Трехмерная фильтрация изображений, искаженных смешанным аддитивно-импульсивным шумом

Впервые обоснована и реализована процедура фильтрации изображений, искаженных смешанным (аддитивно-импульсным) шумом. Новый метод характеризуется следующими этапами: обнаружение и фильтрация пикселей, искаженных шумовыми импульсами, фильтрация изображения в трехмерном (3D) пространстве дискретного косинусного преобразования (DCT), и заключительный этап обработки изображений, в котором корректируются погрешности предыдущих этапов и восстанавливаются контуры и детали изображений. Дана физическая интерпретация процедуры фильтрации в условиях смешанных шумов и разработана структурная схема фильтрации. Моделирование предложенного метода фильтрации изображений подтвердило преимущество новой схемы фильтрации в терминах общепризнанных критериев: оценки структурного индекса схожести и пикового отношения сигнал/шум, а также и при визуальном сравнении профильтрованных изображений.

Ключевые слова

Получено

15.10.2018

Дата публикации

28.10.2018

Кол-во символов

882

Цитировать Скачать pdf Для скачивания PDF необходимо авторизоваться

ГОСТ	Кравченко В. Ф. , Пономарев В. И. , Пустовойт В. И. Трехмерная фильтрация изображений, искаженных смешанным аддитивно-импульсивным шумом // Доклады Академии наук – 2018. – Tом 481. – Номер 4 C. 375-380 [Электронный ресурс]. URL: http://ras.jes.su/dan/s207987840000936-8-1 (дата обращения: 28.04.2024). DOI: 10.31857/S086956520001702-5
MLA	Kravchenko, V., Ponomarev, V., Pustovoit, V. "3D Filtering in Images Corrupted by Mixed Additive-Impulsive Noise." Doklady Akademii nauk 481.4 (2018):375-380. DOI: 10.31857/S086956520001702-5
APA	Kravchenko V., Ponomarev V., Pustovoit V. (2018). 3D Filtering in Images Corrupted by Mixed Additive-Impulsive Noise. Doklady Akademii nauk 481(4), pp.375-380 DOI: 10.31857/S086956520001702-5

Размещенный ниже текст является ознакомительной версией и может не соответствовать печатной.

всего просмотров: 1321

Оценка читателей: голосов 0

1. Кравченко В.Ф., Пономарев В.И., Пустовойт В.И. // ДАН. 2008. Т.421. №.2. C.190-194.

2. Кравченко В.Ф., Пономарев В.И., Пустовойт В.И. // ДАН. 2010. Т.430. №.5. C.612-617.

3. Кравченко В.Ф., Пономарев В.И., Пустовойт В.И. // ДАН. 2012. Т.445. N.3. C.278-282.

4. Кравченко В.Ф., Пономарев В.И., Пустовойт В.И. // ДАН. 2013. Т.452. N.4. C.385-391.

5. Кравченко В.Ф., Пономарев В.И., Пустовойт В.И., А. Паласиос-Энрикес A. // ДАН. 2017. Т.475. N.6.C.629-633.

6. Kravchenko, V.F., Perez-Meana, H.M., Ponomaryov, V.I. Adaptive Digital Processing of Multidimensional Signals with Applications. Moscow, Fizmatlit, 2009.

7. Ponomaryov V., Gallegos-Funes F., Rosales-Silva A. // J. Math. Imag. Vision. 2005. V.23. N.3. P.315–319.

8. Ponomaryov V., Montenegro H., Gallegos F., Pogrebnyak O., Sadovnychiy S. // Neurocomputing. 2015. V.155. P.225-246.

9. Dabov K., Foi A., Katkovnik V., Egiazarian K. // IEEE Trans. Image Process. 2007. V.16. N.8, P.2080-2095.

10. Morillas S., Gregori V., Hervas A. // IEEE Trans. Image Process. 2009. V.18. N.7. P.1452–1466.

11. Zhang Y., Tian X., Ren P. // Neurocomputing. 2014. Vol.140. P.299–316.

12. Camarena J., Gregori V., Morillas S., Sapena A. // IEEE Trans. Fuzzy Syst. 2013. V.21. N.5. P.971–978.

13. Jiang J., Zhang L., Yang J. // IEEE Trans. Image Proces. 2014 Vol.23. No.6. P.2651-2662.

14. Zhou Y., Ye Z., Xiao Y. // J. Vis. Commun. Image Represent. 2013. Vol. 24, No.3. P.283–294.

15. http://sipi.usc.edu/database/. The USC-SIPI Image Database.