Направления научных исследований кафедры в области цифровой обработки изображений презентация

и без него)

Классификация участков
изображений

Фильтрация,
восстановление
и реконструкция
изображений

Локально-адаптивная
фильтрация
и классификация
изображений

Обнаружение объектов
на изображениях

Сжатие изображений
и видеоинформации

Направления научных исследований кафедры в области цифровой обработки изображений

параметры:
дисперсия аддитивного гауссовского шума
дисперсия мультипликативного гауссовского шума
вероятность импульсного шума (равномерный, соль и перец, компактный)
вид функции рассеяния точки, ширина главного лепестка, уврони боковых лепестков (смаз)
параметры смешанных искажений, например, смешанного аддитивного и мультипликативного шума

Практические приложения:
подавление шума на изображениях
восстановление изображений (в том числе и при одновременно наличии шума и смаза)
определение параметров сжатия изображений

Параметры шума: σ2=48, σμ2=0.098
(ошибка определения не более 10%)

совершенствование критериев оценки визуального качества изображений при наличии эталона (full reference metrics)
исследование HVS (human visual system) с целью более полного учета ее особенностей при оценке визуального качества изображения
разработка критериев оценки качества изображений при отсутствии эталона (perceptual metrics)

Практические приложения:
- объективная оценка визуального качества результатов фильтрации, сжатия и пр.
- определение оптимальной степени сжатия изображения

PSNR=18.72 dB, MSSIM=0.33,
PSNR-HVS=18.72 dB

PSNR=18.72 dB, MSSIM=0.45,
PSNR-HVS=14.59 dB

локальной активности (признаков)
использование нейроструктур для классификации участков изображений
использование экспертных систем для классификации участков изображений
использование гибридных методов для классификации участков изображений
классификация многоканальных изображений

Практические приложения:
локально-адаптивная фильтрация
классификация изображений и обнаружение объектов
автоматический выбор ROI (region of interest) при сжатии изображений

Оптическое изображение системы ДЗ

Результат классификации участков изображения на 5 классов

исследований:
разработка и совершенствование нелинейных (в том числе робастных и векторных) методов фильтрации изображений
фильтрация изображений с использованием ортогональных преобразований (ДКП, ДВП)
построение фильтров с учетом ограничений на объем оперативной памяти и время обработки
восстановление дефокусированных изображений с одновременным подавлением шума
реконструкция отсутствующих фрагментов изображений

Практические приложения:
подавление различных шумов на изображениях
предварительная обработка с целью повышения качества классификации участков изображения
предварительная обработка сжимаемых изображений
постфильтрация расжатых изображений с целью устранения блочного эффекта и эффекта Гиббса

аддитивный шум, σ2=49

изображение после фильтрации

исследований:
локально-адаптивные фильтры с мягким переключением
локально-адаптивные фильтры с жестким переключением
двухэтапные локально-адаптивные фильтры
сохраняющие текстуру локально-адаптивные фильтры
синтез локально-адаптивных фильтров для заданной конечной задачи интерпретации данных и критерия качества

Практические приложения:
эффективное подавление шумов на сложных изображениях
подавление смеси импульсного шума с другими типами шумов
предварительная обработка с целью повышения качества классификации участков изображения
обработка изображения с целью максимизации критерия качества, обусловленного конечной интерпретационной задачей анализа изображений

РЛИ изображение

Результат работы мультиоконного локально-адаптивного фильтра

малоразмерных и малоконтрастных объектов на изображениях, искаженных шумом
предварительная обработка изображений с целью повышения качества обнаружения объектов
сжатие изображений без ухудшения качества последующего обнаружения объектов на них
автоматический синтез локально-адаптивных многоэтапных обнаружителей объектов на изображениях, искаженных шумом
обнаружение целей на многоканальных изображениях

Практические приложения:
обнаружение объектов на изображениях
предварительная обработка изображений, предназначенных для обнаружения объектов «черным ящиком»

Анализируемое изображение

Детектирование (фрагмент) без шума, с шумом и после предварительной обработки

на основе ДКП
фрактальное сжатие изображений
высококачественное сжатие изображений с использованием схем разбиения
сжатие видео и многоканальных изображений
сжатие изображений, искаженных шумом
автоматический выбор степени сжатия изображения
дополнительное сжатие (без внесения потерь) изображений JPEG и видео Motion JPEG
автоматический выбор ROI (region of interest) при сжатии

Практические приложения:
высококачественное сжатие изображений и видео
сжатие многоканальных данных систем ДЗ
дополнительное сжатие изображений JPEG
оптимальное сжатие “почти без потерь” (nearless)

Сравнение с JPEG2000 при аналогичной степени сжатия

Исходное
изображение





JPEG2000





Наш метод

изображение для предложенного нами метода сжатия (bpp=0.75)