Аннотация
ВВЕДЕНИЕ 5
1 МЕТОДЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ С ЦЕЛЬЮ ПОВЫШЕНИЯ КАЧЕСТВА 7
1.1 Критерии оценки качества изображений 7
1.2 Гистограммные методы устранения яркостных искажений 14
1.3 Пространственные фильтры 24
1.4 Методы обработки для минимизации влияния погодных условий 26
1.5 HDR изображения 28
2 РАЗРАБОТКА И РЕАЛИЗАЦИЯ МЕТОДОВ 31
2.1 Реализация алгоритма BRISQUE 32
2.2 Реализация алгоритма CLAHE 37
2.3 Тестирование 38
ЗАКЛЮЧЕНИЕ 43
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 44
ПРИЛОЖЕНИЕ А 48
В области компьютерного зрения и анализа изображений, а также при разработке соответствующих систем значительное внимание уделяется этапу предварительной обработки изображений. Это связано с тем, что не существует систем регистрации, гарантирующих идеальное качество изображения. На этом начальном этапе важно использовать разнообразные методы, позволяющие улучшить качество изображений до уровня, приемлемого для последующей обработки. Ключевым моментом является объединение как распространенных методов улучшения визуального качества, так и уникальных преобразований, которые кардинально меняют изображения.
В процессе получения изображений неизбежно возникают различные искажения, усложняющие последующую обработку. Эти искажения могут возникать из-за характеристик среды распространения, изменений окружающей среды, движения регистрирующего устройства, а также параметров оптической системы, характеристик оборудования и шума в системах формирования и передачи изображения. По своей природе обычно классифицируют яркостные и пространственные искажения.
Первые чаще всего вызваны техническими недостатками, систематическими ошибками, а также случайными сбоями, возникающими при регистрации, передаче и хранении изображений. Они также могут возникнуть из-за изменений в освещении сцены, например, если источники света перемещаются или изменяется их количество и характеристики. Пространственные искажения возникают из-за изменения положения объектов на сцене или самого записывающего устройства. Исправление таких искажений, вызванных изменением перспективы или движением предметов, часто сопряжено с определенными трудностями, поскольку эти изменения напрямую связаны с динамикой окружающей среды. Во многих задачах, пространственные искажения регистрируемого изображения возникают в результате распространения оптического излучения в среде с неоднородностями. Основные помехи, в таком случае, связаны с наличием осадков или турбулентностью атмосферы. При всем многообразии методов коррекции, их можно разделить методы адаптивной (оптической) [1-3] и постдетекторной (компьютерной) [4-6] коррекции искажений. Существующие методы позволяют минимизировать пространственные искажения, как на этапе проектирования системы, так и в процессе регистрации изображения, что позволяет не учитывать их вклад в конечный результат.
Яркостные искажения, не смотря на простоту их природы, могут быть вызваны несколькими факторами, оказывающими действие как в совокупности, так и по отдельности. Естественно, что, имея некоторую априорную информация о неискаженном изображении и характеристике помех, возможно улучшить качество получаемого 5
изображения. Но на практике, получить такую информацию практически невозможно, поэтому для каждого случая приходиться разрабатывать свои методики. Основные яркостные помехи можно разделить на четыре класса - по локализации на изображении, по размеру, по яркости и по вероятности появления помехи. В самых сложных случаях возможно сочетание нескольких типов помех, что требует тщательного анализа структуры самого изображения, выявление статистических закономерностей и анализ условий регистрации изображения. Игнорирование яркостных помех, при последующей обработке может существенно исказить конечный результат.
Из выше сказанного следует, что разработка методов и алгоритмов улучшения качества, применяемых в том числе и для повышения пространственного разрешения, цифровых изображений является актуальной задачей, как в теоретическом, так и в прикладном плане.
Объектом исследования в данной работе являются методы и алгоритмы преобразования характеристик изображения для подготовки данных к последующему анализу.
Предмет исследования - методы и алгоритмы для оценки качества изображений, коррекции яркостных искажений (возникающих в процессе регистрации) и масштабирования.
Проблемная ситуация заключается в отсутствии методов и алгоритмов с автоматическим подбором параметров на основе оценки качества после их преобразования.
Целью данной работы является разработка и реализация алгоритма коррекции яркостных искажений за счет изменения контраста и яркости без изменения структуры, обеспечивающего автоматическое изменение его параметров с последующей итеративной коррекцией на основе критерия качества изображения.
Для достижения поставленной цели необходимо решить следующие задачи:
1. аналитический обзор существующих методов и алгоритмов обработки изображений для устранения яркостных искажений;
2. выбор критерия оценки качества изображений
3. разработка алгоритма и программного обеспечения для предварительной обработки изображений;
4. отладка и тестирование программной системы.
Научная новизна заключается определении особенностей применения методов обработки изображений, предназначенных для увеличения различимости объектов сцены изображения. Для оценки качества обработки изображений предполагается использование различных критериев, как эталонных, так и безэталонных.
Предложен метод (алгоритм) коррекции яркостных искажений на панорамных изображениях (облачности), основанный на итеративном применении адаптивного алгоритма эквилизации с оценкой качества преобразования на каждом этапе, обеспечивающий автоматический выбор параметров преобразования."
По результатам анализа реализации и тестирования различных методов и алгоритмов, направленных на улучшение качества изображения, рекомендуется использовать алгоритмы типа CLAHE (Contrast Limited Adaptive Histogram Equalization). Этот выбор определяется несколькими важными факторами. Прежде всего, алгоритм имеет ограниченное количество контролируемых параметров, что упрощает процесс настройки алгоритма. Дополнительным преимуществом является его наглядность - CLAHE дает легко воспринимаемые результаты, т.е. позволяют человеку самостоятельно оценить работу алгоритма. Это особенно важно при работе с изображениями, где ключевым критерием является визуальная оценка качества.
Для объективной оценки качества изображений используется метод BRISQUE. Он предоставляет возможность оценить качество изображений без необходимости наличия эталонного изображения.
По результатам работы опубликовано 4 статьи:
1. Гальцев И.И., Шалеев А.В., Елизаров А.И. Методы обработки изображений для повышения различимости объектов // Оптика атмосферы и океана. Физика атмосферы: Сборник докладов XXIX Международного симпозиума - 2023;
2. Шалеев А.В., Елизаров А.И. Методы обработки изображений для улучшения детализации и четкости // Актуальные проблемы радиофизики, Х Международная научнопрактическая конференция. - Томск: Изд-ий дом ТГУ. - 2023. - С. 257-261;
3. Шалеев А.В. Методы предварительной обработки изображений для повышения качества регистрации в системах компьютерного зрения // ВНКСФ- 28. - Новосибирск: Изд-во АСФ России - 2024. С. 319-320;
4. Шалеев А.В. Алгоритмы оценки качества изображений // МНСК- 2024. - Новосибирск. (в печати).
Так же статья в сборнике SPIE:
Galtsev I.I., Elizarov A.I., Shaleev A.V. Image processing methods to increase the distinguishability of objects // Proceedings of SPIE - The International Society for Optical Engineering. 2023. Vol. 12780. Art. num. 127800E. DOI: 10.1117/12.2688653.
1. Лукин В.П., Фортес Б.В. Адаптивное формирование пучков и изображений в атмосфере. - Новосибирск: Изд-во СО РАН. 1999. - 214 с.
2. Hardy J.W. Adaptive Optics for Astronomical Telescopes. - Oxford: Oxford University Press. 1998. - 448 p.
3. Roggemann M.C., Welsh B.M., Hunt B.R. Imaging Through Turbulence. - Boca Raton: CRC Press. 1996. - 320 p.
4. Kundur D., Hatzinakos D. Blind image deconvolution // IEEE Signal Process. - 1996. - № 3. - P. 43-64.
5. Аверин А.П., Пряничников В.С., Тяпин В.В. Компьютерная коррекция турбулентных искажений изображения протяженного объекта на приземных трассах // Квантовая электроника. - 2011. - № 5. - С. 475-478.
6. Дудоров В.В., Еремина А.С. Постдетекторная коррекция изображений в турбулентной атмосфере при использовании многоапертурных систем наблюдения // Оптика атмосферы и океана. Физика атмосферы. - Томск: ИОА СО РАН. 2017. - С. 159163.
7. Шалеев А.В., Елизаров А.И. Методы обработки изображений для улучшения детализации и четкости // Актульный проблемы радиофизики АПР-2023: Cборник трудов X Международной научно-практической конференции. - Томск: НИ ТГУ. 2023. - C. 6-10.
8. Смирнов А.Я. Цифровая обработка изображений - Л: ГОИ. 1987. - 50 с.
9. Старовойтов В. В. Локальные геометрические методы цифровой обработки и анализа изображений. - Минск: Ин-т техн. кибернетики НАН Беларуси. 1997. - 284 с.
10. Wang Z., Bovik A. C., Sheikh H. R., Simoncelli E. P.Image quality assessment: From error visibility to structural similarity // IEEE Transactions on Image Processing. - 2004. - № 4. - P. 600-612.
11. No-reference image and video quality assessment: a classification and review of recent
approaches [Электронный ресурс] - 2014. - URL: https://jivp-
eurasipjournals.springeropen.com/articles/10.1186/1687-5281-2014-40 (дата обращения 10.12.2022).
12. Приоров А.Л., Ненахов И.С., Хрящев В.В. Разработка и анализ алгоритма неэталонной оценки качества изображений на основе локальных бинарных шаблонов // Успехи современной радиоэлектроники. - 2016. - № 7. - С. 46-52.
13. Pedersen M., Hardeberg J.Y. Full-Reference Image Quality Metrics: Classification and Evaluation // Foundations and Trends in Computer Graphics and Vision. - 2012. - № 7. - P. 180.
14. Кокошкин А.В., Коротков В.А., Коротков К.В., Новичихин Е.П. Сравнение объективных методов оценки качества цифровых изображений // Журнал радиоэлектроники. - 2015. - № 6. - 17 с.
15. Галилейский В.П., Елизаров А.И., Кокарев Д.В., Морозов А.М. Меры оценки качества изображения // Оптика атмосферы и океана. Физика атмосферы: Материалы XXV Международного симпозиума. - Томск: ИОА СО РАН. 2019. - С. 163-168....45