Розробка, дослідження алгоритмів фільтрації зображень, спотворених шумом, на основі адаптації до локальної структури з використанням робастних оцінок параметрів моделі зображення. Піраміда зображення з роздільною здатністю на основі робастної регресії.
При низкой оригинальности работы "Алгоритми локально-адаптивної фільтрації на основі робастних оцінок для обробки зображень", Вы можете повысить уникальность этой работы до 80-100%
Національна академія наук України Фізико-механічний інститут ім. 16 - Інформаційно-вимірювальні системи Автореферат дисертації на здобуття наукового ступеня кандидата технічних наук Алгоритми локально-адаптивної фільтрації на основі робастних оцінок для обробки зображень УДК 621. 391 Івасенко Ірина Богданівна Львів - 2000 Дисертацією є рукопис. Робота виконана у Фізико-механічному інституті ім. Г. В. Карпенка НАН України Науковий керівник: кандидат технічних наук, старший науковий співробітник Паленичка Роман Мирославович, Фізико-механічний інститут НАН України, завідувач лабораторії. Автореферат розісланий 12 травня 2000 р. фільтрація зображення шум робастна регресія ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ Актуальність теми. Відомо багато нелінійних методів реставрації зображень, зокрема Бовіка А., Бернштейна А., Астоли Я., Пітаса І., Ярославського Л. Існуючі адаптивні методи фільтрації не враховують форму обєктів і, отже, спотворюють важливі деталі зображення. Ці адаптивні фільтри обчислюють деякі локальні характеристики зображення, щоб адаптуватися до реальних даних зображення. Для покращення ефективності відомих методів фільтрації в системах обробки зображень пропонується структурно-адаптивний підхід, який використовує структурні області для оцінки інтенсивності зображення та інших локальних властивостей однорідних областей. Крім того, обчислення інтенсивності передбачає робастні оцінки параметрів поліноміальної регресії, яка моделює функцію яскравості в межах структурних областей. Отримані наукові результати впроваджено у Львівському державному медичному університеті ім. Д. Галицького та Львівському державному онкологічному регіональному лікувально-діагностичному центрі. Як правило, шум n (i) містить відносно невеликий відсоток викидів, який можна змоделювати таким чином: (2) де n0 (i) - гаусівський шум з розподілом N (0; 1) ; n1 (i) - викиди (наприклад, функція, що приймає максимальне та мінімальне значення) ; e - імовірність появи викидів.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
