Другие журналы

научное издание МГТУ им. Н.Э. Баумана

НАУКА и ОБРАЗОВАНИЕ

Издатель ФГБОУ ВПО "МГТУ им. Н.Э. Баумана". Эл № ФС 77 - 48211.  ISSN 1994-0408

Алгоритм восстановления поврежденных пикселей на зашумленных изображениях на основе метода анализа иерархий

# 11, ноябрь 2014
DOI: 10.7463/1114.0742145
Файл статьи: SE-BMSTU...o534.Pdf (877.42Кб)
авторы: Белим С. В., Селиверстов С. А.

УДК 51(083)

Россия,  Омский государственный университет им. Ф.М. Достоевского

В статье предложен алгоритм восстановления поврежденных пикселей в изображениях со статическими пропусками. Предложенный алгоритм основывается на методе анализа иерархий теории поддержки принятия решений. Выбор цвета поврежденного пикселя происходит на основе ближайших соседей и соседей, следующих за ближайшими. Анализируются три параметра, присущих каждому ближайшему соседу. Во-первых, количество соседей имеющих тот же цвет, что и данный ближайший сосед. Во-вторых, отклонение цвета данного пикселя от среднего значения его соседей. В-третьих, отличие пикселей, расположенных по разную сторону от испорченного. На основе этих трех критериев для каждого ближайшего соседа поврежденного пикселя определяется весовой коэффициент. Строится иерархическое дерево принятия решений. Построенное дерево является двухуровневым. В качестве цвета поврежденного пикселя выбирается цвет его соседа, имеющего наибольший вес. 
Проведен компьютерный эксперимент по определению эффективности предложенного метода. Эффективность предложенного метода определялась на основе сравнения степени близости испорченного и восстановленного изображения к исходному изображению. Для сравнения изображений использовалась метрика Минковского. Эксперименты проводились на искусственных и фотографических изображениях. Исследована зависимость эффективности предложенного алгоритма от величины повреждения изображения. Выявлено, что предложенный алгоритм имеет преимущество перед известными алгоритмами при восстановлении поврежденных пикселей вблизи резких границ. Восстановленное нашим методом изображение имеет более четкие границы по сравнению с работой сглаживающих фильтров. Предложенный метод может применяться итерационно. Как показал эксперимент, первые пять итераций дают улучшение изображения.
Предложенный метод совместно с алгоритмами обнаружения испорченных пикселей может быть использован для построения фильтров зашумленных изображений. Повышение эффективности метода может быть достигнуто при учете большего числа соседей при принятии решения. Также развитие метода возможно с помощью увеличения числа критериев при принятии решений.

Список литературы
  1. Ларионов И.Б. Алгоритм автоматизированного восстановления поврежденных графических файлов // Вестник Омского университета. 2011. № 2. С . 176 - 177.
  2. Pitas I., Venetsanopoulos A. Nonlinear Digital Filters: Principles and Applications. Springer US , 1990. DOI:10.1007/978-1-4757-6017-0
  3. Хуанг Т.С., Эклунд Дж.О., Нуссбаумер Г.Дж., Зохар Ш. Быстрые алгоритмы в цифровой обработке изображений: преобразования и медианные фильтры / под ред. Т.С. Хуанга; пер. с англ. под ред. Л.П. Ярославского. М.: Радио и Связь, 1984. 224 с .
  4. Chan R., Ho C., Nikolova M. Salt-and-pepper noise removal by median-type noise detectors and detail-preserving regularization // IEEE Trans. Image Proc. 2005. Vol. 14, no. 10. P. 1479 -1485. DOI: 10.1109/TIP.2005.852196
  5. Kam H.S., Tan W.H. Noise detection fuzzy (NDF) filter for removing salt and pepper noise // In: Zaman H.B., Robinson P., Petrou M., Olivier P., Schröder H., Shih T.K., eds. Visual Informatics: Bridging Research and Practice . 2009. P. 479-486. (Ser. Lecture Notes in Computer Science; vol. 5857). DOI: 10.1007/978-3-642-05036-7_45
  6. Ahamed J.N., Rajamani V. Design of hybrid filter for denoising images using fuzzy network and edge detecting // American Journal of Scientific Research. 2009. Iss . 3. P . 5-14.
  7. Литл Р.Дж.А., Рубин Д.Б. Статистический анализ данных с пропусками: пер. с англ. М.: Финансы и статистика, 1990. 290 с .
  8. Демиденко Е.З. Линейная и нелинейная регрессия. М.: Финансы и статистика, 1981. 302 с.
  9. Ларионов И.Б. Восстановление изображений при помощи многомерных линейных многообразий // Проблемы обработки и защиты информации. Книга 2. Анализ графической и текстовой информации: коллективная монография / Под общей ред. д. ф.-м. н. С.В. Белима. Омск: OOO «Полиграфический центр КАН», 2010. С. 43-57.
  10. Россиев А.А. Моделирование данных при помощи кривых для восстановления пробелов в таблицах // Методы нейроинформатики: сб. ст. / под ред. А.Н. Горбаня. Красноярск: КГТУ, 1998. С. 6-22 с.
  11. Двоенко С.Д. Неиерархический дивизионный алгоритм кластеризации // Автоматика и телемеханика. 1999. № 4. С. 117-124.
  12. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Издательство института математики, 1999. 270 с.
  13. Загоруйко Н.Г., Елкина В.Н., Тимеркаев В.С. Алгоритм заполнения пропусков в эмпирических таблицах (алгоритм Zet ) // Вычислительные системы: сб. тр. Вып. 61. Эмпирическое предсказание и распознавание образов. Новосибирск, 1975. С. 3-27.
  14. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2002. 382 с.
  15. Ларионов И.Б. Карты Кохонена как способ восстановления мультимедийной информации // Журнал радиоэлектроники. 2010. № 10. Режим доступа:http://jre.cplire.ru/jre/oct10/3/text.html (дата обращения 01.10.2014).
  16. Белим С.В., Селиверстов С.А., Майоров-Зильбернагель А.О. Использование ассоциативных правил для восстановления зашумленных изображений // Вестник Омского университета. 2013. № 4. С . 197-200.
  17. Saaty T.L. Relative Measurement and its Generalization in Decision Making: Why Pairwise Comparisons are Central in Mathematics for the Measurement of Intangible Factors - The Analytic Hierarchy/Network Process // Review of the Royal Spanish Academy of Sciences. Series A. Mathematics. 2008. Vol.102, no. 2. P. 251-318. DOI: 10.1007/BF03191825
  18. Белим С.В., Богаченко Н.Ф. Применение метода анализа иерархий для оценки рисков утечки полномочий в системах с ролевым разграничением доступа // Информационно-управляющие системы. 2013. № 6. С. 67-72.
  19. Белим С.В., Бречка Д.М. Применение метода анализа иерархий для выбора записи в списке контроля доступа // Вопросы защиты информации. 2013. № 3. С . 11-16.
  20. DiGesu V., Staravoitov V.V. Distance-based Functions for Image Comparison // Pattern Recognition Letters. 1999. Vol. 20, no. 2. P. 207-213. DOI: 10.1016/S0167-8655(98)00115-9
  21. Saaty T.L. Relative Measurement and its Generalization in Decision Making: Why Pairwise Comparisons are Central in Mathematics for the Measurement of Intangible Factors - The Analytic Hierarchy/Network Process // Review of the Royal Spanish Academy of Sciences. Series A. Mathematics. 2008. Vol. 102, no. 2. P. 251-318. DOI: 10.1007/BF03191825
  22. Гонсалес Р., Вудс Р. Цифровая обработка изображений: пер. с англ. М.: Техносфера, 2005. 1072 с .
Поделиться:
 
ПОИСК
 
elibrary crossref ulrichsweb neicon rusycon
 
ЮБИЛЕИ
ФОТОРЕПОРТАЖИ
 
СОБЫТИЯ
 
НОВОСТНАЯ ЛЕНТА



Авторы
Пресс-релизы
Библиотека
Конференции
Выставки
О проекте
Rambler's Top100
Телефон: +7 (915) 336-07-65 (строго: среда; пятница c 11-00 до 17-00)
  RSS
© 2003-2021 «Наука и образование»
Перепечатка материалов журнала без согласования с редакцией запрещена
 Тел.: +7 (915) 336-07-65 (строго: среда; пятница c 11-00 до 17-00)