Комбинированный метод выделения контуров на зашумленных изображениях

Е.П. Петров; Е.В. Медведева; Е.Е. Курбатова

Комбинированный метод выделения контуров на зашумленных изображениях

Е.П. Петров¹, Е.В. Медведева², Е.Е. Курбатова³

научная статья Страницы: 317-323

¹ д.т.н., проф., зав. кафедрой радиоэлектронных средств, Вятский государственный университет
² к.т.н., доцент, кафедра радиоэлектронных средств, Вятский государственный университет
³ аспирант, кафедра радиоэлектронных средств, Вятский государственный университет

Ключевые слова: сегментация выделение контуров цифровые полутоновые изображения марковский процесс количество информации двумерная нелинейная фильтрация

Аннотация

Разработан комбинированный метод предварительной обработки изображений, позволяющий на первом этапе восстановить цифровые полутоновые изображения (ЦПИ) при низких отношениях сигнал/шум по мощности, а на втором - выделить границы объектов интереса; показано, что метод базируется на представлении ЦПИ двумерным марковским процессом

Для цитирования

Петров Е.П., Медведева Е.В., Курбатова Е.Е. Комбинированный метод выделения контуров на зашумленных изображениях // Нелинейный мир. 2011. № 5. С. 317–323.

Список источников

Потапов А.А., Гуляев Ю.В., Никитов С.А. и др. Новейшие методы обработки изображений / под ред. А.А. Потапова. М.: ФИЗМАТЛИТ. 2008.
Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера. 2005.
Петров Е. П., Трубин И.С., Частиков И.А. Нелинейная фильтрация видеопоследовательностей цифровых полутоновых изображений марковского типа // Успехи современной радиоэлектроники. 2007. № 3. С. 54 - 88.
Петров Е.П., Медведева Е.В. Вычисление статистической избыточности статических изображений // Вопросы радиоэлектроники. Сер. РЛТ. 2008. Вып.3. Москва. 2008. С.76 - 83.
Роджерс Д. Алгоритмические основы машинной графики. М.: Мир. 1989.
Berkeley Segmentation Dataset - база изображений университета Беркли. URL: http://www.eecs.berkeley.edu/Research/ Projects/CS/vision/grouping/segbench. Дата обращения: 17.03.2008.
Левашкина А.О., Поршнев С.В. Сравнительный анализ супервизорных критериев оценки качества сегментации изображений // Информационные технологии. 2009. № 5. С. 52 - 57.

[1] Потапов А.А., Гуляев Ю.В., Никитов С.А. и др. Новейшие методы обработки изображений / под ред. А.А. Потапова. М.: ФИЗМАТЛИТ. 2008.

[2] Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера. 2005.

[3] Петров Е. П., Трубин И.С., Частиков И.А. Нелинейная фильтрация видеопоследовательностей цифровых полутоновых изображений марковского типа // Успехи современной радиоэлектроники. 2007. № 3. С. 54 - 88.

[4] Петров Е.П., Медведева Е.В. Вычисление статистической избыточности статических изображений // Вопросы радиоэлектроники. Сер. РЛТ. 2008. Вып.3. Москва. 2008. С.76 - 83.

[5] Роджерс Д. Алгоритмические основы машинной графики. М.: Мир. 1989.

[6] Berkeley Segmentation Dataset - база изображений университета Беркли. URL: http://www.eecs.berkeley.edu/Research/ Projects/CS/vision/grouping/segbench. Дата обращения: 17.03.2008.

[7] Левашкина А.О., Поршнев С.В. Сравнительный анализ супервизорных критериев оценки качества сегментации изображений // Информационные технологии. 2009. № 5. С. 52 - 57.

Аннотация

Для цитирования

Похожие статьи