Автоматизована ідентифікація типу і оцінювання параметра шуму за допомогою мультифрактальних показників

Автор(и)

  • Марина Вячеславовна Полякова Одеський національний політехнічний університет Проспект Шевченка, 1, г. Одеса, Україна, 65044, Україна
  • Юрий Владимирович Емец Одеський національний політехнічний університет Проспект Шевченка, 1, г. Одеса, Україна, 65044, Україна

DOI:

https://doi.org/10.15587/1729-4061.2013.14842

Ключові слова:

мультифрактальні показники, ідентифікація типу шуму, оцінювання параметра шуму, аддитивно-флюктуаційний, імпульсний та мультиплікативний шум

Анотація

Розроблений і досліджений метод автоматизованої ідентифікації типу і оцінювання параметра аддитивно-флюктуаційного, імпульсного і мультиплікативного шуму, а також змішаного шуму на зображеннях за допомогою мультифрактальних показників. Досліджені характеристики розробленого методу на тестових зображеннях 

Біографії авторів

Марина Вячеславовна Полякова, Одеський національний політехнічний університет Проспект Шевченка, 1, г. Одеса, Україна, 65044

Кандидат технічних наук, доцент

Кафедра прикладної математики і інформаційних технологій у бізнесі 

Юрий Владимирович Емец, Одеський національний політехнічний університет Проспект Шевченка, 1, г. Одеса, Україна, 65044

Магістр, аспірант

Кафедра прикладної математики і інформаційних технологій у бізнесі 

Посилання

  1. Lee, I.S. Digital image enhancement and noise filtering by use of local statistics /I. S. Lee // IEEE Trans. on PAMI. – 1980. – v. 2, № 3. – P. 165 – 168.
  2. Kuan, D.T. Adaptive noise smoothing filter for images with signal dependent noise / D. T.Kuan. // IEEE Trans. on PAMI. – 1985. – v. 7, № 3. – P. 165 – 177.
  3. Canny, I. A computational approach to edge detection /I. Canny // IEEE Trans. on PAMI. – 1986. – v. 8, № 6. – P. 679 – 693.
  4. Deriche, R. Using Canny’s criteria to derive an optimal edge detector recursively implemented /R. Deriche // International Gournal on Computer Vision. – 1987. – v. 1. – P. 167 – 187.
  5. Kundur, D. Blinol image deconvolution/D.Kundur, D. Hatzinakos // IEEE signal Processing Magazine. – 1996. – v. 13(3), № 5. – P. 43 – 64.
  6. Davis, A.Multifractal characterizations of nonstationary and intermittency in geophysical fields: observed, retrieved or simulated / A. Davis, A. Marshak, W. Wiscombe, R. Cahalan. // Journal of Geophysical Research. – 1994. – V. 99, № D4. – P. 8055 – 8072.
  7. Дискриминантный анализ [Электронный ресурс] / Москва. Лаборатория рекламы и маркетинга и PublicRelations.–Режим доступа: WWW/ URL: http://http://www.advlab.ru/articles/article531.htm/ – 2006 г.
  8. Айвазян, С.А. Прикладная статистика: исследование зависимостей / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин // Финансы и статистика, 1985. – 524 с.
  9. Santhanam, T. A novel approach to classify noises in images using artificial neural network /T.Santhanam, S. Radhika // J. of Computer Science. – 2010. – Vol.6, № 5. – P. 506 – 510.
  10. Крылов, В.Н. Оценивание параметра гауссовского шума на изображении с помощью мультифрактальных показателей / В.Н. Крылов, Н.И. Науменко, М.В. Полякова, Ю.В. Емец // Военный институт Киевского национального университета имени Тараса Шевченко. – К.: ВИКНУ, 2009. – Вып. № 24.– С. 127 – 134.
  11. Полякова, М.В. Оценивание параметра импульсного шума на изображении с помощью мультифрактальных показателей / М.В. Полякова, В.Н. Крылов, Ю.В. Емец // Методы и системы оптико-электронной и цифровой обработки изображений и сигналов. – Винница, 2010. – № 1 (19). – С. 5 – 13.
  12. Емец, Ю.В. Оценивание параметра мультипликативного шума на изображении с помощью мультифрактальных показателей / Ю.В. Емец, // Искусственный интеллект. – Донецк, 2010. – № 4. – С. 212 – 220.
  13. Lee, I.S. (1980). Digital image enhancement and noise filtering by use of local statistics. IEEE Trans. on PAMI, 2(3), 165 – 168.
  14. Kuan, D. T. (1985). Adaptive noise smoothing filter for images with signal dependent noise. IEEE Trans. on PAMI, 7(3), 165 – 177.
  15. Canny, I. (1986). A computational approach to edge detection. IEEE Trans. on PAMI, 8(6), 679 – 693.
  16. Deriche, R. (1987). Using Canny’s criteria to derive an optimal edge detector recursively implemented. International Gournal on Computer Vision, 1, 167 – 187.
  17. Kundur, D., Hatzinakos, D. (1996). Blinol image deconvolution. IEEE signal Processing Magazine, 13(3), 43 – 64.
  18. Davis, A., Marshak, A., Wiscombe, W., Cahalan, R. (1994). Multifractal characterizations of nonstationary and intermittency in geophysical fields: observed, retrieved or simulated. Journal of Geophysical Research, 99(4), 8055 – 8072.
  19. Discriminant analysis [Electronic resource]. (2006). Moscow. A laboratory of advertisement and marketing and Public Relations. - is access Mode : of WWW/ URL : http:// http://www.advlab.ru/articles/article531.htm.
  20. Aivozan, С. А., Enukov, I. C., Mechalkin, L. D. (1985). Applied statistics: research of dependences. Finances and statistics, 524.
  21. Santhanam, T., Radnika, S. (2010). A novel approach to classify noises in images using artificial neural network. Journal of Computer Science, 1.6(5), 506 – 510.
  22. Krulov, V.N., Naymenko, N.I., Polyakova, M.V., Emets, Y.V. (2009). Evaluation of parameter of Gausse noise dark-and-light by means of multifractal indexes. The Military institute of the Kyiv national university of the name of Taras Shevchenko. Kyiv, 24, 127 – 134.
  23. Polyakova, M.V., Krulov, V.N., Emets, Y.V. (2010). Evaluation of parameter of impulsive noise dark-and-light by means of multifractal indexes. Methods and system optical-electronic and digital processing of images and signal.Vinnytsya, 1(19), 5 – 13.
  24. Emets, Y.V. (2010). Evaluation of parameter of multiplicative noise dark-and-light by means of multifractal indexes. Artificial intelligence. Donetsk, 4, 212 – 220.

##submission.downloads##

Опубліковано

2013-06-18

Як цитувати

Полякова, М. В., & Емец, Ю. В. (2013). Автоматизована ідентифікація типу і оцінювання параметра шуму за допомогою мультифрактальних показників. Eastern-European Journal of Enterprise Technologies, 3(9(63), 13–17. https://doi.org/10.15587/1729-4061.2013.14842

Номер

Том 3 № 9(63) (2013): ІНФОРМАЦІЙНО-КЕРУЮЧІ СИСТЕМИ

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2014 Марина Вячеславовна Полякова, Юрий Владимирович Емец

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.