЬНО ЗАШУМЛЕННОГО ИЗОБРАЖЕНИЯ

50% импульсный шум (ПОСШ = 8,60)

80% импульсный шум (ПОСШ = 6,56)

МПМФ (ПОСШ = 39,82)

МПМФ (ПОСШ = 34,46)

25

ПОЛУЧЕННЫЕ РЕКОМЕНДАЦИИ

Для низких степеней зашумления импульсным шумом (p<10%) наилучшие результаты с точки зрения отношения качество восстановления/временные затраты показывает разработанный фильтр НМФ

Для высоких степеней зашумления (p>30%) наилучшие результаты демонстрирует предложенный МПМФ-фильтр

В случае присутствия на изображении смеси шумов (импульсный + гауссов) более целесообразно применение классических алгоритмов (МФ, ВМФ)

26

ЗАКЛЮЧЕНИЕ

Разработана схема удаления импульсного шума с использованием нейросетевого детектора Разработана новая эффективная модификация переключающегося медианного фильтра Проведен теоретический и экспериментальный сравнительный анализ алгоритмов удаления импульсного шума по следующим критериям: - пиковое отношение сигнал/шум восстановленного

изображения - визуальное качество восстановления - временные затраты на выполнение алгоритмовОсуществлена программная реализация рассмотренных алгоритмов в среде MatLab и на языке программирования C++