ЕФЕКТИВНІСТЬ ОРТОГОНАЛЬНИХ ПЕРЕТВОРЕНЬ ПРИ ОБРОБЦІ БІОМЕДИЧНИХ ЗОБРАЖЕНЬ
Анотація
Розглядаються можливі варіанти застосування найбільш відомих унітарних перетворень для обробки біомедичних зображень. Визначається, що перетворення Каруннена-Лоева є єдиним унітарним перетворенням, яке досягає повної декореляції довільного зображення, а також забезпечує найбільшу серед усіх унітарних перетворень ступінь концентрації енергії спектра. На основі приведених аналітичних виразів і шляхом чисельного моделювання проведений аналіз ефективності заданих перетворень за критерієм нерівномірності розподілу дисперсій коефіцієнтів перетворення, а також їх остаточній кореляції для заданого класу біомедичних зображень. Усі перетворення за ефективністю порівнювалися з показниками перетворення Каруннена-Лоева.
Аналіз отриманих результатів показав, що всі використані перетворення декорелюють вхідні дані, але в кореляційних матрицях спектральних коефіцієнтів цих перетворень залишається кореляція в порівнянні з повністю діагональною матрицею перетворення Каруннена-Лоева.
Показано, що дисперсійний критерій дає можливість передбачити (спрогнозувати) відносну якість застосування різних ортогональних перетворень при компресії довільних даних і зображень.
Ключові слова: Ортогональні перетворення, біомедичні зображення, дисперсійний критерій.
Повний текст:
PDFПосилання
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2007). Cutting of content redundancy of images on the basis of classification of objects and background. Journal of Automation and Information Sciences. Begel House Inc., 39 (5), 27-36.
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2009). Compression of Images on the Busis of Automatic and Indistinct Classification of Fragments. Journal of Automation and Information Sciences. Begel House Inc., 41 (1), 27-39.
Гонсалес, Р., Вудс, Р. (2012). Цифровая обработка изображений. Техносфера, 1104.
Grady, L., Funka-Lea, G. (2004). Multi-label image segmentation for medical applications based on graph-theoretic electrical potentials. In ECCV Workshops CVAMIA and MMBIA, 230-245.
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2010). Compression of Text Image Based on Characters and Their Classification. Journal of Automation and Information Sciences. Begel House Inc., 42 (11), 45-57.
References:
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2007). Cutting of content redundancy of images on the basis of classification of objects and background. Journal of Automation and Information Sciences. Begel House Inc., 39 (5), 27-36. [in English].
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2009). Compression of Images on the Busis of Automatic and Indistinct Classification of Fragments. Journal of Automation and Information Sciences. Begel House Inc., 41 (1), 27-39. [in English].
Gonsales, R., Vuds, R. (2012). Cifrovaja obrabotka izobrazhenij. Tehnosfera, 1104. [in Russian].
Grady, L., Funka-Lea, G. (2004). Multi-label image segmentation for medical applications based on graph-theoretic electrical potentials. In ECCV Workshops CVAMIA and MMBIA, 230-245. [in English].
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2010). Compression of Text Image Based on Characters and Their Classification. Journal of Automation and Information Sciences. Begel House Inc., 42 (11), 45-57. [in English].
DOI: https://doi.org/10.26886/2311-4517.3(95)2024.1
Посилання
- Поки немає зовнішніх посилань.
Цей твір ліцензовано за ліцензією Creative Commons Із зазначенням авторства 4.0 Міжнародна.
