Работы автора

Цели. Рассматривается задача восстановления расфокусированного и/или линейно смазанного изображения с использованием регуляризированного по Тихонову инверсного фильтра. Распространенным подходом к решению этой задачи является решение интегрального уравнения Фредгольма 1-го рода типа свертки путем его дискретизации на основе квадратурных формул. Цель работы – получить выражение функции рассеяния точки (ФРТ) с учетом конечности размера пикселя и продемонстрировать его полезность.

Методы. Исследование основывается на теории сигналов и методе восстановления цифровых изображений с использованием тихоновской регуляризации.

Результаты. Получены формулы дискретной ФРТ как для случая расфокусированного, так и для случая линейно смазанного под произвольным углом изображения, с учетом конечности размера пикселя. Рассмотрены отличия полученных формул от традиционно используемых, показано при каких условиях эти отличия практически исчезают, а при каких – могут оказаться существенными.

Выводы. При восстановлении изображений на пределе разрешающей способности, т. е. когда размеры пикселя не могут считаться пренебрежимо малыми в сравнении с деталями изображения, предлагаемый подход может несколько улучшать разрешение. Кроме того, полученная формула дискретной ФРТ, соответствующей линейному смазу изображения в произвольно заданном направлении, позволяет не только решать задачу без необходимости предварительного поворота изображения, но и учитывать величину смаза с точностью до долей пикселя. Это дает преимущество в плане повышения разрешения предельно мелких деталей изображения и позволяет использовать данную формулу при решении задачи адаптивной деконволюции, когда требуется точная подстройка параметров ФРТ.

Рентгеновская компьютерная томография (РКТ) является одним из наиболее информативных методов неразрушающего контроля полимерных композиционных материалов (ПКМ) и изделий из них. Одним из важных этапов РКТ изделий из ПКМ является сегментация, автоматизация которой представляет исследовательский интерес. Использованы синтетические данные и данные РКТ, полученные от образцов ПКМ с различной внутренней структурой. Выбрано два алгоритма трёхмерной кластеризации: водоразделов (ВР) и суперпикселей (супервокселей) с линейной итеративной кластеризацией (СЛИК) и оценена их эффективность по параметрам: доля несовпадений границ кластеров и сферичность кластеров, а также производительность по времени разбиения датасета на необходимое число кластеров. Точность совпадения границ на реальных данных при разбиении на 250 кластеров составляет 92 % (СЛИК) и 85 % (ВР). Сферичность кластеров для обоих алгоритмов превышает 50 %, что позволяет в дальнейшем классифицировать их методами радиомического анализа. Отмечен рост времени кластеризации алгоритмом СЛИК при увеличении числа кластеров, при этом производительность алгоритма водоразделов значимо не изменялась во всём диапазоне разбиения.