Найти

Результаты поиска

• ПОВЫШЕНИЕ РЕАЛЬНОЙ ПРОИЗВОДИТЕЛЬНОСТИ РВС ПРИ РЕШЕНИИ ЗАДАЧ ЦИФРОВОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ БЫСТРОГО ПРЕОБРАЗОВАНИЯ ФУРЬЕ

  А.В. Чкан

  2021-02-25

  Аннотация ▼

  Рассматриваются вопросы цифровой обработки изображений больших размерно-
  стей в реальном масштабе времени с помощью реконфигурируемых вычислительных сис-
  тем (РВС) на базе ПЛИС. РВС относятся к классу высокопроизводительных многопроцес-
  сорных вычислительных систем, но при этом обладают программируемой архитектурой,
  позволяющей конфигурировать структуру вычислительной системы, оптимально под-
  страивая её под алгоритмы решаемой задачи. В то же время оптимизация вычислитель-
  ной структуры задачи сводится к разработке и реализации параллельных алгоритмов,
  соответствующих специфике используемой архитектуры РВС. Всё это позволяет эффек-
  тивно использовать РВС для решения широкого класса задач цифровой обработки сигна-
  лов. Предложены способы повышения удельной и реальной производительности РВС при
  решении задач цифровой обработки изображений с использованием быстрого преобразо-
  вания Фурье (БПФ). На примере процедуры фильтрации изображений в частотной облас-
  ти рассмотрены основные вычислительные этапы и способы их оптимизации, основанные
  на свойствах алгоритма БПФ. Применение оптимизации позволяет существенно сокра-
  тить как объем вычислений, так и объем задействованных аппаратных ресурсов ПЛИС, и
  повысить производительность РВС для задач обработки изображений. Освобожденные в
  результате оптимизации вычислительной структуры ресурсы ПЛИС могут быть исполь-
  зованы для дополнительного распараллеливания вычислений и ускорения обработки посту-
  пающих данных. Показаны преимущества представления данных в формате с фиксирован-
  ной запятой при выполнении расчётов на РВС. Использование фиксированной запятой по-
  зволяет не только повысить удельную и реальную производительность вычислительной
  системы по сравнению с плавающей запятой в силу свойств формата, но и использовать
  произвольную разрядность данных, что является актуальным для большинства задач циф-
  ровой обработки сигналов. Рассмотрено решение проблемы переполнения разрядной сетки
  при использовании формата с фиксированной запятой с помощью масштабирования раз-
  рядности данных.

• МЕТОД ДЕТЕКЦИИ ХАРАКТЕРНЫХ ТОЧЕК ИЗОБРАЖЕНИЯ С ПОМОЩЬЮ ЗНАКОВОГО ПРЕДСТАВЛЕНИЯ

  А. Н. Каркищенко , В. Б. Мнухин

  2020-11-22

  Аннотация ▼

  Целью исследования является разработка метода детекции характерных точек
  цифрового изображения, обладающего устойчивостью по отношению к определенному
  классу преобразований яркости. Необходимость в подобном методе обусловлена потреб-
  ностями выделения ключевых точек изображений в системах видеонаблюдения и распозна-
  вания лиц, зачастую работающих в условиях меняющейся освещенности. Особенностью
  предлагаемого метода, отличающего его от ряда известных подходов к проблеме выделе-
  ния характерных точек, является использование так называемого знакового представле-
  ния изображений. В отличие от обычного задания цифрового изображения дискретной
  функцией яркости, при знаковом представлении изображение задается в виде ориентиро-
  ванного графа, соответствующего бинарному отношению увеличения яркости на множе-
  стве пикселей. Тем самым, знаковое представление определяет не единственное изобра-
  жение, а множество изображений, функции яркости которых связаны строго монотон-
  ными преобразованиями яркости. Именно это свойство знакового представления опреде-
  ляет его эффективность для решения задач, обусловленных поставленной выше целью.
  Особенностью рассматриваемого метода является особый подход к интерпретации ха-
  рактерных точек изображения. Это понятие в теории обработки изображений не явля-
  ется строго определенным; можно сказать, что характерная точка отличается повышен-
  ной «сложностью» структуры изображения в её окрестности. Поскольку знаковое пред-
  ставление изображения может быть представлено в виде ориентированного графа, в дан-
  ной работе для оценки меры сложности локальной окрестности его вершин предложено
  использовать известный в спектральной теории графов метод ранжирования, основанный
  на теореме Перрона-Фробениуса. Его суть состоит в том, что в качестве меры сложности
  вершины выступает значение компоненты так называемого перроновского собственного
  вектора матрицы смежностей данного графа. Для проведения экспериментальных исследований предложенного подхода был разработан комплекс программ, результаты работы которых подтверждают работоспособность метода и демонстрируют, что с его помощью
  удается на модельных примерах получать близкие к ожидаемым результаты. В работе
  предложен также ряд рекомендаций по применению данного метода.

• МЕТОД ГЕНЕРАЦИИ ШУМА ПО НАБОРУ ЗАШУМЛЕННЫХ ИЗОБРАЖЕНИЙ БЕЗ ЧИСТЫХ ПРИМЕРОВ

  А.С. Коваленко , Я. М. Демяненко

  243-254

  2025-11-10

  Аннотация ▼

  Предлагается новый метод генерации шума по зашумленным изображениям без необходимости использования выровненных пар чистых и зашумленных данных. В отличие от традиционных подходов, требующих наличия согласованных наборов изображений или априорных моделей шума, разрабатываемый метод позволяет моделировать сложные характеристики шума, присущие конкретным КМОП‑сенсорам, основываясь исключительно на наблюдаемых зашумленных данных. Для синтеза шума используется генеративно‑состязательная архитектура
  U-Net-подобного типа, построенная на базе StyleGANv2 с модифицированным дискриминатором, учитывающим параметры камеры и исходных изображений. Основное внимание уделяется сохранению пространственно‑цветовой структуры изображения при генерации шума, что достигается введением специализированной функции потерь, сохраняющей характеристики цветопередачи и текстурных деталей. Предлагаемый подход позволяет обучать генератор шума в условиях полного отсутствия пар чистых и зашумленных изображений, что особенно актуально при работе с реальными данными, полученными с различных камер и в различных условиях освещения. В экспериментальной части проведен подробный сравнительный анализ качества синтезированных изображений по метрикам PSNR и SSIM, а также оценка распределения шума на основе статистических характеристик интенсивности и спектрального состава. Демонстрируется, что синтезированный набор изображений, созданный предложенным методом, может эффективно использоваться как самостоятельный тренировочный корпус для нейросетей подавления шума, а также в комбинации с реальным набором SIDD для повышения точности моделей подавления шума. Результаты показали, что комбинированное обучение на объединенном множестве сгенерированных и реальных примеров обеспечивает рост среднего PSNR на 1.5 дБ по сравнению с существующими методами, основанными на выровненных данных. При этом отсутствует зависимость от специфических оптических характеристик конкретного сенсора камеры, что существенно расширяет область применения разработанного метода. Полученные результаты подтверждают применимость предложенного подхода в задачах синтеза и подавления реалистичного шума в условиях отсутствия чистых эталонных изображений, а также открывают перспективы для дальнейших исследований в направлении адаптивной генерации шумовых моделей.