Introduction. The solution to the problem of television images identification under the creation of autonomous robots, vision systems, and noisy image analysis systems is considered. The question is, for example, on severe observing conditions hindering the registration process, and null aprior information on the type of background noise. The work objective is to develop and evaluate the efficiency of the method for image edge detection (two-dimensional signal) against the background of pulse noise using the mathematical apparatus of cubic B-splines. Materials and Methods. Involving intense background noise, spline-approximation of discrete values of signals and images is usually unproductive and leads to raw errors. In this case, the method of differentiating the image line against the noise background allows calculating the signal derivative with sufficient accuracy. Taking into account the information on the behavior of the first derivative, local maxima in the image line against the noise background are defined. The task of television image edge detection is solved by a new technique of spline-differentiation. For this, the image matrix is divided into lines and columns; the differentiation is performed; and then the edge extraction operators are calculated. Unlike the known approaches, the differentiation takes into account data on the intensity in the whole image line. This minimizes the noise effect. Image edges are defined using an intensity gradient. The resulting spline-differentiation algorithm is used for mathematical modeling. Research Results. The authors of the paper for the first time propose a high-precision method of digital differentiation of two-dimensional signals. This approach allows calculating values of the two-dimensional signal derivative and its gradient with sufficiently high accuracy. With that, there is no need to use standard numerical differentiation procedures which are incorrect in themselves. Lena test image distorted by pulse noises of “dead pixels” and “salt-pepper” is processed by the Sobel operator and the spline-differentiation method. Values of еско , SNR and SNRF are tabulated and analyzed. For the Lena test image, the gain in decibels was as follows: according to the MSD (mean-square deviation) - 1.6 ÷ 2.7; relative to peak signal/ SNR noise ratio - 8 ÷ 9.4; relative to peak signal/ MSD noise of SNRF background - 11 ÷ 12. Discussion and Conclusions. Under the conditions of rapid development of microtechnology, the problems solved with the help of vision systems take a new way of application. This proves the relevance of research in the field of increasing the efficiency and stability of methods and algorithms for digital processing of two-dimensional signals. The experiments show that the presented technique has considerably higher noise immunity than algorithms based on standard differentiation procedures.
Введение. Статья посвящена решению задачи идентификации телевизионных изображений при создании автономных роботов, систем технического зрения и систем анализа изображений с помехами. Речь идет, например, о сложных условиях наблюдения, затрудняющих процесс регистрации, и об отсутствии априорных сведений относительно вида фоновых шумов. Цель исследования - разработка и оценка эффективности метода выделения контуров изображения (двумерного сигнала) на фоне импульсных шумов с использованием математического аппарата кубических В-сплайнов. Материалы и методы. При наличии интенсивных фоновых шумов сплайн-аппроксимация дискретных значений сигналов и изображений, как правило, непродуктивна и приводит к большим погрешностям. При этом метод дифференцирования строки изображения на фоне шума позволяет с достаточной точностью вычислить производную сигнала. С учетом информации о поведении первой производной определены локальные максимумы в строке изображения на фоне шума. Задача выделения контуров телевизионных изображений решена новым методом сплайн-дифференцирования. Для этого матрица изображения разбита на строки и столбцы, выполнено дифференцирование, и затем вычислены операторы выделения контуров. В отличие от известных подходов при дифференцировании учтена информация об интенсивности во всей строке изображения. Это позволяет минимизировать влияние шума. Контуры изображения определены с использованием градиента интенсивности. Полученный алгоритм сплайн-дифференцирования использован для математического моделирования. Результаты исследования. Авторы данной работы впервые предложили высокоточный метод цифрового дифференцирования двумерных сигналов. Такой подход позволяет с достаточно высокой точностью вычислять значения производной двумерного сигнала и его градиент. При этом нет необходимости пользоваться стандартными процедурами численного дифференцирования, которые сами по себе являются некорректными. Тестовое изображение Lena , искаженное импульсными шумами «битые пиксели» и «соль-перец», обработано оператором Собеля и методом сплайн-дифференцирования. Значения еско , SNR и SNRF сведены в таблицы и проанализированы. Для тестового изображения Lena выигрыш в децибелах составил: по СКО еско - 1,6÷2,7; по отношению пиковый сигнал/шум SNR - 8÷9,4; по отношению пиковый сигнал/шум по СКО фона SNRF - 11÷12. Обсуждения и заключения. В условиях стремительного развития микропроцессорной техники по-новому применяются задачи, решаемые с помощью систем технического зрения. Это подтверждает актуальность исследований в области повышения эффективности и устойчивости методов и алгоритмов цифровой обработки двумерных сигналов. Эксперименты показали, что представленный метод имеет значительно более высокую помехоустойчивость, чем алгоритмы, основанные на стандартных процедурах дифференцирования.
The authors declare that there are no conflicts of interest present.