Upload
aist
View
37
Download
0
Embed Size (px)
Citation preview
Families of Heron Digital Filters for Images Filtering
V.G. Labunets, F.S. Myasnikov, E.Ostheimer
Yekaterinburg , AIST-2015
Ural Federal University, pr. Mira, 19, Yekaterinburg, 620002, Russian Federation
Capricat LLC 1340 S. Ocean Blvd., Suite 209 Pompano Beach 33062 Florida USA
1
1. Основная цель
2. Постановка проблемы
3. Предлагаемый подход
4. Экспериментальны
е результаты
2
3
Основная цель
Основная идея данной работы заключается в получении искаженного или зашумленного изображения в первоначальном неповрежденном виде.
4
S1 S2
S3
S4
S5
Модель обрабатываемого изображения
Рассмотрим изображение следующей формы
( ) ( ) ( )f x s x η x
где - оригинальное К-канальное изображение, - шум, воздействующий на - искаженное шумом изображение
( )η x( )f x
( )s x( )s x
5
Восстановление полезного сигнала
Главная задача системы обработки сигналов состоит в том, чтобы из зашумленного изображения с максимальной точностью выделить полезное изображение и с максимальной степенью подавить помеху, т.е. дать максимально правдоподобную оценку полезному сигналу
( ) ( )ˆ( ) FILTER πs r s r r
Основная цель
6
S1 S2
S3
S4
S5
( ,
( 1, 1) ( 1, ) ( 1, 1)
( , 1) ( , 1)
( 1, 1) ( 1, ) ( 1,
)ˆ( ,
1
)
)
s i
f i j f i j f i j
f i j f i j
f i j f i j f i j
f i jj
Filter
Filter
Основная цель
7
8
Упрощающее предположение 1. Для простоты будем считать, что наблюдаемый сигнал является аддитивной смесью полезного сигнала и шума
2( ) ( ) ( ), f r s r r rπ Z
Постановка проблемы
9
1 1 2 2 1 2 1 2( | , ), 0, ( , ) ( , ) ( ) ( )p x i j m i j i j E i i j j
Постановка проблемы
10
𝜋 (𝑥)
Упрощающее предположение 2. Будем также предполагать, что полезный сигнал (изображение) представляет собой объединение областей, в которых сигнал принимает постоянные значения (изображение типа “лоскутного одеяла”)
, ) 1 2(
.( , ) , ,..., , ,...,m n Лоскут
N
Nm n s s s
s
Постановка проблемы
11
Упрощающее предположение 3. Будем предполагать, что совместная плотность распределения вероятностей наблюдаемых данных определяется совместной плотностью распределения шума, т.е.
1 2 1 2, ,..., , ,...,N Np x x x p x x x
Более того, будем предполагать, что шум в во всех пикселях действует независимо друг от друга, т.е.
1
1 2, ,...,N
ii
Nx x xp p x
Постановка проблемы
12
1 1 1 2 2 2
1 2
1
1
1
1 2
log log
log log
, ,...,
, , ...,
, ,...,
max max
экс экс эксN N N
экс экс эксN
opt
N
ii
Nэксi
i
Nэксi
i
N
Эксперимент
f f f
p x
L x
L x
L x
p x x x
x x x
L L x x x
L
L
1
Nэксi
i
Постановка проблемы
13
1 2
1 1
1
1 1
1 2
log log
log
, ,...,
, ,...,
max min
i
эксi
xN
x
экс экс экс NN
экс эксi opt i
экс эксi i
p
p
N NB
ii i
NB
i
N Np p
i i
N A
A
const x x
sign x x
p x e
e
p x x x
L L x x x
L L
L
1
10
N p
i
Постановка проблемы
𝐿𝐶𝑥 (𝑥|𝜎 ,𝑚 )=𝐴𝑒|𝑥−𝑚|𝑝
𝐵
14
1 2
1
1
1
1
1
1
1
, ,...,
0
2
0
1
log
log
min
экс эксi i
эксi opt
эксopt i opt
экс экс эксN
N p
i
N Nэк
N
ii
i
с
i
sign x x
p
x
p
x
N
x x x
x
L
L
Med
Постановка проблемы
𝐿𝐶𝑥 (𝑥|𝜎 ,𝑚 )=𝐴𝑒|𝑥−𝑚|𝑝
𝐵
15
22
2
1
1
2
1
2
1
1 1 1 1 1 1
0
3
0
0
1 1 1 1 1 1
log
log
log
экс эксi i
экс эксi i
эксi
эксopt i i
N p
i
N
iN
i
N N N N N Nэкс экс экс экс эксi i i i j
i i i i i j
sign x x
p
sign x x
x
x xN N N N N N
x x x x x
L
L
L
2
1
эксN
i
Постановка проблемы
𝐿𝐶𝑥 (𝑥|𝜎 ,𝑚 )=𝐴𝑒|𝑥−𝑚|𝑝
𝐵
16
Примеры среднего
1 2 1 2
1 2
1 2 1 21
... 1 2 ... 1 2
( , ,..., )
1( , ,..., ) ( , ,..., )
( , ,..., ) ( , ,...,N k
N
N
N N ii
w w w N w w w
x x x
x x x x x x xN
x x x x x x
Aggreg
M
1. Арифметическое среднее
ean
2. Взвешенное ср
Arithm
Aggreg Mean
еднее
1 2 ... 1 21 1
1
)
1 ( , ,..., )
k
N
N N
iw w w N i i iNi i
ii
x x x w x w xw
Arithm
17
Примеры среднего
1 2 1 21
1 2 1 21
1 ( , ,..., ) ( , ,..., )
1 ( , ,..., ) ( , ,...
, )
Npp
p N p N ii
N
N N ii
x x x x x x xN
x x x x x x xN
3. Степенные p - средние
3.1. Обычное средн
A
ее (p = 1)
3.2. Квад
ggreg Mean
Aggreg Me
ратичное сред
an
нее (
22 1 2 2 1 2
1
1 2 1 2 1 2
1 ( , ,..., ) ( , ,..., )
( , ,..., ) ( , ,..., ) ( , ,..., )
N
N N ii
N N N
x x x x x x xN
x x x x x x x x x
p = 2)
3.3. - среднее (p = )
3.4. - - среднее (p = - )
Aggreg Mean
Aggreg Mean Max
Aggr 1 2 1 2 1 2( , ,..., ) ( , ,..., ) ( , ,..., )N N Nx x x x x x x x x eg Mean Min18
Примеры среднего
1 2 1 21
1 2 1 2
1
( , ,..., ) ( , ,..., )
1 ( , ,..., ) ( , ,..., )
1
(
N
NGeo N Geo N i
i
Har k Har N N
i i
x x x x x x x
x x x x x x
x
x
4. Геометрическое среднее
5. Гармоническое среднее
6. Min-, Max - средние
Aggreg Mean
Aggreg Mean
Aggreg 1 2 1 2
1 2 1 2
1 2 1 2
1 2 1 2
1
, ,..., ) ( , ,..., )
( , ,..., ) ( , ,..., )
( , ,..., ) ( , ,..., )
( , ,..., ) ( , ,..., )
(
N N
N N
Med N N
N N
rrank
x x x x x
x x x x x x
x x x x x x
x x x x x x
x
Min
Aggreg Max
Aggreg Med
Aggr
7. Mедиан
eg Max
Aggr
а
8. r - Р
eg
анг
2 1 2, ,..., ) ( , ,..., )
N r Nx x x x xRank
19
20
Среднее и медиана по Герону
, / 3 / 3,
, , , .
a b a ab b aa ab bb
a b aa ab bb
MeanHeron
MedHeron Med
В данной работе вводится новый класс фильтров для обработки мультиспектральных изображений, названный обобщенными арифметическими и медианными фильтрами Герона.Классические определения среднего и медианы по Герону двух чисел a и b имеют вид:
21
Среднее и медиана по Герону
2 1
2 1 2
2( ,..., ) ,
( 1)
( , ,..., ) .
N i ji j
N i ji j
x x x xN N
x x x x x
MeanHeron
MedHeron Med
Пусть N - набор из положительных реальных чисел. Очевидный способ обобщения уравнения на набор чисел состоит в организации квадратных корней из различных попарных произведений Среднее и медиана по Герону N положительных чисел есть:
1 2( , ,..., )Nx x x
1 2( , ,..., )Nx x x
( 1) / 2N N
, i jx x i j
1 2( , ,..., )Nx x x
22
( , )( , )
( , )( , )
2 1 2 9 1 2 2 3 8 9( , )( , )
36
45
2 1 2 9 1 2 2 3( , )( , )
ˆ( , ) ( , ) , ,..., , , ,...,
ˆ( , ) ( , ) , ,..., , , ,
i ji j
i ji j
m n Mm n M
m n Mm n M
s i j x m n x x x x x x x x x
s i j x m n x x x x x x x
MeanHeron Arithm
MedHeron Med
8 9
36
45
..., x x
Фильтр Герона
23
Фильтр Герона
i jx x
1 1x x
3x1x1x
1x
2x
2x
2x
3x
3x
1 2x x 1 3x x
2 2x x 2 3x x
3 3x x
24
25
Полученные результатыПолученные результаты
Экспоненциальный шум26
Полученные результатыПолученные результаты
Шум типа «соль-перец»27
Полученные результатыПолученные результаты
СКО при нормальном шуме
Fmean Fmed Fheron0
5
10
15
20
25
28
Полученные результатыПолученные результаты
СКО при экспоненциальном шуме
Fmean Fmed Fheron0
5
10
15
20
25
29
Полученные результатыПолученные результаты
СКО при равномерном шуме
Fmean Fmed F(min+max/2) Fheron0
5
10
15
20
25
30
35
40
45
30
Полученные результатыПолученные результаты
31
-, - Усредняющий фильтр-, - Фильтр Герона
32