Теоретично розроблено й експериментально досліджено локально-адаптивні інтелектуальні методи обробки низькоконтрастних зображень, які дозволяють забезпечити підвищення чуливості, роздільної здатності та стійкості процедур фільтрації та сегментації звичайних і багатопараметрових (багатоспектральних) низькоконтрастних зображень за умов апріорної невизначності характеристик системи їх формування, спектральних і статистичних характеристик перешкод й корисного сигналу (об'єкта інтересу) та його розташування. Розроблено теоретичні засади та методи обробки низькоконтрастних зображень на основі визначення нових локально-адаптивних відображень та їх математичних перетворень (трансформації), що дозволяє адаптувати функцію перетворення до функції розподілу яскравісних характеристик вихідних зображень з метою підвищення потенційної чутливості й роздільної здатності візуального аналізу. Розроблено адаптивний метод підвищення якості низькоконтрастних зображень - селективної фільтрації комбінованих шумів (структурних і вимірювальних) за умов апріорної невизначеності їх спектральних і статистичних характеристик та ядра інтегрального перетворення системи формування зображення. Розроблено методи синтезу нових інформативних характеристик, що забезпечують адаптивне підвищення чутливості аналізу низькоконтрастних зображень без наявності апріорної інформації про розташування можливого об'єкта інтересу з одночасною стабільністю до дії структурних шумів. Розроблено теоретичні засади та методи підвищення чутливості та вірогідності сегментації, узагальнено запропоновані підходи щодо аналізу низькоконтрастних зображень за умов різного роду невизначеності. Створено методику нейромережевого синтезу результативного "композитного" зображення на основі багатовимірного ансамблю сформованих характеристик. Вивчено специфіку застосування розроблених методів на моделях і зображеннях різної фізичної природи, обгрунтовано умови їх ефективної реалізації.

  Завантажити