Методика автоматизированного повышения яркости и контраста мультиспектральных изображений

В данной статье предложена методика автоматизированного повышения яркости и контраста мультиспектральных изображений, которая, благодаря своей адаптивности, может быть применена для обработки широкого спектра снимков и позволяет сохранять цветовое соответствие с исходным и...

Full description

Saved in:

Bibliographic Details
Date:	2009
Main Authors:	Ахметшина, Л.Г., Егоров, А.А.
Format:	Article
Language:	Russian
Published:	Інститут проблем штучного інтелекту МОН України та НАН України 2009
Subjects:	Распознавание образов. Цифровая обработка сигналов
Online Access:	https://nasplib.isofts.kiev.ua/handle/123456789/8105
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:	Методика автоматизированного повышения яркости и контраста мультиспектральных изображений / Л.Г. Ахметшина, А.А. Егоров // Штучний інтелект. — 2009. — № 3. — С. 506-515. — Бібліогр.: 4 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1860244479611502592
author	Ахметшина, Л.Г. Егоров, А.А.
author_facet	Ахметшина, Л.Г. Егоров, А.А.
citation_txt	Методика автоматизированного повышения яркости и контраста мультиспектральных изображений / Л.Г. Ахметшина, А.А. Егоров // Штучний інтелект. — 2009. — № 3. — С. 506-515. — Бібліогр.: 4 назв. — рос.
collection	DSpace DC
description	В данной статье предложена методика автоматизированного повышения яркости и контраста мультиспектральных изображений, которая, благодаря своей адаптивности, может быть применена для обработки широкого спектра снимков и позволяет сохранять цветовое соответствие с исходным изображением. Представлены экспериментальные результаты применения предложенной методики для обработки полутоновых фотографий участка леса и медицинского RGB снимка. У цій статті запропонована методика автоматизованого підвищення яскравості та контрасту мультиспектральних зображень, яка, завдяки своїй адаптивності, може бути застосована для обробки широкого спектра знімків та дозволяє зберегти при цьому кольорову відповідність до вхідного зображення. Представлені експериментальні результати застосування запропонованої методики для обробки півтонових фотографій ділянки лісу та медичного RGB знімку. This article deals with automated image contrast and intensity enhancement method of multispectral images. It is allowed to process various color and grayscale photos and to save color correspondence to input image. The experimental results of using proposed method for processing of grayscale photo of forest part and medical RGB image are shown.
first_indexed	2025-12-07T18:34:45Z
format	Article
fulltext	«Искусственный интеллект» 3’2009 506 10А УДК 004.93 Л.Г. Ахметшина, А.А. Егоров Днепропетровский национальный университет, г. Днепропетровск, Украина akhmlu@mail.ru, egorov@mayak.dp.ua Методика автоматизированного повышения яркости и контраста мультиспектральных изображений В данной статье предложена методика автоматизированного повышения яркости и контраста мультиспектральных изображений, которая, благодаря своей адаптивности, может быть применена для обработки широкого спектра снимков и позволяет сохранять цветовое соответствие с исходным изображением. Представлены экспериментальные результаты применения предложенной методики для обработки полутоновых фотографий участка леса и медицинского RGB снимка. Введение В настоящее время при решении многих реальных задач возникает необходи- мость в автоматизированной обработке изображений. Среди таких задач можно выделить распознавание номеров железнодорожных вагонов, автомобилей, контейнеров, созда- ние медицинских экспертных систем, анализ спутниковых снимков, обработку фото- графий. Из-за изменяющихся условий съемки, получаемые изображения часто оказыва- ются «темными» или содержащими низкоконтрастные области. Если учесть слож- ность, а зачастую и невозможность повторной съемки, то возникает необходимость в качестве одного из первоначальных этапов обработки выполнять автоматизированное повышение яркости и контраста у получаемых изображений, которые в зависимости от решаемой задачи могут быть как полутоновыми, так и цветными. Даже в случае, когда автоматизация не является основной задачей, использова- ние алгоритмов повышения яркости и контраста, которые не требуют длительных рутинных настроек своих параметров в «ручном» режиме, существенно упрощает решение задачи и снижает временные затраты. Постановка задачи Таким образом, используемый для повышения яркости и контраста метод должен быть применим как для цветных, так и для полутоновых изображений. Применяемый метод также должен повышать яркость только в случае необходимости, быть адап- тивным, т.к. в пределах одного изображения могут содержаться высоко- и низкоконт- растные области, иметь малое число управляющих параметров. Большинство существующих алгоритмов повышения яркости и контраста [1], [2] либо не справляются с поставленной задачей, либо имеют большое количество управ- ляющих параметров метода, требующих «ручной» подстройки под конкретное изоб- Методика автоматизированного повышения яркости и контраста... «Штучний інтелект» 3’2009 507 10А ражение, что в случае изменяющихся условий съемки приводит к необходимости их длительного подбора и, соответственно, полностью непригодно при автоматизиро- ванной обработке. Следует отметить, что при повышении яркости и контраста в некоторых случаях задача сохранения цветового соответствия может не ставиться. Например, в случае распознавания номеров важным является только четкое выделение областей изобра- жения, которые содержат регистрационные символы, что накладывает соответствую- щие требования на используемые для этого методы [3]. Однако, в ряде задач сохранение цветового соответствия между выходным и исходным изображениями является очень важным. Примерами таких задач могут быть: дерматоскопическая диагностика кожных заболеваний, анализ спутниковых сним- ков, обработка фотографий. Целью данной работы является разработка методики автоматизированного по- вышения яркости и контраста, сохраняющей цветовое соответствие с исходным изоб- ражением, которая может быть применена для широкого спектра как полутоновых, так и цветных изображений. Решение задачи Сложность решения поставленной задачи заключается в том, что разрабатывае- мая в этой работе методика должна быть пригодной для автоматизированной обра- ботки, что требует минимизации количества управляющих параметров, быть адаптивной, позволяя обрабатывать участки снимка, существенно отличающиеся по своим харак- теристикам, и обеспечивать цветовое соответствие выходного и исходного изобра- жений. Повышение яркости в предлагаемой в данной работе методике при необходи- мости осуществляется благодаря применению метода адаптивного повышения яркости. Повышение контраста выполняется на основе использования методов адаптивного пространственного контрастирования и адаптивной гистограммной коррекции, пред- ложенных в рамках алгоритма адаптивного контрастирования в работе [3]. Адаптив- ность в этих методах достигается путем разбиения исходного изображения на непе- рекрывающиеся окна, что, с одной стороны, позволяет повысить чувствительность при определении низкоконтрастных участков изображения, а с другой стороны  при- водит к более низким вычислительным затратам по сравнению с использованием пе- рекрывающихся окон. Метод адаптивного повышения яркости заключается в пропорциональном по- вышении яркости изображения, которое достигается благодаря использованию ста- тистических характеристик как изображения в целом, так и каждого его окна. Следует отметить, что вывод о необходимости повышения яркости для каждой цветовой компо- ненты изображения делается автоматически на основании ее статистических харак- теристик. Предложенный метод состоит из четырех шагов, которые выполняются над каждой цветовой компонентой исходного изображения. 1. На первом шаге для каждой цветовой компоненты исходного изображения вычисляется значение, на основании которого будет приниматься решение о необхо- димости повышения ее яркости:   )M1( im P im imM5.0P  , (1) где imM  среднее значение яркости текущей цветовой компоненты входного для этого шага изображения, а P  среднее по вектору, состоящему из следующих зна- Ахметшина Л.Г., Егоров А.А. «Искусственный интеллект» 3’2009 508 10А чений: 5.0 , imM , immax5.0  , при этом immax  максимальное значение яркости те- кущей цветовой компоненты входного для этого шага изображения. Если для текущей цветовой компоненты выполняется условие 0Pim  , то пере- ход к шагу 2, иначе  выход. 2. Выполняется пропорциональное повышение яркости каждого пикселя выб- ранной цветовой компоненты, для чего каждое ее окно подвергается следующему преобразованию:           wP1 y,xW1 1 y,x 2 y,x )W(W , (2) где 1 y,xW и 2 y,xW  пиксели с координатами y,x текущего окна входного и выходного изображений для этого шага алгоритма, соответственно; значение wP вычисляется на основании статистических характеристик текущего окна выбранной цветовой ком- поненты и цветовой составляющей в целом по формулам: )P1,Pmax(P 1 w 1 ww  , (3)   )P1,Pmin(2 w 2 w 1 w 2 w 2 w)P1,Pmin(P   , (4)    2 PPW P im P1 1 w W11 y,x 2 w 1 w1 y,x             , (5) где 1 wP  среднее по вектору, состоящему из следующих значений: 5.0 , imM , wmax5.0  , wM , при этом wmax  максимальное значение яркости текущего окна выбранной цветовой компоненты входного для этого шага изображения, а wM  среднее значение яркости текущего окна выбранной цветовой компоненты входного для этого шага изображения. Следует отметить, что кроме повышения яркости на этом этапе также достига- ется некоторое повышение контраста. 3. Этот этап предназначен для пропорционального повышения яркости всех пикселей каждого окна выбранной цветовой составляющей, которое выполняется сле- дующим образом:   aftP12 y,x 3 y,x WW   , (6) где 3 y,xW  пиксель с координатами y,x текущего окна выбранной цветовой компо- ненты выходного изображения этого шага; значение aftP вычисляется на основании статистических характеристик текущего окна по следующей формуле:   w 2 w M1 w )P,5.0max( 2 waft M)P,5.0min(P           , (7) где 2 wP  среднее по вектору, состоящему из следующих значений: 5.0 , wmax5.0  , wM . 4. На последнем этапе предложенного алгоритма выполняется повышение яр- кости для каждой цветовой компоненты исходного для этого шага изображения сле- дующим образом: Методика автоматизированного повышения яркости и контраста... «Штучний інтелект» 3’2009 509 10А   imP11 y,x 2 y,x II   , (8) где 1 y,xI и 2 y,xI  пиксели с координатами y,x текущей цветовой компоненты вход- ного и выходного изображений для этого шага алгоритма, соответственно; значение imP вычисляется по формуле (1). Метод адаптивного пространственного контрастирования направлен на повы- шение контраста на определенных участках исходного изображения и сохранение уровня интенсивности его высококонтрастных фрагментов. Он состоит из трех шагов, кото- рые выполняются над каждой цветовой компонентой исходного изображения. 1. На первом шаге каждое окно рассматриваемой цветовой компоненты вход- ного изображения подвергается следующему преобразованию:  1 ,11 , 2 , )( yxWk yxyx WW  , (9) где k  коэффициент, который вычисляется на основе статистических характерис- тик текущего окна рассматриваемой цветовой компоненты входного изображения по следующей формуле:   w 1 y,x MWClg10k  , (10) где wM  среднее значение интенсивности пикселей текущего окна выбранной цве- товой компоненты входного изображения, а C вычисляется следующим образом:   wM1 wM1C  . (11) 2. В результате выполнения преобразования (11) для каждого пикселя текущего окна происходит сдвиг уровня яркости выбранной цветовой компоненты к значени- ям 1 либо 0 в зависимости от коэффициента k , который вычисляется для выбранной цветовой составляющей на основе интенсивности пикселя, и среднего значения ин- тенсивности окна. Однако возможны ситуации, когда это преобразование приводит к чрезмерному сдвигу интенсивности пикселя. Для компенсации возможного нега- тивного влияния преобразования (11) и предназначен второй шаг, который заключа- ется в применении следующего преобразования к текущему окну выбранной цветовой компоненты изображения:  P2 y,x 3 y,x WW  , (12) где P  значение, которое вычисляется на основе статистических характеристик теку- щего окна выбранной цветовой компоненты входного для этого этапа изображения по такой формуле: 1P 1PP  , (13) где значение 1P вычисляется следующим образом:  w M w C wMsCP max5.0*1  , (14) где C вычисляется по формуле (11), wmax  максимальное значение интенсивности пикселей текущего окна выбранной цветовой компоненты входного изображения для этого шага, а s вычисляется по формуле:  wwmsigns max5.0  . (15) 3. Последний шаг предложенного алгоритма позволяет осуществить управляе- мую коррекцию уровня интенсивности пикселей каждой цветовой компоненты полу- Ахметшина Л.Г., Егоров А.А. «Искусственный интеллект» 3’2009 510 10А ченного изображения с использованием статистических характеристик текущего окна и всего изображения в целом, для осуществления которой текущее окно подвергает- ся такому преобразованию:     wM wa MP3 y,x 4 y,x WW   , (16) где 4 y,xW  пиксель с координатами y,x текущего окна выбранной цветовой компоненты выходного изображения последнего шага предложенного алгоритма; aP вычисляется по следующей формуле:   add M ima PM1P im  , (17) где addP  выбираемое эмпирически значение, позволяющее управлять уровнем яркости получаемого изображения. Следует отметить, что отрицательные значения парамет- ра addP приводят к повышению яркости выходного изображения, а положительные  к уменьшению. Метод адаптивной гистограммной коррекции позволяет произвести масштаби- рованное расширение гистограммы изображения, а также обеспечивает некоторое повышение его яркости. Он состоит из трех этапов: 1. Для текущего окна входного изображения производится масштабированное рас- ширение его гистограммы по следующей формуле:     1 00 1111 min minmax minmaxmin     i i histhist , (18) где hist  вектор значений гистограммы текущего окна входного изображения, состоя- щий из 256 элементов; 1hist  новый вектор значений гистограммы обрабатываемого окна; 00 min,max  максимальное и минимальное значения интенсивностей, присутст- вующих в обрабатываемом окне, соответственно; 11 min,max  новые значения для максимальной и минимальной интенсивности пикселей окна, которые вычисляются с использованием статистических характеристик его гистограммы:  d  1minmin 0min 01 , (19) где d  доля ненулевых интенсивностей в текущем окне. При этом, если выполняет- ся условие 1min5.0 1  , то значение 1min корректируется:   1min 1min1 11 minmin  . (20) Значение 1max определяется следующим образом: d1 maxmax )hM1,hMmax( hM0max1 0 1            , (21) где hM  среднее значение для вектора 1hist . Если 5.0max1  , то значение 1max кор- ректируется по формуле:  1max1 11 maxmax  . (22) в противном случае, если выполняется условие 5.0Mh  , то значение 1max изменя- ется следующим образом:  h1 Mmax1 11 maxmax  , (23) Методика автоматизированного повышения яркости и контраста... «Штучний інтелект» 3’2009 511 10А Следует отметить, что полученные значения 1min и 1max всегда удовлетворяют сле- дующим условиям: 01 minmin0  и 1maxmax 10  . 2. К полученному вектору 1hist применяется следующее преобразование, обес- печивающее пропорциональное повышение его яркости:   1112 ik histh ii histhist   , (24) где 2hist  вектор значений гистограммы текущего окна выходного изображения; kh  коэффициент, вычисляемый на основе статистических характеристик вектора 1hist по формуле:  hh h 1 i k M1,Mmax Mhisth    . (25) 3. Все интенсивности пикселей текущего окна меняются на соответствующие им интенсивности, содержащиеся в векторе 2hist , в результате чего и формируется вы- ходное изображение. В данной работе предлагается методика повышения яркости и контраста исход- ного изображения, состоящая из следующих этапов. 1. К исходному изображению применяется метод адаптивного повышения яр- кости. Размерность окна при этом выбирается 3 × 3. После его применения для каждой цветовой компоненты вычисляется коэффициент увеличения яркости ( ) по следую- щей формуле: 12 II  , (26) где 2I и 1I  средние значения яркости для выбранной цветовой компоненты выход- ного и входного для этого шага изображений, соответственно. 2. К изображению, полученному после первого этапа, применяется метод адаптив- ного пространственного контрастирования. Размерность окна при этом также выбира- ется 3 × 3. Параметр addP для каждой цветовой компоненты вычисляется следующим образом:    5.0I1 2 0 addadd 5.0IPP 2   , (27) где 0 addP  значение, которое выбирается эмпирически, если выполняется условие: 0 , (28) где   среднее по коэффициентам увеличения яркости каждой цветовой компонен- ты, полученным по формуле (26) на предыдущем этапе, иначе 0 addadd PP  . 3. Осуществляется применение метода адаптивной гистограммной коррекции изображения, полученного после предыдущего этапа, если выполняются условие (28), где значение  вычисляется на основании значений  предыдущего шага, а также следующее условие: 0 addadd PP  , (29) где addP  среднее по значениям addP , полученным для каждой цветовой компоненты на предыдущем шаге. В случае применения метода адаптивной гистограммной коррекции размерность окна совпадает с размерностью всего изображения. Это делается как для сохранения Ахметшина Л.Г., Егоров А.А. «Искусственный интеллект» 3’2009 512 10А цветового соответствия с исходным для этого этапа изображением, так и для исключения появления «граничного» эффекта на стыке между соседними окнами при использо- вании данного метода. Экспериментальные результаты были получены на примере обработки полу- тоновых снимков различной контрастности одного и того же участка леса (рис. 1а и 4а)), и трехдиапазонного (RGB) снимка, полученного в результате дерматоскопии (рис. 5а). Значение параметра 0 0.15addP   во всех экспериментах. Исходный снимок на рис. 1а) большей частью является «темным» и низкоконт- растным. Изображения, полученные после первых двух этапов обработки исходного снимка по предложенной методике, и их гистограммы представлены на рис. 2б)  2в) соответственно. Следует отметить, что в этом случае метод адаптивной гистограммной коррекции не использовался, т.к. не выполнились условия (28) и (29). В результате применения предложенной методики (рис. 1в)) на полученном изображении стали раз- личимы присутствующие на нем объекты, кроме того, сохранено соответствие уровней интенсивности с исходным снимком. а) б) в) Рисунок 1 – Полутоновые изображения: а) исходное; б, в) полученные после применения преобразований 1-го и 2-го этапов предложенной методики При сравнении гистограмм исходного изображения (рис. 2а)) и результатов при- менения 1-го этапа предложенной методики (рис. 2б)) следует отметить сдвиг интен- сивности пикселей «темных» участков изображения к середине диапазона и увеличение количества пикселей «светлых» участков, а также уровня их интенсивности. Гистограмма изображения, являющегося результатом применения 2-го этапа предложенной методики (рис. 2в)), свидетельствует о расширении диапазона интенсивности «темных» участков, что улучшает его визуальное восприятие [1]. а) б) в) Рисунок 2 – Гистограммы изображений: а) исходного; б, в) полученных после применения преобразований 1-го и 2-го этапов предложенной методики Методика автоматизированного повышения яркости и контраста... «Штучний інтелект» 3’2009 513 10А На рис. 3 представлены результаты применения традиционных методов повы- шения контраста и яркости: эквилизации гистограмм (рис. 3а) и гамма-коррекции (рис. 3б)). В случае применения метода эквилизации гистограмм на выходном изображе- нии наблюдается «размытый» участок в его правой части, отсутствовавший на ис- ходном снимке, а также цветовое несоответствие с исходным изображением. Использование гамма-коррекции при значении параметра 5.0 позволяет получить изображение, внешне схожее с результатами применения метода адаптив- ного повышения яркости (рис. 1б)). Однако сравнение гистограмм этих изображений (рис. 3в) и 2б)) позволяет выявить существенные различия между ними. Следует отме- тить, что был экспериментально подтвержден факт ухудшения качества выходного изображения, в случае замены на первом шаге предлагаемой методики алгоритма адап- тивного повышения яркости на метод гамма-коррекции. Другим значительным недо- статком метода гамма-коррекции является необходимость «ручного» подбора значения параметра  . а) б) в) Рисунок 3 – Результаты применения традиционных методов повышения контраста и яркости для изображения, представленного на рис. 1а): а) эквилизации гистограмм; б) гамма-коррекции ( 5.0 ); в) гистограмма изображения, представленного на рис. 3б) а б Рисунок 4 – а) исходное изображение; б) результаты применения предложенной методики На рис. 4а) представлен высококонтрастный снимок участка леса. Однако приме- нение предложенной методики (рис. 4б)) и в этом случае приводит к существенному повышению яркости и контраста исходного снимка при сохранении соответствия уровней интенсивности исходного и выходного изображений. Как и в случае со сним- ком на рис. 1а), метод адаптивной гистограммной коррекции не использовался, т.к. не Ахметшина Л.Г., Егоров А.А. «Искусственный интеллект» 3’2009 514 10А выполнялись условия (28) и (29). Следует отметить, что в данном случае на выход- ном изображении (рис. 4б)) проявляется «граничный» эффект на стыке между соседними окнами, возникающий в результате применения метода адаптивного пространствен- ного контрастирования, что является одним из недостатков предложенной методики. На рис. 5а) представлен RGB снимок, полученный в результате дерматоскопии, содержащий участок кожного новообразования, которое, возможно, представляет со- бой меланому (кожное онкологическое заболевание). Одним из основных признаков, по которым происходит визуальная диагностика меланомы, является наличие бело-голубых структур [4]. Однако констатировать их наличие или отсутствие по исходному снимку не представляется возможным, т.к. он является «темным» изображением, содержащим низкоконтрастные участки в области интереса. Изображения, полученные после применения трех этапов предложенной методики, и их гистограммы представлены на рис. 5б)  5г) и 6б)  6г), соответственно. В результате применения предложенной методики на выходном RGB изображении (рис. 6г)) отчетливо различимы структуры в центральной части снимка, на основании чего можно сделать вы- вод о том, что данное кожное новообразование является меланомой. Следует отметить также сохранение цветового соответствия исходного и выходного изображений. а) б) в) г) Рисунок 5 – RGB изображения: а) исходное; б)  г) полученные после применения преобразований 1-го  3-го этапов предложенной методики При сравнении гистограмм исходного RGB снимка (рис. 6а)) и изображений, являю- щихся результатами применения трех этапов предложенной методики (рис. 6б)  6г)), можно сделать следующие выводы. 1. Применение метода адаптивного повышения яркости сдвигает уровень ин- тенсивности цветовых компонент пикселей исходного изображения к середине диа- пазона (рис. 6б)). 2. Использование метода адаптивного пространственного контрастирования по- зволяет расширить диапазон интенсивности цветовых компонент изображения, полученно- го в результате применения преобразований 1-го этапа предложенной методики (рис. 6в)). Методика автоматизированного повышения яркости и контраста... «Штучний інтелект» 3’2009 515 10А 3. Применение метода адаптивной гистограммной коррекции позволяет осущест- вить дальнейшее расширение диапазона интенсивности цветовых компонент пикселей выходного изображения (рис. 6г)). а) б) в) г) Рисунок 6 – Гистограммы изображений: а)  исходного; б)  г)  полученных после применения преобразований 1-го этапа  3-го этапов предложенной методики Выводы Предложенная в данной работе методика автоматизированного повышения яр- кости и контраста может быть применена как к полутоновым, так и к цветным изоб- ражениям различной природы и имеет следующие достоинства: 1. Адаптивность. 2. Наличие единственного управляющего параметра, выбор которого осуществ- ляется при первоначальной настройке на обрабатываемые изображения и не требует дальнейшего изменения. 3. Автоматическое определение необходимости повышения яркости на основе ста- тистических характеристик изображения. 4. Сохранение цветового соответствия с исходным изображением. Среди недостатков предложенной методики можно выделить: различимость «гра- ничного» эффекта на стыке между соседними окнами для некоторых изображений небольшого размера; необходимость принудительного запрещения повышения яркос- ти в случаях, когда исходное изображение должно оставаться «темным», например, при обработке астрономических снимков. Литература 1. Pratt W.K. Digital Image Processing / Pratt W.K. – New York; Chichester; Weinheim; Brisbane : John Wi- ley and Sons Inc., 2001. – 723 р. 2. Гонсалес Р. Цифровая обработка изображений / Гонсалес Р., Вудс Р.; [пер. c англ. под ред. П.А. Чочиа]. – М. : Техносфера, 2006. –1070 с. 3. Егоров А.А. Метод адаптивного контрастирования мультиспектральных изображений для повышения достоверности нечеткой кластеризации / А.А. Егоров // Искусственный интеллект.  2008.  № 3  С. 306-314. 4. Robert Johr Dermoscopy The Essentials / Robert Johr, H. Peter Soyer, Giuseppe Argenziano, Rainer Hofmann-Wellenhof, Massimiliano Scalvenzi // Mosby : An imprint of Elsevier Ltd, 2004.  231 p. Л.Г. Ахметшина, А.О. Єгоров Методика автоматизованого підвищення яскравості та контрасту мультиспектральних зображень У цій статті запропонована методика автоматизованого підвищення яскравості та контрасту мультиспектральних зображень, яка, завдяки своїй адаптивності, може бути застосована для обробки широкого спектра знімків та дозволяє зберегти при цьому кольорову відповідність до вхідного зображення. Представлені експериментальні результати застосування запропонованої методики для обробки півтонових фотографій ділянки лісу та медичного RGB знімку. L.G. Akhmetshina, A.A. Yegorov Automated Image Contrast and Intensity Enhancement Method of Multispectral Images This article deals with automated image contrast and intensity enhancement method of multispectral images. It is allowed to process various color and grayscale photos and to save color correspondence to input image. The experimental results of using proposed method for processing of grayscale photo of forest part and medical RGB image are shown. Статья поступила в редакцию 22.05.2009.
id	nasplib_isofts_kiev_ua-123456789-8105
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	1561-5359
language	Russian
last_indexed	2025-12-07T18:34:45Z
publishDate	2009
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
record_format	dspace
spelling	Ахметшина, Л.Г. Егоров, А.А. 2010-04-30T14:48:53Z 2010-04-30T14:48:53Z 2009 Методика автоматизированного повышения яркости и контраста мультиспектральных изображений / Л.Г. Ахметшина, А.А. Егоров // Штучний інтелект. — 2009. — № 3. — С. 506-515. — Бібліогр.: 4 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/8105 004.93 В данной статье предложена методика автоматизированного повышения яркости и контраста мультиспектральных изображений, которая, благодаря своей адаптивности, может быть применена для обработки широкого спектра снимков и позволяет сохранять цветовое соответствие с исходным изображением. Представлены экспериментальные результаты применения предложенной методики для обработки полутоновых фотографий участка леса и медицинского RGB снимка. У цій статті запропонована методика автоматизованого підвищення яскравості та контрасту мультиспектральних зображень, яка, завдяки своїй адаптивності, може бути застосована для обробки широкого спектра знімків та дозволяє зберегти при цьому кольорову відповідність до вхідного зображення. Представлені експериментальні результати застосування запропонованої методики для обробки півтонових фотографій ділянки лісу та медичного RGB знімку. This article deals with automated image contrast and intensity enhancement method of multispectral images. It is allowed to process various color and grayscale photos and to save color correspondence to input image. The experimental results of using proposed method for processing of grayscale photo of forest part and medical RGB image are shown. ru Інститут проблем штучного інтелекту МОН України та НАН України Распознавание образов. Цифровая обработка сигналов Методика автоматизированного повышения яркости и контраста мультиспектральных изображений Методика автоматизованого підвищення яскравості та контрасту мультиспектральних зображень Automated Image Contrast and Intensity Enhancement Method of Multispectral Images Article published earlier
spellingShingle	Методика автоматизированного повышения яркости и контраста мультиспектральных изображений Ахметшина, Л.Г. Егоров, А.А. Распознавание образов. Цифровая обработка сигналов
title	Методика автоматизированного повышения яркости и контраста мультиспектральных изображений
title_alt	Методика автоматизованого підвищення яскравості та контрасту мультиспектральних зображень Automated Image Contrast and Intensity Enhancement Method of Multispectral Images
title_full	Методика автоматизированного повышения яркости и контраста мультиспектральных изображений
title_fullStr	Методика автоматизированного повышения яркости и контраста мультиспектральных изображений
title_full_unstemmed	Методика автоматизированного повышения яркости и контраста мультиспектральных изображений
title_short	Методика автоматизированного повышения яркости и контраста мультиспектральных изображений
title_sort	методика автоматизированного повышения яркости и контраста мультиспектральных изображений
topic	Распознавание образов. Цифровая обработка сигналов
topic_facet	Распознавание образов. Цифровая обработка сигналов
url	https://nasplib.isofts.kiev.ua/handle/123456789/8105
work_keys_str_mv	AT ahmetšinalg metodikaavtomatizirovannogopovyšeniâârkostiikontrastamulʹtispektralʹnyhizobraženii AT egorovaa metodikaavtomatizirovannogopovyšeniâârkostiikontrastamulʹtispektralʹnyhizobraženii AT ahmetšinalg metodikaavtomatizovanogopídviŝennââskravostítakontrastumulʹtispektralʹnihzobraženʹ AT egorovaa metodikaavtomatizovanogopídviŝennââskravostítakontrastumulʹtispektralʹnihzobraženʹ AT ahmetšinalg automatedimagecontrastandintensityenhancementmethodofmultispectralimages AT egorovaa automatedimagecontrastandintensityenhancementmethodofmultispectralimages

Методика автоматизированного повышения яркости и контраста мультиспектральных изображений

Institution

Similar Items