МЕТОДЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ
С. С. Магазов "Восстановление изображения на дефектных пикселях КMОП и ПЗС матриц"
РАСПОЗНАВАНИЕ ОБРАЗОВ
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
С. С. Магазов "Восстановление изображения на дефектных пикселях КMОП и ПЗС матриц"

Аннотация.

В статье исследуется задача восстановления растрового изображения на дефектных областях ПЗС или КМОП матриц. Задача восстановления изображения делится на подзадачи: восстановление контуров и восстановление текстур. Эти задачи решаются специальной машиной восстановления изображений, которая использует адаптированные к задаче методы классификации изображений, нейронную сеть и методы восстановления изображения. Предложен оригинальный метод восстановления изображений в видеоряде. Проведен анализ вычислительных сложностей использованных методов.

Ключевые слова:

генерация текстур, аппроксимация дискретных функции, статистики изображения, параметры Харалика и Лавса, фильтр Габора, нейронные сети.

Стр. 25-40.

DOI 10.14357/20718632190303

 Полная версия статьи в формате pdf.

 Литература

1. Alfred V. Aho, Jeffrey D. Ullman. The Theory of Parsing, Translation, and Compiling, Volume 1: Parsing, 1972
2. Фурман Я.А. Кревецкий А.В.Передреев А.К. Роженцов А.А. Хафизов Р.Г.Егошина И.Л. Леухин А.Н. Введение в контурный анализ. - М.: ФИЗМАТЛИТ, 2005. –561 с.
3. O. Acuna, Texture modeling using Gibbs distributions, Computer Vision, Graphics, and Jmage Processing: Graphical Models and Jmage Processing. 54(5), 210{222, (1992). 50.
4. Barnsely M. F. The science of fractal images – Springer-Verlag, NJ, 1988. – JSBN:0-587-96608-0
5. Cross G. C., Jain A. K. Markov random end texture models, JEEE Transactions on Pattern Analysis and Machine intelligence. 5, (1985).
6. Chellappa R., Chatterjee S., Classification of textures using Gaussian Markov random fields, JEEE Transactions on Acoustics, Speech, and Signal Processing. ASSP{55(4), 959{965, (1985).
7. Fu K.S., Syntactic Pattern Recognition and Applications, Prentice-Hall, New Jersej, 1982.
8. Falconer K. J. Fractal geometry mathematical foundations and applications 2nd Ed. // JEEE, 2005. – 566 p. – JSBN 978-047084861677
9. Gabor D., Wilby W. P. and Woodcock R. (1960) A universal nonlinear filter, predictor and simulator which optimises itself by a learning process. IEE Proc., 108: 422–438.
10. Goodfellow I., J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville, and Y. Bengio. Generative adversarial nets. In NIPS, 2014.
11. Haralick R. M. Statistical and structural approaches to teiture // Proceedings of the JEEE, 1979. – Vol 67, 5. – P. 786-804.
12. Haralick R. M. Textural Features for image classification //JEEE Transactions on systems, man and cybernetics, volume SMC-5. – JEEE, 1979. – 6. – P. 610-621. JSSN 0018- 9472.
13. Harte D. Multifractals. Theory and applications // Chapman & Hall/CRC, 2001. – 264 p. – JSBN 1-58488-154-2
14. Laws K.I. Textured Image Segmentation. PhD thesis, University of Southern California, LA, 1980.
15. Ljn Ljang, Ce Lju, Jng-Qjng Ju ect. Real-Time Texture Synthesis bj Patch-Based Sampling Microsoft Research China, Beijing.
16. O. L. Vovk. Evaluation of statistical features for texture classification // The Visnyk of the SSU, 2004. Vol. 71, no.12, p. 98–105.
17. Yong Xu, Hui Ji, Cornelia Fermuller. Viewpoint Invariant Texture Description Using Fractal Analysis. Int. J. Comp. Vis, 2009, 83, pp. 85-100.

2023 / 04
2023 / 03
2023 / 02
2023 / 01

© ФИЦ ИУ РАН 2008-2018. Создание сайта "РосИнтернет технологии".