Важным элементом построения автоматизированной системы восстановления смазанных изображений является мера для оценки их качества, которая не использует информацию об эталонном изображении. Такие системы работают с искаженными изображениями, а оригинальное изображение (до воздействия искажающих факторов) им недоступно. В работе предложен подход, основанный на анализе значений коэффициентов межстрочной и межстолбцовой корреляции обрабатываемого изображения, для восстановления которого применяется метод Люси - Ричардсона. Показано, что при использовании предложенной меры качества удается получить хороший результат восстановления смазанных изображений. Ключевая проблема восстановления - оценка искажающего оператора - решена с помощью итерационной аппроксимации импульсной характеристики искажающей системы и оценки результатов аппроксимации с использованием предложенной меры. В результате метод Люси - Ричардсона модифицирован таким образом, что восстановление искаженных изображений может проводиться в автоматизированном режиме, т.е. без участия пользователя.
1. Гонсалес Р.С., Вудс Р.Е. Цифровая обработка изображений. 3-е изд. М.: Техносфера, 2012. 1104 с.
2. Умняшкин С.В. Основы теории цифровой обработки сигналов: учеб. пособие. 5-е изд. испр. и доп. М.: Техносфера, 2019. 550 с.
3. Panfilova K., Umnyashkin S. Correlation-based quality measure for blind deconvolution restoration of blurred images based on Lucy – Richardson method // 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus) (28–31 Jan. 2019, Moscow). 2019. P. 2222–2225.
4. Панфилова К.В. Критерии точности определения параметров линейного искажения // Докл.
20-й Междунар. конф. «Цифровая обработка сигналов и ее применение». 2018. Т.2. С. 615–620.
5. Lucy L.B. An iterative technique for the rectification of observed distributions // The Astronomical Journal. 1974. Vol. 79. No. 6. P. 745.
6. Richardson W.H. Bayesian-based iterative method of image restoration // Journal of the Optical Society of America. 1972. Vol. 62. No. 1. P. 55–59.
7. Jansson P.A. Deconvolution of images and spectra. 2nd ed. Academic Press, CA, 1997. 514 p.
8. Biggs D.S.C., Andrews M. Acceleration of iterative image restoration algorithms // Appl. Opt. 1997.
Vol. 36, P. 1766–1775.
9. Wang Z., Bovik A.C., Simoncelli E.P. Image quality assessment: from error visibility to structural similarity // IEEE Transactions on Image Processing. 2004. Vol. 13. Iss. 4. P. 600–612.
10. Бьемон Ж., Лагендейк Р.Л., Марсеро Р.М. Итерационные методы улучшения изображений //
ТИИЭР. 1990. T. 78. № 5. С. 58–84.