Выделение трех уровней яркости на зашумленном изображении
DOI:
https://doi.org/10.26089/NumMet.v21r216Ключевые слова:
восстановление изображений, проверка статистических гипотез, бинарная классификацияАннотация
Предложен новый метод восстановления изображений, имеющих три неизвестные градации яркости. Для их определения используются фрагменты изображения, гистограммы которых согласуются с заданным распределением шума. Далее все пиксели распределяются по найденным уровням яркости посредством бинарной классификации. Выполнен вычислительный эксперимент, по результатам которого оказалось, что ошибка оценки исходных яркостей не превысила 3%. При относительно низком уровне шума доля неверно классифицированных пикселей от их общего числа составила менее 0.006.
Библиографические ссылки
A. A. Potapov, A. A. Pakhomov, S. A. Nikitov, and Yu. V. Gulyaev, Novel Methods of Image Processing (Fizmatlit, Moscow, 2008) [in Russian].
A. R. Dabagov, I. A. Malyutina, and S. A. Filist, Artificial Intelligence Systems for X-Ray Examinations in Digital Medicine (Universitetskaya Kniga, Kursk, 2019).
A. M. Golubkov, “Face Recognition Using Images Binary Classification Methods,” Izv. Saint Petersburg Eletrotekh. Univ., No. 7, 26-30 (2018).
A. Rumyantsev, R. Minyazev, S. Dyganov, et al., “Assessment of the Influence of the Neural Network Architecture Size on the Training Rate in the Problem of Binary Classification,” Vestn. Tekhnol. Univ. 21 (8), 124-127 (2018).
S. A. Aivazian, V. M. Buchstaber, I. S. Yenyukov, and L. D. Meshalkin, Applied Statistics. Vol. 3: Classification and Reduction of Dimensionality (Financy i Statistika, Moscow, 1989) [in Russian].
I. S. Gruzman, V. S. Kirichuk, V. P. Kosykh, et al., Digital Processing of Images in Information Systems (Novosibirsk Gos. Tekh. Univ., Novosibirsk, 2002) [in Russian].
V. S. Pugachev, Theory of Probability and Mathematical Statistics (Nauka, Moscow, 2002) [in Russian].
M. E. Karasikov and Y. V. Maximov, “Dimensionality Reduction for Multi-Class Learning Problems Reduced to Multiple Binary Problems,” Mashinnoe Obuchenie Analiz Dannykh 1 (9), 1273-1290 (2014).
A. V. Likhachov, “Tomographic Reconstruction of a Region with a Given Density Value,” Vychisl. Metody Programm. 19, 516-521 (2018).
A. V. Likhachev, “Modified Method for Detecting Small Structures in Noisy Images,” Avtometriya 55 (6), 55-63 (2019) [Optoelectr., Instrum. Data Process. 55 (6), 580-586 (2019)].
