Результат интеллектуальной деятельности: СПОСОБ КОМПЛЕКСИРОВАНИЯ ЦИФРОВЫХ МНОГОСПЕКТРАЛЬНЫХ ПОЛУТОНОВЫХ ИЗОБРАЖЕНИЙ

Изобретение относится к области цифровой обработки изображений, в частности к комплексированию цифровых изображений.

Из уровня техники известен способ комплексирования цифровых многоспектральных полутоновых изображений (Патент RU 2342701 опубликовано 27.12.2008 г., МПК G06K 9/40, G06T 5/40), который включает получение исходных изображений, разложение каждого исходного изображения на низкочастотные (НЧ) и высокочастотные (ВЧ) компоненты, улучшение характеристик компонент изображений, представляющее собой адаптивную фильтрацию и адаптивную коррекцию яркости и контраста, раздельную обработку НЧ- и ВЧ-компонент изображений, комплексирование компонент изображений, основанное на принципе взвешенного суммирования для каждого пикселя, формирование результирующего изображения. Техническим результатом является получение изображения повышенного качества, содержащего информативные элементы изображений одной и той же сцены, полученных в различных спектральных диапазонах.

Недостатком указанного способа является необходимость разделения исходного изображения с каждого канала на низкочастотные и высокочастотные компоненты путем декомпозиции вейвлетом Хаара, которая неизбежно приводит к потерям информации и искажениям при резких перепадах яркостей пикселей изображения в виде ступенек разной яркости размером в несколько пикселей.

Наиболее близким к предлагаемому является способ комплексирования цифровых многоспектральных изображений земной поверхности (Патент RU 2520424 опубликовано 27.06.2014 г., МПК G06T 5/40). Данный способ, заключается в том, что получают исходные изображения, определяют наиболее информативное изображение путем вычисления собственной энтропии каждого изображения, проводят вычисление морфологической формы наиболее информативного изображения на основе гистограммной сегментации с заданным количеством мод гистограммы, вычисляют морфологические проекции остальных изображений на форму наиболее информативного изображения, а комплексирование проводят путем суммирования яркостей пикселей наиболее информативного изображения, которое принимают за базовое, и проекций остальных изображений на форму этого изображения.

Недостатками способа-прототипа является снижение локального контраста объектов на результирующем изображении, а также чувствительность к шуму.

Техническим результатом предлагаемого способа комплексирования цифровых многоспектральных полутоновых изображений является повышение локального контраста результирующего изображения, содержащего элементы исходных изображений одной и той же сцены, полученных в различных спектральных диапазонах и повышение устойчивости к шуму.

Технический результат достигается тем, что согласно предлагаемого способа включающего получение исходных изображений в L-диапазонах, определение наиболее приоритетного изображения и формирование результирующего изображения, отличающийся тем, что формируют эталонное изображение по всем исходным изображениям, вычисляют значения градиентов яркости ij-того пиксела эталонного изображения с окружающими его i±p, j±q пикселами в скользящем окне с заданным коэффициентом усиления, формируют набор оценок ij-того пиксела комплексированного изображения путем суммирования значений яркости i±p, j±q пикселей окрестности ij-того пиксела в скользящем окне приоритетного изображения с полученными соответствующими значениями градиентов яркости ij-того пиксела эталонного изображения, результирующее комплексированное изображение получают усреднением полученного набора оценок.

Сущность предлагаемого способа заключается в том, что при комплексировании L спектрозональных полутоновых изображений определяют приоритетное изображение r∈[1, …, Z] путем субъективной оценки изображений оператором, либо используя какой-нибудь автоматический критерий.

На следующем шаге формируют единое (эталонное) изображение для оценки общих контурных признаков:

где Y - оператор формирования единого эталонного изображения, i=1, …, m; j=1, …, n; m, n - число строк и столбцов изображения.

В качестве Y может использоваться любой способ преобразования зональных яркостей, к примеру, усреднение, максимум, линейная комбинация спектрозональных компонент с весовыми коэффициентами и т.д.

После чего вычисляют разности значений яркости (градиенты) каждого пиксела изображения y_i,j с окружающими его i±p, j±q пикселами в скользящем окне:

где р=0, …, Р - параметр определяющий координаты пиксела окрестности

по i; q=0, …, Q - параметр определяющий координаты пиксела окрестности

по j; d=1, …, D-1 - индекс разности значений яркости ij-того пиксела с пикселами окрестности; D - количество пикселов в скользящем окне, D=(2Р+1)(2Q+1); k - коэффициент усиления градиентов.

Далее формируют набор оценок каждого пиксела единого комплексированного изображения с приоритетной компонентой r, путем суммирования набора градиентов (2) и значений яркости i±p, j±q пикселей окрестности ij-того пиксела в скользящем окне приоритетного изображения:

Результирующее единое комплексированное изображение может быть представлено в виде среднего значения оценок

Таким образом, при комплексировании многоспектральных изображений по данному способу происходит перенос градиентов всех спектрозональных составляющих наиболее приоритетному спектрозональному изображению, при этом за счет процедур (3), (4) происходит сглаживание шумовой составляющей.

Предлагаемый способ может быть реализован, например, с помощью устройства, блок-схема которого представлена на фиг. 1. Блок-схема устройства содержит: 1 - блок выбора приоритетного изображения; 2 - блок формирования эталонного изображения; 3 - блок вычисления градиентов в скользящем окне приоритетного изображения; 4 - блок усиления градиентов; 5 - сумматор; 6 - блок формирования результирующего комплексированного изображения; 7 - блок выравнивания яркостного диапазона изображения; 8 - блок вывода результирующего изображения.

Устройство на фиг. 1 работает следующим образом. На вход устройства поступают L спектрозональных полутоновых изображений, которые подают на вход блока выбора наиболее приоритетного изображения 1, после чего наиболее приоритетное изображение параллельно подают на сумматор 5, а также совместно с остальными изображениями подают на блок формирования единого эталонного изображения 2. После обработки в блоке 2, полученное эталонное изображение подают на блок вычисления градиентов 3, после чего, полученные градиенты подают на блок усиления 4 и далее в сумматор 5, где вычисляют сумму значений яркости i±p, j±q пикселей окрестности ij-того пиксела в скользящем окне приоритетного изображения с полученными соответствующими градиентами эталонного изображения. Полученные в блоке 5 значения подают в блок формирования результирующего изображения 6, далее подают на блок выравнивания яркостного диапазона 7, после чего в блок вывода результирующего изображения 8.

Рассмотрим примеры. На фиг. 2-7 представлены исходные спектрозональные изображения полученные в разных спектральных диапазонах. На фиг. 8 представлено эталонное изображение для вычисления градиентов, полученное усреднением исходных изображений (фиг. 2-7). На фиг. 9 представлено эталонное изображение полученное методом максимума исходных изображений. На фиг. 10 представлено комплексированное полутоновое изображение полученное на основе предлагаемого способа при (P,Q)=5, k=1, с приоритетом изображения фиг. 2 и эталоном фиг. 8. На фиг. 11 представлено комплексированное полутоновое изображение полученное на основе предлагаемого способа при (P,Q)=5, k=4, с приоритетом изображения фиг. 2 и эталоном фиг. 8. На фиг. 12 представлено комплексированное полутоновое изображение полученное на основе предлагаемого способа при (P,Q)=5, k=1, с приоритетом изображения фиг. 2 и эталоном фиг. 9. На фиг. 13 представлено комплексированное полутоновое изображение полученное на основе предлагаемого способа при (P,Q)=5, k=4, с приоритетом изображения фиг. 2 и эталоном фиг. 9.

Для демонстрации устойчивости к шуму исходные спектрозональные изображения (фиг. 2-7) подвергались воздействию аддитивного шума с нулевым математическим ожиданием и СКО σ_ш=20. На фиг. 14 для примера, представлено первое спектрозональное изображение фиг. 2 искаженное аддитивным шумом с нулевым математическим ожиданием и СКО σ_ш=20. На фиг. 15 представлено комплексированное полутоновое изображение полученное на основе предлагаемого способа при (P,Q)=5, k=1, с приоритетом изображения фиг. 2 и эталоном фиг. 8.

Таким образом, предлагаемый способ позволяет повысить локальный контраст информативных элементов и объектов, а также сгладить шумовую составляющую, за счет того, что формируют эталонное изображение по всем исходным изображениям, вычисляют значения градиентов яркости ij-того пиксела эталонного изображения с окружающими его i±p, j±q пикселами в скользящем окне с заданным коэффициентом усиления, формируют набор оценок ij-того пиксела комплексированного изображения путем суммирования значений яркости i±p, j±q пикселей окрестности ij-того пиксела в скользящем окне приоритетного изображения с полученными соответствующими значениями градиентов яркости ij-того пиксела эталонного изображения, результирующее комплексированное изображение получают усреднением полученного набора оценок.

Предлагаемое техническое решение является новым, поскольку из общедоступных сведений неизвестен способ комплексирования цифровых многоспектральных полутоновых изображений, заключающийся в получении исходных изображений в Z-диапазонах, определении наиболее приоритетного изображения, формировании эталонного изображения по всем исходным изображениям, вычислении значений градиентов яркости ij-того пиксела эталонного изображения с окружающими его i±p, j±q пикселами в скользящем окне с заданным коэффициентом усиления, формировании набора оценок ij-того пиксела комплексированного изображения путем суммирования значений яркости i±p, j±q пикселей окрестности ij-того пиксела в скользящем окне приоритетного изображения с полученными соответствующими значениями градиентов яркости ij-того пиксела эталонного изображения, результирующее комплексированное изображение получают усреднением полученного набора оценок.

Предлагаемое техническое решение является промышленно применимым, так как для его реализации могут быть использованы любые известные из уровня техники программируемые и непрограммируемые процессоры цифровой обработки сигналов и изображений (см., например, URL: http://module.ru/catalog/).