Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции

• Published in: Штучний інтелект
• Date: 2010
• Main Authors: Ахметшин, А.М., Ахметшин, К.А.
• Format: Article
• Language: Russian
• Published: Інститут проблем штучного інтелекту МОН України та НАН України 2010
• Subjects: Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/58374
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции / А.М. Ахметшин, К.А. Ахметшин // Штучний інтелект. — 2010. — № 4. — С. 133-139. — Бібліогр.: 7 назв. — рос.

Рассмотрены информационные возможности метода анализа слабоконтрастных изображений. Суть метода основана на разделении анализируемых компонент многопараметрового (мультиспектрального) изображения на ортогональные составляющие, при этом в составляющих высокого порядка выделяются области, первоначально неразличимые на исходных изображениях. Представлены результаты численного моделирования и реальной проверки работоспособности метода. Розглянуто інформаційні можливості нового методу аналізу низькоконтрастних зображень. Суть методу полягає у розділенні аналізованих компонент багатопараметрового зображення на ортогональні складові, при цьому на складових більш високого порядку виділяються ділянки, невидимі на первісних зображеннях. Представлені результати реальної перевірки працездатності методу. Information possibilities of a new method low contrast images analysis are considered. The main idea of the method is founded on separation of analyzed image on orthogonal components. For solution of this problem in the article were used two approaches: the first one is based on using the singular value decomposition (it is an algebraic method) and the second one is based on independent component method. The last provides the stochastic orthogonalization. Hidden domains of analyzed image are separated on orthogonalyzed image of high order. The results of real testing of the method possibilities are presented. The ones had shown that both methods are complement each other.