Главная
Технология и конструирование в электронной аппаратуре, 2021, № 1-2, с. 21-27.
DOI: 10.15222/TKEA2021.1-2.21
УДК 004.932.4
Адаптивний алгоритм зниження рівня імпульсного шуму на зображеннях з камер відеоспостереження
(російською мовою)
Садченко А. В., Кушніренко О. А., Троянський А. В., Савчук Ю. А.1

Україна, м. Одеса, Одеський національний політехнічний університет, 1ДП НДІ «Шторм».

Для перетворення оптичного сигналу в електричний зазвичай використовують світлочутливі матриці з великим числом дискретних елементів, виконаних за технологією приладів із зарядовим зв'язком (ПЗЗ) або на основі КМОП-технології.
До недоліків ПЗЗ і КМОП-технологій можна віднести виникнення імпульсного шуму перетворення на оцифрованих зображеннях, який погіршує візуальне сприйняття й істотно знижує ймовірність правильної ідентифікації в задачах розпізнавання образів. Зазвичай для очищення зображень від імпульсного шуму застосовують медіанні фільтри з фіксованою апертурою в межах кожної ітерації повноформатної обробки. До недоліків таких фільтрів можна віднести зниження чіткості відновленого зображення за великих рівнів шуму або недостатнє придушення завади за тих же шумових умов. Ці недоліки зумовили необхідність розробки алгоритму адаптивної медіанної фільтрації, в результаті якої відтворене зображення являє собою спільний результат обробки медіанними фільтрами з різною апертурою.
Суть алгоритму полягає у виділенні ділянок зображення з різним рівнем шуму та обробці цих ділянок фільтрами з різною апертурою. За об'єктивний критерій для оцінки ефективності роботи запропонованого алгоритму фільтрації прийнято критерій максимуму коефіцієнта кореляції між очищеним від шуму та незашумленим зображеннями за різних значень дисперсії шуму. В результаті проведеного математичного моделювання було встановлено, що зі зростанням дисперсії імпульсного шуму виграш алгоритму адаптивної медіанної фільтрації зростає по експонентному закону в порівнянні з алгоритмами, в яких використовуються фільтри з фіксованим значенням апертури.
Запропонований алгоритм можна використовувати для попередньої обробки зображень, призначених для розпізнавання системами машинного зору, сканування тексту, а також для поліпшення суб'єктивних характеристик зображення, таких як чіткість і контрастність.

Ключові слова: медіанний фільтр, імпульсний шум, апертура фільтру, коефіцієнт кореляції.

Дата подання рукопису 22.03 2021
Використані джерела
  1. Айфичер Э., Джервис Б. Цифровая обработка сигналов. Практический подход. Москва, Вильямс, 2004, 992 с.
  2. Кельберт М., Питербарг Л. Медианная фильтрация. Квант, 1990, №10, с. 8–13.
  3. Радченко Ю. С. Эффективность приема сигналов на фоне комбинированной помехи с дополнительной обработкой в медианном фильтре. Журнал радиоэлектроники, 2001, № 7, c. 45.
  4. Kai Zhang, Wangmeng Zuo, Yunjin Chen et al. Beyond a gaussian denoiser: residual learning of deep CNN for image denoising. IEEE Transactions on Image Processing, 2017, vol. 26, N 7, p. 3142–3155. https://doi.org/10.1109/TIP.2017.2662206
  5. Видмиш А. А., Возняк О. М., Купчук І. М., Бойко Д. Л. Дослідження медіанної фільтрації одновимірних сигналів. Вібрації в техніці та технологіях. 2020, № 1(96), c. 88–102.
  6. Яровой Н. И. Адаптивная медианная фильтрация, Екатеринбург, ControlStyle, 2006, 38 c.
  7. Chen Y., Pock T. Trainable nonlinear reaction diffusion: A flexible framework for fast and effective image restoration. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 14 p. https://doi.org/10.1109/TPAMI.2016.2596743
  8. Сизов Н. А., Раевский В. П., Дурандин Д. П. и др. Использование нейронных сетей для очистки изображений от шумов. Молодой ученый, 2019, № 27(265), c. 34–36.
  9. Roth S., Black M. J. Fields of experts. International Journal of Computer Vision, 2009, vol. 82, N 2, p. 205–229. https://doi.org/10.1007/s11263-008-0197-6
  10. Павлов С. В., Салдан Й. Р., Злепко С. М. та ін. Методи попередньої обробки томографічних зображень очного дна. Інформаційні технології та комп'ютерна інженерія, 2019, т. 45, №. 2, с. 4–12.
  11. Воробьев Н. Одномерный цифровой медианный фильтр с трехотсчетным окном. ChipNews. 1999, № 8, c. 35.
  12. Семенов И. В. Особенности использования медианных фильтров в системах управления. С.-Пб.: ГНЦ РФ-ЦНИИ “Электроприбор”, 2006, 77 с.
  13. Дьяконов В. П. MATLAB и SIMULINK для радиоинженеров. Саратов, Профобразование, 2019, 976 c.
  14. Яне Б. Цифровая обработка изображений. Москва, Техносфера, 2007, 584 с.
  15. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. Москва, Техносфера, 2006, 616 с.