Выделение трех уровней яркости на зашумленном изображении

Авторы

DOI:

https://doi.org/10.26089/NumMet.v21r216

Ключевые слова:

восстановление изображений, проверка статистических гипотез, бинарная классификация

Аннотация

Предложен новый метод восстановления изображений, имеющих три неизвестные градации яркости. Для их определения используются фрагменты изображения, гистограммы которых согласуются с заданным распределением шума. Далее все пиксели распределяются по найденным уровням яркости посредством бинарной классификации. Выполнен вычислительный эксперимент, по результатам которого оказалось, что ошибка оценки исходных яркостей не превысила 3%. При относительно низком уровне шума доля неверно классифицированных пикселей от их общего числа составила менее 0.006.

Автор

А.В. Лихачев

Институт автоматики и электрометрии СО РАН (ИАиЭ СО РАН),
проспект Академика Коптюга, 1, 630090, Новосибирск
• старший научный сотрудник

Библиографические ссылки

  1. A. A. Potapov, A. A. Pakhomov, S. A. Nikitov, and Yu. V. Gulyaev, Novel Methods of Image Processing (Fizmatlit, Moscow, 2008) [in Russian].
  2. A. R. Dabagov, I. A. Malyutina, and S. A. Filist, Artificial Intelligence Systems for X-Ray Examinations in Digital Medicine (Universitetskaya Kniga, Kursk, 2019).
  3. A. M. Golubkov, “Face Recognition Using Images Binary Classification Methods,” Izv. Saint Petersburg Eletrotekh. Univ., No. 7, 26-30 (2018).
  4. A. Rumyantsev, R. Minyazev, S. Dyganov, et al., “Assessment of the Influence of the Neural Network Architecture Size on the Training Rate in the Problem of Binary Classification,” Vestn. Tekhnol. Univ. 21 (8), 124-127 (2018).
  5. S. A. Aivazian, V. M. Buchstaber, I. S. Yenyukov, and L. D. Meshalkin, Applied Statistics. Vol. 3: Classification and Reduction of Dimensionality (Financy i Statistika, Moscow, 1989) [in Russian].
  6. I. S. Gruzman, V. S. Kirichuk, V. P. Kosykh, et al., Digital Processing of Images in Information Systems (Novosibirsk Gos. Tekh. Univ., Novosibirsk, 2002) [in Russian].
  7. V. S. Pugachev, Theory of Probability and Mathematical Statistics (Nauka, Moscow, 2002) [in Russian].
  8. M. E. Karasikov and Y. V. Maximov, “Dimensionality Reduction for Multi-Class Learning Problems Reduced to Multiple Binary Problems,” Mashinnoe Obuchenie Analiz Dannykh 1 (9), 1273-1290 (2014).
  9. A. V. Likhachov, “Tomographic Reconstruction of a Region with a Given Density Value,” Vychisl. Metody Programm. 19, 516-521 (2018).
  10. A. V. Likhachev, “Modified Method for Detecting Small Structures in Noisy Images,” Avtometriya 55 (6), 55-63 (2019) [Optoelectr., Instrum. Data Process. 55 (6), 580-586 (2019)].

Загрузки

Опубликован

2020-07-03

Как цитировать

Лихачев А.В. Выделение трех уровней яркости на зашумленном изображении // Вычислительные методы и программирование. 2020. 21. 180-186. doi 10.26089/NumMet.v21r216

Выпуск

Раздел

Раздел 1. Вычислительные методы и приложения