Направления научных исследований кафедры в области...

1

Николай Пономаренко 18/4/2006Национальный Аэрокосмический Университет «ХАИ» Обзор направлений научных исследований кафедры

Автоматическое определение

параметров искажающих воздействий

Оценка качества изображений (с эталонным изображением и без него)

Классификация участков изображений

Фильтрация, восстановление и реконструкция

изображений

Локально-адаптивная фильтрация

и классификация изображений

Обнаружение объектов на изображениях

Сжатие изображений и видеоинформации

Направления научных исследований кафедры в области цифровой обработки изображений

2


Автоматическое определение параметров искажающих воздействий

Активные исследования проводятся с 1995 года

Определяемые параметры: - дисперсия аддитивного гауссовского шума

- дисперсия мультипликативного гауссовского шума

- вероятность импульсного шума (равномерный, соль и перец, компактный)

- вид функции рассеяния точки, ширина главного лепестка, уврони боковых лепестков (смаз)

- параметры смешанных искажений, например, смешанного аддитивного и мультипликативного шума

Практические приложения:- подавление шума на изображениях

- восстановление изображений (в том числе и при одновременно наличии шума и смаза)

- определение параметров сжатия изображений Параметры шума: σ2=48, σμ2=0.098

(ошибка определения не более 10%)

3


Оценка качества изображений


Области исследований:- разработка и совершенствование критериев оценки

визуального качества изображений при наличии эталона (full reference metrics)

- исследование HVS (human visual system) с целью более полного учета ее особенностей при оценке визуального качества изображения

- разработка критериев оценки качества изображений при отсутствии эталона (perceptual metrics)

Практические приложения:- объективная оценка визуального качества результатов

фильтрации, сжатия и пр.

- определение оптимальной степени сжатия изображения

PSNR=18.72 dB, MSSIM=0.33, PSNR-HVS=18.72 dB

PSNR=18.72 dB, MSSIM=0.45, PSNR-HVS=14.59 dB

4


Классификация участков изображений


Направления исследований:- разработка параметров локальной активности (признаков)

- использование нейроструктур для классификации участков изображений

- использование экспертных систем для классификации участков изображений

- использование гибридных методов для классификации участков изображений

- классификация многоканальных изображений

Практические приложения:- локально-адаптивная фильтрация

- классификация изображений и обнаружение объектов

- автоматический выбор ROI (region of interest) при сжатии изображений

Оптическое изображение системы ДЗ

Результат классификации участков изображения на 5 классов

5


Фильтрация, восстановление и реконструкция изображений


Направления исследований:- разработка и совершенствование нелинейных (в том числе

робастных и векторных) методов фильтрации изображений

- фильтрация изображений с использованием ортогональных преобразований (ДКП, ДВП)

- построение фильтров с учетом ограничений на объем оперативной памяти и время обработки

- восстановление дефокусированных изображений с одновременным подавлением шума

- реконструкция отсутствующих фрагментов изображений

Практические приложения:- подавление различных шумов на изображениях

- предварительная обработка с целью повышения качества классификации участков изображения

- предварительная обработка сжимаемых изображений

- постфильтрация расжатых изображений с целью устранения блочного эффекта и эффекта Гиббса

аддитивный шум, σ2=49

изображение после фильтрации

6


Локально-адаптивная фильтрация и классификация изображений


Направления исследований:- локально-адаптивные фильтры с мягким переключением

- локально-адаптивные фильтры с жестким переключением

- двухэтапные локально-адаптивные фильтры

- сохраняющие текстуру локально-адаптивные фильтры

- синтез локально-адаптивных фильтров для заданной конечной задачи интерпретации данных и критерия качества

Практические приложения:- эффективное подавление шумов на сложных изображениях

- подавление смеси импульсного шума с другими типами шумов

- предварительная обработка с целью повышения качества классификации участков изображения

- обработка изображения с целью максимизации критерия качества, обусловленного конечной интерпретационной задачей анализа изображений

РЛИ изображение

Результат работы мультиоконного локально-адаптивного фильтра

7


Обнаружение объектов на изображениях


Направления исследований:- обнаружение малоразмерных и малоконтрастных

объектов на изображениях, искаженных шумом

- предварительная обработка изображений с целью повышения качества обнаружения объектов

- сжатие изображений без ухудшения качества последующего обнаружения объектов на них

- автоматический синтез локально-адаптивных многоэтапных обнаружителей объектов на изображениях, искаженных шумом

- обнаружение целей на многоканальных изображениях

Практические приложения:- обнаружение объектов на изображениях

- предварительная обработка изображений, предназначенных для обнаружения объектов «черным ящиком»

Анализируемое изображение

Детектирование (фрагмент) без шума, с шумом и после предварительной обработки

8




Направления исследований:- сжатие на основе ДКП

- фрактальное сжатие изображений

- высококачественное сжатие изображений с использованием схем разбиения

- сжатие видео и многоканальных изображений

- сжатие изображений, искаженных шумом

- автоматический выбор степени сжатия изображения

- дополнительное сжатие (без внесения потерь) изображений JPEG и видео Motion JPEG

- автоматический выбор ROI (region of interest) при сжатии

Практические приложения:- высококачественное сжатие изображений и видео

- сжатие многоканальных данных систем ДЗ

- дополнительное сжатие изображений JPEG

- оптимальное сжатие “почти без потерь” (nearless)

Сравнение с JPEG2000 при аналогичной степени сжатия

Исходное

изображение

JPEG2000

Наш метод

9



Спутниковая карта региона Хельсинки (σ2=100) и декодированное изображение для предложенного нами метода сжатия (bpp=0.75)

Направления научных исследований кафедры в области...

Documents