Метод повышения контрастности изображений с использованием генетического алгоритма

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Представлен метод локального повышения контрастности изображений, основанный на распределении уровней серого в окрестности каждого отдельного пикселя. Произведена автоматизация рассмотренного подхода с использованием генетического алгоритма, что позволило исключить необходимость ручной настройки параметров преобразования. Выбраны необходимые критерии оценки качества изображений, среди которых основными являются: количество краевых пикселей, их суммарная интенсивность, мера энтропии изображения и мера яркостной адаптации. Реализованы программные компоненты и апробировано их функционирование на различных классах изображений, которое показало успешность применения данного подхода для изображений с высокой плотностью распределения градаций яркости, равномерной высвеченностью и слабой величиной градиента граничных пикселей.

Об авторах

Владимир Николаевич Гридин

Центр информационных технологий в проектировании РАН

Автор, ответственный за переписку.
Email: info@ditc.ras.ru

Научный руководитель, доктор технических наук, профессор. Область научных интересов: информационные технологии, системы автоматизированного проектирования, методы искусственного интеллекта

Россия, Одинцово

Константин Ильич Доманов

Центр информационных технологий в проектировании РАН

Email: domanovki@student.bmstu.ru

Инженер-исследователь. Область научных интересов: информационные технологии, компьютерное зрение

Россия, Одинцово

Владимир Игоревич Солодовников

Центр информационных технологий в проектировании РАН

Email: info@ditc.ras.ru

Директор, кандидат технических наук. Область научных интересов: методы искусственного интеллекта, самоорганизующиеся системы поддержки принятия решений, нейросетевой анализ данных

Россия, Одинцово

Список литературы

  1. Гонзалес Р., Вудс Р. Цифровая обработка изображений. Издание 3-е, исправленное и дополненное. Москва, Техносфера, 2012, с. 1104.
  2. Батищев Д.И., Неймарк Е.А., Старостин Н.В. Применение генетических алгоритмов к решению задач дискретной оптимизации. Учебно-методический материал по программе повышения квалификации «Информационные технологии и компьютерное моделирование в прикладной математике». Нижний Новгород, 2007, c. 85.
  3. Munteanu C., Rosa A. Gray-Scale Image Enhancement as an Automatic Process Driven by Evolution. IEEE Transactions on Systems, Man, and Cybernetics, 2004, с. 1292–1298.
  4. Панченко Т.В. Генетические алгоритмы: учебно-методическое пособие. Астрахань, Астраханский университет, 2007, c. 6.
  5. Вороновский Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Харьков, ОСНОВА, 1997, c. 112.
  6. Тим Джонс М. Программирование искусственного интеллекта в приложениях: пер. с англ. ДМК Пресс, 2004, c. 312.
  7. Демин А.Ю., Дорофеев В.А. Распараллеливание алгоритма выделения границ объектов на основе структурно-графического представления. Томский политехнический университет, 2013, с. 160.
  8. Мартьянова А.В., Лабунец В.Г. Задача агрегирования при выделении границ объектов на изображении. Вестник ЮУрГУ, 2015, с. 6.
  9. Цветков О.В., Поливанайте Л.В., Куценко С.А., Репина М.В. Простая высокоинформативная метрика для оценки качества изображений в биомедицинских системах. Санкт-Петербург, Биотехносфера, 2014, с. 56.
  10. PSNR и SSIM или как работать с изображениями под С – URL: https://habr.com/ru/post/126848/ – Habr (дата обращения 09.09.2022).
  11. Akhilesh Verma. A Survey on Image Contrast Enhancement Using Genetic Algorithm. International Journal of Scientific and Research Publications, Volume 2, Issue 7, 2012.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».