Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии
Рассмотрены информационные возможности нового метода повышения качества и чувствительности сегментации низкоконтрастных изображений. Суть метода основана на переходе от амплитудной (яркостной) модуляции к фазовой (угловой) модуляции в комплексной области, что открывает возможность обобщения идеи...
Saved in:
| Date: | 2008 |
|---|---|
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2008
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/6949 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии / Л.Г. Ахметшина // Штучний інтелект. — 2008. — № 3. — С. 233-243. — Бібліогр.: 10 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859607821598851072 |
|---|---|
| author | Ахметшина, Л.Г. |
| author_facet | Ахметшина, Л.Г. |
| citation_txt | Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии / Л.Г. Ахметшина // Штучний інтелект. — 2008. — № 3. — С. 233-243. — Бібліогр.: 10 назв. — рос. |
| collection | DSpace DC |
| description | Рассмотрены информационные возможности нового метода повышения качества и чувствительности
сегментации низкоконтрастных изображений. Суть метода основана на переходе от амплитудной
(яркостной) модуляции к фазовой (угловой) модуляции в комплексной области, что открывает
возможность обобщения идеи оптической эллипсометрии на область цифровых методов обработки
изображений. Представлены результаты численного моделирования и реальной проверки
работоспособности метода.
Розглянуто інформаційні можливості нового методу підвищення якості і чутливості сегментації
низькоконтрастних зображень. Суть методу полягає на переході від амплітудної (яскравої) модуляції
до фазової (кутової) модуляції в комплексної області, що відкриває можливість узагальнення ідеї
оптичної елепсометрії на галузь цифрових методів обробки зображень. Представлені результати
реальної перевірки працездатності методу.
Information possibilities of new method of increasing quality and segmentation sensitivity of low contrast
images are considered. The main idea of the method is based on the transition from magnitude (brightness)
modulation, to phase (angular) modulation in a complex space. It provides a possibility for generalization
idea of optical ellipsometry to domain of digital methods of image processing. Results of real testing of the
method possibilities are presented.
|
| first_indexed | 2025-11-28T06:59:18Z |
| format | Article |
| fulltext |
«Штучний інтелект» 3’2008 233
4А
УДК 004.93
Л.Г. Ахметшина
Харьковский национальный университет радиоэлектроники, г. Харьков, Украина
akhm@mail.dsu.dp.ua
Повышение качества
и чувствительности анализа
низкоконтрастных изображений методом
виртуальной оптической эллипсометрии
Рассмотрены информационные возможности нового метода повышения качества и чувствительности
сегментации низкоконтрастных изображений. Суть метода основана на переходе от амплитудной
(яркостной) модуляции к фазовой (угловой) модуляции в комплексной области, что открывает
возможность обобщения идеи оптической эллипсометрии на область цифровых методов обработки
изображений. Представлены результаты численного моделирования и реальной проверки
работоспособности метода.
Введение
При разработке новых методов компьютерного зрения допустимо использование
виртуальных аналогов физических методов обработки радиофизических и оптических
сигналов и полей и их математических моделей. Известно, что наибольшую чувстви-
тельность в радиофизических и радиотехнических измерениях обеспечивают резонансные
методы, а в оптических – голографические, интерференционные и эллипсометрические.
Все указанные измерительные методы базируются на использовании волновых
и поляризационных свойств когерентного электромагнитного излучения. Для возмож-
ности использования данного подхода необходимо преобразование исходного изображе-
ния к такому виду, который бы обеспечивал возможность использование идей и
математического формализма указанных физических методов.
В работе [1], [2] нами было предложено использование модуляционного преоб-
разования вида
{ } { } ),(
),(
),(,(Im),(Re),(),( yxj
yxIj
eyxRyxRjyxReyxIyxR Φ=+== λ
π
, (1)
где ),( yxI – исходное изображение, а λ – модуляционный параметр.
Использование модуляционного преобразования (1), обеспечивающего переход
в пространство комплексных яркостей, открывает еще одну дополнительную возможность
анализа изображений, основанную на проведении аналогий с поляризационными свой-
ствами волновых полей. Как это хорошо известно, наиболее чувствительным оптическим
методом исследования пленочных структур является метод оптической эллипсометрии,
теоретические и практические аспекты которого подробно изложены в [3], [4].
Ахметшина Л.Г.
«Искусственный интеллект» 3’2008 234
4А
Цель данной статьи – демонстрация возможности повышения качества и раз-
решающей способности визуального анализа низкоконтрастных цифровых изображений
на основе проведения формальной аналогии с физическим методом оптической эллипсо-
метрии.
Постановка задачи. Исследование информационных возможностей метода
виртуальной оптической эллипсометрии применительно к трем классам изображений:
обычное яркостное изображение, цветное изображение (сюда относится и случай
цветового RGB кодирование изображений); мультиспектральное изображение (число
диапазонов/параметров больше трех).
Виртуальная эллипсометрия однопараметровых
изображений
Рассматривая результат модуляционного преобразования ),( yxR в виде аналога
двумерной проекции трехмерного векторного поля R, можно естественным способом
ввести и векторное поле его ротора [5], [6]
rot R=
∂
∂
−
∂
∂
z
R
y
R yz i +
∂
∂
−
∂
∂
x
R
z
R zx j +
∂
∂
−
∂
∂
y
R
x
R xy k . (2)
Выражение (2) является справедливым, если частные производные ),( yxR являются
непрерывными, что, безусловно, выполняется для классов изображений, являющихся
предметом исследования. Поскольку компонента zR является неизвестной, то в вы-
ражении (2) может быть определена лишь третья компонента rot R
=),( yxAz
∂
∂
−
∂
∂
y
R
x
R xy , (3)
которую можно рассматривать в качестве дополнительного информативного параметра,
ортогонального составляющим xR и yR .
Использование такого подхода позволяет сопоставить каждому пикселю исходного
изображения три ортогональные компоненты, что открывает возможность использования
волновых оптических преобразований, вытекающих как из самой сути модуляционного
преобразования (λ можно рассматривать в качестве виртуального аналога длины волны),
так и из трехмерной ортогонализации пространства синтезированных информатив-
ных признаков.
Действительно, если рассматривать компоненты xR и yR в качестве соответствую-
щих амплитудных составляющих эллиптически поляризованной волны, то каждой
точке плоскости « yx − » можно сопоставить поляризационный эллипс, главная ось
которого образует азимутальный угол ψ с осью x :
)cos
2
(
2
1
22 δψ
yx
yx
bb
bb
arctg
−
= , (4)
Повышение качества и чувствительности анализа низкоконтрастных изображений...
«Штучний інтелект» 3’2008 235
4А
где xb и yb рассматриваются как модули компонент xR и yR соответственно. Основ-
ная тонкость предлагаемого подхода заключается в способе вычисления фазового
угла ),( yxzδδ = между компонентами xR и yR , рассчитываемого как
),( yxzδδ = λ
π
),( yxAj z
e= , (5)
где в качестве zA рассматривается нормированное значение компоненты ротора
векторного поля R. Помимо этого, отношение меньшей полуоси поляризационного
эллипса c к большей полуоси d можно выразить как функцию вспомогательного
угла (угла эллиптичности) χ , так что χtgdc =/ , где
)sin
2
arcsin(
2
1
22 δχ
yx
yx
bb
bb
+
= . (6)
Таким образом, первоначальному изображению можно сопоставить два новых:
азимутальное изображение ),( yxΨ и эллиптическое изображение ),( yxχ , которые
характеризуются нелинейной комбинацией всех трех синтезированных ортогональ-
ных параметров.
Столь же полно, в рамках рассматриваемого подхода, анализируемое изображение
может быть охарактеризовано параметрами Стокса (рис. 1), определяемыми как [7]
22
0 yx bbs += ; ψχδ 2sin2coscos2 01 sbbs yx == ;
22
2 yx bbs −= ; χδ 2sinsin2 03 sbbs yx == . (7)
χ2
ψ2
S1
S2
S3
Рисунок 1 – Сфера Пуанкаре
Ахметшина Л.Г.
«Искусственный интеллект» 3’2008 236
4А
Параметр 0s пропорционален интенсивности, а 321 ,, sss интерпретируются, как
декартовы координаты точки на сфере радиусом 0s , известной как сфера Пуанкаре.
Долгота и широта этой точки равны соответственно ψ2 и χ2 .
Исследования были проведены на многих образцах низкоконтрастных изобра-
жений. Ниже представлены некоторые из полученных результатов в сравнении с
известными преобразованиями (значение )1=λ .
Маммографическое изображение. На рис. 2 представлено медицинское радио-
логическое изображение и результаты его обработки известными методами [8], [9].
а б в
Рисунок 2 – Маммографическое изображение: а – оригинал; б – результат метода
эквализации гистограмм; в – модуль градиентного отображения
Из рассмотрения рис. 2 видно, что применение известных методов анализа низко-
контрастных изображений не позволяет детализировать потенциальную область
возможного интереса. Использование эллипсометрических характеристик ),( yxΨ и
),( yxχ (рис. 3) позволяет повысить детализацию визуального анализа.
),( yxΨ ),( yxχ
Рисунок 3 – Эллипсометрические характеристики
Из рассмотрения рис. 3 следует, что синтез виртуальных эллипсометрических
характеристик на основе комбинации методов модуляционного преобразования и
теории виртуальных векторных полей позволяет повысить чувствительность и
резкость однопараметровых (яркостных) низкоконтрастных изображений, при этом
Повышение качества и чувствительности анализа низкоконтрастных изображений...
«Штучний інтелект» 3’2008 237
4А
анализ азимутальных синтезированных характеристик ),( yxΨ больше подходит для
решения задач сегментации, тогда как синтез эллиптических характеристик ),( yxχ
позволяет повысить чувствительность и резкость исходных изображений.
Инфракрасное изображение. На рис. 4а представлено инфракрасное изобра-
жение работающей интегральной микросхемы, а на рис. 4б – результат применения
метода эквализации гистограмм.
а б в
Рисунок 4 – Инфракрасное изображение: а – оригинал; б – результат метода
эквализации гистограмм; в – эллиптическая характеристика ),( yxχ
Из рассмотрения рис. 4 следует, что метод эквализации гистограмм в данном
случае является неэффективным, тогда как синтез эллиптической характеристики
),( yxχ позволил выявить все топологические особенности анализируемого изображения
и, в частности, выявить характерную ступенчатость его структуры связанной с особен-
ностями его формирования на основе использования ПЗС матрицы.
Виртуальная эллипсометрия цветных изображений. В качестве цветного
может рассматриваться любое изображение, представленное тремя параметрами
),(),,( 2211 yxIIyxII == и ),(33 yxII = (включая формат RGB – или HSV кодирова-
ние). Данное обстоятельство открывает возможность непосредственного использования
метода виртуальной эллипсометрии для повышения чувствительности и разрешаю-
щей способности анализа цветных изображений.
Синтез трех изображений виртуальных углов эллиптичности ),(11 yxχχ = ,
),(22 yxχχ = и ),(33 yxχχ = возможен на последовательном использовании следующих
комбинаций:
{ })(,, 332111 IfII == δχχ ;
{ })(,, 223122 IfII == δχχ ; (8)
{ })(,, 113233 IfII == δχχ ,
где iδ вычисляются на основе использования выражения (5).
Следует иметь в виду, что в отличие от предыдущего случая (однопараметро-
вого изображения), в котором все три компоненты синтезированного векторного поля
являлись ортогональными, в выражении (8) любая комбинация исходных изображений
{ }ji II , этим свойством не обладает. Это важное обстоятельство не позволяет непо-
Ахметшина Л.Г.
«Искусственный интеллект» 3’2008 238
4А
средственно использовать эллипсометрический метод. В выражении (8) необходимо
использовать ортогонализированные аналоги { }
ji ortort II , , тогда как в выражениях lδ
используются прямые зависимости lI , задающие величину фазового сдвига между
ортогональными составляющими { }
ji ortort II , , для фиксированного значения параметра
λ в выражении (5). Ортогонализация комбинаций { }ji II , производилась методом
Грама – Шмидта [10].
Проверка работоспособности метода для реальных изображений в целях сокращения
объема изложения представлена на примере использования только эллиптической
характеристики ),( yxχ и одной комбинации { })(,, 321
IfII ortort =δ , поскольку резу-
льтат является типичным и для других вариантов.
На рис. 5 приводится цветной фрагмент изображения акватории Черного моря
(рис. 5 а) и результат эллипсометрического синтеза, в сопоставлении с результатами
преобразования известными методами. Чрезвычайно низкая контрастность исходного
цветного изображения обусловлена тем обстоятельством, что перепады яркостей во
всех трех диапазонах находятся в пределах 64 ÷ %. В данном случае методы нечетких
С-средних и самоорганизующихся карт Кохонена обеспечивают большую степень
детализации, по сравнению с исходным снимком, но они лишь сегментируют исходное
изображение, однако не могут повысить степень пространственной разрешающей способ-
ности. Если анализировать характеристику ),( yxχ , то в окрестности, обозначенной «стрел-
кой», явно выделяются детали, невидимые ни на одном из других изображений рис. 5.
а б в г
Рисунок 5 – Сопоставление различных методов преобразования: а – оригинал
(в –градациях серого); б – );,( yxχ в – нечеткие С-средние (10 кластеров); г – карта
Кохонена
Чтобы показать, что характеристика ),( yxχ действительно обеспечивает повы-
шение пространственной разрешающей способности, целесообразно рассмотреть
пространственно-амплитудные срезы исходных трех диапазонов и синтезированной
характеристики ),( yxχ , представленных на рис. 6 (в данном случае представлены
100-ые столбцы). Тот факт, что амплитудно-частотные характеристики формирую-
щих фильтров усиливают высокие пространственные частоты, свидетельствует об
увеличении пространственной разрешающей способности при использовании эллип-
сометрических характеристик.
Повышение качества и чувствительности анализа низкоконтрастных изображений...
«Штучний інтелект» 3’2008 239
4А
I I I
0 20 40 60 80 100 120 140 160 180 200
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x 0 20 40 60 80 100 120 140 160 180 200
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x 0 20 40 60 80 100 120 140 160 180 200
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
а б в
I A A
0 20 40 60 80 100 120 140 160 180 200
0
05
0.1
15
0.2
25
0.3
35
0.4
x 0 10 20 30 40 50 60 70 80 90 100
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f 0 10 20 30 40 50 60 70 80 90 100
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
f
г д е
Рисунок 6 – Пространственно-амплитудные срезы: а, б, в – три диапазона исходного
изображения; г – ),( yxχ ; амплитудно-частотные характеристики формирующих
фильтров: д – вход «а», выход «г»; е – вход «б», выход «г»
На рис. 7 представлены результаты синтеза эллипсометрических характеристик
в ситуации, полностью аналогичной вышеизложенной, но без использования предва-
рительной процедуры ортогонализации составляющих ),(1 yxI и ),(2 yxI .
),( yxΨ ),( yxχ
Рисунок 7 – Эллипсометрические характеристики без использования
ортогонализации составляющих 1I и 2I
Результаты, представленные на рис. 7, свидетельствуют, что без использования
предварительной процедуры ортогонализации составляющих (в данном случае 1I и 2I ),
повышения пространственной разрешающей способности (и как следствие, чувстви-
тельности визуального анализа) не происходит. Поэтому процедура ортогонализации
является необходимой в рамках данного метода.
Эллиптическая характеристика ),( yxχ обладает еще одной интересной особен-
ностью, сближающей ее в некоторой степени с методом эквализации гистограмм. На рис. 8
представлено аэрокосмическое RGB – изображение и результат применения к каждому
диапазону метода эквализации гистограммы и аналогичные его эллиптическая характе-
ристика ),( yxχ .
Ахметшина Л.Г.
«Искусственный интеллект» 3’2008 240
4А
Применение метода эквализации гистограмм улучшает яркость и контрастность
цветовой палитры, по сравнению с исходным изображением, что приводит к повышению
чувствительности при визуальном анализе. Применение нового метода (эллиптической
характеристики ),( yxχ ) позволяет, кроме перечисленных факторов, увеличить также
пространственную разрешающую способность, что выражается в детализации изоб-
ражения.
а б в
Рисунок 8 – RGB изображения, конвертированные к уровням серого:
а – оригинал; б – метод эквализации гистограммы; в – характеристика ),( yxχ
На рис. 9 представлены гистограммы распределения яркостей трех диапазонов
исходного изображения (рис. 8а), а на рис. 10 гистограммы распределения яркостей
трех синтезированных эллиптических изображений (рис. 8в).
0 50 100 150 200 250 300
0
200
400
600
800
1000
1200
1400
1600
1800
0 50 100 150 200 250 300
0
200
400
600
800
1000
1200
1400
0 50 100 150 200 250 300
0
100
200
300
400
500
600
1I 2I 3I
Рисунок 9 – Гистограммы распределения яркостей трех диапазонов исходного
изображения (рис. 8а)
0 50 100 150 200 250 300
0
50
100
150
200
250
300
350
400
450
500
0 50 100 150 200 250 300
0
50
100
150
200
250
300
350
400
450
500
0 50 100 150 200 250 300
0
100
200
300
400
500
600
1χ 2χ 3χ
Рисунок 10 – Гистограммы распределения яркостей трех диапазонов для
синтезированного эллиптического изображения (рис. 8в)
Видно, что последние распределены по всему диапазону градаций яркостей и
весьма близки, за исключением ),(1 yxχ , к равномерному распределению, что и обус-
ловливает лучшую степень зрительного восприятия результатов RGB кодирования.
Повышение качества и чувствительности анализа низкоконтрастных изображений...
«Штучний інтелект» 3’2008 241
4А
Виртуальная эллипсометрия мультиспектральных изображений. Как пример
подобного типа изображений на рис. 11 показаны первые шесть изображений 8-мер-
ного мультиспектрального ансамбля.
Рисунок 11 – Первые шесть изображений мультиспектрального ансамбля
Большое количество исходных диапазонов затрудняет синтез эллипсометрических
характеристик для всего ансамбля и в этой связи возникает задача сжатия исходных
данных, в наилучшем варианте до трех изображений.
Для этой цели нами был использован метод сингулярного разложения, причем,
степень сжатия исходного ансамбля определялась на основе анализа спектра нормиро-
ванных сингулярных чисел, который показал, что первые три «собственных» изображения
ансамбля содержат более 99 % информации мультиспектрального ансамбля (каждое
«собственное» изображение представляет собой линейную комбинацию всех исходных
изображений ансамбля, но с разными значениями коэффициентов), что дает основание
для вывода о достаточности их использования для непосрественного цветового RGB-ко-
дирования (рис. 12г). Из рассмотрения рис. 12 следует, что цветовое кодирование трех
«собственных» изображений ухудшает визуальное восприятие полученного изображе-
ния, по сравнению с «собственными» изображениями.
а б в г
Рисунок 12 – Преобразование мультиспектрального ансамбля: а, б, в – первые три
«собственных» изображения; г – результат RGB-кодирования (в градациях серого)
на их основе
На рис. 13 представлены результаты синтеза трех эллиптических изображений и
их цветового кодирования, полученные на основе использования трех «собственных»
изображений, показанных на рис. 12а – в.
Сопоставление этих результатов (рис. 12г с рис. 13) показывает, что использование
эллиптических характеристик первых трех «собственных» изображений позволило не
Ахметшина Л.Г.
«Искусственный интеллект» 3’2008 242
4А
только применить эллипсометрическую методику к мультиспектральному ансамблю, но
и обеспечить высокую степень детализации при RGB-кодировании на основе трех
синтезированных эллиптических характеристик.
1χ 2χ 3χ RGB
Рисунок 13 – Эллиптические характеристики и их цветовое RGB-кодирование
(в градациях серого), полученные на основе использования первых трех
«собственных» изображений исходного мультиспектрального ансамбля
Заключение
Метод виртуальной оптической эллипсометрии, в основе которого лежит модуля-
ционное преобразование яркости изображений, открывает возможность проведения
аналогий с поляризационными свойствами волновых полей с использованием соответст-
вующего математического аппарата. Данный подход обеспечивает повышение чувст-
вительности и разрешающей способности на основе нелинейного синтеза композиционных
эллипсометрических характеристик: азимутального и эллиптического углов.
Практическими особенностями его применения являются следующие факторы:
– в случае обычного яркостного изображения, результат модуляционного преобразо-
вания рассматривается в виде аналога двумерного векторного поля, а третья ортого-
нальная компонента – в виде z -компоненты ротора этого векторного поля, что позволяет
непосредственно синтезировать эллипсометрические характеристики;
– при анализе цветных изображений (три измерительных канала), первым шагом
является проведение предварительной процедуры ортогонализации двух из исходных
изображений с применением модуляционного преобразования к третьему (процедура
осуществляется в трех последовательных комбинациях), рассматриваемых в виде аналога
двух поляризационных амплитуд и фазового угла между ними соответственно с после-
дующим синтезом на их основе трех эллиптических характеристик и осуществления их
цветового RGB-кодирования, при этом чувствительность, разрешающая способность
и степень цветового зрительного восприятия превосходят характеристики оригинала;
– для мультиспектрального ансамбля, когда число измерительных каналов больше трех,
необходима процедура его сжатия до трех изображений, в целях использования методи-
ки, применяемой для анализа цветных изображений; эффективным для сжатия является
метод сингулярного разложения, причем в качестве трех основных («собственных»)
изображений принимаются те, которые соответствуют первым трем максимальным син-
Повышение качества и чувствительности анализа низкоконтрастных изображений...
«Штучний інтелект» 3’2008 243
4А
гулярным числам – синтез эллиптических характеристик на основе этих «собственных»
изображений, обеспечивает более высокую степень детализации результирующего цве-
тового RGB-кодирования по сравнению с прямым RGB-кодированием трех «собст-
венных» изображений.
Литература
1. Ахметшина Л.Г., Ахметшин А.М., Мацюк И.М. Интерференционные методы повышения качества
и чувствительности анализа низкоконтрастных изображений на основе комплексной фазовой
модуляции яркостей // Искусственный интеллект. – 2007. – № 3 . – С. 194-204.
2. Ахметшина Л.Г. Информационные возможности модуляционного преобразования при
сегментации мультиспектральных изображений // Системні технології. – 2004. – № 6. – C. 122-127.
3. Аззам Р., Башара Н. Эллипсометрия и поляризованный свет. – М.: Мир, 1981. – 583 с.
4. Основы эллипсометрии / Под ред. А.В. Ржанова. – Новосибирск: Наука, 1979. – 422 с.
5. Арнольд В.И. Математические методы классической механики. – М.: Наука, 1989. – 472 с.
6. Борисенко А.И., Тарапов И.Е. Векторный анализ и начала тензорного исчисления. – М.: Высшая
школа, 1966. – 215 с.
7. Джеррард А., Берч Д. Введение в матричную оптику. – М.: Мир, 1978. – 341 с.
8. Pratt W.K. Digital Image Processing. – New York: Chichester; Weinheim; Brisbane; Singapore; Toronto:
John Wiley and Sons Inc., 2001. – 723 р.
9. Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера, 2006. – 1070 с.
10. Ланкастер П. Теория матриц. – М.: Наука, 1978. – 280 с.
Л.Г. Ахметшина
Підвищення якості та чутливості аналізу низькоконтрастних зображень методом віртуальної
оптичної елепсометрії
Розглянуто інформаційні можливості нового методу підвищення якості і чутливості сегментації
низькоконтрастних зображень. Суть методу полягає на переході від амплітудної (яскравої) модуляції
до фазової (кутової) модуляції в комплексної області, що відкриває можливість узагальнення ідеї
оптичної елепсометрії на галузь цифрових методів обробки зображень. Представлені результати
реальної перевірки працездатності методу.
L.G. Akhmetshina
Increasing Quality and Sensitivity Analysis of Low Contrast Images Based on Virtual Optical Ellipsometry
Method
Information possibilities of new method of increasing quality and segmentation sensitivity of low contrast
images are considered. The main idea of the method is based on the transition from magnitude (brightness)
modulation, to phase (angular) modulation in a complex space. It provides a possibility for generalization
idea of optical ellipsometry to domain of digital methods of image processing. Results of real testing of the
method possibilities are presented.
Статья поступила в редакцию 05.06.2008.
|
| id | nasplib_isofts_kiev_ua-123456789-6949 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-11-28T06:59:18Z |
| publishDate | 2008 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Ахметшина, Л.Г. 2010-03-22T09:39:50Z 2010-03-22T09:39:50Z 2008 Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии / Л.Г. Ахметшина // Штучний інтелект. — 2008. — № 3. — С. 233-243. — Бібліогр.: 10 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/6949 004.93 Рассмотрены информационные возможности нового метода повышения качества и чувствительности сегментации низкоконтрастных изображений. Суть метода основана на переходе от амплитудной (яркостной) модуляции к фазовой (угловой) модуляции в комплексной области, что открывает возможность обобщения идеи оптической эллипсометрии на область цифровых методов обработки изображений. Представлены результаты численного моделирования и реальной проверки работоспособности метода. Розглянуто інформаційні можливості нового методу підвищення якості і чутливості сегментації низькоконтрастних зображень. Суть методу полягає на переході від амплітудної (яскравої) модуляції до фазової (кутової) модуляції в комплексної області, що відкриває можливість узагальнення ідеї оптичної елепсометрії на галузь цифрових методів обробки зображень. Представлені результати реальної перевірки працездатності методу. Information possibilities of new method of increasing quality and segmentation sensitivity of low contrast images are considered. The main idea of the method is based on the transition from magnitude (brightness) modulation, to phase (angular) modulation in a complex space. It provides a possibility for generalization idea of optical ellipsometry to domain of digital methods of image processing. Results of real testing of the method possibilities are presented. ru Інститут проблем штучного інтелекту МОН України та НАН України Распознавание образов. Системы цифровой обработки сигналов и изображений Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии Підвищення якості та чутливості аналізу низькоконтрастних зображень методом віртуальної оптичної елепсометрії Increasing Quality and Sensitivity Analysis of Low Contrast Images Based on Virtual Optical Ellipsometry Method Article published earlier |
| spellingShingle | Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии Ахметшина, Л.Г. Распознавание образов. Системы цифровой обработки сигналов и изображений |
| title | Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии |
| title_alt | Підвищення якості та чутливості аналізу низькоконтрастних зображень методом віртуальної оптичної елепсометрії Increasing Quality and Sensitivity Analysis of Low Contrast Images Based on Virtual Optical Ellipsometry Method |
| title_full | Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии |
| title_fullStr | Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии |
| title_full_unstemmed | Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии |
| title_short | Повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии |
| title_sort | повышение качества и чувствительности анализа низкоконтрастных изображений методом виртуальной оптической эллипсометрии |
| topic | Распознавание образов. Системы цифровой обработки сигналов и изображений |
| topic_facet | Распознавание образов. Системы цифровой обработки сигналов и изображений |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/6949 |
| work_keys_str_mv | AT ahmetšinalg povyšeniekačestvaičuvstvitelʹnostianalizanizkokontrastnyhizobraženiimetodomvirtualʹnoioptičeskoiéllipsometrii AT ahmetšinalg pídviŝennââkostítačutlivostíanalízunizʹkokontrastnihzobraženʹmetodomvírtualʹnoíoptičnoíelepsometríí AT ahmetšinalg increasingqualityandsensitivityanalysisoflowcontrastimagesbasedonvirtualopticalellipsometrymethod |