350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №9 за 2012 г.
Статья в номере:
Применение нейронных сетей для решения обратных задач деконволюции изображений и устранения искажений типа смаз и расфокусировка
Ключевые слова: деконволюция изображений обработка изображений смаз расфокусировка нейронные сети нейросетевая обработка
Авторы:
П.В. Скрибцов - к.т.н., ген. директор, ООО «ПАВЛИН Техно». E-mail: info@pawlin.ru П.А. Казанцев - к.т.н., руководитель группы разработчиков, ООО «ПАВЛИН Техно». E-mail: info@pawlin.ru А.В. Долгополов - ООО «ПАВЛИН Техно», www.pawlin.ru, www.pawlin.com
Аннотация:
Дано описание применения нейронных сетей для решения обратных задач деконволюции изображений и устранения искажений типа смаз и расфокусировка. Предложена нейросетевая модель PSF, которая позволяет проводить деконволюцию для сложных случаев искажений типа смаз и расфокусировка, которые не достаточно соответствуют стандартным моделям. Применение нейросетевой PSF позволяет более точно восстанавливать изображение при искажениях типа смаз и расфокусировка.
Страницы: 47-54
Список источников
  1. Родионов С. А. Основы оптики. Конспект лекций. СПб: СПб ГИТМО (ТУ). 2000.
  2. Домненко В. М., Бурсов М. В. Моделирование формирования оптического изображения. Учеб. пособие. СПб: СПбГУИТМО. 2005.
  3. Charu Khare, Kapil Kumar Nagwanshi, Implementation and Analysis of Image Restoration Techniques // International Journal of Computer Trends and Technology. May to June Issue 2011.
  4. Dr. P.Subashini , Ms. M. Krishnaveni, Mr. Vijay Singh, Image Deblurring Using Back Propagation Neural Network // World of Computer Science and Information Technology Journal (WCSIT). 2011. V. 1. № 6. Р. 277-282.
  5. Нейрокомпьютеры в прикладных задачах обработки изображений // под ред. А.Н. Балухто, А.И. Галушкина. М.: Радиотехника. 2007.
  6. Хайкин С. Нейронные сети: полный курс. М.: Вильямс. 2006.
  7. Christopher M. Bishop, Neural Networks for Pattern Recognition // Oxford University Press. 2005.
  8. ООО «ПАВЛИН ТЕХНОЛОГИИ» / Решение обратных задач на основе математических моделей формирования пространственно-временных характеристик русел рек для оперативных краткосрочных прогнозов паводков и половодья с использованием многоядерных суперЭВМ. - Государственный контракт № 16.515.11.5004 от «29» апреля 2011 г., шифр 2011-1.5-515-020-037, Отчет о НИР, этап № 2 «Теоретические исследования поставленных перед НИР задач», 2011 г.
  9. Richardson, W. H., Bayesian-based iterative method of image restoration // Journal of The Optical Society of America. 62(1):55. 1972.
  10. Shepp, L. A. and Vardi, Y., Maximum likelihood reconstruction for emission tomography // IEEE Transactions on Medical Imaging. MI-2: 113-122. 1982.
  11. Landweber, L., An iteration formula for Fredholm integral equations of the first kind // American Journal of Mathematics. 73:615-624. 1951.
  12. Biemond, J., Lagendijk, R., and Mersereau, R., Iterative methods for image deblurring // The Proceedings of the IEEE.  V. 78. № 5. 1990. P. 856-883. 
  13. Vincent L., Soille P. Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion Simulations // IEEE Trans. on Pattern Analysis and Machine Intelligence. 1991. V. 13. № 6. Р. 583-598.