close

Вход

Забыли?

вход по аккаунту

?

Патент BY8013

код для вставкиСкачать
ОПИСАНИЕ
ИЗОБРЕТЕНИЯ
К ПАТЕНТУ
РЕСПУБЛИКА БЕЛАРУСЬ
BY (11) 8013
(13) C1
(19)
(46) 2006.04.30
(12)
7
(51) G 06T 5/50,
НАЦИОНАЛЬНЫЙ ЦЕНТР
ИНТЕЛЛЕКТУАЛЬНОЙ
СОБСТВЕННОСТИ
(54)
G 01C 11/06
СПОСОБ ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЯ
(21) Номер заявки: a 20020638
(22) 2002.07.18
(43) 2003.03.30
(71) Заявитель: Государственное научное
учреждение "Институт технологии
металлов Национальной академии
наук Беларуси" (BY)
(72) Авторы: Довнар Дмитрий Владимирович; Лебединский Юрий Анатольевич; Захаров Игорь Леонидович (BY)
(73) Патентообладатель: Государственное
научное учреждение "Институт технологии металлов Национальной академии наук Беларуси" (BY)
(56) RU 2147144 C1, 2000.
SU 756201, 1980.
SU 1643931 A1, 1991.
DE 3341087 A1, 1985.
(57)
Способ восстановления изображения объекта, включающий регистрацию нескольких
его изображений при различных условиях их формирования и получение искомого
изображения путем их математической обработки, отличающийся тем, что регистриr
руют размытые изображения, охарактеризованные функцией F( x, p) с аргументами
x = (x l , x 2 ,..., x N ) при условиях их формирования, обеспечивающих попадание различ-
BY 8013 C1 2006.04.30
ных высокочастотных составляющих спектра объекта в область пропускания размывающей системы, причем N - размерность регистрируемого изображения, р - его номер, а
r r
искомое изображение z (ξ, β) объекта с М-мерными координатами ξ = ( ξ1 , ξ 2 ,..., ξ M )
получают путем использования численного алгоритма математической обработки:
( )
∞
()
z ξ, β = ∑ c l (β)ψ l ξ , ξ ≤ S,
l =1
BY 8013 C1 2006.04.30
r
где с l (β) - коэффициенты разложения, вычисляемые по формуле:
n
r
d kn (β) ϕ k ( x, p), F( x, p)
∑
∞
c l (β) = ∑ d ln (β) k =1
;
n
n =1
β n + ∑ d kn (β) {ϕ k , ϕ n }
{
}
k =1
β = (β1 , β 2 ,...) - стабилизирующий векторный параметр, оптимальное значение которого вычисляют из условия минимума среднеквадратической ошибки восстановления;
r r
ψ l ( ξ) - ряд базисных функций изображения z (ξ, β) ;
S = (Sl , S 2 ,..., S M ) - область определения объекта в пространстве его координат;
d ln (β) - коэффициенты, рассчитываемые по рекуррентной формуле:
m
n −1
()
d ln (β) = −∑ d lm β
m =l
∑d
k =1
km
(β) {ϕ k , ϕ n }
m
β m + ∑ d km (β) {ϕ k , ϕ m }
,
k =1
r
r
причем n = 1,2,..., k = 1,2,..., d kk (β) = 1 при l = 1, 2,… n-1, и d ln (β) = 0 при l > n;
r
ϕ k ( x , p ) - изображения базисных функций ψ l (ξ) , рассчитываемые по формуле:
r
S
r
r
r
r r
ϕ k ( x, p) = ∫ ψ k (ξ)K( x, ξ, p)dξ ;
r
−S
{ϕ k , ϕ n } - скалярные произведения, рассчитываемые по формуле:
{ϕ k , ϕ n } = ∑ ϕ k ( x , p)ϕ n ( x, p) ;
x ,p
r r
K ( x , ξ, p ) - функция размытия точки,
r
для всех значений дискретизированных для ввода в компьютер аргументов x
гистрированных изображений.
всех заре-
Изобретение относится к обработке изображений (многомерных сигналов) и может
быть использовано для восстановления данных объекта по нескольким его размытым изображениям, для компенсации потерь информации при передаче сигналов.
В настоящее время одним из самых распространенных статистических способов восстановления информации об объекте является метод обобщенной фильтрации Винера [1],
основанный на численной обработке единичного изображения объекта. Достоинства метода фильтрации Винера заключаются в учете априорной статистической информации о
случайном объекте и шуме и возможности вероятностной оценки минимальной среднеквадратической ошибки восстановления. Недостатком же данного метода является существенная зависимость качества восстанавливаемой информации от количества и
расположения точек отсчета в регистрируемом изображении. Это обуславливает ограничение качества результата восстановления пределом Найквиста (минимальным расстоянием между точками отсчета). Кроме того, после применения метода фильтрации Винера
типичным является проявления остаточного размытия - так называемого "ореола". Другим
распространенным способом восстановления является итерационный метод, например,
итеративный фильтр [2], основанный на многократном применении восстанавливающего
алгоритма, содержащего функцию размытия точки (ФРТ) размывающей среды. Метод
имеет несколько основных преимуществ: не требует сложных математических вычисле2
BY 8013 C1 2006.04.30
ний, применим для восстановления изображений большого размера и не требует дополнительного знания об оптических свойствах объекта, как это необходимо в фильтре Винера.
Но метод имеет медленную сходимость (т.е. требуется большое количество итераций).
Одновременно с улучшением восстановленного изображения с каждой итерацией накапливается шум. Итерационный метод не применим к случаям размытия изображения при
дефокусировке и движении.
Наиболее близким по технической сущности можно считать изобретение, основанное
на регистрации изображения на матрице детекторов, полученных в результате прохождения излучения через кодирующие маски, состоящие из случайно выбранных отверстий и
перемычек, патент [3]. При этом используется прямая маска и инвертированная, что позволяет получить несколько изображений. К недостаткам данного способа можно отнести:
обязательное требование использовать маски с пропусканием 0 или 1; невозможность
улучшать качество сильно размытых изображений, а также использовать произвольное
количество масок.
Технической задачей, на решение которой направлено данное изобретение, является
повышение точности восстановления изображения объекта. Поставленная техническая
задача решается следующим образом. Регистрируют несколько изображений искомого
r
r
объекта охарактеризованных функцией F( x ,p) с аргументами x = (xl, x2,..., xN), при условиях их формирования, обеспечивающих попадание различных высокочастотных составляющих спектра объекта в область пропускания размывающей системы, причем N размерность регистрируемого изображения, р - его номер, а искомое изображение
r r
r
z(ξ, β) объекта с М-мерными координатами ξ = (ξ1 , ξ 2 ,..., ξ M ) получают путем использования численного алгоритма математической обработки:
∞
r r
r
r r r
z(ξ, β) = ∑ c1 (β)Ψl (ξ), ξ ≤ S,
(1)
l =1
r
где сl( β ) - коэффициент разложения, вычисляемый по формуле:
m
r
r
∞
r
r ∑ d kn (β){ϕk , F( x, p)}
cl (β) = ∑ d ln (β) k=1 m
;
(2)
r
n =1
βn + ∑ d kn (β){ϕk , ϕn }
k =1
r
β = (β1, β2,...) - стабилизирующий векторный параметр, оптимальное значение которого
вычисляется из условия минимума среднеквадратической ошибки восстановления [4];
r
r r
Ψl (ξ) - ряд базисных функций изображения z(ξ, β) ;
r
S = (S1, S2,…, SM) - область определения объекта в пространстве его координат;
r
dln ( β ) – коэффициенты, рассчитываемые по рекуррентной формуле:
m
r
β
d
(
){ϕk , ϕn }
∑
km
−
n
1
r
r
,
d ln (β) = −∑ d lm (β) k =1 m
r
m =l
βm + ∑ d km (β){ϕk , ϕm }
k =1
r
r
причем n = 1, 2,..., k = 1, 2,..., dkk( β ) = 1 при l = 1, 2,..., n-1; и dln( β ) = 0, если l > n;
r
r
ϕ k ( x , p) - изображения базисных функций Ψk (ξ) , рассчитываемые по формуле:
r
S
r
r
r
r r
ϕk ( x, p) = ∫ Ψk (ξ)K ( x, ξ, p)dξ;
r
−S
{ϕk,ϕl} - скалярные произведения, рассчитываемые по формуле:
3
BY 8013 C1 2006.04.30
r
r
{ϕ k , ϕl } = ∑ ϕ k ( x , p)ϕ l ( x , p);
x ,p
r r
K ( x , ξ, p) - функция размытия точки для всех значений, дискретизированных для ввоr
да в компьютер аргументов x всех зарегистрированных изображений.
Известно, что при размытии сигналов и изображений их частотный спектр изменяется.
Мощность составляющих спектра уменьшается с ростом их частоты. При этом определяют область частот, пропускаемых данной размывающей системой, выше которой частотные составляющие сигнала подавляются слишком сильно и практически не разрешаются в
регистрирующем устройстве. При изменении условий формирования, например, наложением периодических масок на объект наблюдается интерференция частот, при которой
результирующая частота определяется разностью частоты спектральной составляющей
объекта и частоты маски. При таком уменьшении частоты данная спектральная составляющая объекта уже попадает в область пропускания размывающей системы, что обеспечивает ее уверенную регистрацию. Качество такой регистрации по нескольким изображениям
рассчитывается заранее теоретически по значению минимальной среднеквадратической
ошибки восстановления [4], что позволяет оценивать достигаемое улучшение за счет применения нескольких изображений и масок для произвольной размывающей системы. Данный алгоритм разработан для решения уравнения Фредгольма первого рода, которое
описывает формирование изображений для произвольной линейной физической системы.
Алгоритм позволяет определить свойства наблюдаемого объекта, которые недоступны
непосредственно в силу размывающих свойств среды или системы, формирующей изображения. Он может быть использован в очень широком круге задач от оптики и теории
связи до геологии и медицины. Например, при наблюдении за мелкими объектами при
помощи микроскопа разрешение наблюдаемого объекта резко ограничено дифракцией и
получение нескольких изображений при помощи сдвига не может улучшить качество, тогда как в предлагаемом способе можно получить несколько различных изображений при
помощи изменения освещения объекта, в результате чего, как показано ниже в численном
примере, мы получим заметное улучшение изображения. При передаче электрических
сигналов на расстояние происходит их расплывание, что приводит к потере информации.
По этой причине даже многократная передача сигнала не позволяет передать информацию
без потерь, однако использование данного алгоритма может существенно снизить потерю
информации при помощи передачи нескольких сигналов, отличающихся модуляцией.
Для экспериментального подтверждения результатов способа восстановления был
взят объект, фигура (1 - размытое изображение, 2 - восстановленное по одному изображению, 3 - исходный объект, 4 - изображение, восстановленное по трем изображениям объекта). В качестве размывающей среды был выбран плоскопараллельный слой полимера,
обладающий равномерными рассеивающими свойствами, которые приближенно подчиняются закону Гаусса. В изображении объекта (фигура (1)), размытого таким способом,
полоски не удается различить. После восстановления объекта по одному изображению едва различимы только некоторые из полос (фигура (2)). Применение алгоритма, предлагаемого данным изобретением, по методу, основанному на схеме формирования нескольких
изображений, позволило существенно увеличить разрешение (фигура (4)). Причем, как
видно на фигуре (4), восстановленное изображение обладает высоким контрастом.
4
BY 8013 C1 2006.04.30
Источники информации:
1. T.S. Huang, B.R. Frieden, "Picture Processing and digital Filtering", Springer-Verlag Berlin Heidelberg New York, 1975.
2. A.K. Katsaggelos. Iterative Image Restoration Algorithm // Optical Engineering. - 1989. Vol. 28 (7). - Pp. 735-748.
3. Патент RU 2147144 C1. Способ и устройство восстановления изображения. - 2000.
4. Довнар Д.В., Лебединский Ю.А. Восстановление объекта по нескольким изображениям, сформированным в различных условиях // Вестник МГТУ им. Н.Э. Баумана. Сер.
"Естественные науки". - 2003 - № 1. - С. 87-99.
Национальный центр интеллектуальной собственности.
220034, г. Минск, ул. Козлова, 20.
Документ
Категория
Без категории
Просмотров
0
Размер файла
525 Кб
Теги
by8013, патент
1/--страниц
Пожаловаться на содержимое документа