Статья

Название статьи ОСОБЕННОСТИ ПРОГРАММНО-АППАРАТНОЙ РЕАЛИЗАЦИИ МЕТОДОВ АВТОМАТИЧЕСКОГО ОЦЕНИВАНИЯ ДИСПЕРСИИ СЛОЖНЫХ ПОМЕХ НА ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЯХ
Автор В.В. Лукин, С.К. Абрамов, В.В. Абрамова, А.И. Шерстобитов, В.П. Федосов
Рубрика РАЗДЕЛ III. МИКРОЭЛЕКТРОНИКА, ОБРАБОТКА СИГНАЛОВ
Месяц, год 01, 2013
Индекс УДК 004.932.2
DOI
Аннотация Рассмотрены особенности программно-аппаратной реализации метода автоматического определения дисперсии смеси сигнально-независимых и сигнально-зависимых помех на мульти- и гиперспектральных изображениях систем дистанционного зондирования Земли. Метод основан на оценивании параметров регрессионной прямой, вписанной по центрам кластеров скаттерограммы локальных оценок дисперсии и среднего. Для нахождения центров кластеров использован алгоритм, основанный на анализе статистических характеристик ДКП-коэффициентов изображения. Полученные оценки дисперсии помех в дальнейшем могут быть использованы для оптимизации сжатия изображений. Метод предназначен для использования непосредственно на бортовом сигнальном процессоре носителя и реализован с учетом максимально возможного распараллеливания и принципов конвейерной обработки. Программно-аппаратные средства могут найти применение и для других приложений при условии, что помехи пространственно-некоррелированны и имеется достоверная априорная информация о модели помех, позволяющая выбрать вид и порядок регрессионного полинома.

Скачать в PDF

Ключевые слова Дистанционное зондирование; многоканальная система; сложные помехи; автоматическое оценивание дисперсии помех.
Библиографический список 1. URL: http://aviris.jpl.nasa.gov (дата обращения: 24.10.2012).
2. Van Zyl Marais I., Steyn W.H. Robust defocus blur identification in the context of blind image quality assessment // Journal of Image Communication. – Vol. 22. – 2007. – P. 833-844.
3. Ponomarenko N.N., Lukin V.V., Ieremeyev O.I., Egiazarian K.O., Astola J.T. Sharpness metric for no-reference image visual quality assessment // Proceedings SPIE Conference Image Processing: Algorithms and Systems VIII, San Jose, USA. – 2012. – Vol. 8295. – P. 12-18.
4. Ponomarenko N., Zriakhov M., Lukin V., Kaarna A. Improved Grouping and Noise Cancellation for Automatic Lossy Сompression of AVIRIS Images // Proceedings of ACIVS, Springer,
Heidelberg. LNCS-6475 (Part II). – 2010. – P. 261-271.
5. Kurkin D., Lukin V., Abramova V., Abramov S., Vozel B., Chehdi K. Image DCT-coefficient statistics and their use in blind noise variance estimation // Proceedings of MMET, Kharkov, Ukraine. – 2012. – P. 316-319.
6. Uss M.L., Vozel B., Lukin V., Chehdi K. Maximum Likelihood Estimation of Spatially Correlated Signal-Dependent Noise in Hyperspectral Images // Optical Engineering. – 2012. – P. 125-132.
7. Марчук В.И., Воронин В.В., Шерстобитов А.И. и др. Методы цифровой обработки сигналов для решения прикладных задач: Монография под ред. В.И. Марчука. – М.: Изд-во «Радиотехника», 2012. – 128 с.
8. Марчук В.И., Воронин В.В., Франц В.А. Разработка адаптивного двумерного метода размножения оценок при восстановлении изображений в условиях неполной априорной информации // Телекоммуникации. – 2011. – № 9. – С. 33-37.

Comments are closed.