Цифровой сглаживающий трапецеидальный рекурсивно-сепарабельный фильтр обработки изображений с изменяемыми размерами сканирующей многоэлементной апертуры
https://doi.org/10.25206/1813-8225-2024-189-127-136
EDN: HQKVYT
Аннотация
Развитие телевизионных систем является важным фактором для многих отраслей, занимающихся получением, обработкой, хранением и передачей изображений. На сегодняшний день актуальной задачей в применении подобных систем является улучшение качества изображений, полученных с помощью цифровых фото- и видеокамер. Для решения этой задачи могут быть использованы цифровые рекурсивно-сепарабельные сглаживающие фильтры. В работе приводится описание процесса работы алгоритма изменения размера сканирующей многоэлементной апертуры сглаживающего трапецеидального рекурсивно-сепарабельного фильтра обработки цифровых изображений. Приведены результаты оценки его быстродействия относительно того же алгоритма, реализованного через классическую двумерную свертку при различных размерах тестовых изображений. Оценено влияние размеров апертуры разработанного фильтра на изменение отношения сигнал/шум. Алгоритм был реализован в вычислительной среде MATLAB.
Ключевые слова
цифровая обработка изображений,
рекурсивно-сепарабельные фильтры,
повышение четкости,
оценка качества,
быстродействие
При поддержке: Исследование выполнено за счет гранта Российского научного фонда № 21-79-10200 в ТУСУРе.
Об авторах
А. В. Каменский
Томский государственный университет систем управления и радиоэлектроники
Россия
Россия
Каменский Андрей Викторович, кандидат технических наук, доцент кафедры телевидения и управления, доцент кафедры цифрового телевидения
AuthorID (РИНЦ): 1057825
AuthorID (SCOPUS): 57191031758
г. Томск
К. А. Рылов
Томский государственный университет систем управления и радиоэлектроники
Россия
Россия
Рылов Кирилл Александрович, аспирант, ассистент кафедры телевидения и управления
AuthorID (SCOPUS): 57214750784
г. Томск
Н. Бородина
Томский государственный университет систем управления и радиоэлектроники
Россия
Россия
Бородина Наталья, аспирант, ассистент кафедры телевидения и управления
AuthorID (SCOPUS): 57815608800
г. Томск
Список литературы
1. Li Y., Ibanez-Guzman J. Lidar for autonomous driving: The principles, challenges, and trends for automotive lidar and perception systems // EEE Signal Processing Magazine. 2020. Vol. 37, № 4. P. 50–61. DOI: 10.1109/MSP.2020.2973615.
2. Loomis H. H., Sinha B. High-speed recursive digital filter realization // Circuits, Systems and Signal Processing. 1984. Vol. 3. P. 267–294. URL: https://link.springer.com/article/10.1007/BF01599077.
3. Yergaliyev S., Akhtar M. T. A Systematic Review on Distributed Arithmetic-based Hardware Implementation of Adaptive Digital Filters // IEEE Access. 2023. Vol. 11. P. 85165–85183. DOI: 10.1109/ACCESS.2023.3304234.
4. Толмачева А. С., Каменский А. В., Тисленко А. А., Титов Д. В. Применение быстродействующих рекурсивно-сепарабельных фильтров для обработки зашумленных изображений // Доклады ТУСУР. 2023. Т. 26, № 1. С. 56–62. DOI: 10.21293/1818-0442-2023-26-1-56-62.
5. Kamenskiy A. V. High-speed recursive-separable image processing filters // Computer Optics. 2022. Vol. 46 (4). P. 659–665. DOI: 10.18287/2412-6179-CO-1063.
6. Акаева Т. М., Каменский А. В., Струмилова М. А. Быстродействующий трапецеидальный рекурсивно-сепарабельный фильтр обработки изображений // Вопросы радиоэлектроники. Серия: Техника телевидения. 2023. № 1. С. 138–145. EDN: UPFVQZ.
7. Moler C., Little J. A history of MATLAB // Proceedings of the ACM on Programming Languages. 2020. Vol. 4, № 81. P. 1–67. DOI: 10.1145/3386331.
8. Bister M., Yap C. S., Ng K. H. [et al.]. Increasing the speed of medical image processing in MatLab // Biomedical Imaging and Intervention Journal. 2007. Vol. 3, № 1. DOI: 10.2349/biij.3.1.e9.
9. C. E. F. do Amaral, Alves R. F., M. J. da Silva [et al.]. Image processing techniques for high-speed videometry in horizontal two-phase slug flows // Flow Measurement and Instrumentation. 2013. Vol. 33. P. 257–264. DOI: 0.1016/j.flowmeasinst.2013.07.006.
10. Ghosh A. K., Ansari A. A. To Analysis and Implement Image De-Noising Using Fuzzy and Wiener Filter in Wavelet Domain // International Journal of Trend in Research and Development. 2021. Vol. 8, № 3. P. 320–373. URL: http://www.ijtrd.com/papers/IJTRD22695.pdf.
11. Casacio C. A., Madsen L. S., Terrasson A. Quantum-enhanced nonlinear microscopy // Nature. 2021. Vol. 594, № 7862. P. 201–206. DOI: 10.1038/s41586-021-03528-w.
12. Altman D. G., Bland J. M. Standard deviations and standard errors // Bmj. 2005. Vol. 331, № 7521. P. 903. DOI: 10.1136/bmj.331.7521.903.
13. Movсhan A. K., Kapustin V. V., Kuryachiy M. I. [et al.]. Multi-Area Method of a Depth Map Building with Gain Modulation in Active-Pulse Television Measuring Systems // 2022 International Siberian Conference on Control and Communications (SIBCON). IEEE. 2022. P. 1–6. DOI: 10.1109/SIBCON56144.2022.10002872.
14. Kapustin V. V., Zahlebin A. S., Movchan A. K. [et al.]. Experimental assessment of the distance measurement accuracy using the active-pulse television measuring system and a digital terrain model // Computer Optics. 2022. Vol. 46 (6). P. 948–954. DOI: 10.18287/2412-6179-CO-1114.
Рецензия
Для цитирования:
Каменский АВ, Рылов КА, Бородина Н. Цифровой сглаживающий трапецеидальный рекурсивно-сепарабельный фильтр обработки изображений с изменяемыми размерами сканирующей многоэлементной апертуры. Омский научный вестник. 2024;(1):127-136. https://doi.org/10.25206/1813-8225-2024-189-127-136. EDN: HQKVYT
For citation:
Kamenskiy AV, Rylov KA, Borodina N. Digital anti-aliasing trapezoidal recursively separable image processing filter with resizable scanning multi-element aperture. Omsk Scientific Bulletin. 2024;(1):127-136. (In Russ.) https://doi.org/10.25206/1813-8225-2024-189-127-136. EDN: HQKVYT
Просмотров:
23
JATS XML
Послать статью по эл. почте 