ΕΠΙΣΚΟΠΗΣΗ ΚΑΙ ΠΑΡΟΥΣΙΑΣΗ ΤΕΧΝΙΚΩΝ ΑΠΟΚΑΤΑΣΤΑΣΗΣ ΕΙΚΟΝΑΣ ΔΗΜΟΠΟΥΛΟΣ ΓΕΩΡΓΙΟΣ ΑΜ (2049)

Εισαγωγή στην Αποκατάσταση Εικόνας Στόχος της αποκατάστασης είναι η εξάλειψη ή ελάττωση της παραμόρφωσης Η διαφορά μεταξύ της βελτίωση ποιότητας εικόνας και της αποκατάστασης είναι ο τρόπος που γίνονται, έμφαση αντιθέσεων και μαθηματικά μοντέλα αντίστοιχα. Τυπικό σύστημα αποκατάστασης με την παραμόρφωση να εμφανίζεται πριν την ανακατασκευή της εικόνας Σημαντικό το είδος της παραμόρφωσης που υπάρχει για να επιλέξουμε το κατάλληλο φιλτράρισμα παραμόρφωση Ανακατασκευή εικόνας f(n 1,n 2 ) g(n 1,n 2 ) Διακριτός χώρος

Μοντέλο Υποβάθμισης Ποιότητας Εικόνας

Μοντέλα Θορύβου

– gaussian θόρυβος ή κανονικός: εμφανίζεται όταν οι αισθητήρες καταγραφής λειτουργούν σε χαμηλά επίπεδα φωτισμού – Rayleigh θόρυβος : εμφανίζεται κυρίως σε απεικονίσεις περιοχών – Θόρυβος Erlang (gamma) : εμφανίζεται κυρίως σε καταγραφή εικόνας με ακτίνες laser – Εκθετικός Θόρυβος : εμφανίζεται σε απεικόνιση με ακτίνες laser – Ομοιόμορφος Θόρυβος : εμφανίζεται εξαιτίας της συμπεριφοράς του φωτογραφικού film – Διπολικός Κρουστικός θόρυβος ή θόρυβο αλατοπίπερου : εμφανίζεται εξαιτίας της κακής λειτουργίας του διαφράγματος στις συσκευές απεικόνισης – Περιοδικός θόρυβος : οφείλεται κυρίως σε ηλεκτρικές ή ηλεκτρομηχανικές παρεμβολές Ελάττωση με χρήση τεχνικών φιλτραρίσματος στο χώρο συχνοτήτων

Συνάρτηση πυκνότητας πιθανότητας Θορύβων Εικόνες με θόρυβο και αντίστοιχα ιστογράμματα

Φιλτράρισμα Θορύβου

Διεργασία υποβάθμισης & αποκατάσταση με θόρυβο

Αντίστροφο Φιλτράρισμα

Φίλτρο Ελάχιστου Μέσου Τετραγωνικού Σφάλματος (Φίλτρο Wiener)

Φιλτράρισμα με βάση τα ελάχιστα τετράγωνα

Φίλτρο Γεωμετρικού μέσου

Σύνοψη Κριτήρια αποκατάστασης μαθηματικές σχέσεις (αντικειμενικά) - βελτιστοποίηση εικόνας έμφαση αντιθέσεων (υποκειμενικά κριτήρια) Μόνο θόρυβο: Μέσα από PDF και φιλτράρισμα στο πεδίο του χώρου για προσθετικό θόρυβο ή φιλτράρισμα στο πεδίο των συχνοτήτων για περιοδικό θόρυβο Αποκατάσταση από γραμμική υποβάθμιση (θόλωση) – Αντίστροφο φιλτράρισμα – δεν υπάρχει θόρυβος ή είναι γνωστός (πρόβλημα μηδενικών στη συνάρτηση υποβάθμισης) – Φίλτρο Wiener – διόρθωση προβλημάτων αντίστροφου φιλτραρίσματος μέσα από φάσματα ισχύων – πρόβλημα όταν είναι άγνωστα – λύση με σταθερά K (παραμετρικό φιλτράρισμα Wiener) – Ελαχίστων τετραγώνων υπό περιορισμό – χρειάζεται μόνο τιμές διασποράς και μέσου όρου, ένα «χειροκίνητο» φίλτρο που επιλέγουμε την τιμή γ για να έχουμε βέλτιστα αποτελέσματα (πρόβλημα: βέλτιστα αποτελέσματα δεν είναι κατ’ ανάγκη τα καλύτερα ποιοτικά) – Φίλτρα Γεωμετρικού μέσου – Η βασικότερη για την υλοποίηση φίλτρων αποκατάστασής εξαιτίας της μεγάλης γκάμας που περιλαμβάνει.

Βιβλιογραφία 1.Rafael C. Gonzalez, R. E. (2011). Ψηφιακή Επεξεργασία Εικόνας (3η εκδ.). Αθήνα: ΤΖΙΟΛΑ. 2.Παπαμάρκος, Νικόλαος Η. (2010). Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Ξάνθη: Παπαμάρκος. 3.Πήτας, Ιωάννης. (2010). Ψηφιακή Επεξεργασία Εικόνας- Θεωρία&Ασκήσεις(4 η εκδ.). Θεσσαλονίκη: Πήτας 4.ijarcsse. Image restoration using various methods and performance using various parameters. διαθέσιμο στη διεύθυνση: 4/V4I pdf [πρόσβαση 20/01/ ece.iastate. Image restoration. διαθέσιμο στη διεύθυνση: estoration1.pdf [πρόσβαση 30/01/2015] 6.engineering.lamar. Image Restoration:additive noise, Image Restoration:linear degradation. διαθέσιμο στη διεύθυνση: [πρόσβαση 30/1/2015]