автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Повышение эффективности информационно-измерительных систем обработки слабоконтрастных документов

На правах рукописи

4

ХМЕЛЬНИЦКИЙ Денис Валентинович

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМ ОБРАБОТКИ СЛАБОКОНТРАСТНЫХ ДОКУМЕНТОВ

Специальность 05 11 16 -Информационно-измерительные и управляющие системы (в промышленности)

Автореферат диссертации на соискание ученой степени кандидата технических наук

О 5 1<.\0Ч да

Тула 2008

003171637

Работа выполнена в ГОУ ВПО «Тульский государственный университет»

Научный руководитель

■ доктор технических наук ДАНИЛКИН Федор Алексеевич

Официальные оппоненты

- доктор технических наук РУМЯНЦЕВ Владимир Львович

- кандидат технических наук СЕРЕДИН Олег Сергеевич

Ведущая организация

Федеральное государственное унитарное предприятие «НИИ репро! рафии»

Защита состоится «/$£_» июня 2008 г в часов на заседании диссертационного совета Д 212 271 07 при Тульском государственном университете (300600, г Тула, проспект Ленина, 92,9-101)

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Тульский государственный университет»

Автореферат разослан мая 2008 г

Ученый секретарь диссертационного совета

Ф А Данилкин

Общая характеристика работы

Актуальность темы В настоящее время среди информационно-измерительных систем (ИИС) большое распространение получили ИИС, предназначенные для обработки документов (ИИСОД) Такой рост обусловлен двумя основными причинами Во-первых, потребность в обработке документов в научной, потребительской и производственной сферах всегда была и остается на высоком уровне Во-вторых, развитие инфраструктуры программно-аппаратных средств для ввода, обработки и отображения графической информации, являющихся основными составляющими ИИСОД, позволило найти практическое применение множеству теоретических методов, накопленных в данной области за все время ее существования

В связи с широким спектром конструктивных различий между конкретными ИИСОД, обусловленных узкой спецификой целевой задачи, проведение их общей классификации становится невозможным. Однако среди всей совокупности ИИСОД можно выделить системы, эффективность работы которых зависит от качества исходного изображения. Примером таких систем являются

- ИИС, предназначенные для микрофильмирования документов (ИИСМД),

- ИИС, предназначенные для распознавания графической и текстовой информации из документов (ИИСРГТИД),

- ИИС, предназначенные для ксерокопирования документов (ИИСКД)

Основной особенностью таких систем является существенное снижение

эффективности при обработке так называемых слабоконтрастных документов В основном это ветхие архивные документы, представляющие собой огромную историческую и культурно-социальную ценность, но потерявшие исходное качество в результате процесса старения Микрофильмирование и ксерокопирование таких документов сопряжено с большой потерей информации на результирующем изображении, в связи с чем возникает задача повышения эффективности ИИСОД

Для решения данной задачи производят предварительное улучшение качества слабоконтрастных документов Традиционно применяющиеся для этого методы делятся на два класса Методы первого класса направлены на повышение полностью детерминированных качественных показателей, что бывает очень редко Другой класс, более распространенный, содержит методы для улучшения субъективного качества восприятия изображений, которое невозможно определить в виде четкой формальной оценки Это обусловило появление в ИИСОД программно-аппаратных средств, предназначенных для решения так называемой задачи «эстетического» характера, суть которой состоит в «подгонке» изображений под нечетко заданные субъективные нормы наблюдателя за счет предоставления оператору возможности влияния на качество результата посредством изменения параметров обработки Например, для ИИСМД только опытный специалист может оценить степень информационных потерь, которые возникнут в результате микрофильмирования

Другое актуальное направление исследований в данной области - формализация качественной оценки результата обработки. Переход к такой оценке не только позволяет частично автоматизировать процесс предварительного улучшения качества, но также делает возможным производить сравнение эффективности существующих в настоящее время методов, предназначенных для решения данной задачи

Таким образом, повышение эффективности ИИСОД путем улучшения качества восприятия слабоконтрастных документов, а также формализация оценки качества являются актуальными на сегодняшний день задачами

Указанные обстоятельства обуславливают выбор объекта и предмета диссертационного исследования

Объектом исследования является информационно-измерительная система, предназначенная для обработки документов, эффективность которой определяется исходным качеством документа.

Предмет исследования можно охарактеризовать как качество восприятия цифровых изображений слабоконтрастных документов

Цель диссертационной работы - повышение эффективности информационно-измерительных систем, предназначенных для обработки документов, путем предварительного улучшения качества восприятия цифровых изображений слабоконтрастных документов Задачи исследования

1 Исследование характеристик слабоконтрастных документов, влияющих на качество их восприятия в ИИСОД

2 Разработка формальных оценок качества восприятия цифровых изображений слабоконтрастных документов, согласующихся с «эстетическими оценками»

3 Разработка метода нелинейной цифровой фильтрации, улучшающего качество восприятия цифровых изображений слабоконтрастных документов в ИИСОД

4 Разработка различных ядер нелинейного низкочастотного фильтра

5 Исследование влияния различных ядер низкочастотного нелинейного фильтра, а также параметров фильтрации на качество восприятия цифровых изображений слабоконтрастных документов

6. Проведение экспериментальных исследований, подтверждающих эффективность использования разработанного метода нелинейной низкочастотной фильтрации изображений слабоконтрастных документов в ИИСОД

Методы исследования При проведении теоретических исследований в диссертационной работе были использованы методы цифровой обработки изображений, математической статистики и теории вероятностей

При разработке программного обеспечения для проведения экспериментальных исследований использовался объектно-ориентированный подход. Научная новизна диссертации заключается в следующем 1 Разработан метод улучшения качества слабоконтрастных документов для ИИСОД за счет нелинейного усреднения характеристик точек в локальной

области изображения с учетом как качественных, так и пространственных различий между ними

2 Предложен общий принцип синтеза ядер нелинейного фильтра на основе функций превосходства между характеристиками точек изображения

3 Синтезирован ряд ядер низкочастотного фильтра и проведен анализ эффективности их использования с целью улучшения качества восприятия слабоконтрастных документов

4 Для прямоу! ольного ядра низкочастотного фильтра разработан оптимизированный алгоритм фильтрации

5 Разработана методика определения интегральной оценки качества восприятия слабоконтрастных документов - коэффициента бимодальности с целью сравнения результатов фильтрации различными ядрами, а также автоматизации процесса повышения эффективности ИИСОД.

Достоверность полученных результатов подтверждена экспериментальными исследованиями Для проведения экспериментальных исследований использовались как программные средства сторонних разработчиков, так и специально разработанные для этих целей программные комплексы

Практическая ценность работы

1 Разработан алгоритм нахождения интегральной оценки качества восприятия цифровых изображений слабоконтрастных документов.

2 Реализованы алгоритмы нелинейной низкочастотной фильтрации цифровых изображений слабоконтрастных документов для различных ядер

3 Реализован оптимизированный алгоритм низкочастотной нелинейной фильтрации прямоугольным ядром.

4 Разработан программный комплекс, являющийся частью программного обеспечения (ПО) ИИСОД, осуществляющий нелинейную низкочастотную фильтрацию цифровых изображений слабоконтрастных документов и позволяющий оценивать результаты фильтрации по интегральной оценке качества восприятия

5. Разработан программный модуль дополнительного ПО ИИСОД для проведения низкочастотной нелинейной фильтрации прямоугольным ядром (оптимизированный алгоритм) цветных видеоизображений

Реализация и внедрение результатов работы Результаты диссертационной работы были внедрены в ЗАО «Репроникс» г Тула, а также в учебный процесс кафедры ЭВМ Тульского государственного университета

Научные положения, выносимые на защиту

1 Метод нелинейной низкочастотной фильтрации цифровых изображений слабоконтрастных документов

2 Принцип синтеза ядер низкочастотного нелинейного фильтра на базе функции принадлежности

3 Интегральная оценка качества результатов фильтрации - коэффициент бимодальности

Апробация работы. Основные положения диссертационной работы легли в основу докладов на следующих конференциях. 7-ая Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов (Рязань,

2002 г.), «Гагаринские чтения» - международная молодежная научная конференция (Москва, 2003, 2004 гг); ХЬ Всероссийская конференция по проблемам математики, информатики, физики и химии (Москва, 2004 г.); «Интеллектуальные и информационные системы» - межрегиональная научно-техническая конференция (Тула, 2004, 2005 гг.), «Интеллектуальные и информационные системы» - Всероссийская научно-техническая конференция (Тула, 2007 г).

Публикации. По результатам исследований опубликовано 12 научных работ

Характеристика работы Диссертационная работа состоит из введения, четырех разделов и заключения, изложенных на 135 страницах машинописного текста, включает 37 рисунков, 10 таблиц, список использованной литературы, содержащий 70 наименований, и 5 приложений.

Краткое содержание работы

Во введении обоснована актуальность темы диссертации, охарактеризован объект и предмет исследования, сформулированы цели, задачи исследования и основные научные положения, выносимые на защиту, показана научная новизна и практическая ценность полученных результатов

В первом разделе произведен анализ класса ИИСОД, эффективность которых падает, если на их вход подаются слабоконтрастные документы. Приводится общая структурная схема и описание составляющих таких систем (рис 1) Исходное изображение, подвергаясь операции преобразования в цифровой формат (оцифровке), попадает в программно-аппаратный комплекс, который обычно представляет собой одно или многопроцессорную систему, обладающую высокой производительностью и возможностью хранения большого объема информации Результаты обработки или сохраняются на носителе информации (бумага, микрофильм, цифровой носитель), или передаются для дальнейшего преобразования другим ИИ С по каналу передачи данных. Чтобы повысить эффективность системы в целом, прибегают к предварительному улучшению качества, которое производят между этапами оцифровки исходного изображения и основной обработкой (см. рис 1)

Введено понятие слабоконтрастного документа Разработана общая классификация цифровых изображений Показано, что слабоконтрастный документ целесообразно рассматривать как совокупность двух цифровых изображений -изображение бумажного носителя (БН) и изображение графических примитивов (ГП). букв, линий, дуг, окружностей и т.п - заключающих в себе полезную информацию Согласно общей схеме классификации произведена классификация изображений БН и ГП В частности, БН классифицируется как двумерное изображение с постоянным набором характеристик (растровое изображение) Показано, что изображение ГП не поддается общей классификации и требует отдельного рассмотрения и формализации

Произведен анализ факторов, влияющих на качество восприятия слабоконтрастных документов Выделено четыре основных фактора шумы, однородность фона, полезная информация, контраст. Показана процедура «идеальной фильтрации», приводящая к улучшению качества восприятия Детально

описано влияние на качество каждого из факторов Установлено, что все факторы не являются четко детерминированными Это делает невозможным формализацию величины качества восприятия слабоконтрастных документов, приводит к увеличению сложности решения данной задачи и обуславливает основные особенности существующих методов и подходов, применяющихся для улучшения качества изображений. В связи с этим рассматриваемую задачу предложено относить к классу «эстетических задач»

Слабоконтрастный документ

Устройство преобразования в цифровой формат

и

Программно- | аппаратный комплекс | обработки изображений ' 1 Предварительное | повышение качества £ к

! 1

хранение { 1 обработка

М\7

------- .

ишГр

Микрофильм

Печатающее устройство

Устройство отображения

Рис 1 Структурная схема ИИСОД для класса слабоконтрастных документов

Выделено два принципа решения поставленной задачи обилий принцип, при котором слабоюнтрастный документ рассматривается как растровое изображение и принцип кластеризации, при котором производится разделение слабоконтрастного документа на два составляющих его изображения - ГП и БН - с последующей их независимой обработкой Показано, что при использовании второго принципа качество результата полностью определяется ошибкой кластеризации

Произведен анализ методов, традиционно применяющихся для улучшения качества слабоконтрастных документов, выделены их основные преимущества и недостатки (таблица) Показано, что главным недостатком современных методов улучшения качества восприятия является то, что они не учитывают особенностей слабоконтрастных документов Основываясь на результатах анализа, улучшение качества восприятия предложено достигать за счет сглаживания фона с предоставлением возможности оператору влиять на степень информационных потерь

Анализ существующих в настоящее время методов улучшения качества слабоконтрастных документов

Существующие методы Размытие границ Усиление шумов Учет различия характеристик в пространстве Учет различия по цветовым или яркостным характеристикам

Линейное контрастирование нет сильное нет нет

Линейная низкочастотная фильтрация сильное нет нет нет

Медианная фильтрация слабое нет да нет

Сегментация да слабое нет нет

Кластеризация на основе эталонов локальных облас-1 тей слабое слабое да да

В связи с этим сформулированы основные требования к разрабатываемому фильтру

1 Фильтр должен быть низкочастотным, так как низкочастотная фильтрация подавляет шумы

2 Фильтр должен быть нелинейным (вывод был сделан при анализе медианной фильтрации и линейного контрастирования)

3 Фильтр должен обладать высокой степенью вариативности, что позволит оператору влиять на результаты обработ ки (вывод был сделан исходя из того, что рассматриваемая задача относится к классу «эстетических задач»)

4 Фильтр должен учитывать особенности слабоконтрастных документов

На основе сформулированных требований было принято решение о необходимости разработки нелинейного низкочастотного фильтра, основанного на принципе «ядро-сигнал», ядро которого будет формироваться с учетом особенностей слабоконтрастных документов и зависеть от дополнительных параметров, позволяющих оператору влиять на результат фильтрации

Во втором разделе вводится модель П-изображения, предназначенная для формального описания изображения ГП П-изображение описывается вектором графических объектов, каждый из которых обладает собственными характеристиками, определяющими его геометрию-

2 = ((р\, ¿1 («)),(р2. Ч("))> . (Р,, («)), ),с11т(2, (¡7)) = сом!,I = [1,Ат(2)}, где 2 —П-изображение (вектор графических объектов),

р, - вектор параметров /-го графического объекта,

z, (й) - характеристическая функция /-го графического объекта, возвращающая вектор характеристик в точке й

Наряду с П-изображениями формализована растровая модель БН, представляющая собой множество точек в пространстве, обладающих качественными характеристиками1

Z = z(i7),dim(z(i7)) = const, где Z - растровое изображение,

й- вектор координат пространства изображения, г(й) - вектор характеристик изображения.

На базе моделей изображений ГП и БН определяется обобщенная модель слабоконтрастного документа, отражающая его основные особенности

D = rst(G)vB = GvB, где В = Ь (v) - растровое изображение БН, G - П-изображение ГП,

и - операция наложения одного растрового изображения на другое, rst(G)- операция преобразования П-изображения в растровую форму (растеризация)

В рамках общей модели слабоконтрастных документов сформулированы обобщенные показатели качества Для этого введены понятия признака и функции превосходства Признаком qz растрового изображения Z называется функция, определяющая вектор качественных показателей в любой точке изображения

42 =/(Z,m),M€Zw, где Zu - множество точек изображения Z.

Функцией превосходства между двумя признаками qz=q(Z,u) и hz - h(Z,v) растрового изображения Z является функция

d(qz,hz) = d(q(Z, й), A(Z, v)) = d(Z,u,v), возвращающая неотрицательное значение для любых аргументов из области ее определения, показывающее качественное различие между признаками, и принимающая значение 0 при й = v.

Формализовано понятие гистограммы признака (А)

Ч^ (к) =| {q(Z,u),q(Z,u) = *} А е Ш,и)} Выделены следующие статистические показатели признака растрового изображения

Количество точек изображения.

Яс2=|2„ ]=I4'?(,fc) к

Минимальное значение признака qz =q(Z,U)

ят м =min(?(Z,u)) = minlA).

Максимальное значение признака = (¡(¿,й) •

Нтт = тах( 9(2,«)) = шах(А). Максимальный контраст значений признака = <}(2,й)

Нсоп ' ^шах — Среднее значение признака дх - я(2,й)

Шг,й) Ък 4>(к)

т,

м uz и2

"с пс

Среднеквадратичное отклонение признака =q(Z,ii) от среднего

z(q(Z,S)-H$ Z¡£-H¿f.4>q(k)

Hq = У_=Jt_

<Т 7 7

"с Н*

Все показатели выбирались таким образом, чтобы их значение могло быть вычислено по гистограмме признака, что избавляет от необходимости владеть информацией обо всех точках изображения. Используя статистические показатели изображения БН (В) и растеризованного П-изображения ГП (rst{G)), учитывая, что качество слабоконтрастного документа зависит от контраста между БН и ГП, были формализованы основные качественные показатели слабоконтрастного документа.

Коэффициент средней контрастности

ксоп = [ньи + н$

Коэффициент средней четкости

K!eg =на + н§

Коэффициент среднего перекрытия

I Ч>ь(к) Ч>g{k)

r _keS_

Kcv _-

|s|

На основе анализа влияния каждого из показателей на качество восприятия сформулирована интегральная оценка качества - коэффициент бимодаль-ности Кь

— ^асоп

Показан геометрический смысл основных показателей качества (рис 2) Даны рекомендации по расчету коэффициента бимодальности в зависимости от особенностей класса слабоконтрастных документов Длч учета разброса среднестатистических показателей локальных областей было предложено рассчи-

тывать средний коэффициент бимодальности по нескольким местам изображения на границах между графическими примитивами и фоном

Рис 2 Графическое изображение основных показателей качества восприятия слабоконтрастных документов

С учетом сформулированных требований к фильтру определена общая процедура низкочастотной нелинейной фильтрации1

£ ¿(ßi(A«,v),ß2(A«,v); ,ßdim(g)(A5,v)JP) d(ü)

R = r(v) =---=--,

KN(ü,v,W)

где Kft{ü,v,W) - нормирующий коэффициент,

h{Qx{D,ü,v),Q2(D,ü,v), ,<2dim(0(D,S,v),W) = h{D,ü,v,W) - ядро фильтра;

W - вектор параметров фильтрации;

Q,(D,it,v) - функция превосходства для выделенных признаков изображения D

Доказано, что синтезированный фильтр в общем случае является нелинейным. Также показано, что при выполнении условия нормировки

_= 1

KN(B,k,W) фильтр является низкочастотным

Определен ряд показателей для оценки результата фильтрации.

Изменение коэффициента бимодальности:

г _ К-ь к ь

где К\ - коэффициент бимодальности результирующего изображения.

Корреляционная оценка отклонения исходного О = (¡(й) и результирующего Я = г(й) изображений-

йе|йи|

Ксог ~

Нормированная квадратная степень отклонения преобразованного изображения от оригинала

Х(с/(й)-Км))2

V- _ _

14,1

Результат фильтрации предложено оценивать величиной изменения интегрального показателя качества (/¿). При этом отмечается, что использование коэффициента бимодальности для сравнения разных методов носит вспомогательный характер и может быть применено только в случае выполнения ряда условий, накладываемых на анализируемые методы В частности, сравниваемые методы должны относиться к классу низкочастотных (или квазинизкочастотных) фильтров, не повышающих контраст Другими необходимыми критериями сравнимости методов являются небольшая величина нормированной квадратной степени отклонения и близкая к единице величина корреляционной оценки Ксог. Основную же оценку качества результата должен производить оператор

Синтезирована приближенная формула для оценки общей сложности фильтрации

( <М0

2Х +я/+2 +\ги\ нк, < »=1 ) где Нд - сложность выделения признаков, участвующих в фильтрации, Н^ - сложность вычисления функции расстояний , Я у- сложность вычисления значения функции ядра, Нь - сложность вычисления коэффициента нормировки, сйт(0 - размерность вектора функций превосходства

нШ=\ги\2

Данная формула дает точные результаты только в том случае, если сложности вычисления Я^.Я^ ,Нj,Hк не изменяются для всех точек исходного изображения

В третьем разделе рассмотрены вопросы формирования различных ядер фильтрации и подбора оптимальных параметров фильтрации

Разработан метод улучшения качества слабоконтрастных документов за счет нелинейного усреднения характеристик точек в локальной области изображения с учетом как пространственных, так и качественных различий между ними, который состоит из следующей последовательности действий

1) определение формата исходного изображения слабоконтрастного документа,

2) выделение признаков, влияющих на качество восприятия данного документа,

3) определение функций превосходства между выделенными признаками,

4) Определение функции ядра низкочастотного нелинейного фильтра;

5) выполнение низкочастотной нелинейной фильтрации исходного изображения,

6) оценка результатов фильтрации

В качестве формата растрового изображения был выбран общераспространенный в современных ИИСОД формат с RGB системой кодирования цвета

D = d{ü),

где d(ü) = {r(u),g(ü),b(ü)) - характеристика точки изображения в RGB системе кодирования цвета,

м = (д:,у) - пространственная координата точки изображения Базируясь на выбранном формате изображения, выделены следующие признаки слабоконтрастного документа.

цветовой признак изображения С (и) = d(it);

r,~s r(ü) + g(ä) + Ь(й)

яркостныи признак изображения L(ii) =-—^-,

пространственный признак изображения S(u) = м, координатный признак изображения. S,(г7) = «,,/ = [О dim(w)], совмещенный признак изображения- Jq{D,ü)= (u,d(ü)), совмещенный признак яркостных и пространственных характеристик изображения.

J L(D,ü) = {L(ii\d(ü)) Сформулирован общий принцип синтеза ядер низкочастотной нелинейной фильтрации на базе функций принадлежности, учитывающий особенности слабоконтрастных документов, для выделения которых были рассмотрены процесс старения документов и связанные с ним изменения гистограммы яркостно-го признака (рис 3)

Показано, что исходная гистограмма яркости изображения ГП представляет собой ряд узких полос, которые можно описать либо прямоугольной

функцией, либо функцией Гаусса с малой величиной дисперсии, а гистограмма БН, в силу технологии создания бумаги, носит нормальный характер В результате старения на документ действует множество факторов. Поэтому гистограмма изображения ГП становится нормальной, а общая гистограмма яркости слабоконтрастного изображения принимает бимодальный характер Подобный характер имеют также гистограммы каждой из цветовых компонент г(й), g(f^) и

т-

Л

б

яркость

А й гг

Б 1

яркость

Рис 3 Изменение гистограммы яркости в процессе старения слабоконтрастного документа

Для учета данной особенности было введено понятие функции принадлежности Функцией принадлежности рф) называется функция, показывающая степень принадлежности двух точек и и V одному классу (БН или ГП) по вектору функций превосходства д.

Р(0 ж Л« е п V 6 йъ имеО^ЛУб^), где О^ - множество точек класса ГП, йь - множество точек класса БН

Сформулированы следующие основные требования к функции принадлежности р{0) • функция должна быть максимальна, когда все составляющие вектора <2 равны 0, и являться невозрастающей Требования обосновываются следующими факторами. Очевидно, что при и = V точки принадлежат к одному классу, поэтому значение функции принадлежности должно быть максимальным Функции превосходства <2, при и = у принимают значение, равное 0 (исходя из определения) Увеличение хотя бы одной функции превосходства показывает, что степень различия точек стала выше, следовательно, вероятность принадлежности их к одному классу уменьшилась Поэтому функция

принадлежности является невозрастающей Так как функция принадлежности отражает основные особенности слабоконтрастных документов, то ее можно использовать в качестве ядра фильтра. При этом для предоставления возможности оператору влиять на качество результата необходимо доопределить функцию принадлежности вектором параметров фильтрации:

С целью снижения сложности вычислений в качестве функций превосходства предложено использовать Евклидово расстояние, а в качестве функции принадлежности - прямоугольную функцию (прямоугольное ядро)

[1,а(Д«.V)^Щ ПЙ2(ДЙ,У)<п<2з(ДЙ,у)<Щ

tO,ß,(D,S,v) > Щ ^jQ2{D,Ü,V) > W2 ибз(Д2,v) > W3 где Щ, \\'i и ^определяют длину, ширину и высоту параллелепипеда

Показано, что фильтрация прямоугольным ядром ведет к появлению градаций на границах контуров ГП, что обуславливается резким изменением значения прямоугольной функции Для исправления данного недостатка предложено использовать нормальную функцию, которая непрерывна во всей области ее определения и не имеет резких перепадов (нормальное ядро).

gl (£>,«, v)2 £Ь(А".У)2

norm{QJVhlV2) = e ^ е где IV\ и Щ - параметры, влияющие на скорость спада функции, а следовательно, и на качество фильтрации

Наряду с подходом, применяющимся для уменьшения сложности вычисления, предложен другой принцип синтеза ядер, в основе которого лежит представление гистограммы признака локального участка документа (Ч^) в виде

суммы гистограмм ГП (Ч^) и БН (Ч'д)

Ч'д (к) = (к) + У/, (к),О <¿<255

По составляющим гистограммам определяется вероятность принадлежности двух точек одному и тому же классу

Р(й е Dg г> v e Dg uй е Db n v е £><<,) = ЧуЦа)) Чуцу)) + Чуц»)) 4*g(£(v)) _ -Wg(L(3)) + ^(¿07)))-(^g(£(v)) + 4'i(i(v))) U(K'V) Данная функция используется как функция превосходства по яркостному или цветовому признаку Распределение вероятностей по пространственному признаку Qi(w,v) не поддается четкому определению и принимается за нормальное Ядро фильтра определяется как произведение функции превосходства по яркостному признаку и функции превосходства по пространственному признаку, доопределенной параметром фильтрации, влияющим на скорость спада нормальной функции

Такой тип фильтрации условно назван «фильтрация на основе разделения гистограмм»

С целью уменьшения размытия границ ГП в случае, если они располагаются на небольшом расстоянии друг от друга, разработан принцип синтеза ядер на основе интегральных функций превосходства Для двумерного изображения В, с определенной на нем функцией превосходства <2(г7,у>), значение интегральной функции превосходства между двумя точками и и V находится следующим образом

ш1(|2-у|)

б/(",*)= 2 е

1=1

1Ш а + ■

и -v

(/-1)

х, - И - V

,1ГШ и н--

1 |м-5|

где 1Ш()- операция округления до целого (если аргумент - вектор, то округляются до целого все его компоненты).

Рассмотрен геометрический смысл нахождения значения интегральной функции превосходства (рис 4) Кратчайший путь между точками (показан пунктиром) разбивается на ряд единичных отрезков Так как изображение дискретно, то последовательность единичных отрезков будет представлять собой ломаную кривую, «колеблющуюся» вокруг кратчайшего пути Интегральная функция превосходства определяется как сумма значений функций превосходства для каждой из пары точек, являющихся концами единичных отрезков, на пути следования о г одной точки к другой.

у

Рис 4 Геометрическое нахождение интегральной функции превосходства

Разработана методика определения интегральной оценки качества восприятия слабоконтрастных документов Методика базируется на расчете коэффициента бимодальности по гистограммам изображений БН и ГП Для этого синтезирован алгоритм разделения исходной гистограммы изображения на две составляющие, основанный на аппроксимации гистограммы признака суммой двух функций нормальных распределений. Полученный алгоритм также ис-

пользуется для формирования ядра низкочастотной нелинейной фильтрации на основе разделения гистограмм

Предложено использовать коэффициент бимодапьности в качестве критерия оптимальности при подборе параметров низкочастотной нелинейной фильтрации

Показаны основные особенности фильтрации разными ядрами и произведен анализ влияния выделенных особенностей на качество результирующего изображения Произведена оценка сложности фильтрации каждого типа и разработан общий подход сокращения сложности для нормального и прямоугольного ядер фильтра при их алгоритмизации

В четвертом разделе проведен ряд экспериментов, доказывающих эффективность применения разработанного метода с целью улучшения качества восприятия слабоконтрастных документов

Проверены гипотезы о нормальном характере распределения гистограмм компонент цветового признака изображений ГП и БН, в результате чего было установлено, что нормированные гистограммы компонент цветового признака небольших фрагментов изображений ГП и БН (0 4-0 7 мм2) с вероятностью 99% имеют нормальное распределение

Проведен сравнительный анализ низкочастотной нелинейной фильтрации различными ядрами с линейной (среднее значение в скользящем окне) и медианной фильтрацией Сравнение проводилось по интегральному показателю качества - коэффициенту бимодальности Средний выигрыш предложенного метода над медианной фильтрацией составил 297,46%, а над линейной - 533,69%

Разработан программный комплекс, предназначенный для повышения эффективности ИИСОД путем предварительного улучшения качества слабоконтрастных документов низкочастотной нелинейной фильтрацией Программный комплекс также позволяет выполнять медианную и линейную фильтрацию (алгоритм скользящего среднего) и оценивать результаты обработки по интегральной величине качества восприятия

Разработан программный модуль для повышения эффективности ИИСОД за счет улучшения качества цветных видеоизображений низкочастотной нелинейной фильтрацией прямоугольным ядром (ННФПЯ), для чего был синтезирован оптимизированный алгоритм фильтрации. Оптимизация базового алгоритма производилась следующим образом С одной стороны, из геометрического смысла ННФПЯ следует, что вычисление результирующего значения точки по базовому методу происходит за счет нахождения среднего арифметического значения точек, попадающих в параллелепипед фильтрации С другой стороны, путем перегруппировки слагаемых в базовом методе была получена формула для эквивалентного вычисления через гистограмму локального окна Данная замена позволила применить тот же принцип оптимизации, который используется в быстром алгоритме скользящего среднего, те при сдвиге окна в пространственной области для пересчета гистограммы требуется обрабатывать только входящий и выходящий столбцы. Это позволяет на порядок сократить сложность вычислений

Произведены экспериментальные сравнения скорости вычисления ННФПЯ по базовому и оптимизированному алгоритмам, в результате чего был получен максимальный выигрыш в 28,36 раз для изображений размером 640x480 точек и 13,4 - для 6400x4800

В заключении сделаны выводы по работе

В приложениях 1 и 2 приводятся выполненные на С++ примерные программные реализации процедуры низкочастотной нелинейной фильтрации с использованием прямоугольной и нормальной функции ядра

В приложения 3 и 4 вынесены графические материалы для проверки гипотез о нормальном законе распределения гистограмм изображений ГП и БН и сравнения результатов фильтрации различными способами

Приложение 5 содержит акты внедрения в ЗАО «Репроникс» (г Тула), а также в учебный процесс кафедры ЭВМ Тульского государственного универи-стета

Основные результаты

1. Разработана общая математическая модель цифрового изображения слабоконтрастного документа, учитывающая его основные особенности

2 Разработан метод низкочастотной нелинейной фильтрации, улучшающий качество слабоконтрастных документов, с учетом как качественных, так и пространственных различий между точками в локальной области изображения

3 Определен интегральный показатель качества слабоконтрастных документов - коэффициент бимодальности, позволяющий производить оценку результатов фильтрации и автоматизировать процесс подбора оптимальных параметров обработки.

4. Для разных классов изображений слабоконтрастных документов, на базе функций принадлежности разработаны различные ядра нелинейного низкочастотного фильтра, а также приведены основные принципы синтеза ядер с учетом особенностей конкретного документа

5 Исследовано влияние различных ядер низкочастотного нелинейного фильтра, а также параметров фильтрации на качество восприятия цифровых изображений слабоконтрастных документов различных классов.

6 Разработана методика оценки эффективности улучшения качества слабоконтрастных документов различными ядрами низкочастотной нелинейной фильтрации

7 Проведены экспериментальные исследования, подтверждающие эффективность разработанного метода нелинейной низкочастотной фильтрации изображений слабоконтрастных документов по сравнению с ранее существующими методами.

8 Разработано программное обеспечение, реализующее низкочастотную нелинейную фильтрацию различными ядрами в ИИСОД с целью улучшения качества восприятия слабоконтрастных документов и позволяющее рассчитывать интегральный показатель качества для упрощения подбора оператором оптимальных параметров фильтрации

9 Результаты работы внедрены в ЗАО «Репроникс»» (г Тула) Теоретические результаты работы включены в конспект лекций по курсу «Цифровая обработка изображений» на кафедре ЭВМ Тульского государственного университета

Основные публикации по теме диссертации

1 Сычугов А А, Хмельницкий Д В Визуальное проектирование графовых структур на ЭВМ // Новые информационные технологии в научных исследованиях и в образовании Тез докл 7-й Всероссийской научно-технической конференции студентов, молодых ученых и специалистов - Рязань РГРТА, 2002 -С6-7

2 Хмельницкий Д В , Данилкин Ф А Разработка дебютной базы для компьютерной шашечной игры // Международная молодежная научная конференция «XXIX Гагаринские чтения», секция «Информационные технологии» Тезисы докладов Международной молодежной конференции Москва, 2003 -С 33-34

3. Данилкин Ф.А., Хмельницкий Д.В. Проектирование программ имитационного моделирования. //Известия Тульского государственного университета. Серия «Вычислительная техника. Информационные технологии. Системы управления». Том 1. Выпуск 2. Вычислительная техника.— Тула.: ТулГУ, 2003. - С.42-49.

4 Данилкин Ф А , Хмельницкий Д В Повышение качества визуального восприятия слабоконтрастных документов с помощью нелинейной низкочастотной фильтрации // Интеллектуальные и информационные системы Материалы межрегиональной научно-технической конференции / Тульский государственный университет - Тула, 2004. - С 79-81

5 Котов В.В, Хмельницкий Д В Низкочастотная фильтрация изображений угасающих документов // XL Всероссийская конференция по проблемам математики, информатики, физики и химии тез док Секции физики - М РУДН, 2004 - С 86-39

6 Хмельницкий Д В Использование балансной функции в цифровой обработке изображений // XXX "Гагаринские чтения" Тез докл Международной молодежной научной конференции - М МАТИ, 2004 Т 5 - С 64-65

7. Данилкин Ф.А., Хмельницкий Д.В. Синтез ядер низкочастотного нелинейного фильтра на основе функций превосходства // Известия Тульского государственного университета. Серия «Вычислительная техника. Информационные технологии Системы управления». Выпуск 1. Вычислительная техника. - Тула-. ТулГУ, 200S. - C.49-S1.

8 Данилкин Ф А , Хмельницкий Д В Использование функций принадлежности для упрощения синтеза ядер низкочастотного нелинейного фильтра // Интеллект-2005. Интеллектуальные и информационные системы Материалы межрегиональной науч. техн. конф / Тульский государственный университет. -Тула, 2005 -С 48

9. Хмельницкнй Д.В., Данилкин Ф.А. Разработка пользовательского меню для терминальных устройств // Известия Тульского государственного университета. Серия «Вычислительная техника. Информационные технологии. Системы управления». Выпуск 1. Вычислительная техника. -Тула: ТулГУ, 2006. - С.133-136.

10. Данилкин Ф.А., Хмельницкий Д В Быстрый алгоритм низкочастотной нелинейной фильтрации монохромных изображений // интеллектуальные и информационные системы Материалы Всероссийской научно-технической конференции / Тульский государственный университет. - Тула, 2007 - С 74-76

11. Данилкин Ф А , Хмельницкий Д В Снижение сложности вычисления процедуры низкочастотной нелинейной фильтрации // Вестник Тульского государственного университета. Серия «Вычислительная техника». Выпуск 1. Вычислительная техника - Тула- ТулГУ, 2007 - С.83

12. Даннлкин Ф.А., Хмельницкий Д.В. Оптимизация алгоритма вычисления низкочастотной нелинейной фильтрации прямоугольным ядром. // Известия Тульского государственного университета. Технические науки. Выпуск 3. - Тула: ТулГУ, 2008. - С.117-125.

Шд лиц ЛР№ 020300 от 12 02 97 Подписано в печать/9 05 08 Формат бумаги 60x84 1/16 Бумага офсетная Усл-печ л ftf, Уч-изд л ltO Тираж /д0 экз Заказ ОУ^ Тульский государственный университет 300600, г Тула, пр Ленина, 92 Отпечатано в издательстве ТулГУ 300600, г Тула, ул Болдина, 151

ВВЕДЕНИЕ.

1. АНАЛИЗ МЕТОДОВ УЛУЧШЕНИЯ КАЧЕСТВА ВОСПРИЯТИЯ СЛАБОКОНТРАСТНЫХ ДОКУМЕНТОВ В ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ ОБРАБОТКИ ДОКУМЕНТОВ.

1.1 Классификация и основные особенности класса цифровых изображений слабоконтрастных документов.

1.2 Ввод слабоконтрастных документов в информационно-измерительных системах обработки документов.

1.3 Методы улучшения качества цифровых изображений слабоконтрастных документов.

1.4 Основные виды оценок качества восприятия изображений слабоконтрастных документов.

1.5 Выводы.

2. НИЗКОЧАСТОТНАЯ НЕЛИНЕЙНОЙ ФИЛЬТРАЦИИ СЛАБОРКОНТРАСТНЫХ ДОКУМЕНТОВ.

2.1 Обобщенная модель документа.

2.2 Обобщенные показатели качества восприятия документов.

2.3 Обобщенная модель низкочастотного нелинейного фильтра и оценка результатов фильтрации.

2.4 Выводы.

3. СИНТЕЗ ЯДРА НИЗКОЧАСТОТНОГО НЕЛИНЕЙНОГО ФИЛЬТРА.

3.1 Выделение признаков изображения слабоконтрастного документа.

3.2 Синтез ядра фильтра.

3.3 Сравнительная характеристика фильтрации различными ядрами.

3.4 Выводы.

4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ КАЧЕСТВА НЕЛИНЕЙНОЙ НИЗКОЧАСТОТНОЙ ФИЛЬТРАЦИИ.

4.1 Распределение яркостных и цветовых характеристик изображения слабоконтрастного документа.

4.2 Оптимизация базового алгоритма низкочастотной нелинейной фильтрации прямоугольным ядром для двухмерных монохромных изображений.

4.3 Качественное сравнение результатов фильтрации, полученных различными методами.

4.4 Программное обеспечение для проведения низкочастотной нелинейной фильтрации слабоконтрастных документов.

4.5 Программное средство для проведения низкочастотной нелинейной фильтрации прямоугольным ядром видеоизображений.

4.6 Выводы.

Актуальность темы. В настоящее время среди информационно-измерительных систем (ИИС) [40, 51, 52, 57, 59] большое распространение получили ИИС, предназначенные для обработки документов (ИИСОД). Такой рост обусловлен двумя основными причинами. Во-первых, потребность в обработке документов в научной, потребительской и производственной сферах всегда была и остается на высоком уровне. Во-вторых, развитие инфраструктуры программно-аппаратных средств для ввода, обработки и отображения графической информации, являющихся основными составляющими ИИСОД, позволило найти практическое применение множеству теоретических методов, накопленных в данной области за все время ее существования.

В связи с широким спектром конструктивных различий между конкретными ИИСОД, обусловленных узкой спецификой целевой задачи, проведение их общей классификации становится невозможным. Однако среди всей совокупности ИИСОД можно выделить системы, эффективность работы которых зависит от качества исходного изображения. Примером таких систем являются:

- ИИС, предназначенные для микрофильмирования документов (ИИСМД);

- ИИС, предназначенные для распознавания графической и текстовой информации из документов (ИИСРГТИД);

- ИИС, предназначенные для ксерокопирования документов (ИИСКД).

Основной особенностью таких систем является существенное снижение эффективности при обработке так называемых слабоконтрастных документов. В основном это ветхие архивные документы, представляющие собой огромную историческую и культурно-социальную ценность, но потерявшие исходное качество в результате процесса старения. Микрофильмирование и ксерокопирование таких документов сопряжено с большой потерей информации на результирующем изображении, в связи с чем возникает задача повышения эффективности ИИСОД.

Для решения данной задачи производят предварительное улучшение качества слабоконтрастных документов. Традиционно применяющиеся для этого методы делятся на два класса. Методы первого класса направлены на повышение полностью детерминированных качественных показателей, что бывает очень редко. Другой класс, более распространенный, содержит методы для улучшения субъективного качества восприятия изображений, которое невозможно определить в виде четкой формальной оценки. Это обусловило появление в ИИСОД программно-аппаратных средств, предназначенных для решения так называемой задачи «эстетического» характера, суть которой состоит в «подгонке» изображений под нечетко заданные субъективные нормы наблюдателя за счет предоставления оператору возможности влияния на качество результата посредством изменения параметров обработки. Например, для ИИСМД только опытный специалист может оценить степень информационных потерь, которые возникнут в результате микрофильмирования.

Другое актуальное направление исследований в данной области - формализация качественной оценки результата обработки. Переход к такой оценке не только позволяет частично автоматизировать процесс предварительного улучшения качества, но также делает возможным производить сравнение эффективности существующих в настоящее время методов, предназначенных для решения данной задачи.

Таким образом, повышение эффективности ИИСОД путем улучшения качества восприятия слабоконтрастных документов, а также формализация оценки качества являются актуальными на сегодняшний день задачами.

Указанные обстоятельства обуславливают выбор объекта и предмета диссертационного исследования.

Объектом исследования является информационно-измерительная система, предназначенная для обработки документов, эффективность которой определяется исходным качеством документа.

Предмет исследования можно охарактеризовать как качество восприятия цифровых изображений слабоконтрастных документов.

Цель диссертационной работы — повышение эффективности информационно-измерительных систем, предназначенных для обработки документов, путем предварительного улучшения качества восприятия цифровых изображений слабоконтрастных документов.

Задачи исследования.

1. Исследование характеристик слабоконтрастных документов, влияющих на качество их восприятия в ИИСОД.

2. Разработка формальных оценок качества восприятия цифровых изображений слабоконтрастных документов, согласующихся с «эстетическими оценками».

3. Разработка метода нелинейной цифровой фильтрации, улучшающего качество восприятия цифровых изображений слабоконтрастных документов в ИИСОД.

4. Разработка различных ядер нелинейного низкочастотного фильтра.

5. Исследование влияния различных ядер низкочастотного нелинейного фильтра, а также параметров фильтрации на качество восприятия цифровых изображений слабоконтрастных документов.

6. Проведение экспериментальных исследований, подтверждающих эффективность использования разработанного метода нелинейной низкочастотной фильтрации изображений слабоконтрастных документов в ИИСОД.

Методы исследования. При проведении теоретических исследований в диссертационной работе были использованы методы цифровой обработки изображений, математической статистики и теории вероятностей.

При разработке программного обеспечения для проведения экспериментальных исследований использовался объектно-ориентированный подход.

Научная новизна диссертации заключается в следующем.

1. Разработан метод улучшения качества слабоконтрастных документов для ИИСОД за счет нелинейного усреднения характеристик точек в локальной области изображения с учетом как качественных, так и пространственных различий между ними.

2. Предложен общий принцип синтеза ядер нелинейного фильтра на основе функций превосходства между характеристиками точек изображения.

3. Синтезирован ряд ядер низкочастотного фильтра и проведен анализ эффективности их использования с целью улучшения качества восприятия слабоконтрастных документов.

4. Для прямоугольного ядра низкочастотного фильтра разработан оптимизированный алгоритм фильтрации.

5. Разработана методика определения интегральной оценки качества восприятия слабоконтрастных документов — коэффициента бимодальности с целью сравнения результатов фильтрации различными ядрами, а также автоматизации процесса повышения эффективности ИИСОД.

Достоверность полученных результатов подтверждена экспериментальными исследованиями. Для проведения экспериментальных исследований использовались как программные средства сторонних разработчиков, так и специально разработанные для этих целей программные комплексы.

Практическая ценность работы.

1. Разработан алгоритм нахождения интегральной оценки качества восприятия цифровых изображений слабоконтрастных документов.

2. Реализованы алгоритмы нелинейной низкочастотной фильтрации цифровых изображений слабоконтрастных документов для различных ядер.

3. Реализован оптимизированный алгоритм низкочастотной нелинейной фильтрации прямоугольным ядром.

4. Разработан программный комплекс, являющийся частью программного обеспечения (ПО) ИИСОД, осуществляющий нелинейную низкочастотную фильтрацию цифровых изображений слабоконтрастных документов и позволяющий оценивать результаты фильтрации по интегральной оценке качества восприятия.

5. Разработан программный модуль дополнительного ПО ИИСОД для проведения низкочастотной нелинейной фильтрации прямоугольным ядром (оптимизированный алгоритм) цветных видеоизображений.

Реализация и внедрение результатов работы. Результаты диссертационной работы были внедрены в ЗАО «Репроникс» г. Тула, а также в учебный процесс кафедры ЭВМ Тульского государственного университета.

Научные положения, выносимые на защиту.

1. Метод нелинейной низкочастотной фильтрации цифровых изображений слабоконтрастных документов.

2. Принцип синтеза ядер низкочастотного нелинейного фильтра на базе функции принадлежности.

3. Интегральная оценка качества результатов фильтрации - коэффициент бимодальности.

Апробация работы. Основные положения диссертационной работы легли в основу докладов на следующих конференциях: 7-ая Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов (Рязань, 2002 г.); «Гагаринские чтения» - международная молодежная научная конференция (Москва, 2003, 2004 гг.); ХЬ Всероссийская конференция по проблемам математики, информатики, физики и химии (Москва, 2004 г.); «Интеллектуальные и информационные системы» - межрегиональная научно-техническая конференция (Тула, 2004, 2005 гг.); «Интеллектуальные и информационные системы» — Всероссийская научно-техническая конференция (Тула, 2007 г.).

Публикации. По результатам исследований опубликовано 12 научных работ.

Характеристика работы. Диссертационная работа состоит из введения, четырех разделов и заключения, изложенных на 135 страницах машинописного текста, включает 37 рисунков, 10 таблиц, список использованной литературы, содержащий 70 наименований, и 5 приложений.

9. Результаты работы внедрены в ЗАО «Репроникс»» (г. Тула). Теоретические результаты работы включены в конспект лекций по курсу «Цифровая обработка изображений» на кафедре ЭВМ Тульского государственного университета.

ЗАКЛЮЧЕНИЕ

1. Разработана общая математическая модель цифрового изображения слабоконтрастного документа, учитывающая его основные особенности.

2. Разработан метод низкочастотной нелинейной фильтрации, улучшающий качество слабоконтрастных документов, с учетом как качественных, так и пространственных различий между точками в локальной области изображения.

3. Определен интегральный показатель качества слабоконтрастных документов - коэффициент бимодальности, позволяющий производить оценку результатов фильтрации и автоматизировать процесс подбора оптимальных параметров обработки.

4. Для разных классов изображений слабоконтрастных документов, на базе функций принадлежности разработаны различные ядра нелинейного низкочастотного фильтра, а также приведены основные принципы синтеза ядер с учетом особенностей конкретного документа.

5. Исследовано влияние различных ядер низкочастотного нелинейного фильтра, а также параметров фильтрации на качество восприятия цифровых изображений слабоконтрастных документов различных классов.

6. Разработана методика оценки эффективности улучшения качества слабоконтрастных документов различными ядрами низкочастотной нелинейной фильтрации.

7. Проведены экспериментальные исследования, подтверждающие эффективность разработанного метода нелинейной низкочастотной фильтрации изображений слабоконтрастных документов по сравнению с ранее существующими методами.

8. Разработано программное обеспечение, реализующее низкочастотную нелинейную фильтрацию различными ядрами в ИИСОД с целью улучшения качества восприятия слабоконтрастных документов и позволяющее рассчитывать интегральный показатель качества для упрощения подбора оператором оптимальных параметров фильтрации.

1. Александров В.В., Горский М.Д. Представление и обработка изображений. Рекурсивный подход.- JL: Наука. Ленингр. отд-ние, 1985. 189 с.

2. Андриянов A.B. Теория и применения цифровой обработки сигналов : Учеб. пособие. Н. Новгород, 1999. - 87 с.

3. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений. М.: Высшая школа, 1983. - 295 с.

4. Антонов A.C. Параллельное программирование с использованием технологии MPI. -M.: изд. Московского университета, 2004. 71 с.

5. Басалова Г.В., Котов В.В. Архивное хранение информации в технических системах: Учеб. пособие. Тула: Тульский гос. ун-т, 2001. - 102 с.

6. Бизин А.Т. Введение в цифровую обработку сигналов : Учеб. пособие. — Новосибирск, 1998. 52 с.

7. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. — М.: Мир, 1989.-448 с.

8. Бобылев Л.И., Гаврилин А.П., Данилкин Ф.А., Котов В.В. Особенности микрофильмирования угасающих документов. // Успехи современного естествознания. 2003. -№ 12. - С. 28-32

9. Булычев Ю.Г., Лапсарь А.П. Вычислительные аспекты задачи нелинейной фильтрации. //Автоматика и вычислительная техника. 1998. - №2. - С. 32-42.

10. Ю.Бутаков Е.А., Островский В.И., Фадеев Л.И. Обработка изображений на ЭВМ. М.: Радио и связь, 1987. - 236 с.11 .Быстрые алгоритмы в цифровой обработке в цифровой обработке изображений. //Ред. Хуанга Т.С. М.: Радио и связь, 1984. - 224 с.

11. Василейский A.C., Максимов H.A. Алгоритмы цифровой обработки изображений : Учеб. пособие. М. : Изд-во МАИ, 1995. - 31 с.

12. Васкжов В.Н. Методы цифровой обработки сигналов : Учеб. пособие. — Новосибирск, 1998. — 58 с.

13. Ватанаба М. Современные тенденции развития технологии технического зрения. // «Обозрение Тошиба». 50, № 8, 1995. - С. 604-606.

14. Вентцель Е.С. Теория вероятностей. -М.: Наука, 1964. — 572 с.

15. Вихров Н.М., Фомин В.В. Принципы программной обработки и структуры ЭВМ : Пособие. СПб. : СПГУВК, 1999. - 50 с.

16. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. -С.Птб.: BHV-Петербург, 2002. 608 с.

17. Голд Б., Рейдер Ч. Цифровая обработка сигналов. — М.: Советское радио, 1973.-367 с.

18. Гольберг JI.M. Цифровая обработка сигналов. М.: Радио и связь, 1990. -325 с.

19. Григорьева Е.С., Судейкин М.И. Использование яркостных и текстурных характеристик при анализе изображений дорожных сцен. // В кн. Прикладные проблемы искусственного интеллекта. — М., 1993. С. 3-12.

20. Грузман И.С., Киричук B.C., Косых В.П., Перетягин Г.И., Спектор A.A. Цифровая обработка изображений в информационных системах: Учебное пособие.- Новосибисрк: Изд-во НГТУ, 2000. 168 с.

21. Данилкин Ф.А. Обнаружение одиночных случайно распределенных во времени сигналов. // XIX "Гагаринские чтения": Тезисы докладов. М.: МАТИ. - 1993. - С. 63.

22. Данилкин Ф.А., Абузова И.В., Афанасьева Н.Ю. Аппаратно-программные системы построчного чтения текста. // "Новые информационные технологии и системы". Материалы докладов международной конференции -Пенза: ПГТУ 1994. С. 116.

23. Данилкин Ф.А., Завьялов К.А. Методы улучшения изображений после продолжительного хранения в архивных системах. // Тез. докл. XI Межвузовской научно-технической конферен-ции. — Тула.: ТВАИУ, 1997. — С. 92-93.

24. Данилкин Ф.А., Хмельницкий Д.В. Оптимизация алгоритма вычисления низкочастотной нелинейной фильтрации прямоугольным ядром. // Известия Тульского государственного университета. Технические науки. Выпуск 3. Тула: ТулГУ, 2008. - С.117-125.

25. Данилкин Ф.А., Хмельницкий Д.В. Снижение сложности вычисления процедуры низкочастотной нелинейной фильтрации // Вестник Тульского государственного университета. Серия: Вычислительная техника. Выпуск 1. Тула. Изд-во Тулье. Гос. Ун-та, 2007. С.83.

26. Жутяева Т.С., Зайцев М.Ф. Проектирование цифровых устройств обработки сигналов в обзорных PJIC : Учеб. пособие. — М. : Изд-во МЭИ, 1998. -76 с.

27. Иваненко В. Г. Дискретные ортогональные преобразования : Учеб. пособие.-М., 1998.-32 с.

28. Игнатьев В.М., Данилкин Ф.А. Улучшение качества изобра-же-ний получаемых со сканеров высокого разрешения. //Вопросы оборонной техники. -№6, 1995.-С. 23-27.

29. Игнатьев В.М., Данилкин Ф.А. Улучшение качества изображений, полученных со сканера. // Сборник «Вычислительные машины, комплексы и сети». Рязань.: РГРА, 1996. - С. 25-32.

30. Использование алгоритмов нелинейной фильтрации для улучшения качества восстановления томографических изображений. Воскобойников Ю.Е., Касьянова С.Н., Кисленко Н.П., Трофимов O.E. // Автометрия. -1997. -№3. -С.23-35.

31. Каппелини В, Константинидис А. Дж., Эмилиани П. Цифровые фильтры и их применение М.: Энергоатомиздат, 1983 - 360 с.

32. Катыс Г.П. Методы и вычислительные средства обработки изображений. -Кишинев: Штиинца, 1991. 209 с.

33. Котов В.В, Хмельницкий Д.В. Низкочастотная фильтрация изображений угасающих документов. // XL Всероссийская конференция по проблемам математики, информатики, физики и химии, тез. док. Секции физики. -М.: РУДН, 2004. С. 86-89.

34. Ланге Ф. Г. Статистические аспекты построения измерительных систем / Пер. с нем.; Под ред. Б. Р. Левина и Г. Я. Мирского. — М.: Радио и связь, 1981.- 168 с.

35. Методы цифровой обработки изображений. // Сборник научных трудов. — Новосибирск, 1988. — 111 с.

36. Обработка изображений и цифровая фильтрация. //Под ред. Т. Хуанга. -М.: Мир, 1979.-221 с.

37. Павлидис Т. Алгоритмы машинной графики и обработки изображений. -М.: Радио и связь, 1986. 400 с.

38. Прэтт У. Цифровая обработка изображений: В 2х кн. М.: Мир, 1982 г. -714 с.

39. Рабинер Л. Гоулд Б. Теория и применение цифровой обработки сигналов. -М.: Мир, 1978.-841 с.

40. Романов В.Ю. Популярные форматы файлов для хранения графических изображений на IBM PC М.: Унитех, 1992. - 156 с.

41. Финогенов Г.К. Программирование измерительных систем реального времени. -М. : Энергоатомиздат, 1990. 256с.

42. Хазанов Б. И. Интерфейсы измерительных систем. М.: Энергия, 1979. -119с.

43. Хемминг Р.В. Цифровые фильтры. М.: Недра, 1987. - 221 с.

44. Хмельницкий Д.В. Использование балансной функции в цифровой обработке изображений. // XXX "Гагаринские чтения": Тез. докл. Международной молодежной научной конференции — М.: МАТИ., 2004. Т.5. С. 6465.

45. Цапенко М.П. Измерительно-информационные системы. М.: Энергоатом-издат, 1985.-438 с.

46. Цифровая вычислительная техника // Ред. Э.В. Евреинова. М.: Радио и связь, 1991.-463 с.

47. Шаракшанэ А. С, Халецкий А.К., Морозов И.А. Оценка характеристик сложных автоматизированных систем. М.: Машиностроение, 1993. — 272с.

48. Шлихт Г.Ю. Цифровая обработка цветных изображений : Сканирование. Печать. Видео. Мультимедиа под Windows : Перевод. М. : ЭКОМ, 1997.-333 с.

49. Шпаковский Г.И., Серикова Н.В. Программирование для многопроцессорных систем в стандарте МР1:Пособие / Минск: БГУ, 2002. -324 с.

50. A fast filtering algorithm for image enhancement. Chen H., Li A., Kaufman L., Hale J. // IEEE Trans. Med. Imag. 1 3, 1994. - D. 557-562.

51. Angelopoulos G., Pitas I. Multichannel Wiener filters in color image restoration. // IEEE Trans. Circuit and Syst. Video Technol. 1994. - 4. - P.83-87.

52. Evans A.N., Nixon M.S. Mode filtering to reduce ultrasound speckle for feature extraction. // IEEE Proc. Vision, Image and Signal Process. 142, 1 2, 1995. -P. 87-94.

53. Guedon J.-P., Bizaiz Y. Bandlimited and Haar filtered back-projection reconstruction. // IEEE Trans. Med. Imag. 1994. - 43. - P.430-440.

54. Hadamard transforms on multiply/add architectures. Coppersmith D., Eig E., Linzer E. // IEEE Trans. Signal Process. 1994. - l4. - P.969-970.

55. Huang L.-K., Wang M.-J. J. Image thresholding by minimizing the measures of furriness // Pattern recognition. -1995.-28,4. — P.41-51.

56. Numerical algorithm for the recovery of real image from its Hartley transform modulus only in two dimensions. Dong B., Yang G., Gu B. // Optik. 1995. -100, ^.-P^^.

57. Rampioni A. Detail-preserving filter for noisy images // Electron. Lett. 31, 1 11, 1995.-P. 865-866.

58. Steven W. Smith Digital Signal Processing // Second Edition. California Technical Publishing. - 1997. - 18, 15. -P.481-491.