Реконструкция значений утраченных точек изображений по энтропии коэффициентов дискретного косинусного преобразования (стр. 3 из 3)

Таблица 6

Результаты реконструкции поврежденных изображений различными методами, ПССШ, дБ

Изобр.	Повр.	CPPDE	LPG	EDD8	EDD16	EDDC
14a	19,92	35,60	33,67	39,10	40,18	40,80
14б	21,57	35,02	34,08	35,22	35,38	35,45
14в	21,30	43,45	41,66	43,97	44,01	44,36
14г	21,55	50,17	48,05	52,90	53,13	53,19

Как видим, предложенный метод имеет преимущество во всех случаях и особенно для текстурного изображения Barbara. Даже при реконструкции относительно однородных участков (рис. 14г) EDDС выигрывает у CPPDE около 3 дБ. На рис. 15 приведены результаты реконструкции изображения Barbara (рис. 14а) сравниваемыми методами. На рис. 16–18 приведены увеличенные фрагменты этого изображения. Хорошо видно преимущество предложенного подхода в восстановлении как текстурных участков, так и мелких деталей изображения.

а) б)

Рис. 15. Изображение Barbara, реконструированное с помощью:

а – CPPDE;

б – предложенным методом EDDC

а)	б)
в)	г)

Рис. 16. Увеличенный фрагмент изображения Barbara:

a – исходное изображение;

б – поврежденное царапиной;

в – реконструированное CPPDE;

г – реконструированное предложенным методом

a)	б)
в)	г)

Рис. 17. Увеличенный фрагмент изображения Barbara:

a – исходное изображение;

б – поврежденное царапиной;

в – реконструированное CPPDE;

г – реконструированное предложенным методом

a)	б)
в)	г)

Рис. 18. Увеличенный фрагмент изображения Barbara:

a – исходное изображение;

б – поврежденное царапиной;

в – реконструированное CPPDE;

г – реконструированное предложенным методом

пиксель изображение энтропия

Выводы и рекомендации

Проведенные исследования позволяют сделать следующие выводы:

1. Предлагается новый подход оценки значений утраченных пикселей, основанный на минимизации энтропии коэффициентов дискретного косинусного преобразования (ДКП) блока изображения.

2. Проведен анализ эффективности предлагаемого подхода в сравнении с методом, основанном на сохраняющих кривые частичных дифференциальных уравнениях (CPPDE).

3. Рассматривается задача устранения импульсного шума и задача реконструкции утерянных участков изображений.

Библиографический список

1. Astola, J. Fundamentals of nonlinear digital filtering / J. Astola, P. Kuosmanen // Boca Raton (USA). – CRC Press LLC, 2007.

2. Pitas, I. Nonlinear Digital Filters: Principles and Application / I. Pitas, A.N. Venetsanopoulos // Kluwer Academic Publishers. – Boston, 2010.

3. Lukin, V.V. Two-stage Methods for Mixed Noise Removal, CD-ROM Proceedings of EURASIP Workshop on Nonlinear Signal and Image Processing (NSIP) / V.V. Lukin, P.T. Koivisto, N.N. Ponomarenko, S.K. Abramov, J.T. Astola // Japan. – May 2008. – 6 p.

4. Zhang, D.S. Nonlinear filtering impulse noise removal from corrupted ima-ges / D.S. Zhang, Z. Shi, H. Wang, D.J. Kouri, D.K. Hoffman // Proc. ICIP. –2010. – V. 3. – p. 285–287.