2006(â1)
2006(â1)
2006(â1)
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Оригинальное<br />
изображение<br />
Стилизованное<br />
изображение<br />
Прямое<br />
вейвлетпреобразование<br />
Выделение<br />
контуров<br />
Подчеркивание<br />
контуров<br />
Обратное<br />
вейвлетпреобразование<br />
Сегментация<br />
изображения<br />
Повышение<br />
различимости<br />
текстур<br />
Представление изображения<br />
совокупностью сегментов<br />
Сформулированное утверждение указывает на то, что для решения задач определенного<br />
класса можно выдвинуть ряд требований к качеству изображения СТН:<br />
• Для персональной идентификации – подчеркивание контуров, поскольку именно<br />
в контуре содержатся самые существенные сведения о предмете и человек способен восстановить<br />
своим "внутренним взором" по контурам даже объемность изображения.<br />
• Для идентификации движения – упрощение изображения настолько, чтобы был<br />
отчетливо заметен только "смаз" картинки, что повышает заметность движения.<br />
• Для идентификация сцен – подчеркивание (выделение) текстур: имеется в виду такая<br />
обработка изображения, при которой содержащиеся в нем текстуры будут лучше различимы.<br />
На основании указанных требований можно разработать методику стилизации изображений<br />
для соответствующих классов задач с привлечением определенного математического<br />
аппарата. Далее на основании этой методики следует выделить те параметры изображений,<br />
которые будут указывать на их пригодность для решения задачи того или иного класса.<br />
Для решения задачи стилизации может быть использован математический аппарат<br />
теории вейвлетов и кратномасштабного анализа, так как при стилизации прослеживается<br />
тенденция рассмотрения изображения при различных масштабах.<br />
В общем случае алгоритм стилизации изображения может выглядеть как показано на<br />
рисунке. В качестве параметров изображений, применяемых для оценки их качества, следует<br />
использовать статистические параметры вейвлет-коэффициентов (например, на вейвлет-образе<br />
изображения, хорошо стилизованного под задачу идентификации сцен, по вертикальному,<br />
горизонтальному и диагональному направлениям будут отчетливо заметны<br />
области, содержащие близкие по своим значениям коэффициенты; на образе изображения,<br />
стилизованного под задачу идентификации движения, будут заметны области, значения<br />
коэффициентов на границе которых будут значительно больше, чем внутри; на вейвлетобразе<br />
изображения, стилизованного под задачу идентификации личности, будет наблюдаться<br />
тенденция к равномерной плотности распределения значений коэффициентов по<br />
всему образу вследствие повышения контрастности).<br />
СПИСОК ЛИТЕРАТУРЫ<br />
1. Демьяновски В. CCTV. Библия охранного телевидения. М.: ISS-Press, 2003. 344 c.<br />
2. Lauterjung J. Picture Quality Measurement // Proc. of 1998 int. broadcasting convention, Amsterdam, 11–15<br />
September 1998. London: IEE, 1998. P. 413–417.<br />
5