ИНТЕРВАЛЬНЫЕ ПОКАЗАТЕЛИ КАЧЕСТВА СЖАТИЯ ДИНАМИЧЕСКОГО ДИАПАЗОНА ИНФРАКРАСНЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ МАТРИЦЫ ТОНОВОГО ОТОБРАЖЕНИЯ

##plugins.themes.bootstrap3.article.sidebar##

Просмотров аннотации: 153
Загрузок PDF: 83
pdf (rus)
Опубликован: ноя 15, 2022
DOI: https://doi.org/10.52928/2070-1624-2022-39-11-30-39
Ключевые слова:
dynamic range compression, infrared images, tone mapping matrix, quality intervals indicators of images сжатие динамического диапазона, инфракрасные изображения, матрица тонового отображения, интервальные показатели качества изображений
Выпуск
№ 11 (2022)
Раздел
Информатика, вычислительная техника и управление

##plugins.themes.bootstrap3.article.main##

С. И. РУДИКОВ
Научно-технический центр «ЛЭМТ» БелОМО, Минск
В. Ю. ЦВЕТКОВ
Белорусский государственный университет информатики и радиоэлектроники, Минск
А. П. ШКАДАРЕВИЧ
Научно-технический центр «ЛЭМТ» БелОМО, Минск

Аннотация

Предложена модель сжатия динамического диапазона инфракрасных (ИК) изображений, основанная на матрице тонового отображения, элементы которой связывают уровни яркости исходного изображения с широким динамическим диапазоном и уровни яркости нелинейно преобразованного изображения с узким динамическим диапазоном, а также указывают в зависимости от варианта формирования этой матрицы: а) на потери различения соседних пикселей из-за сжатия динамического диапазона; б) уровень нелинейных искажений сжатия; в) неоднозначность тонового отображения. На основе данной модели предложены интервальные показатели качества сжатия динамического диапазона ИК-изображений, позволяющие оценить потенциальную различающую способность, реальные потери различения соседних пикселей после преобразования, величину нелинейных искажений сжатия, равномерность использования динамического диапазона, неоднозначность тонового отображения для выбранного интервала динамического диапазона. Предложенные показатели позволяют повысить точность оценки качества сжатия динамического диапазона ИК-изображений, расширяя систему известных показателей, оценивающих контраст, энтропию, статистическую естественность преобразованных изображений и структурную точность тонового отображения.

##plugins.themes.bootstrap3.article.details##

Как цитировать
РУДИКОВ, С. И., ЦВЕТКОВ, В. Ю., & ШКАДАРЕВИЧ, А. П. (2022). ИНТЕРВАЛЬНЫЕ ПОКАЗАТЕЛИ КАЧЕСТВА СЖАТИЯ ДИНАМИЧЕСКОГО ДИАПАЗОНА ИНФРАКРАСНЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ МАТРИЦЫ ТОНОВОГО ОТОБРАЖЕНИЯ. Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки, (11), 30-39. https://doi.org/10.52928/2070-1624-2022-39-11-30-39
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Биографии авторов

В. Ю. ЦВЕТКОВ, Белорусский государственный университет информатики и радиоэлектроники, Минск

д-р техн. наук, проф.

А. П. ШКАДАРЕВИЧ, Научно-технический центр «ЛЭМТ» БелОМО, Минск

акад. Нац. акад. наук Беларуси, д-р физ.-мат. наук, проф.

Crossref
Scopus
Google Scholar
Europe PMC

Библиографические ссылки

Nithyananda, C. R., Ramachandra, A. C., & Preethi. (2016). Review on Histogram Equalization based Image Enhancement Techniques. In International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT), Chennai (2512–2517). DOI: 10.1109/ICEEOT.2016.7755145.

Kim, T. K., Paik, J. K., & Kang, B. S. (1998). Contrast enhancement system using spatially adaptive histogram equalization with temporal filtering. IEEE Trans. Consum. Electron, 44(1), 82–87. DOI: 10.1109/30.663733.

Kim, J.-Y., Kim, L.-S., & Hwang, S.-H. (2001). An advanced contrast enhancement using partially overlapped subblock histogram equalization. IEEE Transactions on Circuits and Systems for Video Technology, 11(4), 475–484. DOI: 10.1109/76.915354.

Reza, A. M. (2004). Realization of the contrast limited adaptive histogram equalization (CLAHE) for real-time image enhancement. Journal of VLSI Signal Process.-Syst. Signal Image Video Technol., 38(1), 35–44. DOI: 10.1023/B:VLSI.0000028532.53893.82.

Huang, S.-C., & Yeh, C.-H. (2013). Image contrast enhancement for preserving mean brightness without losing image features. Engineering Applications of Artificial Intelligence, 26(5), 1487–1492. DOI: 10.1016/j.engappai.2012.11.011.

Al-Sammaraie, M. F. (2015). Contrast enhancement of roads images with foggy scenes based on histogram equalization. In 10th International Conference on Computer Science and Education (ICCSE) (95–101). Cambridge. DOI: 10.1109/ICCSE.2015.7250224.

Rudikov, S. I., Tsvetkov, V. Yu., & Shkadarevich, A. P. (2021). Umen'shenie dinamicheskogo diapazona infrakrasnykh izobrazhenii na osnove adaptivnogo vyravnivaniya, rastyazheniya i szhatiya gistogrammy [Dynamic range reduction of infrared images based on adaptive equalization, stretch and compression of histogram]. Vestsі Natsyyanal'nai akademіі navuk Belarusі. Seryya fіzіka-tekhnіchnykh navuk. [Proceedings of the National Academy of Sciences of Belarus. Physical-technical serie], 66(4), 470–482. DOI: 10.29235/1561-8358-2021-66-4-470-482. (In Russ., abstr. in Engl.).

Golub, Yu. I., Starovoitov, F. V., & Starovoitov, V. V. (2020). Vliyanie umen'sheniya razmerov izobrazheniya na vychislenie otsenki ego kachestva [Impact of image size reducing for image quality assesment]. Sistemnyi analiz i prikladnaya informatika [System analysis and applied information science], (2), 35–45. (In Russ., abstr. in Engl.).

Mante, V., Frazor, R. A., Bonin, V., Geisler, W. S., & Carandini, M. (2005). Independence of luminance and contrast in natural scenes and in the early visual system. Nat Neurosci, (8), 1690–1697. DOI: 10.1038/nn1556.

Wang, Z., Simoncelli, E. P., & Bovik, A. C. (2003). Multiscale structural similarity for image quality assessment. 37th Asilomar Conference on Signals, Systems & Computers. Pacific Grove, CA, USA, 2, 1398–1402. DOI: 10.1109/ACSSC.2003.1292216.

Yeganeh, H., & Wang, Z. (2013). Objective Quality Assessment of Tone-Mapped Images. IEEE Transactions on Image Processing, 22(2), 657–667. DOI: 10.1109/TIP.2012.2221725.