350 руб
Журнал «Радиотехника» №9 за 2016 г.
Статья в номере:
Эффективность применения в рекуррентных процедурах привязки изображений целевых функций качества на основе информационных мер
Ключевые слова: цифровое изображение рекуррентное оценивание целевая функция взаимная информация энергия совместной плотности распределения вероятностей крутизна
Авторы:
А.В. Жукова - аспирант, Ульяновский государственный технический университет E-mail: donskaya.alena@mail.ru С.В. Воронов - к.т.н., доцент, кафедра «Радиотехника», Ульяновский государственный технический университет E-mail: s.voronov@ulstu.ru
Аннотация:
Проведен сравнительный анализ эффективности использования целевых функций качества оценивания на основе информационных мер (взаимной информации Шеннона и Тсаллиса, мер F информации, исключающей F информации, энергии совместной плотности распределения вероятностей) на примере задачи рекуррентного оценивания параметров привязки изображений. В качестве мешающего фактора при экспериментальных исследованиях использован несмещенный аддитивный гауссовский шум. Показано, что среди исследованных информационных мер потенциально большую скорость сходимости оцениваемых параметров и меньшую дисперсию погрешности оценивания обеспечивает I мера F информации. Взаимная информация уступает мерам F информации и имеет большую зависимость от уровня шума.
Страницы: 11-16
Список источников

 

  1. Brown L.G. A survey of image registration techniques // ACM Computing surveys. 1992. V. 24. P. 325−376.
  2. De Castro E., Morandi C. Registration of translated and rotated images using finite Fourier transform // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1987. V. 9. № 5. P. 700−703.
  3. Gonzalez R.C., Woods R.E. Digital image processing. Prentice Hall. New Jersey. 2002. 793 p.
  4. Goshtasby A.A. Image registration. Principles, tools and methods: Advances in Computer Vision and Pattern Recognition. Springer. 2012. 441 p.
  5. D\'Agostino E., Maes F., Vandermeulen D., Suetens P. An information theoretic approach for non-rigid image registration using voxel class probabilities // Med Image Anal. 2006. V. 6(3). P. 413−431.
  6. Воронов С.В., Воронов И.В. Анализ эффективности информационных мер качества привязки изображений // Радиотехника. 2015. № 6. С. 32−36.
  7. Воронов С.В. Использование взаимной информации как целевой функции качества оценивания параметров изображений // Радиотехника. 2014. № 7. С. 88−94.
  8. Sevim Y., Atasoy A. Performance comparison of new nonparametric independent component analysis algorithm for different entropic indexes // Turkish Journal of Electrical Engineering & Computer Sciences. 2012. V. 20. P. 287−297.
  9. Крашенинников В.Р. Основы теории обработки изображений: учебное пособие. Ульяновск: УлГТУ. 2003. 152 с.
  10. Ташлинский А.Г., Тихонов В.О. Методика анализа погрешностей псевдоградиентного измерения параметров многомерных процессов // Известия ВУЗов. Сер. «Радиоэлектроника». 2001. Т. 44. № 9. С. 75−80.
  11. Ташлинский А.Г. Оценивание параметров пространственных деформаций последовательностей изображений. Ульяновск: УлГТУ. 2000. 131 с.
  12. Tashlinskii A.G. Pseudogradient Estimation of Digital Images Interframe Geometrical Deformations // Vision Systems: Segmentation & Pattern Recognition. Vienna (Austria): I‑Tech Education and Publishing. 2007. P. 465−494.