Аннотация:
Впервые обоснована и реализована процедура фильтрации изображений, искаженных мультипликативным шумом. Процедура включает следующие этапы: формирование сходных структур в трехмерном пространстве (3D), гомоморфное преобразование, фильтрация изображения в 3D-пространстве дискретного косинусного преобразования (DCT), формирование статистической оценки изображения на основе группирования схожих структур, обратное гомоморфное преобразование и заключительный этап обработки, где корректируются погрешности и восстанавливаются контуры и детали изображений. Дана физическая интерпретация процедуры фильтрации в условиях мультипликативных шумов и разработана структурная схема подавления шумов. Моделирование предложенного метода подтвердило преимущество новой процедуры фильтрации в терминах общепризнанных критериев: оценки структурного индекса схожести, пикового отношения сигнал/шум и индекса сохранения контуров, а также и при визуальном сравнении профильтрованных изображений.
Образец цитирования:
В. Ф. Кравченко, В. И. Пономарев, В. И. Пустовойт, Г. Аранда-Бохоргес, “Подавление мультипликативных шумов в изображениях на основе группирования схожих объектов”, Докл. РАН. Матем., информ., проц. упр., 499 (2021), 67–72; Dokl. Math., 104:1 (2021), 216–220
В. Ф. Кравченко, Ю. В. Гуляев, В. И. Пономарев, Г. Аранда-Бохоргес, “Подавление спекл шумов в медицинских изображениях путем сегментации-группирования 3D объектов на основе дисперсного контуролет представления”, Докл. РАН. Матем., информ., проц. упр., 509 (2023), 94–100; V. F. Kravchenko, Yu. V. Gulyaev, V. I. Ponomarev, G. Aranda Bojorges, “Suppression of speckle noise in medical images via segmentation-grouping of 3D objects using sparse contourlet representation”, Dokl. Math., 107:1 (2023), 77–82