➤

Mathematical model of the filtration process and improve the quality of television images in video information systems

Abstract

The relevance and demanding of the dissertation the theme. Today in the field of information and communication technologies is paid more attention to the development of process control system for processing digital video images in the video-information systems. In the conditions of intensive development of modem information and communication systems increasing amount and the flow of information arc one of the most urgent problems of improving the quality of television images and control the filtering process by the redundant information. In this direction of information and communication technologies the leading countries of the world increased demand and requirements for improving methods of filtering and increasing the brightness of digital television images. «On the world stage revenue from digital television transmission in 2016 in the media was estimated at 7 billion US dollars, in the past five years achieved 23% economic efficiency of online TV».1
In the Republic of Uzbekistan held wide-ranging measures to address the challenges associated with an increase in the brightness of a digital television image, for the effective organization of measures for the automatic identification and timely elimination of noise and foreign elements in the images. In this area, including on the establishment of methods to increase brightness and filter images, intellectualization processing management processes digital image, the creation of specialized software-based complex improvement of methods to eliminate shifts and signalnyh distortions arise as a result of the additive, pulsed addaptivno-gaussnogo types influences in the processing of digital television images, a number of research projects.
In the world of one of the most important issues is the formation of digital TV images based on them improving process control system of image processing, the development of numerical models and algorithms for solving various problems of filtration of digital television images using Fourier and wavelet methods. In this area, carried out targeted research, including the attention given in the following areas: development sovershenstovat method of classification and selection criteria, monitoring and evaluation of image quality, the development of precision management of images for given values of pixels of medium intensity, creating modellirovaniya image processing algorithms , the development of process control methods to ensure level-definition television images. Conducting research on the above research areas confirms the relevance of the topic of this thesis.
This dissertation research to a certain extent is the implementation of the tasks stipulated in the Decree of President of Uzbekistan № PP-1741 dated April 17, 2012 «On State program of technical and technological transition to digital broadcasting in the Republic of Uzbekistan», and in the decree of the Cabinet of Ministers № 24 of 1 February, 2012 «On measures to create conditions for the further development of computerization and information and communication technologies in the field» as well as in other legal instruments adopted in this area.
The aim of the study is development of methods, algorithms and raster models of filtration processes and improve the quality of television images in the video information based on the use of mathematical models of systems with partial derivatives.
Scientific novelty of the research is as follows:
developed mechanism for the use of the Fourier transform, wavelet and discrete-cosine transform in the process of processing a television-dimensional images in video information systems on the basis of criteria taking into account the characteristics and limits of the boundary conditions;
developed a method for process control to ensure the required level of brightness and visual assessment of quality indicators of video images for given values of the average intensity of the pixels;
developed a mathematical model to describe the spatial - temporal processing digital video images and the corresponding algorithm for solving nonlinear two-parameter system;
the model of entropy encoding processing of sequential dynamic digital television images, as well as the method of edge enhancement and image segments in the video information systems;
developed methods and algorithms for the solution of problems to eliminate image defects in the processing of digital video images to video information systems by means of mathematical models using the theory of differential and discrete games;
developed methods for linear and nonlinear filtering increasing the brightness of the computer processing of static and dynamic video images based on the modeling of differential equations and the formation of non-linear game problems;
developed a method of eliminating shifts defects additive, pulsed and adaptive Gaussian nature using anisotropy filtration and separately-smooth image models.
Conclusion
According to the research doctoral dissertation on the theme «Mathematical models of filtration processes and improving quality of television pictures in video information systems» were made the following conclusions:
1. The processing of digital video images to video information systems using the methods of creating mathematical models, expressions using linear and nonlinear differential equations based on game theory analysis of the application of computing algorithms and software systems have defined the theoretical basis of the prospects and characteristics.
2. Create a filtering processing methods of static and dynamic video images based on differential equations, the validity of the mathematical correctness of their algorithms, develop appropriate computational algorithms and software systems helps automate the process of managing improve the clarity of images on the average intensity of pixels.
3. Transformations such as Fourier, discrete cosine and wavelet-based restrictions television image processing processes, criteria and parameters selected classification contributes to the creation of visual quality assessment methods for digital television images.
4. As a result of computational experiments and mathematical modeling based on differential game theory image processing solution is found to eliminate the time-phase shifts and adaptive defects, impulse and additive-gausnogo types of images.
5. Establishment of a mathematical model of television image processing in two parametrical nonlinear systems automate image management processes, eliminating shifts and time-phase defects through effective use of research results and computational experiments, detection and fdtering of their type in the images.
6. Development of a two-dimensional raster image of the object state model and modeling algorithms contentious states in the television image processing allows you to choose how to ensure the desired brightness distribution of pixels and image formation of nonlinear tasks of the game.
7. Improvement of ways to filter processing digital video images with temporary-phase shifts and defects can eliminate deficiencies in the transmission of images by optimization taking into account the characteristics of the pulses in the spectral imaging fields, the use of methods of adaptive anisotropic filtering and models of scparatcly-consistcnt images.
8. Create an image brightness control system through a series of Chebyshev matrix, adaptive control mechanism for processing images in a dynamic sequence estimation algorithm allows to develop the efficiency and accuracy in image processing.
9. The use of edge enhancement with image segmentation in video systems, model entropy coding of television images and linear filtering techniques images using Wiener Нора equations provide an opportunity to reduce defects and changes in television images by approximately 11 -26%, as well as increase the level of brightness images on 8.5%.

Source type: Abstracts
Years of coverage from 1992
inLibrary
Google Scholar
Catalog of abstracts
Issue:
Branch of knowledge
CC BY f
1-84
30

Downloads

Download data is not yet available.
To share
Download
Tashmanov Е. (2023). Mathematical model of the filtration process and improve the quality of television images in video information systems. Catalog of Abstracts, 1(1), 1–84. Retrieved from https://inlibrary.uz/index.php/autoabstract/article/view/49063
1
Citations
Crossref
Сrossref
Scopus
Scopus
Google
Google

Keywords:

Television images / processing information / mathematical model / noise level estimation / gaussian distribution / impulse distribution / optoelectronic tract

Abstract

The relevance and demanding of the dissertation the theme. Today in the field of information and communication technologies is paid more attention to the development of process control system for processing digital video images in the video-information systems. In the conditions of intensive development of modem information and communication systems increasing amount and the flow of information arc one of the most urgent problems of improving the quality of television images and control the filtering process by the redundant information. In this direction of information and communication technologies the leading countries of the world increased demand and requirements for improving methods of filtering and increasing the brightness of digital television images. «On the world stage revenue from digital television transmission in 2016 in the media was estimated at 7 billion US dollars, in the past five years achieved 23% economic efficiency of online TV».1
In the Republic of Uzbekistan held wide-ranging measures to address the challenges associated with an increase in the brightness of a digital television image, for the effective organization of measures for the automatic identification and timely elimination of noise and foreign elements in the images. In this area, including on the establishment of methods to increase brightness and filter images, intellectualization processing management processes digital image, the creation of specialized software-based complex improvement of methods to eliminate shifts and signalnyh distortions arise as a result of the additive, pulsed addaptivno-gaussnogo types influences in the processing of digital television images, a number of research projects.
In the world of one of the most important issues is the formation of digital TV images based on them improving process control system of image processing, the development of numerical models and algorithms for solving various problems of filtration of digital television images using Fourier and wavelet methods. In this area, carried out targeted research, including the attention given in the following areas: development sovershenstovat method of classification and selection criteria, monitoring and evaluation of image quality, the development of precision management of images for given values of pixels of medium intensity, creating modellirovaniya image processing algorithms , the development of process control methods to ensure level-definition television images. Conducting research on the above research areas confirms the relevance of the topic of this thesis.
This dissertation research to a certain extent is the implementation of the tasks stipulated in the Decree of President of Uzbekistan № PP-1741 dated April 17, 2012 «On State program of technical and technological transition to digital broadcasting in the Republic of Uzbekistan», and in the decree of the Cabinet of Ministers № 24 of 1 February, 2012 «On measures to create conditions for the further development of computerization and information and communication technologies in the field» as well as in other legal instruments adopted in this area.
The aim of the study is development of methods, algorithms and raster models of filtration processes and improve the quality of television images in the video information based on the use of mathematical models of systems with partial derivatives.
Scientific novelty of the research is as follows:
developed mechanism for the use of the Fourier transform, wavelet and discrete-cosine transform in the process of processing a television-dimensional images in video information systems on the basis of criteria taking into account the characteristics and limits of the boundary conditions;
developed a method for process control to ensure the required level of brightness and visual assessment of quality indicators of video images for given values of the average intensity of the pixels;
developed a mathematical model to describe the spatial - temporal processing digital video images and the corresponding algorithm for solving nonlinear two-parameter system;
the model of entropy encoding processing of sequential dynamic digital television images, as well as the method of edge enhancement and image segments in the video information systems;
developed methods and algorithms for the solution of problems to eliminate image defects in the processing of digital video images to video information systems by means of mathematical models using the theory of differential and discrete games;
developed methods for linear and nonlinear filtering increasing the brightness of the computer processing of static and dynamic video images based on the modeling of differential equations and the formation of non-linear game problems;
developed a method of eliminating shifts defects additive, pulsed and adaptive Gaussian nature using anisotropy filtration and separately-smooth image models.
Conclusion
According to the research doctoral dissertation on the theme «Mathematical models of filtration processes and improving quality of television pictures in video information systems» were made the following conclusions:
1. The processing of digital video images to video information systems using the methods of creating mathematical models, expressions using linear and nonlinear differential equations based on game theory analysis of the application of computing algorithms and software systems have defined the theoretical basis of the prospects and characteristics.
2. Create a filtering processing methods of static and dynamic video images based on differential equations, the validity of the mathematical correctness of their algorithms, develop appropriate computational algorithms and software systems helps automate the process of managing improve the clarity of images on the average intensity of pixels.
3. Transformations such as Fourier, discrete cosine and wavelet-based restrictions television image processing processes, criteria and parameters selected classification contributes to the creation of visual quality assessment methods for digital television images.
4. As a result of computational experiments and mathematical modeling based on differential game theory image processing solution is found to eliminate the time-phase shifts and adaptive defects, impulse and additive-gausnogo types of images.
5. Establishment of a mathematical model of television image processing in two parametrical nonlinear systems automate image management processes, eliminating shifts and time-phase defects through effective use of research results and computational experiments, detection and fdtering of their type in the images.
6. Development of a two-dimensional raster image of the object state model and modeling algorithms contentious states in the television image processing allows you to choose how to ensure the desired brightness distribution of pixels and image formation of nonlinear tasks of the game.
7. Improvement of ways to filter processing digital video images with temporary-phase shifts and defects can eliminate deficiencies in the transmission of images by optimization taking into account the characteristics of the pulses in the spectral imaging fields, the use of methods of adaptive anisotropic filtering and models of scparatcly-consistcnt images.
8. Create an image brightness control system through a series of Chebyshev matrix, adaptive control mechanism for processing images in a dynamic sequence estimation algorithm allows to develop the efficiency and accuracy in image processing.
9. The use of edge enhancement with image segmentation in video systems, model entropy coding of television images and linear filtering techniques images using Wiener Нора equations provide an opportunity to reduce defects and changes in television images by approximately 11 -26%, as well as increase the level of brightness images on 8.5%.


background image

ТОШКЕНТ АХБОРОТ ТЕХНОЛОГИЯЛАРИ УНИВЕРСИТЕТИ ВА

ЎЗБЕКИСТОН МИЛЛИЙ УНИВЕРСИТЕТИ ҲУЗУРИДАГИ ФАН

ДОКТОРИ ИЛМИЙ ДАРАЖАСИНИ БЕРУВЧИ 14.07.2016.Т.29.01

РАҚАМЛИ ИЛМИЙ КЕНГАШ

ТОШКЕНТ АХБОРОТ ТЕХНОЛОГИЯЛАРИ УНИВЕРСИТЕТИ

ТАШМАНОВ ЕРЖАН БАЙМАТОВИЧ

ВИДЕОАХБОРОТ ТИЗИМЛАРИДА ТЕЛЕВИЗИОН

ТАСВИРЛАРНИНГ СИФАТ ДАРАЖАСИНИ ОШИРИШ ВА

ФИЛЬТРЛАШ ЖАРАЁНЛАРИНИНГ МАТЕМАТИК МОДЕЛЛАРИ

05.01.07 – Математик моделлаштириш. Сонли усуллар ва дастурлар мажмуи

(техника фанлари)

ДОКТОРЛИК ДИССЕРТАЦИЯСИ АВТОРЕФЕРАТИ

Тошкент– 2016

1


background image

УДК 519.63: 681.51: 539.5

Докторлик диссертация автореферати мундарижаси

Оглавление авторефератадокторской диссертации

Contens of the abstract of doctoral dissertation

Ташманов Ержан Байматович

Видеоахборот тизимларида телевизион тасвирларнинг сифат даражасини
ошириш ва фильтрлаш жараёнларининг математик

моделлари............……………………………………………………......…....…..3

Ташманов Ержан Байматович

Математические модели процессов фильтрации и повышения уровня
качества телевизионных изображений в видеоинформационных
системах………………………………………..…………………………………2
9

Tashmanov Erjan Baymatovich

Mathematical model of the filtration process and improve the quality of
television images in video information systems…………..……………….…….55

Эълон қилинган ишлар рўйхати

Список опубликованных работ
List of published works…………………………………………....……………..78


background image

2

ТОШКЕНТ АХБОРОТ ТЕХНОЛОГИЯЛАРИ УНИВЕРСИТЕТИ ВА

ЎЗБЕКИСТОН МИЛЛИЙ УНИВЕРСИТЕТИ ҲУЗУРИДАГИ ФАН

ДОКТОРИ ИЛМИЙ ДАРАЖАСИНИ БЕРУВЧИ 14.07.2016.Т.29.01

РАҚАМЛИ ИЛМИЙ КЕНГАШ

ТОШКЕНТ АХБОРОТ ТЕХНОЛОГИЯЛАРИ УНИВЕРСИТЕТИ

ТАШМАНОВ ЕРЖАН БАЙМАТОВИЧ

ВИДЕОАХБОРОТ ТИЗИМЛАРИДА ТЕЛЕВИЗИОН

ТАСВИРЛАРНИНГ СИФАТ ДАРАЖАСИНИ ОШИРИШ ВА

ФИЛЬТРЛАШ ЖАРАЁНЛАРИНИНГ МАТЕМАТИК МОДЕЛЛАРИ


background image

05.01.07 – Математик моделлаштириш. Сонли усуллар ва дастурлар мажмуи

(техника фанлари)

ДОКТОРЛИК ДИССЕРТАЦИЯСИ АВТОРЕФЕРАТИ

Тошкент– 2016

3

Докторлик диссертацияси мавзуси Ўзбекистон Республикаси Вазирлар

Маҳкамаси ҳузуридаги Олий аттестация комиссиясида 14.07.2016/B2016.3.T.157
рақам билан рўйхатга олинган.

Докторлик диссертацияси Тошкент ахборот технологиялари университетида бажарилган.

Диссертация автореферати уч тилда (ўзбек, рус, инглиз) Илмий кенгашнинг веб-саҳифаси

(www.tuit.uz) ва «ZIYONET» таълим ахборот тармоғида (

www.ziyonet.uz)

жойлаштирилган.

Илмий маслаҳатчи: Маматов Машрабжон Шахабутдинович

физика-математика фанлари доктори, профессор

Расмий оппонентлар: Петров Николай Никандрович

(Россия Федерацияси)

физика-математика фанлари доктори, профессор

Зайнидинов Хакимжон Насридинович

техника фанлари доктори, профессор

Нигматов Хикматулла

техника фанлари доктори, профессор

Етакчи ташкилот: «UZTELECOM» акциядорлик компанияси


background image

Диссертация ҳимояси Тошкент ахборот технологиялари университети ва

Ўзбекистон Миллий университети ҳузуридаги 14.07.2016.Т.29.01 рақамли Илмий
кенгашнинг 2016 йил «__» ________ соат 10

00

даги мажлисида бўлиб ўтади. (Манзил:

100202, Тошкент ш., Амир Темур кўчаси,108.Тел.:(99871) 238-64-43; факс:(99871) 238-65-
52; e-mail: tuit@tuit.uz).

Докторлик диссертацияси билан Тошкент ахборот технологиялари университетининг

Ахборот-ресурс марказида танишиш мумкин (____ рақами билан рўйхатга олинган). Манзил:
100202, Тошкент ш., Амир Темур кўчаси., 108. Тел.: (99871) 238-64-43.

Диссертация автореферати 2016 йил «__» __________куни тарқатилди.

(2016 йил «__» ____ даги __- рақамли реестр баённомаси).

Р.Х.Хамдамов

Фан доктори илмий даражасини берувчи

илмий кенгаш раиси т.ф.д.

М.С.Якубов

Фан доктори илмий даражасини берувчи

илмий кенгаш илмий котиби т.ф.д., профессор

М. Арипов

Фан доктори илмий даражасини берувчи

илмий кенгаш ҳузуридаги илмий семинар раиси

ф.м.-ф.д., профессор

4

КИРИШ (Докторлик диссертацияси аннотацияси)

Диссертация мавзусининг долзарблиги ва зарурати.

Ҳозирги кунда

жаҳонда ахборот-коммуникация технологиялари соҳасида видеоахборот
тизимларида рақамли телевизион тасвирларга ишлов бериш жараёнларини
бошқариш тизимларини яратишга алоҳида эътибор қаратилмоқда. Замонавий
ахборот-коммуникация тизимининг изчил такомиллашаётган даврида ахборот
оқими ва ҳажмининг ошиб бориши телевизион тасвирлар сифат даражасини
ошириш ва ортиқча маълумотлардан фильтрлаш жараёнини бошқариш
долзарб муаммолардан бири ҳисобланади. Бу борада ахборот коммуникация
технологиялари соҳасида жаҳоннинг етакчи мамлакатларида

рақамли

телевизион тасвирлардаги нуқсонларни бартараф этиш, тасвир тиниқлигини
ошириш ва фильтрлаш усулларини такомиллаштиришга бўлган эхтиёж ва
талаб ортиб бормоқда. «Оммавий ахборот воситаларида рақамли телевизион
кўрсатувларидан келадиган даромад 2016 йил 7 млрд. АҚШ доллорини
ташкил этиб сўнги беш йилликда on-lain телекўрсатувлар иқтисодий
самарадорлигини 23% ошишини таъминлашга эришилган».

1

Ўзбекистон Республикасида рақамли телевизион тасвирлар тиниқлиги


background image

ни оширишга боғлиқ масалаларни ечиш, тасвирлардаги нуқсонларни, бегона
белги, ифодаларни автоматик равишда аниқлаш ва ўз вақтида бартараф
этишга оид тадбирларни самарали ташкил қилиш юзасидан кенг қамровли
чора-тадбирлар амалга оширилди. Бу борада, жумладан, тасвирларни
фильтрлаш ва тиниқлигини ошириш усулларини яратиш, рақамли
тасвирларга ишлов бериш жараёнларини бошқаришни интеллектуаллаш
тириш, рақамли телевизион тасвирларга ишлов бериш жараёнида аддитив,
импульсли ва адаптив гаусс кўринишидаги таъсирлар натижасида юзага
келадиган силжиш ва сигнал бузилишларни бартараф этиш усулларини
такомиллаштиришга мўлжалланган ихтисослашган дастурлар мажмуаларини
яратишга бағишланган қатор илмий-тадқиқот ишлари олиб борилган.

Жаҳонда турли рақамли телевизион тасвирларни фильтрлаш

масалаларини Фурье ва вейвлет усулларида ечиш алгоритмлари ва сонли
моделларини ишлаб чиқиш, рақамли телевизион тасвирларни шакллантириш
ва улар асосида тасвирларга ишлов бериш жараёнларини бошқариш тизимини
такомиллаштириш муҳим масалалардан бири бўлиб, бу борада мақсадли
илмий-тадқиқотлар,

жумладан,

қуйидагиларга

алоҳида

эътибор

қаратилмоқда: тасвирлар сифатини баҳолаш кузатув мезонларини такомил
лаштирилган танлаш ва таснифлаш усулини ишлаб чиқиш, пикселларнинг
ўртача интенсивлик қийматлари берилганда тасвир тиниқлигини бошқа риш
усулини яратиш, тасвирларга ишлов бериш жараёнини моделлаш тириш
алгоритмини яратиш, телевизион тасвирлар тиниқлик даражасини
таъминлаш жараёнларини бошқариш усулини ишлаб чиқиш. Юқорида
келтирилган илмий-тадқиқотлар йўналишида бажарилаётган илмий изланиш
лар мазкур диссертация мавзусининг долзарблигини изоҳлайди.

1

https://www.pwc.ru/ru/entertainment-media/publications/assets/entertainment-mediaoutlook_2014.pdf

5

Ўзбекистон Республикаси Президентининг 2012 йил 17 апрелдаги

ПҚ-1741-сон «Ўзбекистон Республикасида рақамли телеэшиттиришга техник
ва технологик ўтиш Давлат дастури тўғрисида»ги Қарори, Вазирлар
Маҳкамасининг 2012 йил 1 февралидаги 24-сон «Жойларда компьютерлаш
тириш ва ахборот коммуникация технологияларини бундан кейинги
ривожлантиришга шароитлар яратиш учун чора тадбирлар тўғрисида»ги
қарорида ҳамда мазкур фаолиятга тегишли барча меъёрий-ҳуқуқий
хужжатларда белгиланган вазифаларни амалга оширишга ушбу диссертация
тадқиқоти муайян даражада хизмат қилади.

Тадқиқотнинг республика фан ва технологиялари ривожланиши

нинг устувор йўналишларига боғлиқлиги.

Мазкур тадқиқот республика

фан ва технологиялар ривожланишининг IV. «Ахборотлаштириш ва ахборот
коммуникация технологияларини ривожлантириш» устувор йўналиши
доирасида бажарилган.

Диссертация мавзуси бўйича хорижий илмий-тадқиқотлар шарҳи

2

.

Телевизион тасвирларга ишлов бериш жараёнларининг математик моделлари


background image

ва интеллектуал бошқарув тизимларини ишлаб чиқишга йўналтирилган
илмий изланишлар жаҳоннинг етакчи илмий марказлари ва олий таълим
муассасалари, жумладан, Massachusetts Institute of Technology, Columbia, ва
California Institute of Technology, University of Texas, University of California,
Berkeley ва Harvard University университетлари, Georgia Institute of
Technology институти, Dveo, Hibox Systems, Меdia Excel Honeywell
компаниялари (АҚШ), Actus Digital, Adtec Digital (Израил), Tsinghua
University, Beijing, Zhejiang University, Hagzhou, Shandong University (Хитой),
University of Bath, Cambridge University (Буюк Британия), University of Pune
(Хиндистон), Ghent University (Бельгия), University of Rostock (Германия),
Kyungpook National University (Жанубий Корея), Россия Академияси
Тасвирларга ишлов бериш тизими институти (Россия), Тошкент ахборот
технологиялари университетида (Ўзбекистон) кенг қамровли илмий-тадқиқот
ишлари олиб борилмоқда.

Видеоахборот тизимларида телевизион тасвирларга ишлов бериш

жараёнларининг математик моделини яратиш ва интеллектуал бошқариш
тизимини такомиллаштиришга оид жаҳонда олиб борилган тадқиқотлар
натижасида қатор, жумладан, қуйидаги илмий натижалар олинган: самарали
аддитив фильтрлаш усуллари ва юқори даражадаги тасвир тиниқлигини
таъминлаш усули ишлаб чиқилган (California Institute of Technology, АҚШ);

рақамли тасвирлар учун график расмларнинг сояларига ишлов беришда

чизиқли фильтрлаш усули ҳамда вейвлет доменлар ва вақтинчалик
фильтрация ёрдамида видео кетма-кетликлардаги шовқинларни камайтириш
технологияси ишлаб чиқилган (Ghent University, Бельгия); геометрик
ҳисоблашлар,

тасвирларни ва видео ахборотларига ишлов бериш

дифференциал тенгламаларга ёндошган усуллари ишлаб чиқилган (Tsinghua
University,

2

Диссертация мавзуси бўйича хорижий илмий-тадқиқотлар шарҳи http://web.mit.edu/, https://en.knu.ac.kr/,

https://www.timeshighereducation.com/, www.ugent.be, www.tsinghua.edu.cn/, https://www.cam.ac.uk/, www.uni
rostock.de/en/, www.unipune.ac.in/ ва бошқа манбалар асосида ишлаб чиқилган.

6

Хитой); эгрилигини сақлаган ҳолда кўп қийматли тасвирларни тезкор
анизотроп текислаш ва силлиқлаш усули ишлаб чиқилган (Франция); рақамли
видео карта учун локал контраст тасвирларни архивлаб сақлаган ҳолда
динамик оралиқларни зичлаш технологияси яратилган (Kyungpook National
University, Жанубий Корея); алоҳида тасвирлардаги нуқсонларни автоматик
баҳолаш ва бартараф этиш усули ишлаб чиқилган (Cornegy University, АҚШ);
максимал энтропия ва тасодифий майдонларни фильтрлашнинг вейвлет ва
моделлаштириш усуллари яратилган (Braun University, АҚШ).

Дунёда замонавий ахборот технологиялари асосида рақамли

телевизион тасвирлар сифат даражасини ошириш, фильтрлаш жараёнларини
моделлаштириш ва юқори самарали бошқариш тизимларни яратиш бўйича
қатор, жумладан, қуйидаги устувор йўналишларда тадқиқотлар олиб
борилмоқда: чизиқли ва ночизиқли дифференциал тенгламалар асосида
тасвирлар тиниқлигини ва яққоллигини оширишнинг вейвлет, Фурье, Хаара,


background image

Уолш-Адамар,

Кархунена-Лоэва

усулларини

такомиллаштириш;

тасвирлардаги аддитив, импульсли ва адаптив гаусс типидаги нуқсонларни
аддитив ва адаптив фильтрлаш орқали бартараф этиш усулларини яратиш;
тасвирларнинг кадр ички ва кадрлараро ўзгартиришлар киритиш
алгоритмлари ва дастурий воситаларини ишлаб чиқиш; матрицали Чебишев
қатори ёрдамида тиниқлилик тизимини бошқаришнинг адаптив усулини
ишлаб чиқиш; тасвирларни сегментлаш ва контурларга бўлишнинг градиент,
лаплас ва статистик усулларини ишлаб чиқиш; тасвирлар сифатини баҳолаш
мезонлари ва шартларини шакллантириш; вейвлет ўзгартиришлар асосида
кадрларни энтропик кодлаш усулларини ишлаб чиқиш.

Муаммонинг ўрганилганлик даражаси.

Видеоахборот тизимларида

рақамли телевизион тасвирларни чизиқли ва ночизиқли дифференциал
тенгламалар усулида ечишда қўлланадиган математик моделлаштириш
услубияти, муайян жараённи акс эттирувчи моделни қуриш ва жараённинг
фаолият даражаси параметрларини ҳисоблаш экспериментлари билан
аниқлаш усулларини тадқиқ этиш, тасвирлардаги аддитив, импульсли ва
адаптив турдаги нуқсонларни фильтрлаш орқали бартараф этиш натижасида
таниқликни таъминлаш назариясини яратиш ва такомиллаштириш масала
лари бир қатор олимлар: Song-Hai Zhang, Shi-Min Hu, Ce ZHU, Ralph R.
Martin, Dan Su, Philip Willis, Zhou Wang, Alan C. Bovik, Brian L. Evans, Jack
Tumblin, Greg Turk, C. Tomasi, Erik Reinhard, Michael Stark, Peter Shirley,
James Fervverda, Fredo Durand, Julie Dorsey, Suyash P. Awate, Ross T. Whitaker,
David Tschumperle, Caroline Chaux, Jean-Christophe Pesquet, Aleksandra
Pizurica, Vladimir Zlokolica, Wilfried Philips, Sheikh Md. Rabiul Islam, Xu
Huang, Keng Liang Ou, Thou-Ho Chen, Yen-Hui Yin, Shi-Feng Huang, Yan-Ting
Ye,Yusuke Monobe, Haruo Yamashita, Toshihary Kurosawa, Hiroaki Kotera,
Heiko Schwarz, Detlev Marpe, Leo Grady, Р.А.Воробель, С.И.Катаев,
С.С.Бухтояров, М.И.Кривошеев, Ю.Б.Зубарев, А.С.Селиванов, Б.П.Хромов,
В.П.Дворкович, В.Н.Безруков ва бошқаларнинг ишларида кўриб чиқилган.

Видеоахборот тизимларида рақамли телевизион тасвирларга ишлов

бериш, компьютер графикаси ва анимацияси, автоматлаштирилган геометрик

7

дизайн яратиш билан боғлиқ тадқиқотлар бир қатор олимлар томонидан олиб
борилган, жумладан, Shi-Min Hu, Ralph R. Martin, Р.А.Воробель, С.И.Катаев,
М.И.Кривошеев, Б.П.Хромов, В.П.Дворкович, В.Н.Безруков ва бошқа
муаллифлар ишларида эътироф этилишига кўра, рақамли телевизион
тасвирларга ишлов бериш жараёнларини моделлаштириш усулларининг
«модел-алгоритм-дастур» учлиги, ҳисоблаш эксперименти ва компьютер
воситасида моделлаштириш услубияти, модулли ва тузилмавий дастурий
тизимлари ишлаб чиқилган, амалда тадбиқ этилиши натижасида маълум
даражада ижобий натижаларга эришилган.

Тасвирлардаги аддитив, импульсли ва адаптив гаусс типидаги

нуқсонларни фильтрлаш усулларини ишлаб чиқишга боғлиқ тадқиқотлар
Jack Tumblin, Greg Turk, David Tschumperle, Ю.Б.Зубарев, А.С.Селиванов,


background image

С.С.Бухтояров, C. Tomasi, Aleksandra Pizurica, Vladimir Zlokolica, Wilfried
Philips, шунингдек республикамиз олимлари томонидан олиб борилган,
жумладан, М.М.Мусаев, Х.Н.Зайнидинов, Р.Н.Усмонов, М.М.Камилов,
Т.Ф.Бекмуратов, Т.Юлдашев, Б.К.Курманбаев ва бошқа тадқиқотларда
тасвирларга ишлов бериш жараёнларини интеллектуал бошқариш тизимини
такомиллаштириш ва фильтрлаш жараёнларини турли сонли моделларини
яратиш зарурлиги муаммолари кўрилган. Шу билан бирга видеахборот
тизимларида рақамли телевизион тасвирларга ишлов бериш жараёнларини
моделлаштириш технологияси ва тасвирдаги нуқсонларни бартараф этиш ва
фильтрлаш, тасвирлар тиниқлиги ва яққоллигини таъминлаш учун керак
бўлган механик ва геометрик параметрларини топиш мақсадида компьютерда
кўп вариантлик ҳисоблаш, рақамли телевизион тасвирларни фильтрлашга
оид масалаларни ечишда чизиқли ва ночизиқли дифференциал тенгламалар
ва моделлаштириш усулини қўллаш, видеоахборот тизимларида рақамли
телевизион

тасвирларга

ишлов

бериш

жараёнларини

бошқариш

самарадорлигини ошириш, телевизион тасвирларни энтропияли кодлашнинг
моделини ишлаб чиқиш, тасвирларни сегментлашда контурларга ажратиш,
тасвир

тиниқлигини

оширишда

ночизиқли

ўйин

масалаларини

шакллантириш, тасвирдаги нуқсонларни автоматик аниқлаш ва бартараф
этишнинг самарали усулларини яратишга бағишланган илмий изланишлар
ҳозирги кунда етарли даражада кўрилмаган.

Диссертация мавзусининг диссертация бажарилаётган олий таълим

муассасасининг илмий-тадқиқот ишлари билан боғлиқлиги.

Диссертация тадқиқоти Тошкент ахборот технологиялари университетининг
илмий-тадқиқот ишлари режасининг А5-037- «Мобил алоқа тизимлари учун

кадрлараро ишлов беришли вейвлет-ўзгартириш асосидаги аудио

видеокодекнинг қурилма-дастурий воситаларини ишлаб чиқиш» (2012-2014);

А5-024-«Учинчи авлод уяли телефонлари учун кадрлараро ишлов берувчи

телевизион вейвлет аудио-видеокодекининг дастурий таъминотларини ишлаб

чиқиш» (2015-2017) мавзуларидаги лойиҳалари доирасида бажарилган.

Тадқиқотнинг мақсади

видеоахборот тизимларида телевизион

тасвирларнинг сифат даражасини ошириш ва фильтрлаш жараёнларини

8

растрли моделлари, усуллари ва алгоритмларини хусусий ҳосилали
математик моделлар ёрдамида ишлаб чиқишдан иборат.

Тадқиқотнинг вазифалари:

видеоахборот тизимларида телевизион тасвирларга ишлов бериш шакл

ва усуллари, ўзига хос хусусиятларини инобатга олган ҳолда жараёнга талаб
этилган чегаравий шартлар ва мезонлар асосида Фурье, вейвлет ва дискрет
косинусли ўзгартиришлар киритиш механизмини ишлаб чиқиш;

пикселларнинг ўртача интенсивлигининг берилган қийматларида

телевизион тасвирларнинг сифатини визуал баҳолаш ва тасвир тиниқлик
даражасини таъминлаш жараёнини бошқариш усулини ишлаб чиқиш;


background image

телевизион тасвирларга ишлов бериш жараёнларнинг икки параметрли

ночизиқли тизими ва математик моделини ишлаб чиқиш алгоритмини
яратиш; видеоахборот тизимларида тасвирларни сегментларга ва контурларга
ажратиш усули ва кетма-кет динамик телевизион тасвирларга ишлов бериш
жараёнларининг энтропий кодлаш моделини ишлаб чиқиш; видеоахборот
тизимларида рақамли телевизион тасвирларига ишлов бериш
жараёнларининг математик моделларини дифференциал ва дискрет ўйинлар
назариясига асосланиб тасвирдаги нуқсонларни бартараф этиш
масалаларини хусусий хосилали дифференциал тенгламалар ёрдамида ечиш
алгоритмлари ва усуллари ишлаб чиқиш;

ночизиқли

дифференциал

ва

дискрет

ўйинлар

масаласини

шакллантириш ва хусусий хосилали дифферециал тенгламалар асосида
статик ва динамик телевизион тасвирларга компьютерли ишлов беришда
тасвир тиниқлигини оширишнинг чизиқли ва ночизиқли фильтрлаш
усулларини ишлаб чиқиш;

видеоахборот тизимларида тасвирлардаги силжишлар, аддитив,

импульсли ва адаптив гаусс типидаги нуқсонларни анизитроп фильтрлаш ва
тасвирларнинг бўлимли-силлиқ моделлари ёрдамида бартараф этиш усулини
ишлаб чиқиш.

Тадқиқотнинг объекти

сифатида видеоахборот тизимларида рақамли

телевизион тасвирларни тиниқлик даражасини ошириш учун дифференциал
моделлар ёрдамида моделлаштирувчи фильтрлаш ва тасвирларга ишлов
бериш жараёнлари қаралган.

Тадқиқотнинг

предмети

видеоахборот

тизимларида рақамли

телевизион тасвирларга ишлов бериш жараёнларининг математик
моделларини хусусий хосилали дифференциал тенгламаларга асосланиб
тасвирдаги

нуқсонларни

бартараф

этиш

масалаларини

ечишда

қўлланиладиган растрли моделлар, усуллар, ҳисоблаш алгоритмлари ва
дастурий воситалар.

Тадқиқотнинг усуллари.

Тадқиқот жараёнида математик ва сонли

моделлаштириш, эҳтимоллик ва дифференциал, дискрет ўйинлар назарияси,
ҳисоблаш математикаси, алгоритмлаштириш, модулли ва тузилмали дастур
лаш технологиялари ҳамда чизиқли ва ночизиқли фильтрлаш ва ҳисоблаш
экспериментларини ўтказиш усуллари қўлланилган.

9

Тадқиқотнинг илмий янгилиги

қуйидагилардан иборат:

видеоахборот тизимларида телевизион тасвирларга ишлов бериш

шакли ва усуллари, ўзига хос хусусиятларидан келиб чиққан ҳолда жараёнга
талаб этилган чегаравий шартлар ва мезонларга мувофиқ Фурье, вейвлет ва
дискрет-косинусли ўзгартиришлар киритиш механизми ишлаб чиқилган;

пикселларнинг ўртача интенсивлигини берилган қийматларида рақамли

телевизион тасвирлардаги сифат кўрсаткичини визуал баҳолаш ва
тасвирнинг тиниқлик даражасини таъминлаш жараёнини бошқариш усули


background image

ишлаб чиқилган;

рақамли телевизион тасвирларга вақтий ва фазовий ишлов бериш

жараёнларининг икки параметрли ночизиқли тизими, алгоритми ва
математик модели ишлаб чиқилган;

видеоахборот тизимларида тасвирларни сегмент ва контурларга

ажратиш усули ҳамда динамик кўринишдаги рақамли телевизион
тасвирларга ишлов бериш жараёнларининг энтропий кодлаш модели ишлаб
чиқилган;

видеоахборот тизимларида рақамли телевизион тасвирларга ишлов

бериш жараёнларида дифференциал ва дискрет ўйинлар назариясига
асосланиб, тасвирдаги нуқсонларни бартараф этиш масалаларини хусусий
ҳосилали дифференциал тенгламалар ёрдамида ечиш алгоритмлари ва
усуллари ишлаб чиқилган;

ночизиқли ўйинлар масаласини шакллантириш ва дифференциал

тенгламалар асосида статик ва динамик телевизион тасвирларга компьютерли
ишлов беришда тасвир тиниқлигини оширишнинг чизиқли ва ночизиқли
фильтрлаш усуллари ишлаб чиқилган;

видеоахборот тизимларида тасвирлардаги силжишлар, аддитив,

импульсли ва адаптив гаусс типидаги нуқсонларни анизитроп фильтрлаш ва
тасвирларнинг бўлимли силлиқ моделлари ёрдамида бартараф этиш усули
ишлаб чиқилган.

Тадқиқотнинг амалий натижаси

қуйидагилардан иборат: тасвирларга

рақамли ишлов беришда тасвир ичидаги майдон спектрларидаги
ортиқчаликларни бартараф этиш орқали юқори даражадаги тиниқликни
таъминлаш учун тасвирни кодлаш усуллари яратилган; видеоахборот
тизимида рақамли телевизион тасвирларга адаптив вақтий-фазовий чизиқли
ва ночизиқли, итерацион фильтрлаш усулларини қўллаш ёрдамида юқори
тиниқликни таъминловчи бошқарув сигналларини шакллантириш усули
ишлаб чиқилган;

коррекцияланувчи тасвирларни тиниқлигини шаклланиш имкониятини

инобатга олган ҳолда тасвир ичидаги ва тасвирлараро силжиш ва
нуқсонларни бартараф этиш жараёнларини моделлаштириш учун дастурий
воситалар мажмуалари ишлаб чиқилган;

видеоахборот тизимларида телевизион тасвирларга фильтрлаш

усулларини қўллаш натижасида тасвирларнинг тиниқлик эффекти юзага
келиши аниқланган;

10

яратилган математик моделнинг адекватлиги ва дастурлар

мажмуасининг ишончлиги тевевизион тасвирлардаги силжиш ва гаусс
типидаги нуқсонларни бартараф этишда дифференциал ва дискрет ўйинлар
назариясига асосланган чизиқли ва ночизиқли фильтрлаш усуллари ишлаб
чиқилган;

Тадқиқот натижаларининг ишончлилиги.

Тадқиқот натижаларининг


background image

ишончлилиги услубий жиҳатдан масаланинг дифференциал ва дискрет
ўйинлар назарияси асосида математик қўйилиши ва уни ечиш учун қўлланил
ган хусусий хосилали дифференциал тенгламалар усулларининг қатъийлиги,
ечилган масалаларнинг назарий ва амалий натижалари, тасвирларга ишлов
бериш ва чизиқли ва ночизиқли фильтрлаш жараёнларини моделлаштириш,
тасвирлардаги силжиш ва аддитив, импульсли ва адаптив гаусс типидаги
нуқсонларни бартараф этиш масалаларини Фурье, вейвлет, матрицали
Чебишев қатори, Винер-Хоп усулида ечиш алгоритмлари ва растрли
моделлаштиришга оид илмий-тадқиқот ишлари билан солиштирилиши,
ҳамда ҳисоблаш экспериментлари натижаларини умумқабул қилинган
мезонлар асосида айнан берилганлар билан қиёсий таҳлили билан изоҳ
ланади.

Тадқиқот натижаларининг илмий ва амалий аҳамияти.

Тадқиқотда

олинган натижаларнинг илмий аҳамияти дифференциал ўйинлар назариясига
асосланган чизиқли ва ночизиқли хусий хосилали дифференциал
тенгламалар яратиш усули ва тасвирдаги силжишлар ва нуқсонларни
вақтий-фазовий ҳолатларини баҳолаш мезонлари ва соддалаштирилган
усуллари, адаптив, импульсли ва аддитив гаусс типидаги тасвир
дефектларини бартараф этишнинг чизиқли ва ночизиқли фильтрлаш усули,
фазовий тавсир ва тасвирлараро ортиқчаликни йўқотиш ва кодлаш усули,
растрли модел, ҳисоблаш алгоритмлари ва ихтисослашган дастурий
воситалар мажмуи, тасвир тиниқлиги ва яққоллигини ифодаловчи
парамертлар ҳусусиятлари ва динамик ўзгариш қонуниятлари, видеоахборот
тизимларида рақамли телевизион тасвирларни сифатли ва тўлиқ хажмда
узатиш концепциясини шакллантиришнинг ягона математик асосини беради.
Тадқиқотда олинган натижаларнинг амалий аҳамияти видеоахборот
тизимларида тасвирларга ишлов бериш жараёнларини бошқариш тизими,
тасвирларни чизиқли ва ночизиқли фильтрлаш натижасида тасвирларнинг
тинқлиги ва яққоллигини визуал тасвирлаш имкониятларини яратилиши,
тасвир ва тасвирлараро силжиш ва аддитив, импульсли ва адаптив гаусс
типидаги вақтий-фазовий нуқсон ва дефектларни аниқлаш ва бартараф этиш
пикселларнинг хажмий миқдори ва зичлигига боғлиқлик қонуниятларини
аниқланишни ихтисослашган дастурлар мажмуини амалиётда қўллаш
телевизион тасвирларнинг сифат кўрсаткичлари даражасини ошишини,
тасвирларга ишлов бериш жараёнларининг математик моделлари
тасвирларни шакллантириш ва бошқаришда вақт тежамкорлигига, тасвир
силжишлари ва нуқсонларини тезда аниқлаш ва бартараф этиш жараёнларини
интеллектуал бошқариш тизимини яратишда кенг кўламда қўлланилиши
мумкин.

11

Тадқиқот натижаларининг жорий қилиниши.

Рақамли телевизион

тасвирларга ишлов бериш жараёнларини бошқариш тизими ва математик
моделлари асосида:

чизиқли ва ночизиқли фильтрлаш алгоритм ва моделларининг


background image

инструментал дастурий воситалар мажмуалари Ахборот технологиялари ва
коммуникацияларини ривожлантириш вазирлиги корхонасида, жумладан
«Тошкент радио телевизион эшиттириш маркази» Давлат унитар корхонасида
жорий қилинган (Ахборот технологиялари ва коммуникация
ларини ривожлантириш вазирлигининг 2016 йил 4 октябрдаги 02-8/5459-сон
маълумотномаси). Олинган тадқиқот натижалари асосида дифференциал
ўйинлар назариясига асосланган тасвирларни адаптив ва аддитив фильтрлаш
усуллари, дастурий воситалар мажмуалари тасвирдаги силжиш ва
нуқсонларни 11% дан 26% гача камайтириш имконини берган;

телевизион тасвирларга ишлов бериш жараёнларнинг икки параметрли

ночизиқли тизими ва математик моделини ишлаб чиқиш алгоритми
«UZDIGITAL TV» МЧЖда жорий қилинган (Ахборот технологиялари ва
коммуникацияларини ривожлантириш вазирлигининг 2016 йил 4 октябрдаги
02-8/5459-сон маълумотномаси). Олинган тадқиқот натижалари асосида
яратилган алгоритм видеоахборот тизимларида тасвирларни сегмент ва
контурларга ажратиш ҳамда динамик кўринишдаги рақамли телевизион
тасвирларга ишлов бериш жараёнларининг энтропияли кодлаш моделини
ишлаб чиқиш имконини берган;

телевизион тасвирлар сифат кўрсаткичларини баҳолаш алгоритм ва

тиниқлик

даражасини

таъминлаш

жараёнини

бошқариш

усули

«Ўзбектелеком» АКнинг рақамли телевизион тармоқларида жорий қилинган
(«Ўзбектелеком» АКнинг 2016 йил 4 октябрь 28-01/1420-сон маълумот
номаси). Диссертация тадқиқотининг натижалари тасвирнинг тиниқлик
даражасини 8,5% га ошириш ҳисобига рақамли телевизион тасвирларга
ишлов бериш жараёнларини бошқариш тизими самарадорлигини оширишни
таъминлаш имконини беради.

Тадқиқот натижаларининг апробацияси.

Диссертациянинг назарий

ва амалий жихатлари қуйидаги халқаро ва миллий конференция ва
семинарларда мухокама қилинган: «Control problems and compression the
image» (Germany, Wiesbaden, 2012); «Сontrol in parameters of algorithm
compression of a video information with use of its structural lines» (Россия,
Казан, 2012); «Геометрические методы в задачах конфликтного управления с
распределенными параметрам» (Украина, Киев, 2013); «Дифференциальные
игры преследования многих лиц с распределенными параметрами и
геометрическими ограничениями» (Украина, Одесса, 2013); «Об одной
задаче управления и сжатия изображений» (Россия, Санкт-Петербург, 2014);
«Дискретная игра преследования, описываемая уравнениями второго порядка
с яркостью изображения» (Россия, Ижевск, 2015); «Управления скоростью
кодирования видеоинформации при передаче данных в системах мобильной
связи» (Ўзбекистон, Тошкент, 2011); «Оптимизация сжатия изображения как
задача управления с распределенными параметрами» (Ўзбекистон, Тошкент,

12

2012); «Многомерные управляемые процессы яркости изображения с
геометрическими

ограничениями»

(Ўзбекистон,

Тошкент,

2013),


background image

«Квазилинейная дифференциальная игра с переменными коэффициентами и
геометрическими

ограничениями»

(Ўзбекистон,

Тошкент,

2013),

«Управление скоростью кодирования по минимаксному критерию
искажения» (Ўзбекистон, Тошкент, 2014), «О двух задачах управляемости
яркости цифровых изображений описываемых дискретными уравнениями
второго порядка» (Ўзбекистон, Тошкент, 2014), «Управляемые дискретные
изображения»

(Ўзбекистон,

Тошкент,

2015),

«Дискретная

игра

преследования, с яркостью изображения» (Ўзбекистон, Тошкент, 2015),
республика илмий анжуманларида апробациядан ўтказилган.

Тадқиқот натижаларининг эълон қилиниши.

Диссертация мавзуси

бўйича жами 48 та илмий иш чоп этилган, шулардан, 1 та монография,
Ўзбекистон Республикаси Олий аттестация комиссиясининг докторлик
диссертациялари асосий илмий натижаларини чоп этиш тавсия этилган
илмий нашрларда 13 та мақола, 2 таси хорижий ва қолганлари республика
журналларида нашр қилинган ҳамда 6 та ЭҲМ учун яратилган дастурий
воситаларни қайд қилиш гувоҳномаси олинган.

Диссертациянинг ҳажми ва тузилиши.

Диссертация таркиби кириш,

бешта боб, ҳулоса, фойдаланилган адабиётлар рўйхати ва иловалардан
иборат. Диссертациянинг ҳажми 200 бетни ташкил этган.

ДИССЕРТАЦИЯ ИШИНИНГ АСОСИЙ МАЗМУНИ

Кириш

қисмида ўтказилган тадқиқотларнинг долзарблиги ва зарурати

асосланган, тадқиқотнинг мақсади ва вазифалари, объект ва предметлари
тавсифланган, республика фан ва технологиялари ривожланишининг устувор
йўналишларига мослиги кўрсатилган, тадқиқотнинг илмий янгилиги ва
амалий натижалари баён қилинган, олинган натижаларнинг илмий ва амалий
аҳамияти очиб берилган, тадқиқот натижаларини амалиётга жорий қилиш,
нашр этилган ишлар ва диссертация тузилиши бўйича маълумотлар
келтирилган.

Диссератациянинг

«Телевизион тасвирларга замонавий ишлов

бериш усуллари»

деб номланган биринчи бобида телевизион тасвирларга

ишлов бериш усуллари кўриб чиқилган, ишлов беришнинг анъанавий
шакллари ва усуллари таҳлил қилинган, телевизион тасвирларга дастлабки
ишлов беришнинг ўзига хос хусусиятлари аниқланган. Телевизион
тасвирларга ишлов бериш жараёнидаги Фурье, вейвлет ва дискрет-косинусли
ўзгартириш усуллари тадқиқ қилинган. Телевизион тасвирлар сифатини
визуал баҳолаш мезонларининг таснифланиши ва танланиши амалга
оширилган.

Тасвирларга ишлов бериш кўп қадамли жараён ҳисобланади, шунинг

учун тасвирнинг кўриш идрок қилишни яхшилаш мақсадида ўтказиладиган
тасвирларга ишлов беришнинг асосий босқичларини 1-расмда келтирилган
тузилиш схемаси кўринишида тасвирлаш мумкин.

13


background image

Тасвирларга ишлов бериш тасвир рақамли шаклда бериладиган

ҳоллардан ташқари, тасвирларни шакллантириш тизимлари ёрдамида
тасвирларни олинишида бошланади. Бу босқичда муҳими ёруғлиқ оқимидан
тасвирни шакллантириш тизимини танлаш ва тасвирдаги объектнинг
қизиқтирадиган белгисини (ёритиш, тўлқин узунликлари оралиғи ва ҳ.к.)
қайд этиш параметрларини максимал аниқ танлаш ҳисобланади.
Рақамлаштириш тасвирнинг рақамли шаклга ўзгартириш учун зарур кодлаш
тасвирларни алоқа каналлари бўйича узатишда талаб қилинади.

Тасвирни

руйхатга олиш

Рақамлаштириш

,

кодлаш

Тасвирнинг сифатини ошириш

Носеман

тик ишов

Тасвирларга ишлов бери

ш

Дастлабки ишлов
бериш
Тасвирни қайта

тиклаш

бериш

Сегментлаштириш,
белгиларни ажратиш,
таснифлаш, англаш, талқин
этиш

Визуал талқин этиш,

визуаллаштириш

Семантик ишлов
бериш

Натижа

1-расм. Тасвирларга ишлов беришнинг асосий босиқичлари

Тасвирларга глобал ишлов бериш усуллари тўғридан-тўғри тасвир

майдони бўйича ёки спектрлар орқали ишлатилиши мумкин. Тасвирларга
ишлов беришда икки ўлчамли глобал ортогонал ўзгартиришларнинг
қуйидагилар учун учта асосий қўлланиш соҳалари мавжуд:

• тасвир белгилари характеристикаларини ажратиш;
• қиймати бўйича кичик ўзгартириш коэффициентларини ташлаб

юбориш ёки қўпол квантлаш ҳисобига спектрнинг кенглиги камайганида
тасвирларни кодлаш;

• ҳисоблашларни бажарилишида ўлчамлиликнинг қисқариши. Бундай

ўзгартиришларга Фурье, синус, косинус ўзгартиришлари, Вейвлет

ўзгартиришлар, шунингдек Карунен-Лоев, Уолш, Хаар ва Адамар

ўзгартиришлари киради. Лекин бу ўзгартиришлар рақамли фильтрлаш

масалаларининг кенг доирасини ечишда зарур универсалликка эга эмас.

Кўпинча амалда дастлабки тасвирни частотавий соҳага ўтказиш ва уни қайта

тиклаш учун тўғри дискрет ўзгартириш (ТДЎ) ва Фурье тескари дискрет

ўзгартириши (ФТДЎ) ёки бошқа дискрет ортогонал ўзгартиришлар


background image

ишлатилади. Частоталар соҳасида фильтрлаш тасвирнинг Фурье-образини

фильтрнинг частотавий характеристикасига кўпайтиришдан иборат.

14

Тасвирларга дастлабки ишлов бериш, нуқсонлар ва силжишларни

йўқотиш, оптимал винер фильтрлаш, тасвирларни визуал қабул қилиш
сифатини ошириш, образларни (тимсолларни) таснифлаш ва англаш
мақсадларида

объектларнинг

чегараларини

ажратиш

ва

уларни

сегментлаштириш, тасвирлар спектрларини таҳлил қилиш, дискрет ўрамани
ҳисоблаш, корреляцион функция ва спектр устидаги бошқа операциялар
масалаларини ечиш учун ФТДЎга муқобил сифатда Хартли, Хаар, Уолш
Адамар дискрет ортогонал ўзгартиришлари кенг доирада қўлланилади.

Фурье дискрет ўзгартириши (ФДЎ) кўплаб рақамли фильтрлаш

усулларининг ишлатилиши учун асос ҳисобланади. Усулнинг афзаллиги ФТЎ
тезкор алгоритмларининг қўлланилиши имконияти ҳисобланади, бу реал вақт
масштабида ишлов беришли тизимни ишлатилишига имкон беради.
Камчилиги аналог-рақамли ўзгартиришда чексиз спектрни чеклаш зарурати
ҳисобланади.

Тасвирларнинг сифатини аниқлайдиган асосий параметрлардан бири

зидлик ҳисобланади. Бинобарин, тасвир мураккаб сюжет характерига эга
бўлиши мумкин, бу тасвирнинг элементлари алоҳида комбинациялари
зидликларидан келиб чиқиш билан унинг зидлигини аниқлаш заруратини
туғдиради. Бунда барча элементлар тенг қийматли ҳисобланади ва улар
жуфтлигидан ҳар бирининг зидлиги қуйидаги формула бўйича ҳисобланади:

L L C

L L

−

,

,

=

+

m n

m n

m n

бу ерда

C

m n

,

- иккита пикселлар комбинациясининг зидлигик,

L

m

,

L

n

-

m n

×

.ўлчамдаги сюжетли тасвир элементларининг ёрқинликлари. Зидликларни
қўшиб чиқиш қоидасини қўллаш билан тасвир элементлари ҳар бир
жуфтининг қабул қилинишини аниқлайдиган

C

m n

,

қийматлар тўплами

ҳисобланади. Локал зидликлар матрицаларини ўртачалаштиришни ўтказиш
билан йиғинди зидлик олинади. Олинган натижа тасвирнинг сифатини
визуал баҳолаш параметрларидан бири сифатида ишлатиш мумкин.

Диссертациянинг «

Тасвирларга ишлов бериш жараёнида уларнинг

тиниқликларини ошириш усулларини ишлаб чиқиш»

деб номланган

иккинчи бобида видеоахборот тизимларида телевизион тасвирларнинг
зидликларини ошириш усуллари тавсифланади. Тасвирларга ишлов бериш
жараёнининг математик моделини қуриш алгоритми ишлаб чиқилган.
Тасвирни фокуслаштириш айлана бўйича нуқталар қийматларини


background image

ўртачалаштириш фазовий операция орқали эришилиши мумкинлиги
таъкидланган. Фокуслаштиришга нисбатан тескари ҳодиса сифатида
кескинликни

оширишга

фазовий

дифференциаллаштириш

(даражалаштириш) орқали эришиш мумкин. Принципиал нуқтаи назардан
тасвир нуқтасидаги ҳосила оператори таъсир қиймати бу нуқтадаги
тасвирнинг узилиши даражасига пропорционал.

15

Ҳосилаларга асосланган энг оддий оператор лапласиан (Лаплас

оператори) ҳисобланади, у икки ўзгарувчили

z

(x, y)функциялар учун

қуйидагича аниқланади:

∂ ∂ ∇

=

+

2 2

. (1)

z z

2
2 2

z

x y

∂ ∂

Исталган тартибдаги ҳосила чизиқли оператор ҳисобланади, у ҳолда

лапласиан ҳам чизиқли оператор ҳисобланади.

Бу тенглама тасвирларга рақамли ишлов беришда қўлланилиши учун

уни дискрет кўринишда ифодалаш керак. Лапласианни қўшни пикселлар
қийматлари асосидаги дискрет кўринишда берилишининг бир неча усуллари
мавжуд. Қуйида келтириладиган дискрет иккинчи ҳосила энг кўп
фойдаланиладиганларидан бири ҳисобланади.

х

бўйича хусусий иккинчи

ҳосила учун энди иккита ўзгарувчилар мавжудлигини эътиборга олиш билан:

2

∂

=

+

−

+

−

2

(x 1, ) 2 (x, y) (x 1, )

z

z y z z y

∂

x

ва шунга ўхшаш,

у

бўйича хусусий иккинчи ҳосила

учун:

2

∂

=

+

−

+

−

2

(x, 1) 2 (x, y) (x, 1).

z

z y z z y

∂

y

тенглама (1) билан берилган икки ўлчамли лапласианни дискрет тарифлаш бу
иккита ташкил этувчиларни бирлаштириш билан олинади:

2

∇

=

−

+

+

+

−

+

+

+

−

z z z x y z x y z y z y

4 (x, y) ( 1, ) ( 1, ) (x, 1) (x, 1) .

[

]

Лаплас оператори маъноси бўйича иккинчи ҳосила ҳисобланиб, унинг

қўлланилиши тасвирдаги ёрқинликлар даражаларини бузилишларини


background image

ажратиб кўрсатади ва ёрқинликлар кучсиз ўзгарадиган соҳаларни сўндиради.
Бу контурлар ўрнида кулрангроқ чизиқлар ва ўзига хосликларсиз қоронғи
фонга қўйилган бузилишларга эга бўлган тасвирни олинишига олиб келади.
Лекин бунда лапласиан орқали эришиладиган кескинликни оширилиши
самарасини сақлаш билан фонни «қайта тиклаш» мумкин. Бунинг учун
дастлабки тасвир ва лапласианни қўшиш етарли бўлади. Бунда лапласиан
тавсифларидан қайси бири ишлатилганини ёдда тутиш зарур. Агар манфий
марказий коэффициентларни ишлатадиган тавсифдан фойдаланилган бўлса,
у ҳолда кескинликни оширилиш самараси бўлади, тасвир-лапласианни
қўшиш эмас, балки айириш керак бўлади. Шундай қилиб, тасвирларни
яхшилаш учун лапласиандан фойдаланишнинг умумлаштирилган алгоритми
қуйидагига келтирилади:

⎧

⎪ − ∇

<

z z агар w

(x, y) (x, y), (0,0) 0,

2

g(x, y)

(x, y) (x, y), (0,0) 0.

=

⎨⎪

⎩

+

∇ ≥

z z агар w

2

бу ерда

w

(0,0)— лапласиан ниқоби марказий коэффициентининг қиймати.

Энди тасвир ёрқинлигини бошқариш масаласини қуйидаги кўринишда кўриб
чиқамиз:

4 , ,0 ,

, 1, 1, , 1 , 1 , ,

z z z z z u u

i j i j i j i j i j i j i j

−

+

+

+

+

=

− ≤

<

ρ

ρ

−

+

−

+

16

0, m 1, ,0 ,

0, 0, 0, 0, (2)

j j i i

z z z z

=

=

=

=

+

θ

i

=

=

−

1,2,...,m, j 1,2,..., 1,

θ

бу ерда тенгламанинг чапки қисми

z z y

=

(x, )тасвир ёрқинлиги функцияси

2 2

∂ ∂

z z

∂ ∂

лапласиан дискрет аналоги,

i j

,

+

2 2

x y

ёрқинлиги, яъни

i j

,

z

−

(x , y )

i j

нуқтадаги тасвирнинг

z

−

- пикселларга мос келадиган тасвир ёрқинликлари

сатҳларининг қиймати,

i j

,

u

−

бошқарувчи параметр. Умумийликка

чегараланмасдан, агар

i

=

0,ёки

i m

=

+

1,ёки

j

=

0,ёки

j

=

θ

,бўлса, у ҳолда

,

0,

i j

z


background image

=

ҳисоблаш қулай, яъни тасвир ёрқинлик сатҳининг ноль қийматлари

пикселлар билан ҳошияланган. Бошқариш масаласи қуйидагича қўйилади.

u

,

i

=

=

−

1,2,...,m, j 1,2,..., 1,

θ

рухсат этиладиган бошқариш

Биз

i j

,

, 0 1 0 1

, ,

i j

β

ε

β

ε

− ≤ ≤

+

≤ ≤ ≤ ≤

z i i i j j j

шартни қаноатлантирадиган

тасвирнинг ёрқинлигини

0, m 1, ,0 ,

0, 0, 0, 0,

j j i i

z z z z

=

=

=

=

+

θ

ҳолатдан

,

z

i j

ҳолатга ўтказади, бу ерда

0 1 0 1

1 , , 1 j , 1

≤ ≤ ≤ ≤ −

i i m j

θ

айрим олдиндан

берилган

β

>

0

,

ε

>

0,

β

ε

>>

учун. Бу

i j

,

z

тасвир ёрқинлиги сатҳлари

қиймати олдиндан берилган пикселларда айрим бўлакда бўлганлигини
билдиради.

Бу ерда икки параметрли ночизиқли тизимлар тадқиқ қилинган ва

ёрқинлик сатҳларидан ишлов бериш жараёнларини бошқариш тизими ишлаб
чиқилган ва телевизион сигналларга ишлов бериш жараёнининг математик
модели қурилган.

Дастлабки ишлов беришнинг боришида математик кутиш ва

ёрқинликларнинг ўртача квадратик оғиши, зидлик, ёрқинликлар ва зидликлар
гистограммаларини қуриш, энг тўғри келадиган моделни ва рақамли шовқин
параметрларини танлаш каби тасвирнинг турли статистик характеристика
ларини аниқлайдиган тасвирни таҳлил қилиш ўтказилади. Дастлабки ишлов
бериш босқичида тасвирдан рақамли шовқинни йўқотилишини амалга
оширадиган паст частотали фильтрлаш ўтказилади.

Паст частотали фильтрлашдан кейин тасвирнинг зидлиги пасаяди ва

демак уни кузатиш талаб қилинади. Зидликни тузатиш учун тасвирнинг
контурларини ҳисоблаш ўтказилади. Ҳисобланган контурлар ёрқинликлари
тасвир пикселлари ёрқинликларини қўшиб чиқиш натижасида тасвир
зидлигини тузатиш амалга оширилади.

Диссертациянинг «

Телевизион тасвирдаги ёрқинлик даражасини

ошириш усуллари»

деб номланган учинчи бобида ночизиқли ўйинлар

масалалари тарифланган ва тасвирнинг ёрқинликлари билан уларни ҳал этиш
усулларини танлаш амалга оширилган. Тарифланган масала Коши интеграл
формулаларининг фарқ аналоглари ёрдамида ҳал этилган. Ишлаб чиқилган
усуллар эллиптик турдаги тенгламалар билан тавсифланадиган таъқиб қилиш
масалаларини ҳал этиш учун қўлланилди. Усулнинг маъноси қуйидагидан
иборат.

s s

, 1

≥

ўлчамликли майдондаги

s

R

бўшлиқда қандайдир

К

якуний

17

тўплам ва қандайдир

D

0

ихтиёрий бутун сонли координатали нуқталар

тўплами ажратилган бўлсин. Агар

n

ва

k

мос равишда мустақил равишда

D

0

ва

K

тўпламни ҳатласа,

n k

+

нуқта ҳатлайдиган тўпламни

D

орқали


background image

белгилаймиз. Ҳар бир

r r D

,

∈

нуқтага

k k K

, ,

∈

нуқталарни киритиш билан

r

k D

− ∉

.

K

r

тўплам улар учун

, ,

K k K

r

∈

тўпламни қиёслаймиз, улар учун

0

бўш бўлмаган ўша

r

лар бирлигини

D

соҳанинг чегараси деб атаймиз.

n

z

га

нисбатан қуйидаги тенглама билан тавсифланадиган дискрет ўйинни кўриб

чиқамиз

∑

=

∈

C z f n u n D

+

υ

( , , ), , (3)

k n k n n

0

k K

∈

s s

мультииндекслар;

,

l

бу ерда

1 2 1 2

( , ,..., ), ( , ,..., )

n n n n k k k

k

=

=

−

z R

∈

а

C l l

k

−

×

n

ўзгармас квадрат матрица;

u

,

υ

– бошқариш параметрлари;

u

– таъқиб

параметри,

υ

– қочиш параметри,

,

p q

u P R Q R

n n n n

∈ ⊂ ∈ ⊂

υ

;

P

n

ва

Q

n

– бўш

(

) , ,..., ,...), , ;

i i i

i

u u u u u u P m D

=

⋅

=

∈ ∈

бўлмаган тўплам.

u

параметр

0 1

0

m m m m m

кетма-кетлик кўринишида танланади,

υ

параметр

( ) ( , ,..., ,...), , ;

i i i

i

υ

υ

υ

υ

υ

υ

=

⋅

=

∈ ∈

m m m m m

Q m D

кетма-кетлик кўринишида

0 1

0

танланади,

f

–

l

R

да

s p q

R R R

×

×

ларни акс эттирадиган берилган фунция.

Шунингдек,

l

R

да М терминал тўплам ажратилган. Қуйидаги чегаравий шарт

берилган бўлсин:

, . (4)

l

r r Г r r

z R

∈

=

∈

φ

φ

Энди (3) ўйин ҳақида фикр юритамиз, (4)

( ), ,

ϕ

ϕ

r r

∉ ∈

M r Г

«чегаравий» ҳолатдан ({ })

N

ϕ

r

қадамларда таъқибни якунлаш мумкин, агар

қочишни бошқариш исталган

υ

()

⋅

кетма-кетлиги бўйича шундай

таъқиб

қилиш

u

()

⋅

кетма-кетлигини қуриш мумкинки,

( ) ( , ,..., ,...)

0 1

N

z z z z

⋅

=

n n n

тенгламанинг ечими

∑

=

=

=

C z f n u n n n n z

+

∈

υ

φ

0 1

( , , ), , ,..., ,..., ,

N

k n k n n r r Г

r k K

∈

n n o N N

=

≤ ≤

да

:

M z M

n

∈

га тушади.

қандайдир

,

N


background image

Маълумки, (3) тенгламанинг ечими (4) шартда қуйидаги формула

орқали тавсифланади:

z G C G f m u n D

−

+

−

φ

υ

( , , ), , (5)

n n r k k r n m m m

=

+

∈ ∑ ∑ ∑

(

)

r à r à m D

∈ ∈ ∈

0

бу ерда

G

n

– (3) тенгламанинг қуйидаги тенглик орқали аниқланадиган

фундаментал ечими

1 ( )

C

−

1

ξ

G d d

... ... ... ,

=

∫ ∫ ∫

ξ

ξ

n s

s n n

1 1 1

(2 ) ...

s

π

ξ

ξ

i

ξ

=

1

+

+

C C

ξ

ξ

бу ерда

( ) ,

k

j j

r

s

1

1 1

... и ,...,

k k k

s

ξ

ξ

ξ

ξ

ξ

≡ −

≡ ∑

1

s s

комплекс параметрлар,

k K

∈

k

−

−

эса

C

( )

ξ

нинг тескари матрицаси ҳисобланади.

det ( ) 0

C

ξ

≠

шарт

1

C

( )

ξ

бажарилганида (3), (4) масаланинг (5) кўринишдаги ягона чекланган ечими
мавжуд бўлади.

18

Винер-Хопф тенгламаси орқали тасвирларни чизиқли фильтрлаш

усулларининг

қўлланилиши

интерполяциялаш

(қўшимча

киритиш)

хатоликларини, яъни тасвирларни қайта тиклашда растрли тузилманинг
сезилишини, масалан уларни босишда камайтиришга имкон беради. Маълум
чегараларда чизиқли фильтрлаш орқали флуктуацион нуқсоннинг
сезиларлилигини, шунингдек қайта тикланадиган тасвирлардаги бошқа
нуқсонларни камайтиришга эришилади. Бу масала қуйидагича тарзда
ечилиши мумкин.

i

−

нчи сатр ва

j

−

нчи устун кесишмасидаги фойдали сигнал тасвири

ёрқинлиги қиймати

ij

x

бўлсин, фильтр чиқишидаги тасвир қуйидаги модель

орқали тавсифлансин:

=

=

−

=

−

(

, , 0, 1, 0, 1.

)


background image

y f x n i I j J

i j i j i j

, , ,

бу ерда

i j

,

n

−

(i,j)

координаталарли нуқтадаги ҳалақитлар қиймати, f(·) –

сигнал ва ҳалақитнинг ўзаро таъсирлашишини тавсифлайдиган функция,

I

ва

J

- мос равишда кадрдаги сатрлар ва устунлар сони.

Чизиқи фильтрлашда чиқиш самараси кириш маълумотларининг

чизиқли комбинацияси орқали аниқланади:

=

⋅ − −

∑ ∑

x i j a i j y i i j j

*

, , , . (6)

(

)

(

)

(

)

(

)

i j S

1 1 1 1

,

∈

1 1

Бу ифодадаги

(

)

,

,

i j

x i j x

*

*

=

- кадрнинг

(i,j)

координатали нуқтасидаги

фойдали сигнални фильтрланиши натижаси;

S

– айланани ҳосил қиладиган

нуқталар тўплами (аниқроғи уларнинг координаталари тўплами);

а(i,j)

– вазн

коэффициентлари,

уларнинг

бирлиги

икки

ўлчамли

импульсли

характеристикани (ИХ) беради. Агар

S

соҳа чекли бўлса, у ҳолда импульсли

характеристика чекли узунликка эга бўлади ва фильтр КИХ-фильтр дейилади.
Акс ҳолда импульсли характеристика чексиз узунликка эга бўлади, фильтр
эса БИХ-фильтр дейилади. (6) ифодада ИХ чиқиш самараси аниқланадиган

(i,j)

нуқталар координаталарига боғлиқ бўлмайди, координаталарга боғлиқ

бўлмайдиган хоссаларга эга бўладиган тасвирларга

ишлов бериш

процедуралари бир жинслимас процедуралар дейилади.

Ишлов бериш сифатини баҳолаш учун қўлланиладиган амалда кенг

тарқалган оптималлик мезони хатоликлар ўртача квадрати минимуми
ҳисобланади. Фильтрлашга қўллаганда унинг ифодасини қуйидаги
кўринишда ифодалаймиз:

⎧ ⎫

⎪ ⎪ ⎡ ⎤

∑ ∑

2

E x i j a i j y i i j j

⋅

⎨ ⎬ ⎢ ⎥ − ⋅ − −

=

, , , min, (7)

(

)

(

)

(

)

⎪ ⎪

⎢ ⎥ ⎣ ⎦ ⎩ ⎭

1 1 1 1

a

(

)(

)

i j S

,

1 1


background image

∈

бу ерда

E

{

}

−

математик кутиш символи. (7) ифодага мувофиқ оптимал

фильтрни қидириб топиш фильтр шакллантирадиган

x i j

(

.

)

сигнал ва

х(i,j)

ε

(

i j x i j x i j

, . . ,

)

(

)

(

)

баҳолаш орасидаги
фарқни ифодалайдиган

=

−

*

хатоликлар ўртача квадрати минимал бўладиган унинг ИХни аниқлашдан
иборат. Математик кутиш (7) ифодада бўлган барча тасодифий катталиклар

19

бўйича ҳисобланади, бу мезонни ўртача хатоликларни ҳисобга олишга
мўлжалланганлигини билдиради.

Оптималлаштириш тенгламасини ёки тенгламалар тизимини (7)

масалани ечилишига келтириш қийин эмас. Бунинг учун бу ифоданинг чапки
қисмидан

(

)

,

,

k l

a k l a

=

коэффицциент бўйича ҳосилани ҳисоблаймиз ва уни

нолга тенглаймиз. Дифференциалаштириш, қўшиб чиқиш ва математик
кутиш операциялари чизиқли ҳисобланиши ва шунинг учун жойни
ўзгартириш мумкинлигини ҳисобга олиш билан қуйидаги ифодага келамиз:

⋅

=

⋅ ⋅

∑ ∑

E x y a E y y

− − − − − −

. (8)

i j i k j l i j i i j j i k j l

{

}

1 1 1 1

{

}

, , , , ,

i j S

,

1 1

∈

Унга кирадиган математик кутиш, кўриш қийин эмаски, корреляцион

функцияларни саноқлари ҳисобланади, улар учун қуйидаги белгилашларни
киритамиз:

B k l E x y B k i l j E y y

xy i j i k j l y i i j j i k j l

(

, , , .

)

=

⋅ − −

=

⋅

{

, , 1 1 ,

,

− − − − − −

}

(

)

{

1 1

}

Уларни ҳисобга олганда (8) ихчам кўринишга

келади:

=

⋅ − −

∑ ∑

B k l a B k i l j

, , (9)

xy i j y

(

)

(

)

, 1 1

i j S

1 1

,

1 1

∈

Автокорреляцион

B

y

(

)

ва ўзаро корреляцион

B

xy

(

)

функцияларни

маълум деб ҳисоблаш билан (9) ифода алгебраик тенгламанинг
қидирилаётган чизиқли нисбий

1 1

i j

,


background image

a

коэффициентлари ҳисобанади. Бу

тенгламадаги номаълумлар сони S айланадаги

S

n

нуқталар сонига тенг бўлади

ва КИХ-фильтр бўлганида чекли ва БИХ-фильтрлашда чексиз ҳисобланади.

Адаптив фильтрлар тасвирдаги объектларнинг контурлари ва

чегараларини

сақлаш

учун

мўлжалланган,

флуктацион

нуқсонни

фильтрлашда чекли импульсли характеристикали адаптив фильтрлар кенг
қўлланилади. «Адаптив» атамаси фильтрнинг импульсли характеристикалари
коэффициентлари ишлов бериладиган тасвирнинг тузилмасига мувофиқ
ўзгаришини билдиради. Умумий ҳолда кўплаб адаптив фильтрлар қуйидаги
кўринишдаги локал ишлов беришни ишлатади:

1 ˆ

, , ; , , ,

f n n h n n k k g n k n k

=

⋅

+

+

∑

(

)

(

)

(

)

(

)

1 2 1 2 1 2 1 1 2 2

H

∈

k k D

,

1 2

бу ерда

H

−

дастлабки тасвирга нисбатан ишлов берилган тасвирнинг ўртача

ёрқинлигини аралашмаслигини таъминлайдиган фильтрнинг меъёрлаштириш
коэффициенти. Фильтрнинг

h n n k k

(

1 2 1 2

, ; ,

)

коэффициентлари

D

«сирпанувчи

ойнадаги» тасвирнинг ёрқинликлари функциялари

қийматларига боғлиқ бўлади. Ойнанинг ҳар бир ҳолати учун фильтр
ниқобининг саноқларини қайта санаш ёки ойнада ишлов берилган тасвир
пикселларини олиниши, яъни

ойни конфигурациясининг ўзгариши

бажарилади. Шунинг учун ойнадаги саноқларни чизиқли ишлов беришдан
фойдаланишга қарамасдан, адаптив

фильтрлаш процедураси умуман

ночизиқли ҳисобланади.

20

Диссертациянинг

«

Рақамли

тасвирларга

ишлов

бериш

жараёнларини моделлаштириш»

деб номланган тўртинчи бобида

телевизион тасвирларга ишлов бериш жараёнида баҳсли вазиятларни
моделлаштириш алгоритми ишлаб чиқилган. Телевизион тасвирларни
узатишда битта кадрнинг ўша бир нуқтасидаги ёрқинликнинг қиймати одатда
бошқа кадрлар билан мос тушмаслиги таъкидланади. Бундай масалаларни
ечишда ҳар бир нуқтада қайд этилган ёрқинликнинг ўзгаришлари ҳисобга
олиниши

керак.

Бу

жараёнда

қарама-қарши

манфаатли

томон

қатнашаётганлигини, яъни у тасвир ёрқинлигини бошқаришга ҳалал
бераётганлигини кўрсатади.

Бу масаланинг математик модели қуйидаги кўринишда берилади:

4 , , ,


background image

(10)

(

)

(

)

, 1, 1, , 1 , 1

i j i j

z z z z z u x y x y

i j i j i j i j i j

−

+

+

+

+

=

−

+

υ

−

+

−

+

ва икки параметрли дискрет таъқиб қилиш ўйинларини тавсифлайди. Агар

z

, 0

1 0 1

, ,

i j

β

ε

β

ε

− ≤ ≤

+

≤ ≤ ≤ ≤

z i i i j j j

шартни қаноатлантирса таъқиб

i j

,

қилиш тугаган ҳисобланади, бу ерда

1 , ,1 j , 1

0 1 0 1

≤ ≤ ≤ ≤ −

i i m j

θ

айрим

олдиндан берилган

β

>

0,

ε

β

ε

>

>>

0,

,

учун.

Ўрганиладиган дискрет ўйинлари синфига моделли мисол қуйидаги

−

+

+

+

+

=

−

+

4 ,

, 1, 1, , 1 , 1 , ,

z z z z z u

i j i j i j i j i j i j i j

−

+

−

+

тенгламалар билан тавсифланган таъқиб қилиш жараёни ҳисобланади:

≤ ≤

<

ρ

υ

σ

σ

ρ

υ

, , , 11

u

i j i j

, ,

(

)

z z z z

θ

0, 0, 0, 0,

j j i i

=

=

=

=

0, m 1, ,0 ,

+

i

=

=

−

1,2,...,m, j 1,2,..., 1,

θ

бу ерда тенгламанинг чапки қисми

z z y

=

(x, )тасвир ёрқинлиги функцияси

лапласиани

2 2

∂ ∂

z z

∂ ∂

дискрет аналоги (2) ифодадаги кўринишга эга бўлади.

+

2 2

x y

Бу

i j

,

z

тасвирнинг ёрқинлиги сатҳлари қийматлари олдиндан берилган

пикселларда таъқибчи истайдиган қандайдир оралиқда бўлишини билдиради.
Таъқибчи ўйинчи ўйинни тезроқ тугатишни истайди, қочаётган ўйинчи эса
умуман айтганда, бунга ҳалақит беради.

i m

=

1,2,...,чегаравий шартлардан фойдаланиш билан (11) ифодадан


background image

қуйидаги системани оламиз

1, 0, 2, 1, 1 1, 1 1, 1,

4 ,

j j j j j j j

−

+

+

+

+

=

−

+

z z z z z u

−

+

υ

2, 1, 3, 2, 1 2, 1 2, 2,

4 ,

j j j j j j j

−

+

+

+

+

=

−

+

z z z z z u

−

+

υ

……………………………………….

, 1, 1, , 1 , 1 , ,

4 ,

i j i j i j i j i j i j i j

−

+

+

+

+

=

−

+

z z z z z u

−

+

−

+

υ

……………………………………….

m 1, m 2, m, m 1, 1 m 1, 1 m 1, m 1,

4 ,

j j j j j j j

−

+

+

+

+

=

−

+

z z z z z u

− − − − −

+

− −

υ

m, 1, 1, m, 1 m, 1 m, m,

4 .

j m j m j j j j j

−

+

+

+

+

=

−

+

z z z z z u

−

+

−

+

υ

21

1, 2, , 1, 2, , 1, 2, ,

( , ,..., ) , (u ,u ,...,u ) , ( , ,..., )

j j j m j j j j m j j j j m j

z z z z u

υ

υ

υ

υ

Τ

Τ

Τ

=

=

=

белгилаш билан қуйидагига эга бўламиз:

1 1

,1 1,

j j j j j

−

+

−

=

− ≤ ≤ −

z Cz z u j

−

+

υ

θ

z

=

0,

z

0,

θ

=

(12)

0

бу ерда

m

z R

∈

ва

j

u

−

таъқибчининг бошқариш

параметрлари;

j

υ

j

−

j j

u R R

∈ ∈

υ

қочаётган ўйинчининг бошқариш параметри:

,

m m

, , ,

i j i j

u

≤ ≤

<

ρ

υ

σ

σ

ρ

шартни қаноатлантирадиган компонентлар,

C

−

, ,

Якобиев квадрати - учта диагоналли матрица кўриниши қуйидагича

4 1 0

⎛ ⎞ −

⎜ ⎟

− −

1 4 1

.

C

=

⎜ ⎟ ⎜ ⎟

. . . .

⎜ ⎟

⎝ ⎠ −

0 1

4

m

M R

⊂

- ўйин тугайдиган терминал тўплам.

Таклиф этилган ёрқинликни бошқариш алгоритми (13) формулани

қўллаш йўли билан тасвир нуқсонларини тузатиш учун мўлжалланган

⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎡ ⎤

1 1 1

z U C U C z U C u

=

+

−

+

⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎢ ⎥ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎣ ⎦

−

1

n

−

1


background image

2 2 2

∑

υ

(

)

n n k k k

θ

θ

− − − −

1 1 0 1

k

=

1

⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎡ ⎤

1 1 1

. (13)

+

+

− ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎢ ⎥ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎣ ⎦

U C U C z U C u

θ

−

1

−

1

2 2 2

θ

θ

θ

− − − −

1 1 1

υ

(

)

n k k k

∑

k n

=

Бу ерда

0

z

ва

z

θ

-

тасвирдан

тўғридан-тўғри

бериладиган

тузатиш

коэффициентларини ҳисоблаш учун дастлабки маълумотлар сатрлари (бу
тадқиқ қилинадиган соҳадаги биринчи ва охирги сатрлар);

1

U

θ

1

−

−

−

θ –

1

даражадаги Чебишев матрицаси полиномидан тескари матрица;

U

θ

− −

n

1

−

θ

−

−

n

1даражадаги Чебишев матрицаси полиноми;

U

k

−

1

−

k

−

1даражадаги

Чебишев матрицаси полиноми;

k

u

ва

υ

k

−

векторлар кўринишидаги

бошқариш параметрлари;

n

−

ёрқиниклар матрицаси учун тузатиш

коэффициентлари матрицасидаги сатр
рақами;

θ

−

бошқариш

векторларининг барча матрицаларининг (ёрқинлик, тузатиш) ўлчамлилигини
кўрсатадиган параметр.

Ишлов бериш натижасида бошқариш коэффициентлари ҳисобига

тасвирнинг ажратилган соҳасида пикселларнинг ёрқинлигини тузатишга
имкон берадиган талаб қилинадиган ёрқинликка эришилади.

Бундан ташқари, алгоритмнинг ишлаши натижасида қуйидаги иккита

натижалар олинади:

1) Нуқсон бўлган тасвирнинг оралиғи унинг айланасига мувофиқ

тузатилади.

22

2) Тузатиш амалга ошириладиган бутун оралиқ учун бошқариш

коэффициентлари ҳисобланади. Уларни худди шундай нуқсонли ва унинг


background image

айланаларини кейинги тасвирларда қўллаш мумкин.

Бу алгоритмда қуйидаги иккита асосий формулалар ишлатилади:

U X XU X U X n

n n n

+

+

=

− ≥

( ) 2 ( ) ( ), 0,

2 1

U X U X X

( ) 1, ( ) 2 (14)

=

=

0 1

бу ерда

U

n

+

2

– Чебишев матрицасили полиноми (n+2 – полиномнинг

даражаси);

X

−

асосида полином ҳисобланадиган кириш параметри. Шундай

қилиб, (13) ва (14) иккинчи тартибли Чебишев полиномларидан фойдаланиш
билан бошқариш коэффициентларини қидиришни амалга ошириш билан
берилган

( , )

β

ε

β

ε

−

+

диапазонга

β

-

мувофиқ ёрқинликни тузатиш мумкин, бу ерда ишчи соҳа чегараларида
минимал ёрқинлик,

ε

-максимал ва минимал ёрқинликлар

орасидаги фарқ,

ij

z

бу нуқтадаги ёрқинлик.

β

ε

,ўлчаш натижасида тузатишдан

кейин ишчи

соҳадан барча нуқталар тушиши керак бўлган ёрқинликнинг

( , )

β

ε

β

ε

−

+

диапазонини ўрнатиш амалга оширилади.

Диссертациянинг «

Телевизион тасвирларни фильтрлаш усулларини

такомиллаштириш»

деб номланган бешинчи бобида спектрал соҳада

импульсли характеристика билан ўраш усули орқали рақамли тасвирларни
фильтрлаш масалалари кўриб чиқилади.

h x y

(

,

)

импульсли характеристика билан ўраш усули орқали

L x y

c

(

,

)

тасвирни фильтрлаш узлуксиз тасвир ҳолатида математик тарзда қуйидагича
тавсифланади:

∞ ∞

L x y L h x y d d

c c

(

, , , , ,

)

(

ξ

η

ξ

η

ξ

η

)

(

)

=

− −

∫ ∫

Ω

−∞ −∞

бу ерда

L x y

c

Ω

(

,

)

−

фильтрлашдан кейинги тасвирда ёрқинликнинг

тақсимланиши,

ξ

η

,

−

интеграллаш ўзгарувчилари.

Рақамли усулда бу

фильтрлаш усули ишлатилганида дастлабки тасвир, фильтрлашдан кейинги
тасвир,

шунингдек

импульсли характеристика сонлар массивлари

кўринишида берилади, уларнинг элементларини мос равишда

L k n L k n

c c

(

,

, ,

)

Ω

(

)

ва

h k n

(

, ,

)

орқали, сатрлар ва устунлар рақамларини эса

k

ва

n

орқали белгилаймиз. Бунда фильтрланган тасвир пикселларининг

ёрқинликлари қуйидаги тарзда ҳисобланади:

K N

− −


background image

1 1

=

+

+

∑ ∑

′

′

′

′

2 2

L k n L k k n n h k n

, , , ,

(

)

(

)

(

)

c c

Ω

− −

′

′

=

−

=

−

K N

k n

1 1

2 2

бу ерда

K

ва

N

−

ҳар иккала йўналишлардаги икки ўлчамли импульсли

характеристиканинг давомийлиги.

K

ва

N

қийматлар фильтрланган тасвирни

дастлабки тасвирдан сурилишини олдини олиш учун жуфт танланади.

23

Тасвир фильтрланганида ўлчамлари

K N

×

пикселни ташкил этадиган

ойна (импульсли характеристика) орқали сканерланади. Ойнанинг ҳар бир
саноғи вазн коэффициенти (импульсли характеристиканинг қиймати)
ҳисобланади, унга бу ойна саноқлари қоплайдиган тасвир пиксели
кўпайтирилади. Бунда координаталари ойна маркази координаталари билан
мос тушадиган фильтрланган тасвирнинг пиксели жадаллиги барча
кўпайтмаларни қўшиб чиқиш йўли билан топилади.

Импульсли характеристика

h k n

(

,

)

рақамли фитьтрни ҳисоблашда

қуйидаги тарзда топилади. Дастлаб аналог фильтрнинг частотавий узатиш

K

(

ω

ω

x y

, .

)

функцияси топилади. Кейин унга Фурье икки ўлчамли интеграл

ўзгартиришинг қўлланилиши йўли билан унга мос

h(х,у)

импульсли

характеристика излаб топилади:

∞ ∞

=

+

⎡ ⎤

⎣ ⎦

∫ ∫

1

4

x y x y x y

h x y K i x y d d

ω

ω

ω

ω

ω

ω

, , exp .

(

)

2

(

)

(

)

π

−∞ −∞

Бундай тарзда топилган импульсли характеристикани дискрет шаклга

уни фазовий дискретлаштириш орқали ўзгартириш зарур, бунда фазовий
дискретлаштириш

қадами

фильтрланадиган

тасвирни

фазовий

дискретлаштириш қадамидек бўлиши керак.

Тажрибаларни ўтказилиши учун турли ранг характеристикаларли

сюжет танлаб олинган. Сюжет тўрттадан кадрга эга, улардан биринчиси
таянч кадри ҳисобланади ва статик тасвирдан иборат бўлади, кейинги учта


background image

кадрлар

динамик

видеосюжетлар

ҳисобланади.

Ҳар

бир

кадрга

тасвирларнинг реал шикастланишини имитациялаш учун бир қанча
нуқсонлар сони (1 дан 6 гача) киритилган. Ўтказилган қайта тиклашнинг
муваффақиятлилиги ўлчови сифатида ўртача квадратик оғиш (ЎКО)
ишлатилган.

2-расм. «Олмахон» сюжети учун ишлов беришга зарур соҳалар ажратилган ва

созланган

Тажриба икки босқичда ўтказилади, унинг натижалари график

маълумотлар тури бўйича гуруҳлаштирилади, статистик графика сифатида

24

барча учта видео кетма-кетликлар таянч кадрларига ишлов бериш, кейин
динамик графика кўринишида ҳар бир нуқсон учун ишлов беришнинг
хатолигини акс эттирадиган ЎКО гистограммалари кўринишида видео
кетма-кетликдаги барча кадрларга ишлов бериш якунлари қўйилади.

Тажрибанинг биринчи босқичида статик тасвирларга ишлов беришда

кейин иккинчи босқични ўтказилиши вақтида қўлланиладиган бошқариш
коэффициентлари аниқланади, шундай тарзда бунинг учун талаб
қилинадиган ресурслар сезиларли қисқартирилади.

Бу «Олмахон» сюжетида координаталари қуйида келтирилган олтита

нуқсонлар аниқланган, барча нуқсонлар 8 га 8 пикселлар ўлчамига эга, мос
равишда уларни тавсифлайдиган соҳанинг ўлчами 10 га 10 пикселлар бўлади.

1-жадвал

Таянч кадрига «Олмахон» сюжети учун нуқсонларли юқори чап бурчак

соҳаларининг координатлари

1-соҳа

2-соҳа

3-соҳа

4-соҳа

5-соҳа

6-соҳа

X

Y

X

Y

X

Y

X

Y

X

Y

X

Y

Таянч кадри

276

28

323 109 508 146 360 162 570 257 138 286


background image

а) б)

в)

3-расм.

«

Олмахон

»

сюжети учун дастлабки (а), нуқсонли (б) ва қайта тикланган

(в) кадри

25

2-жадвал

«Олмахон» сюжети учун нуқсонларли юқори чап бурчак соҳаларининг

координатлари

1-соҳа

2-соҳа

3-соҳа

4-соҳа

5-соҳа

6-соҳа

X

Y

X

Y

X

Y

X

Y

X

Y

X

Y

№1кадр 276 28 323 109 508 146 360 162 570 257 138 286

№2 кадр 272 26 321 106 508 146 363 155 572 250 133 282


background image

№3 кадр 282 32 318 107 504 140 355 156 567 257 137 276

№4 кадр 279 35 318 102 508 140 352 162 572 252 143 274


Энди биринчи босқич тугаганидан кейин бошқариш коэффициентлари

олинган, бу иккинчи фазага ўтишга ва уларни динамик маълумотларга ишлов
беришда ишлатишга имкон беради ҳар бир сюжетдаги нуқсонлар сони ва
уларнинг ўлчамлари ўзгармасдан қолади, лекин уларнинг видео кетма
кетликнинг турли кадрларидаги жойлашиши дастлабки ҳолати атрофида
сезиларсиз тебраниши мумкин, ҳар бир кадрдаги аниқ координаталар мос
«Олмахон» сюжетининг тавсифида келтирилади.

3-жадвал

«Олмахон» сюжети учун ЎКО

1-соҳа

2-соҳа

3-соҳа

4-соҳа

5-соҳа

6-соҳа

№1кадр

0

9,165151

0

16,7332 4,472136 61,28621

№2 кадр

0

5,385165

0

18,24829 4,582576 54,36911

№3 кадр

0

7,071068

0

18,81489 3,162278 60,73714

№4 кадр 1,732051 3,162278

0

16,03122 4,582576 52,19195


4-расм.

«

Олмахон

»

сюжети учун ЎКО диаграммаси

Тасвирларга ишлов бериш натижасида олинган жадваллар

маълумотлари, гистограммалар ва визуал баҳолаш асосида хулоса қилиш

26

мумкинки, нуқсон вужудга келган жойдаги ранглар бу жойнинг ўзига ва


background image

атрофдаги фонга боғлиқ равишда 85-90% қайта тикланади, бунда фон
қанчалик бир текис бўлса, қайта тиклаш шунчалик яхши бўлади.

ХУЛОСА

«Видеоахборот

тизимларида

телевизион

тасвирларнинг

сифат

даражасини ошириш ва фильтрлаш жараёнларининг математик моделлари»
мавзусидаги докторлик диссертацияси бўйича олиб борилган тадқиқотлар
натижасида қуйидаги хулосалар тақдим этилди:

1. Видеоахборот тизимларида рақамли телевизион тасвирларга ишлов

бериш жараёнларини ўйинлар назарияси асосида чизиқли ва ночизиқли
дифференциал тенгламалар ёрдамида ифодалаш ва математик моделларни
яратиш усуллари компьютер ҳисоблаш алгоритмлари ва дастурлар мажмуини
қўллашнинг таҳлили уларнинг ўзига хос ҳусусиятлари ва истиқболларини
белгилашнинг назарий асосларини аниқлаб беради.

2. Статик ва динамик телевизион тасвирларга ишлов бериш

жараёнларини

дифференциал

тенгламаларга

асосланган

фильтрлаш

усулларини яратилиши, уларнинг алгоритмларини математик корректлигини
исботланиши, ҳисоблаш алгоритмлари ва дастурий мажмуалар ишлаб
чиқарилиши, пикселларнинг ўртача интенсивлиги берилган қийматларда
тасвирлар тиниқлигини таъминлаш жараёнини автоматлаштирилган усулда
бошқаришга хизмат қилади.

3. Телевизион тасвирларга ишлов бериш жараёнларига қўйилган

чекланишлар, параметрлар классификацияси ва танланган мезонлар асосида
Фурье, дискрет-косинусли ва вейвлет ўзгаришларни амалга оширилиши
рақамли телевизион тасвирлар сифатини визуал баҳолаш усулини яратишга
хизмат қилади.

4. Дифференциал ўйинлар назарияси асосида тасвирларга ишлов бериш

жараёнини математик моделлаштириш ва ҳисоблаш экспериментлари
ўтказиш натижасида тасвирлардаги вақтий-фазовий силжишлар ва адаптив,
импульсли ва аддитив гаусс типидаги нуқсонларни бартараф этиш
масалалари ечимини топади.

5. Иккипараметрли ночизиқли тизимларда телевизион тасвирларга

ишлов бериш жараёнларини математик моделини яратилиши тасвирларни
бошқариш масалаларни ечиш жараёнини автоматлаштиради ва ҳисоблаш
экспериментлар натижаларини тадқиқот қилиш, силжиш ва нуқсонларнинг
вақтий-фазовий ўрнашган жойларини аниқлаш ва фильтрлаш усулларини
самарали қўллаш орқали бартараф этиш имконини беради.

6. Телевизион тасвирларга ишлов бериш жараёнида мунозарали

ҳолатларни моделлаштириш алгоритмларини ва объектни ифодаловчи тасвир
ҳолатини икки ўлчовли растрли моделини ишлаб чиқарилиши ночизиқли
ўйин масалаларини шакллантириш ва тасвирлар тиниқлигини таъминлаш
усулларини танлаш имконини яратади.


background image

27

7. Вақтий-фазовий силжиш ва нуқсонлар мавжуд бўлганда рақамли

телевизион тасвирларга ишлов беришнинг фильтрлаш усулларини
такомиллашуви тасвирларни спектрал майдонларда импульслар ҳусусият
ларини инобатга олган ҳолда ихчамлаш, адаптив анизотроп фильтрлаш
усулларини қўллаш, ҳамда бўлимли-силлиқ тасвир моделлари ёрдамида
нусонлар бартараф этилади.

8. Динамик кетма-кетликдаги тасвирларга ишлов бериш учун бошқарув

механизмининг мослашувчанлиги, матрицали Чебишев қатори ёрдамида
тасвирлар тиниқлигини бошқариш тизимини яратилиши тасвирларга ишлов
бериш аниқлиги ва самарадорлигини баҳолаш алгоритми яратиш имконини
беради.

9. Видеоахборот тизимларида тасвирларни сегментлашда контурларга

ажратиш усули, телевизион тасвирларни энтропияли кодлаш модели ҳамда
Винер-Хоп тенгламалари ёрдамида тасвирларни чизиқли фильтрлаш усули
дан фойдаланиш телевизион тасвирлардаги силжишларни ва нуқсонларни
11%дан 26% гача камайтириш, тасвирларнинг тиниқлик даражасини эса
8.5%га ошириш имконини яратади.


background image

28

НАУЧНЫЙ СОВЕТ 14.07.2016.Т.29.01 ПРИ ТАШКЕНТСКОМ

УНИВЕРСИТЕТЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ И

НАЦИОНАЛЬНОМ УНИВЕРСИТЕТЕ УЗБЕКИСТАНА ПО

ПРИСУЖДЕНИЮ УЧЕНОЙ СТЕПЕНИ ДОКТОРА НАУК

ТАШКЕНТСКИЙ УНИВЕРСИТЕТ ИНФОРМАЦИОННЫХ

ТЕХНОЛОГИЙ

ТАШМАНОВ ЕРЖАН БАЙМАТОВИЧ


background image

МАТЕМАТИЧЕСКИЕ МОДЕЛИ ПРОЦЕССОВ ФИЛЬТРАЦИИ И

ПОВЫШЕНИЯ УРОВНЯ КАЧЕСТВА ТЕЛЕВИЗИОННЫХ

ИЗОБРАЖЕНИЙ В ВИДЕОИНФОРМАЦИОННЫХ СИСТЕМАХ

05.01.07 – Математическое моделирование. Численные методы

и комплексы программ

(технических наук)

АВТОРЕФЕРАТ ДОКТОРСКОЙ ДИССЕРТАЦИИ

Ташкент – 2016

29

Тема докторской диссертации зарегистрирована за 14.07.2016/B2016.3.T.157 в

Высшей аттестационной комиссии при Кабинете Министров Республики
Узбекистан.

Докторская диссертация выполнена в Ташкентском университета информационных

технологий.

Автореферат диссертации на трех языках (узбекский, русский, английский) размещен

на веб-странице научного совета www.tuit.uz и образовательной информационной сети
“ZIYONET” (www.ziyonet.uz)

Научный консультант:

Маматов Машрабжон Шахабутдинович

доктор

физико-математических наук, профессор

Официальные оппоненты:

Петров Николай Никандрович

(Российская Федерация)

доктор физико-математических наук, профессор

Зайнидинов Хакимжон Насридинович


background image

доктор технических наук, профессор

Нигматов Хикматулла

доктор технических наук, профессор

Ведущая организация:

Акционерное компания «UZTELECOM»

Защита диссертации состоится «_

__

»

________

2016 г. в 10

00

часов на заседании

научного совета 14.07.2016.Т.29.01 при Ташкентском университете информационных
технологий и Национальном университете Узбекистана. (Адрес: 100202, Ташкент,
ул.Амира Темура, 108. Тел.: (99871) 238-64-43; факс: (99871) 238-65-52; e-mail:
tuit@tuit.uz).

С докторской диссертацией можно ознакомиться в Информационно-ресурсном

центре Ташкентского университета информационных технологий (регистрационный
номер ____ ). Адрес: 100202, Ташкент, ул. Амира Темура, 108. Тел.: (99871) 238-65-44.
Автореферат диссертации разослан «___» ________ 2016 года.

(протокол рассылки № ___ от «___ »

________

2016 г.).

Р.Х.Хамдамов

Председатель научного совета

по присуждению учёной степени доктора наук

д.т.н.

М.С.Якубов

Ученый секретарь научного совета по

присуждению учёной степени доктора наук

д.т.н., профессор

М. Арипов

Председатель научного семинара при Научном

совете по присуждению учёной степени доктора наук

д.ф.-м.н., профессор

30

ВВЕДЕНИЕ (аннотация докторской диссертации)

Актуальность и востребованность темы диссертации.

На

сегоднящий день в мире в сфере информационно-коммуникационных
технологий пристальное внимание уделяется разработке системы управления
процессами обработки цифровых телевизионных изображений в видео
информационных системах. В условиях интенсивного совершенствование
современных информационно-коммуникационных систем увеличения объема
и информационного потока одним из актуальных проблем являются
повышения уровня качества телевизионных изображений и управления
процессами фильтрации от избыточных информаций. В этом направлении в
области информационно-коммуникационных технологий в ведущих странах
мира увеличивается спрос и потребность совершенствованию методов
фильтрации и повышению яркости цифрового телевизионного изображения.


background image

«На мировой арене доходы от цифровой телевизионной передачи в 2016 г. в
средствах массовой информации оценивался в 7 мдрд. долл. США, за
последние пять лет достигнуто повышению экономической эффективности
on-lain телепередач на 23%.»

1

В Республике Узбекистан проводятся широкомасштабные мероприятия

по решению задач, связанных с повышением яркости цифрового
телевизионного изображения, по эффективной организации мер по
автоматическому определению и своевременному устранению шума и
инородных элементов в изображениях. В этой сфере, в том числе, по
создании методов повышения яркости и фильтрации изображения,
интеллектуализации процессов управления обработки цифрового изображе
ния, создании специализированного программного, ориентированного
комплекса совершенствованию методов устранения сдвигов и сигналных
искажений возникающихся в результате аддитивного, импульсного и
аддаптивно-гауссного типов воздействий в процессе обработки цифровых
телевизионных изображений, проведен ряд научно-исследовательских работ.

В мире одним из важнейших вопросов является формирования

цифровых телевизионных изображений, на их основе совершенствование
системы управления процессами обработки изображений, разработка
числовых моделей и алгоритмов решения задач фильтрации различных
цифровых телевизионных изображений с помощью методов Фурье и вейвлет.
В этой области осуществляются целенаправленные научные исследования, в
том числе, пристальное внимание уделяется в следующих направлениях:
разработка совершенстованного метода классификации и выбора критериев
наблюдения и оценки качества изображений, разработка методов управления
четкостью изображений при заданных значениях пикселей средней
интенсивности, создание алгоритмов моделлирования процесса обработки
изображений, разработка методов управления процессами обеспечения
уровня четкости телевизионого изображения. Проведение научных исследо-

1

https://www.pwc.ru/ru/entertainment-media/publications/assets/entertainment-mediaoutlook_2014.pdf

31

ваний по вышеприведенным научно-исследовательским направлениям

подтверждает актуальность темы данной диссертации.

Данное диссертационное исследование в определенной степени служит

выполнению задач, предусмотренных в Постановлении Президента
Республики Узбекистан № ПП-1741 от 17 апреля 2012 года «О Государ
ственной программе по техническому и технологическому переходу на
цифровое телевещание в Республике Узбекистан», и в постановлении
Кабинета Министров №24 от 1 февраля 2012 года «О мерах по созданию
условий по дальнейшему развитию компьютеризации и информационно
коммуникационных технологий на местах» а также в других нормативно
правовых документах, принятых в данной сфере.

Соответствие исследования с приоритетными направлениями


background image

развития науки и технологий республики.

Данное исследование

выполнено в соответствии приоритетного направления развития науки и
технологий республики IV. «Развитие информатизации и информационно
коммуникационных технологий».

Обзор зарубежных научных исследований по теме диссертации

2

.

Научные исследования, направленные на разработку математических
моделей и интеллектуальных систем управления процессов обработки
телевизионных изображений, осуществляются в ведущих научных центрах и
высших образовательных учреждениях мира, в том числе, в Massachusetts
Institute of Technology, Columbia, и California Institute of Technology, University
of Texas, University of California, Berkeley и Harvard University, Georgia
Institute of Technology, компании Dveo, Hibox Systems, Меdia Excel Honeywell
(США), Actus Digital, Adtec Digital (Израил), Tsinghua University, Beijing,
Zhejiang University, Hagzhou, Shandong University (Китай), University of Bath,
Cambridge University (Великобритания), University of Pune (Индия), Ghent
University (Бельгия), University of Rostock (Германия), Kyungpook National
University (Южная Корея), Институт систем обработки изображений РАН
(Россия),

Ташкентском

университете

информационных

технологий

(Узбекистан).

В результате исследований, проведенных в мире по совершенство ванию

интеллектуальных систем управления и созданию математических моделей

обработки телевизионных изображений в видеоинформационных системах

получены ряд научных результатов, в том числе: разработаны эффективные

методы аддитивные фильтрации и метод обеспечения высокого уровня

качества изображений (California Institute of Technology, США); разработаны

технология уменьшения дефектов в видеопоследователности с помощю

временной фильтрации и вейвлет доменов а также для цифровых

изображений метод линейной фильтрации при обработке теней графических

рисунков (Ghent University, Бельгия); разработаны методы обработки видео-

2

Обзор зарубежных научных исследований по теме диссертации осуществляется на основе

http://web.mit.edu/,

https://en.knu.ac.kr/,

https://www.timeshighereducation.com/,

www.ugent.be,

www.tsinghua.edu.cn/, https://www.cam.ac.uk/, www.uni-rostock.de/en/, www.unipune.ac.in/ и других источников.

32

информации, изображений и геометрических вычислений

опирающихся дифференциальным уравнениям (Tsinghua University, Китай);
разработан метод быстрой анизотропной сглаживания многозначных
изображений сохранением кривизну (национальный научно
исследовательский центр Франция); разработаны технологии уплотнения
динамических интервалов с архивированным сохранением локальных
контрастных изображений для цифровых видеокарт (Kyungpook National
University, Южная Корея); разработан метод автоматической оценки шума и
их устранения в отдельных изображениях (Cornegy University, США);
созданы методы моделирования и фильтрации вейвлет случайных областей и
максимальной энтропии (Braun University, США).


background image

В мире по улучшению уровень качества цифровых телевизионных

изображений, разработке моделированию процессов фильтрации и
высокоэффективные систем управление по ряду приоритетных направлений
проводятся научные исследования, в том числе: по формированию
математических моделей процессов фильтрации совершенствованию методов
вейвлет, Фурье, Хаара, Уолш-Адамара, Кархунена-Лоэва в повышении
четкости и яркости изображений на основе линейных и нелинейных
дифференциальных уравнений; созданию методов устранения аддитивного,
импульсного и адаптивно-гауссного типов шумов в изображениях с помощью
аддитивной и адаптивной фильтрации; раработке алгоритмов и программных
средств по внесению внутрикадровых и межкадровых преобразований
изображений; разработка адаптивного метода управления системой яркости с
помощью матричного ряда Чебышева; разработке градиентного, статичного и
лаплас методов по сегментации изображения и разделения его на контуры;
формированию критериев и

условий оценки качества изображений;

разработке методов энтропийного кодирования кадров на основе вейвлет
преобразований.

Степень изученности проблемы.

Вопросам разработке и

совершенствованию

методики

применяемого

математического

моделирования

в

решении

методов

линейных

и

нелинейных

дифференциальных уравнений цифровых телевизионных изображений в
видеоинформационных системах, исследованию создания адекватной модели
определенного процесса и исследования методов определения с помощью
экспериментов по вычислению параметров уровня деятельности процесса,
создание теории и вопросов совершенствования методов обеспечения яркости
путем фильтрации устранения дефектов аддитивного, импульсного и
адаптивного характера шума посвящены работы ряда учённых: Song-Hai
Zhang, Shi-Min Hu, Ce ZHU, Ralph R. Martin, Dan Su, Philip Willis, Zhou Wang,
Alan C. Bovik, Brian L. Evans, Jack Tumblin, Greg Turk, C. Tomasi, Erik
Reinhard, Michael Stark, Peter Shirley, James Fervverda, Fredo Durand, Julie
Dorsey, Suyash P. Awate, Ross T. Whitaker, David Tschumperle, Caroline Chaux,
Jean-Christophe Pesquet, Aleksandra Pizurica, Vladimir Zlokolica, Wilfried
Philips, Sheikh Md. Rabiul Islam, Xu Huang, Keng Liang Ou, Thou-Ho Chen,
Yen-Hui Yin, Shi-Feng Huang, Yan-Ting Ye,Yusuke Monobe, Haruo Yamashita,

33

Toshihary Kurosawa, Hiroaki Kotera, Heiko Schwarz, Detlev Marpe, Leo Grady,
Р.А.Воробель, С.С.Бухтояров, С.И.Катаев, М.И.Кривошеев, Ю.Б.Зубарев,
А.С.Селиванов, Б.П.Хромов, В.П.Дворкович, В.Н.Безруков и других авторов.

Вопросы, связанные с обработкой телевизионных изображений в

видеоинформационных системах, созданием компьютерной графики и
анимации, автоматизированным геометрическим дизайном, рассматрива ются
в работах Shi-Min Hu, Ralph R. Martin, Р.А.Воробеля, С.И.Катаева,
М.И.Кривошеева, Б.П.Хромова, В.П.Дворковича, В.Н.Безрукова и других,
разработана триада методов моделирования процессов обработки цифровых


background image

телевизионных изображений «модель-алгоритм-программа», а также
методика компьютерного моделирования и вычислительного эксперимента,
системы модульного и системного программного комплекса, достигнуто
определенным положительным результатам при внедрении их в практику.
Связанные с разработкой методов фильтрации изображений аддитивного,
импульсного и адаптивно-гауссовского типа исследованы Jack Tumblin, Greg
Turk, David Tschumperle, Ю.Б.Зубарев, А.С.Селиванов, С.С.Бухтояров, C.
Tomasi, Aleksandra Pizurica, Vladimir Zlokolica, Wilfried Philips, а также
вопросы создания различных численных моделей процессов фильтрации и
обработки изображений посвящены разработки ученых нашей республики,
включая, М.М.Мусаева, Х.Н.Зайнидинова, Р.Н.Усмонова, М.М.Камилова,
Т.Ф.Бекмуратова, Т.Юлдашева, Б.К.Курманбаева и в других исследованиях
рассматриваются проблемы необходимости создания различных числовых
моделей

фильтрации

процессов

и

совершенствования

системы

интеллектуального управления процессами обработки изображений. Вместе с
тем научные исследовании связанные с созданием эффективных алгоритмов
решения задач технологии моделирования и фильтраци процессов обработки
цифровых телевизионных изображений в видеоинформационных системах,
применением методов моделирования и линейных и нелинейных
дифференциальных уравнений при рещении задач, связанных с фильтрацией
цифровых телевизионных изображений, многовариантным вычислением на
компьютере с целью определения механических и геометрических
параметров, необходимых для обеспечения требуемого уровня яркости и
контрастности изображения, позволяющих повысить эффективность
управления процессами обработки цифровых телевизионных изображениий в
системах видеоинформации, вопросы разработки моделей энтропийного
кодирования телевизионных изображений, разделения на контуры при
сегментации изображений, формирования нелинейных игровых задач при
повышении яркости изображения, создания эффективных методов по
автоматическому определению и устранению дефектов изображения
создающих условия для развития эффективных методов вычисления
остаеюся проблематичными.

Связь темы диссертации с научно-исследовательскими работами

высшего образовательного учреждения, где выполнена диссертация.

Диссертационное исследование выполнено в рамках следующих научно-

34

исследовательских проектов Ташкентского университета информационных
технологий по темам: А5-037- «Разработка аппаратно-программных средств
аудио-видеокодека на основе вейвлет-преобразований с межкадровой обра
боткой для систем мобильной связи» (2012-2014); А5-024 - «Разработка
программных средств телевизионного вейвлет аудио-видеокодека с
межкадровой обработкой для 3G сотовых телефонов» (2015-2017).

Целью

исследования

разработка методов, алгоритмов и растровых моделей

процессов фильтрации и повышения качества телевизионных изображений в


background image

видеоинформационных системах на основе использования математических
моделей с частными производными.

Задачи исследования:

разработка механизма внесения Фурье, вейвлет и дискретно

косинусного преобразования на основе критериев и требуемых предельных
граничных условиях процесса с учетом особенностей, форм и методов
обработки телевизионных изображений в видеоинформационных системах;

разработка метода управления процессом обеспечения требуемого

уровня яркости изображения и визуальной оценки качества телевизионных
изображений при заданных значениях среднеинтенсивности пикселей;

создание

алгоритма

разработки

математической

модели

и

двухпараметрической

нелинейной

системы

процессов

обработки

телевизионных изображений;

разработка модели энтропийного кодирования процессов обработки

последовательных динамических телевизионных изображений и методов
выделения контуров и сегментов изображений в видеоинформационных
системах;

разработка методов и алгоритмов решения задач по устранению

дефектов изображений с помощью частных производных дифференциальных
уравнений на базе теории дискретных и дифференциальных игр
математических моделей процессов обработки цифровых телевизионных
изображений в видеоинформационных системах;

разработка методов линейной и нелинейной фильтрации для улучшения

яркостей изображения при компьютерной обработке статических

и

динамических телевизионных изображений на основе частных производных
дифференциальных уравнений и формирование дискретных и нелинейных
дифференциальных игровых задач;

разработка метода устранения сдвигов, дефектов аддитивного,

импульсного и адаптив-гауссного характера при помощи анизитропной
фильтрации и раздельно-гладких моделей изображений.

Объектом исследования

являются процессы обработки и фильтрации

изображений, моделируемых с помощью дифференциальных уравнении с
целью повышения уровня яркости цифрового телевизионного изображения в
видеоинформационных системах.

Предметом исследования

являются растровые модели, методы их

исследования и решения, соответствующие вычислительные алгоритмы и
программые средства, применяемые для решения задач устранения дефектов

35

изображений,

на

основе

использования

математических

моделей,

включающих дифференциальне уравнения и процессы обработки цифровых
телевизионных изображений для видеоинформационных систем.

Методы исследования.

В диссертации использованы методы

математического и численного моделирования, теории дискретных и
дифференциальных игр, теории вероятностей, вычислительной математики,


background image

теории и методов алгоритмизации, технологии модульного и структурного
программирования, методология вычилительного эксперимента, а также
методы линейной и нелинейной фильтрации.

Научная новизна исследования

заключается в следующем

:

разработан

механизм использования преобразования Фурье, вейвлет и
дискретно-косинусного преобразования в процессах обработки телевизион
ных изображений в видеоинформационных системах, на основе учета
особенностей и критериев предельных граничных условий; разработан метод
управления процессом обеспечения требуемого уровня яркости изображения
и визуальной оценки качественных показателей телевизионных изображений
при заданных значениях средней интенсивности пикселей;

разработаны математическая модель для описания процессов

пространственно-временной обработки цифровых телевизионных изобра
жений и алгоритм решения соответствующей двухпараметрической нели
нейной системы;

разработана модель энтропийного кодирования процессов обработки

последовательных динамических цифровых телевизионных изображений, а
также метод выделения контуров и сегментов изображений в видеоинфор
мационных системах;

разработаны методы и алгоритмы решения задач по устранению

дефектов изображений в процессах обработки цифровых телевизионных
изображений в видеоинформационных системах с помощью математических
моделей с применением теории дискретных и дифференциальных игр;

разработаны методы линейной и нелинейной фильтрации повышения

яркости изображения при компьютерной обработке статических и
динамических телевизионных изображений на основе моделирующих
дифференциальных уравнений и формирования нелинейных игровых задач;

разработан метод устранения сдвигов, дефектов аддитивного,

импульсного и адаптивно-гауссовского характера при помощи анизитропной
фильтрации и раздельно-гладких моделей изображений.

Практические результаты исследования

заключаются в следующем:

разработаны методы кодирования изображений для обеспечения высокого
уровня яркости путем устранения внутрикадровой избыточности
пространственного спектра в процессах обработки цифровых телевизионных
изображений;

разработан метод формирования сигналов управления, обеспечи

вающих требуемого уровня яркостей, для устранения дефектов и внутри
кадровых и межкадровых сдвигов с помощью применения итерационной,

36

адаптивной пространственно-временной линейной и нелинейной фильтрации
цифровых телевизионных изображений в видеоинформационных системах;
разработан комплекс программных средств для моделирования процессов
устранения дефектов и внутрикадровых и межкадровых сдвигов с учетом
возможностей формирования яркости корректируемых изображений;


background image

определено возникновение эффекта яркости изображений в результате
применения методов фильтрации телевизионных изображений в видеоинфор
мационных системах;

адекватность созданной математической модели и надежность

комплекса программ подтверждена разработкой изучения методов линейной
и нелинейной фильтрации, основанных на теории дифференциальных и
дискретных игр при устранении дефектов гауссовского типа и сдвигов в
телевизионном изображении.

Достоверность результатов исследования.

Достоверность результа

тов исследования обосновывается с методической точки зрения
математической постановкой задачи на основе теории дифференциальных и
дискретных игр и при ее решении четкостью методов применяемых частных
производных

дифференциальных

уравнений,

теоретическими

и

практическими результатами решенных задач, моделированием процессов
линейной и нелинейной фильтрации и обработки изображений,
сопоставлением задач по устранению аддитивных, импульсивных и
адаптивно-гауссовых дефектов и сдвигов в изображениях с научно
исследовательскими работами в области алгоритмов решения и растрового
моделирования методами Винер-Хоп, Фурье, вейвлет, матричным рядом
Чебышева, а также результатами вычислительных экспериментов на основе
общепринятых критериев и сопоставительного анализа полученных данных.

Научная и практическая значимость результатов исследования.

Научная значимость резулътатов исследования заключается в разработке
линейных и нелинейных частных производных дифференциальных
уравнений на основе теории дифференциальных игр, методов упрщения и
критериев оценки пространственно-временного состояния сдвигов и
дефектов в изображениях, методов линейной и нелинейной фильтрации
устранения аддитивного, импульсного и адаптивно-гаусного типов шума,
методов кодирования и устранения фазового изображения и межкадровой
избыточности, растровых моделей, алгоритмов вычисления и комплекса
специализированных программных средств, закономерностей динамического
преобразования и свойств параметров, выражающих яркость и контрастность
изображения, служат созданию концепции качественной и полноценной
передаче

и

обработке цифровых телевизионных изображений в

видеоинформационных системах.

Практическая значимость результатов работы заключается в разработке

системы

управления

процессами

обработки

изображений

в

видеоинформационных системах, создании возможностей визуальной
яркости и контрастности изображений в результате их линейной и
нелинейной фильтрации, применении на практике комплекса

37

специализированных программ по определению закономерностей объема и
плотности пикселей устранения и определения внутрикадровых и
межкадровых сдвигов и пространственно-временных дефектов аддитивного,


background image

импульсного и адаптивно-гаусного характера, обеспечивающих условия для
повышения качества телевизионных изображений могут найти широкое
применение при формировании изображений, построение математических
моделей процессов обработки изображений, оптимизации времени
управления, интенсификации процессов быстрого определения и создании
системы интелектуального управления процессами устранения дефектов и
сдвигов в изображениях, снизит материальные затраты и количество ошибок
при вычислении.

Внедрение результатов исследования.

На основе математических

моделей и системы управления процессами обработки цифровых телевизион
ных изображений:

инструментальные программные комплексы алгоритмов и моделей

линейной и нелинейной фильтрации внедрены на предприятиях министерства
по развитию информационных технологий и коммуникаций, в том числе, в
государственное унитарное предприятие «Ташкентский радиотелевизионный
передающий центр» (Справка от 4 октября 2016 года

№02-8/5459

Министерства по развитию информационных технологий и коммуникаций).
На основе полученных результатов методы адаптивной и аддитивной
фильтрации изображений, основанных на теории дифферен
циальных игр, комплексы программных продуктов позволили сократить
сдвиги и дефекты в изображениях с 11% до 26%;

разработанная математическая модель для описания процессов

пространственно-временной обработки цифровых телевизионных изображе
ний и алгоритм решения соответствующей двухпараметрической нелиней ной
системы внедрены в ООО «UZDIGITAL TV» (Справка от 4 октября 2016 года
№02-8/5459 Министерства по развитию информационных технологий и
коммуникаций). На основе полученных результатов разработанный алгоритм
позволяет создать модели энтропийного кодирования процессов обработки
последовательных динамических цифровых телевизионных изображений, а
также выделить контуров и сегментов изображений в видеоинформационных
системах;

метод управления процессом обеспечения уровня яркости и алгоритм

оценки показателей качества телевизионных изображений внедрены в
цифровые телевизионные сети АК «Узбектелеком» (Справка от 4 октября
2016 года №28-01/1420 АК «Узбектелеком»). Результаты диссертационного
исследования позволяют повышение эффективности управления процессами
обработки цифровых телевизионных изображений на 8,5% за счет
повышения уровня яркости изображения.

Апробация результатов исследования.

Теоретические и прикладные

результаты диссертации апробированы на следующих международных и

республиканских конференциях и семинарах: «Control problems and

compression the image» (Germany, Wiesbaden, 2012); «Сontrol in parameters of

38

algorithm compression of a video information with use of its structural lines»


background image

(Россия, Казан, 2012); «Геометрические методы в задачах конфликтного
управления с распределенными параметрам» (Украина, Киев, 2013);
«Дифференциальные игры преследования многих лиц с распределенными
параметрами и геометрическими ограничениями» (Украина, Одесса, 2013);
«Об одной задаче управления и сжатия изображений» (Россия, Санкт
Петербург,

2014);

«Дискретная

игра

преследования,

описываемая

уравнениями второго порядка с яркостью изображения» (Россия, Ижевск,
2015); «Управления скоростью кодирования видеоинформации при передаче
данных в системах мобильной связи» (Узбекистан, Ташкент, 2011);
«Оптимизация

сжатия

изображения

как

задача

управления

с

распределенными

параметрами»

(Узбекистан,

Ташкент,

2012);

«Многомерные управляемые процессы яркости изображения с геометричес
кими ограничениями» (Узбекистан, Ташкент, 2013), «Квазилинейная
дифференциальная игра с переменными коэффициентами и геометрически ми
ограничениями» (Узбекистан, Ташкент, 2013), «Управление скоростью
кодирования по минимаксному критерию искажения» (Узбекистан, Ташкент,
2014), «О двух задачах управляемости яркости цифровых изображений
описываемых дискретными уравнениями второго порядка» (Узбекистан,
Ташкент, 2014), «Управляемые дискретные изображения» (Узбекистан,
Ташкент, 2015), «Дискретная игра преследования, с яркостью изображения»
(Узбекистан, Ташкент, 2015).

Опубликованность результатов исследований.

По теме диссертации

опубликованы всего 48 научные работы. Из них 1 монография, 13
журнальных статей, в том числе 2 в иностранных, 11 в республиканских
журналах, рекомендованных Высшей аттестационной комиссией Республики
Узбекистан для публикации основных научных результатов докторских
диссертаций, а также получено 6 свидетельств о регистрации программ для
ЭВМ.

Структура и объем диссертации.

Структура диссертации состоит из

введения, пяти глав, заключения, списка использованной литературы,
приложений. Объем диссертации составляет 200 страниц.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во

введении

приводится

обоснование

актуальности

и

востребованности диссертационного исследования, описание цели и
основных задач, а также объектов и предметов, соответствующие
приоритетным направлениям развития науки и технологии Республики
Узбекистан, научная новизна и практические результаты, теоретическая и
прикладная значимость результатов, сведения об опубликованности работ и
структуре диссертации.

В первой главе диссертации

«Анализ современных методов

обработки телевизионных изображений»

рассматриваются методы

обработки телевизионных изображений, осуществляется анализ


background image

39

традиционных форм и методов обработки, выявлены специфические
особенности предварительной обработки телевизионных изображений.
Исследованы

методы

Фурье,

вейвлет

и

дискретно-косинусного

преобразования в процессе обработки телевизионных изображений.
Произведена классификация и выбор критериев визуальной оценки качества
телевизионных изображений.

Обработка изображений является многошаговым процессом, поэтому

основные этапы обработки изображения, проводимые с целью улучшения его
зрительного восприятия, можно представить в виде структурной схемы,
приведенной на рис. 1.

Регистрация

изображения

Оцифровка,

кодирование

Повышение качества изображения

Несеман

тическая

Обработка изображени

я

Предварительная
обработка
Восстановление

изображения

обработка

Сегментация, выделение
признаков,
классификация,
распознавание,
интерпретация

Визуальная

интерпретация,
визуализация

Семанти ческая
обработка Результат

Рис. 1. Основные этапы обработки изображений

Обработка изображений начинается с получения (регистрации)

изображений с помощью системы формирования изображений, за
исключением тех случаев, когда изображение уже представлено в цифровой
форме. Важным на данном этапе является правильный выбор системы
формирования изображения из светового потока и максимально точный
подбор параметров фиксирования интересующего признака объекта на
изображении (освещение, диапазон длин воли и т.п). Оцифровка необходима
для преобразования изображения в цифровую форму, кодирование - требуется
в случае передачи изображений по каналам связи.

Методы глобальной обработки изображений могут быть реализованы

либо непосредственно по полю изображения, либо посредством спектров.
Существует три основные области применения глобальных двумерных
ортогональных преобразований при обработки изображений для: • выделения
характеристик признаков изображения;


background image

• кодирования изображений, когда ширина спектра уменьшается за счет

отбрасывания или грубого квантования малых по величине коэффициентов
преобразования;

• сокращения размерности при выполнении вычислений.

40

К таким преобразованиям относятся преобразования Фурье, синусные,

косинусные, вейвлет-преобразования, а также преобразования Карунена
Лоева, Уолша, Хаара и Адамара. Однако эти преобразования не обладают
необходимой универсальностью при решении широкого круга задач
цифровой фильтрации.

Часто в практике для переноса исходного изображения в частотную

область и его восстановления используются прямое дискретные
преобразования (ПДП) и обратное дискретное преобразования Фурье (ОДП)
или другие дискретные ортогональные преобразования. Фильтрация в
частотной области заключается в умножении Фурье-образа изображения на
частотную характеристику фильтра.

Как альтернатива ОДП Фурье для решения задач предварительной

обработки изображений, устранения шумов и помех, оптимальной
винеровской фильтрации, повышения качества визуального восприятия
изображений, выделения границ объектов и их сегментации в целях
классификации и распознавания образов, анализа спектров изображений,
вычисления дискретной свертки, корреляционной функции и других
операциях над спектрами наибольшее применение нашли дискретные
ортогональные преобразования Хартли, Хаара, Уолша-Адамара.

Дискретное преобразование Фурье является основой для реализации

многих методов цифровой фильтрации. Достоинство метода - возможность
применения быстрых алгоритмов ДПФ, что позволяет реализовывать
системы с обработкой в реальном масштабе времени. Недостатком является
необходимость ограничения бесконечного спектра при аналогово-цифровом
преобразовании.

Одним из основных параметров, определяющих качество изображений,

является контраст. Поскольку изображение может иметь сложный сюжетный
характер, это порождает необходимость определения его контрастности
исходя из контраста отдельных комбинаций элементов изображения. При
этом все элементы считаются равнозначными, и контраст каждой их пары
вычисляется по формуле

L L C

L L

−

,

,

=

+

m n

m n

m n

где

C

m n

,

-контраст комбинации двух пикселей

L

m

,

L

n

- яркости элементов


background image

сюжетного изображения размером

m n

×

.

Применяя правило суммирования контрастов, вычисляют набор

величин

C

m n

,

, которые определяют восприятие каждой пары элементов

изображения. Проводя усреднение матрицы локальных контрастов, получают
суммарный контраст. Полученный результат может быть использован как
один из параметров оценки визуального качества изображения.

Во второй главе диссертации «

Разработка методов повышения

яркости изображений в процессе их обработки»

описывается методы

повышения

контрастности

телевизионных

изображений

в

видеоинформационных системах. Разработан алгоритм построения

41

математической модели процесса обработки изображений. Отмечено, что
расфокусировка изображения может быть достигнута пространственной
операцией усреднения значений точек по окрестности. Повышение резкости,
как явление, обратно по отношению к расфокусировке, может быть
достигнуто пространственным дифференцированием. С принципиальной
точки зрения, величина отклика оператора производной в точке изображения
пропорциональна степени разрывности изображения в данной точке. Таким
образом, дифференцирование изображения позволяет усилить перепады и
другие разрывы (например, шумы) и не подчеркивать области с медленными
изменениями уровней яркостей.

Простейшим изотропным оператором, основанным на производных,

является лапласиан (оператор Лапласа), который в случае функции двух
переменных

z

(x, y), определяется как

∂ ∂ ∇

=

+

2 2

. (1)

z z

2
2 2

z

x y

∂ ∂

Так, как производные любого порядка являются линейными

операторами, то значит и лапласиан является линейным оператором. Для
применение данного уравнение в цифровой обработке изображений, его
необходимо выразить в дискретном виде. Существует несколько способов
задать лапласиан в дискретном виде на основе значений соседних пикселей.
Нижеследующее определение дискретной второй производной является
одним из наиболее часто используемых. Принимая во внимание, что теперь
имеются две переменные, для частной второй производной по

x

:

2

∂

=

+

−

+

−

2

(x 1, ) 2 (x, y) (x 1, )

z

z y z z y

∂

x

и, аналогично для частной второй производной по

y

:


background image

2

∂

=

+

−

+

−

2

(x, 1) 2 (x, y) (x, 1).

z

z y z z y

∂

y

Дискретная формулировка двумерного лапласиана, заданного уравнением (1),

получается объединением этих двух составляющих:

2

∇

=

−

+

+

+

−

+

+

+

−

z z

z x y z x y z y z y

4 (x, y) ( 1, ) ( 1, ) (x, 1) (x, 1) .

[

]

Так, как оператор Лапласа по сути является второй производной, его

применение подчеркивает разрывы уровней яркостей на изображении и
подавляет области со слабыми изменениями яркостей. Это приводит к
получению изображения, содержащего сероватые линии на месте контуров и
других разрывов, наложенные на темный фон без особенностей. Но фон
можно «восстановить», сохранив при этом эффект повышения резкости,
достигаемый лапласианом. Для этого достаточно сложить исходное
изображение и лапласиан. При этом необходимо помнить, какое из
определений лапласиана было использовано. Если использовалось
определение, использующее отрицательные центральные коэффициенты,
тогда получение эффекта повышения резкости, изображение-лапласиан

42

следует вычитать, а не прибавлять. Таким образом, обобщенный алгоритм
использования лапласиана для улучшения изображений сводится к
следующему:

⎧

⎪ − ∇

<

z z если w

(x, y) (x, y), (0,0) 0,

2

g(x, y)

(x, y) (x, y), (0,0) 0.

=

⎨⎪

⎩

+

∇ ≥

z z если w

2

Здесь

w

(0,0)— значение центрального коэффициента маски лапласиана.

Теперь рассмотрим задачу управления с яркостью изображения в следующем
виде

4 , ,0 ,

, 1, 1, , 1 , 1 , ,

z z z z z u u

i j i j i j i j i j i j i j

−

+

+

+

+

=

− ≤

<

ρ

ρ

−

+

−

+

0, m 1, ,0 ,

0, 0, 0, 0, (2)

j j i i

z z z z

=

=

=

=

+

θ

i

=

=

−

1,2,...,m, j 1,2,..., 1,

θ

где левая часть уравнения дискретный аналог лапласиана

2 2

∂ ∂

z z


background image

∂ ∂

функции

+

2 2

x y

z

−

яркости изображения в точке,

(x , y )

i j

яркости изображения

z z y

=

(x, ), а

i j

,

z

−

значение уровней яркости изображения соответствующих пикселей

т.е.

i j

,

u

−

управляющий параметр. Не ограничивая общности, удобно

( , )

i j

,

i j

,

считать , что если либо

i

=

0,

либо

i m

=

+

1,либо

j

=

0,либо

j

=

θ

,

то

,

0,

i j

z

=

т.е.

изображение окаймлено пикселями с нулевыми значениями уровня яркости.

Задача управления ставятся следующим образом. Мы будем

u

,

i

=

=

−

1,2,...,m, j 1,2,..., 1,

θ

говорить, что допустимое управление

i j

,

переводит яркости изображения из положения

0, m 1, ,0 ,

0, 0, 0, 0,

j j i i

z z z z

=

=

=

=

+

θ

в положение

,

z

i j

удовлетворяющий

условию:

, 0 1 0 1

, ,

i j

β

ε

β

ε

− ≤ ≤

+

≤ ≤ ≤ ≤

z i i i j j j

где

0 1 0 1

1 , , 1 j , 1

≤ ≤ ≤ ≤

−

i i m j

θ

для некоторых заранее заданных

β

ε

β

ε

>

>

>>

0, 0, .Эта означает

что

i j

,

z

значение уровней яркости

изображения в заранее заданных пикселях было в некотором отрезке. Здесь
же исследованы двухпараметрические нелинейные системы и разработана
система управления процессами обработки с уровней яркости и построена
математическая модель процесса обработки телевизионных изображений.

В ходе предварительной обработки производится анализ изображения,

определяющий различные статистические характеристики изображения,
такие как математическое ожидание и среднеквадратическое отклонение
яркостей, контрастность, построение гистограммы яркостей и контрастов,
подбор наиболее подходящей модели и параметров цифрового шума. На
этапе предварительной обработки производится низкочастотная фильтрация,
которая производит удаление цифрового шума на изображении.

Как правило, после низкочастотной фильтрации контрастность

изображения снижается и следовательно требуется ее скорректировать. Для

43

коррекции контрастности производится вычисление контуров изображения.
В результате суммирования яркостей пикселей изображения с яркостями
вычисленных

контуров

осуществляется

коррекция

контрастности

изображения.

В третьей главе диссертации

«Методы повышения контрастности и


background image

уровня

яркости,

телевизионных

изображении»

сформулированы

нелинейные игровые задачи и осуществлен выбор метода их решения с
яркостями изображения. Сформулированная задача решалась с помощью
разностных аналогов интегральных формул Коши. Разработанные методы
применялись для решения задач преследования, описываемых уравнениями
эллиптического типа

.

Сущность метода заключается в следующем, пусть в

пространстве

s

R

размерности

s s

, 1

≥

, выделено некоторое конечное

множество

K

и некоторое произвольное множество

D

0

точек с

целочисленными координатами. Обозначим через

D

множество, которое

пробегает точка

n k

+

, если

n

и

k

пробегают независимо соответственно

множество

D

0

и

K

. Каждой точке

r r D

,

∈

, сопоставим множество,

, ,

K k K

r

∈

отнеся к нему те точки

k k K

, ,

∈

для которых

0

r k D

− ∉

. Совокупность тех

r

,

для которых множество

K

r

непустое назовем границей Г области

D

.

Рассмотрим дискретную игру, описываемую относительно

n

z

уравнением

∑

=

∈

C z f n u n D

+

υ

( , , ), , (3)

k n k n n

0

k K

∈

где

1 2 1 2

( , ,..., ), ( , ,..., )

n n n n k k k k

=

=

−

s s

мультииндексы;

,

l

z R

∈

а

C l l

k

−

×

n

постоянная квадратная матрица;

u

,

υ

– управляющие параметры;

u

– параметр

преследования,

υ

– параметр убегания,

,

p q

u P R Q R

n n n n

∈ ⊂ ∈ ⊂

υ

;

P

n

и

Q

n

–

непустые множества. Параметр

u

выбирается в виде последовательности

( ) ,

,..., ,...), , ;

i i i

i

u u u u u u P m D

=

⋅

=

∈ ∈

параметр

υ

– в виде

0 1

0

m m m m m

( ) ( , ,..., ,...), , ;

i i i

i

υ

υ

υ

υ

υ

υ

=

⋅

=

∈ ∈

m m m m m

Q m Df

– заданная

последовательности

0 1

0

функция, отображающая

s p q

R R R

×

×

в

l

R

. Также, в

l

R

выделено терминальное множество

M

. Пусть задано граничное условие

, .

(4)

l

r r Г r r

z R

∈

=

∈

φ

φ

Далее будем говорить, что в игре (3),(4) из «граничного» положения

( ),

,

ϕ

ϕ

r r

∉ ∈

M r Г

можно завершить преследование за

({ })

N

ϕ

r

шагов, если

по любой последовательности

υ

()

⋅

управления убегания можно

построить

такую последовательность

u

()

⋅

управления преследования, что решение

z z z z

⋅

=

уравнения


background image

( ) ( , ,..., ,...)

0 1

N

n n n

∑

=

=

=

C z f n u n n n n z

+

∈

υ

φ

0 1

( , , ), , ,..., ,..., ,

N

k n k n n r r Г

r k K

∈

n n o N N

=

≤ ≤

попадает на

:

M z M

n

∈

.

при некотором

,

N

Известно, что решение уравнения (3) при условии (4) описывается

формулой:

z G C G f m u n D

−

+

−

φ

υ

( , , ), , (5)

n n r k k r n m m m

=

+

∈ ∑ ∑ ∑

(

)

r à r à m D

∈ ∈ ∈

0

44

где

G

n

– фундаментальное решение уравнения (3), определяемое равенством

1 ( )

C

−

1

ξ

G d d

... ... ... ,

=

∫ ∫ ∫

ξ

ξ

n s

s n n

1 1 1

(2 ) ...

s

π

ξ

ξ

i

ξ

=

1

+

+

C C

ξ

ξ

здесь

( ) ,

k

j j

r

s

1

1 1

... и ,...,

k k k

s

ξ

ξ

ξ

ξ

ξ

≡ −

≡ ∑

1

s s

комплексные параметры, а

k

k K

∈

1

C

( )

ξ

−

−

является обратной матрицей

C

( )

ξ

. При выполнении условия

det ( ) 0

C

ξ

≠

существует единственное ограниченное решение задачи (3), (4) в виде (5).

Применение методов линейной фильтраций изображений уравнением

Винера-Хопфа позволяет уменьшить ошибки интерполяции, т. е. заметность
растровой структуры при воспроизведении изображений, например, при их
печати. Посредством линейной фильтрации в известных пределах удается
уменьшить заметность флуктуационного шума, а также других дефектов на
воспроизводимых изображениях. Данная задача может быть решена
следующим образом.

Пусть

i j

,


background image

x

−

значение яркости изображения - полезного сигнала на

пересечении

i

−

ой строки и

j

−

го столбца, а наблюдаемое на входе фильтра

изображение описывается моделью:

=

=

−

=

−

(

, , 0, 1, 0, 1.

)

y f x n i I j J

i j i j i j

, , ,

Здесь

i j

,

n

−

значение помехи в точке с координатами

(

i j f

, ,

)

(

⋅

−

)

функция, описывающая взаимодействие сигнала и помехи, а

I

и

J

-

соответственно число строк и столбцов в кадре.

При линейной фильтрации выходной эффект определяется линейной

комбинацией входных данных:

=

⋅ − −

∑ ∑

x i j a i j y i i j j

*

, , , . (6)

(

)

(

)

(

)

(

)

i j S

1 1 1 1

,

1 1

∈

В этом выражении

(

)

,

,

i j

x i j x

*

*

=

результат фильтрации полезного

сигнала

(

)

,

,

i j

x i j x

=

в точке кадра с координатами

(

i j S

, ;

)

−

множество точек

(точнее множество их координат), образующих окрестность;

a i j

(

1 1

,

)

−

весовые коэффициенты, совокупность которых представляет собой
двумерную импульсную характеристику (ИХ). Если область

S

конечна, то

импульсная характеристика имеет конечную длину и фильтр называется
КИХ- фильтром. В противном случае импульсная характеристика имеет
бесконечную длину, а фильтр название БИХ - фильтра. В выражении (6)
принято, что ИХ не зависит от координаты точек

(

i j

, ,

)

в которой

определяется выходной эффект. Процедуры обработки изображений,
обладающие

свойством

независимости

от

координат,

называются

однородными.

Наиболее распространенным критерием оптимальности, применяемым

для оценки качества обработки, является критерий минимума среднего

45

квадрата ошибок. Применительно к фильтрации запишем его выражение в

виде:

⎧ ⎫

⎪ ⎪ ⎡ ⎤


background image

∑ ∑

2

E x i j a i j y i i j j

⋅

⎨ ⎬ ⎢ ⎥ − ⋅ − −

=

, , , min, (7)

(

)

(

)

(

)

⎪ ⎪

⎢ ⎥ ⎣ ⎦ ⎩ ⎭

1 1 1 1

a

(

)(

)

i j S

,

1 1

∈

где

E

{

}

−

символ математического ожидания. Согласно (7) отыскание

оптимального фильтра заключается в определении его ИХ таким образом,

ε

(

i j x i j x i j

, . . ,

)

(

)

(

)

*

чтобы средний квадрат ошибки

=

−

выражающей

различие между сигналом

x i j

(

.

)

и оценкой

x i j

(

. ,

)

*

формируемой фильтром,

был минимальным. Математическое ожидание вычисляется по всем
случайным величинам, содержащимся в (7), что означает ориентацию
критерия на учет средних ошибок.

Оптимизационную задачу (7) нетрудно свести к решению уравнения

или системы уравнений. Для этого вычислим производную от левой части
этого выражения по коэффициенту

(

)

,

,

k l

a k l a

=

и приравняем ее нулю.

Учитывая,

что

операции

дифференцирования,

суммирования

и

математического ожидания являются линейными и поэтому перестановочны,
приходим к выражению:

⋅

=

⋅ ⋅

∑ ∑

E x y a E y y

− − − − − −

. (8)

i j i k j l i j i i j j i k j l

{

}

1 1 1 1

{

}

, , , , ,

i j S

,

1 1

∈

Входящие в него математические ожидания являются, как нетрудно

видеть, отсчетами корреляционных функций, для которых введем следующие
обозначения:

B k l E x y B k i l j E y y

xy i j i k j l y i i j j i k j l

(

, , , .

)

=

⋅ − −

=

⋅

{

, , 1 1

, ,

− − − − − −

}

(

)

{

1 1

}

С их учетом (8) примет более компактный

вид:


background image

=

⋅ − −

∑ ∑

B k l a B k i l j

, , (9)

xy i j y

(

)

(

)

, 1 1

i j S

1 1

,

1 1

∈

Считая автокорреляционную

B

y

(

)

и взаимно корреляционную

B

xy

(

)

функции известными, замечаем, что (9) представляет собой линейное
относительно искомых коэффициентов

1 1

i j

,

a

алгебраическое уравнение. Число

неизвестных в этом уравнении равняется числу точек

S

n

в окрестности

S

и

является конечным в случае КИХ-фильтра и бесконечным при БИХ
фильтрации.

Адаптивные фильтры предназначены для сохранения контуров и

границ объектов на изображении при фильтрации флуктуационного шума
широко используют адаптивные фильтры с конечной импульсной
характеристикой. Термин «адаптивный» означает то, что коэффициенты
импульсной характеристики фильтра изменяются в соответствии со
структурой обрабатываемого изображения. В общем случае большинство
адаптивных фильтров реализуют локальную обработку вида

46

1 ˆ

, , ; , , ,

f n n h n n k k g n k n k

=

⋅

+

+

∑

(

)

(

)

(

)

(

)

1 2 1 2 1 2 1 1 2 2

H

∈

k k D

,

1 2

где

H

−

нормализующий коэффициент фильтра, обеспечивающий

несмещенность средней яркости обработанного изображения относительно
исходного. Коэффициенты фильтра

h n n k k

(

1 2 1 2

, ; ,

)

зависят от значений

функции яркости изображения в «скользящем окне»

D .

Для каждого

положения окна выполняется либо пересчет отсчетов маски фильтра, либо
отбор обрабатываемых в окне пикселей изображения, то есть изменение
конфигурации окна. Поэтому, несмотря на использование линейной
обработки отсчетов в окне, процедура адаптивной фильтрации в целом
является нелинейной.

В четвёртой главе диссертации

«Моделирование процессов


background image

обработки цифровых изображений»

разработан алгоритм моделирование

конфликтных ситуаций в процессе обработки телевизионных изображений.
Отмечается, что при передаче телевизионных изображений значение яркости
в одной и в той же точке одного кадра обычно не совпадает с другими
кадрами. При решении таких задач в каждой точке должны учитываться те
изменения яркости, которые были замечены. Это показывает, что в процессе
участвует сторона с противоположным интересом, т.е. она мешает управлять
значением яркости изображения.

Математическая модель данной задачи представляется в следующем

виде:

4 , , , (10)

(

)

(

)

, 1, 1, , 1 , 1

i j i j

z z z z z u x y x y

i j i j i j i j i j

−

+

+

+

+

=

−

+

υ

−

+

−

+

и описывает двухпараметрические дискретные игры преследования.
Преследование считается завершенным, если

ij

z

удовлетворяет условие:

, 0 1 0 1

, ,

i j

β

ε

β

ε

− ≤ ≤

+

≤ ≤ ≤ ≤

z i i i j j j

где.

0 1 0 1

1 , ,1 j , 1

≤ ≤ ≤ ≤ −

i i m j

θ

для

некоторых заранее
заданных

β

ε

β

ε

>

>

>>

0, 0, .

Модельным примером изучаемого класса дискретных игр является

−

+

+

+

+

=

−

+

4 ,

, 1, 1, , 1 , 1 , ,

z z z z z u

i j i j i j i j i j i j i j

−

+

−

+

следующий процесс преследования описываемых уравнениями

≤ ≤

<

ρ

υ

σ

σ

ρ

υ

, , , 11

u

i j i j

, ,

(

)

z z z z

θ

0, 0, 0, 0,

j j i i

=

=

=

=

0, m 1, ,0 ,

+

i

=

=

−

1,2,...,m, j 1,2,..., 1,

θ

2 2

∂ ∂

где левая часть уравнения дискретный
аналог лапласиана

z z

∂ ∂

функции

+

2 2


background image

x y

яркости изображения

z z y

=

(x, ), имеет вид как в (2). Эта означает что

i j

,

z

значение уровней яркости изображения в заранее заданных пикселях будет в
некотором отрезке который хочет преследующий. Преследующий игрок

47

хочет быстрее завершить игру, а убегающий игрок, вообще говоря, будет
мешать этому.

Используя граничные условия, при

i m

=

1,2,...,из (11) получим систему

1, 0, 2, 1, 1 1, 1 1, 1,

4 ,

j j j j j j j

−

+

+

+

+

=

−

+

z z z z z u

−

+

υ

2, 1, 3, 2, 1 2, 1 2, 2,

4 ,

j j j j j j j

−

+

+

+

+

=

−

+

z z z z z u

−

+

υ

……………………………………….

, 1, 1, , 1 , 1 , ,

4 ,

i j i j i j i j i j i j i j

−

+

+

+

+

=

−

+

z z z z z u

−

+

−

+

υ

……………………………………….

m 1, m 2, m, m 1, 1 m 1, 1 m 1, m 1,

4 ,

j j j j j j j

−

+

+

+

+

=

−

+

z z z z z u

− − − − −

+

− −

υ

m, 1, 1, m, 1 m, 1 m, m,

4 .

j m j m j j j j j

−

+

+

+

+

=

−

+

z z z z z u

−

+

−

+

υ

Обозначая,

1, 2, , 1, 2, , 1, 2, ,

( , ,..., ) , (u ,u ,...,u ) , ( , ,..., )

j j j m j j j j m j j j j m j

z z z z u

υ

υ

υ

υ

Τ

Τ

Τ

=

=

=

имеем

1 1

,1 1,

j j j j j

−

+

−

=

− ≤ ≤ −

z Cz z u j

−

+

υ

θ

z z

0, 0

=

=

θ

, (12)

0

где

m

z R

∈

и

j

u

−

управляющий параметр

преследователя;

j

υ

j

−

j j

u R R

∈ ∈

υ

компоненты,

управляющий параметр убегающего игрока:

,

m m

, , ,

i j i j

u

≤ ≤

<

ρ

υ

σ

σ

ρ

а

C

−

квадратная

которые удовлетворяет условию,

, ,

Якобиева - трехдиагональная матрица вида

4 1 0

⎛ ⎞ −

⎜ ⎟

− −

1 4 1

.

C

=

⎜ ⎟ ⎜ ⎟

. . . .

⎜ ⎟

⎝ ⎠ −

0 1

4

m

M R

⊂

терминальное множество, которое игра заканчивается.


background image

Предложенный алгоритм управления яркостью предназначен для коррекции
дефектов изображения путем применения формулы (13).

⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎡ ⎤

1 1 1

z U C U C z U C u

=

+

−

+

⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎢ ⎥ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎣ ⎦

−

1

n

−

1

2 2 2

∑

υ

(

)

n n k k k

θ

θ

− − − −

1 1 0 1

k

=

1

⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎡ ⎤

1 1 1

. (13)

+

+

− ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎢ ⎥ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎣ ⎦

U C U C z U C u

θ

−

1

−

1

2 2 2

θ

θ

θ

− − − −

1 1 1

υ

(

)

n k k k

∑

k n

=

где:

0

z

и

z

θ

-

строки

исходных

данных

для

вычисления

коэффициентов коррекции, которые задаются напрямую из изображения (это
первая и последняя строки исследуемой области);

1

U

θ

1

−

−

−

обратная матрица от

матричного полинома Чебышева в
степени

θ

−

1;

U

θ

− −

n

1

−

матричного

полинома Чебышева в степени

θ

− −

n

1;

U

k

−

1

−

матричного полинома

Чебышева в степени

k

−

1;

k

u

и

υ

k

−

параметры управления в виде

векторов;

n

−

номер строки в матрице коэффициентов коррекции для матрицы

48

яркостей;

θ

−

параметр, указывающий

размерность всех матрицы (яркости,

коррекции) векторов управления.

В результате обработки достигается требуемое значение яркости,

которое позволяет скорректировать яркость пикселей в выделенной области


background image

изображения за счет коэффициентов управления.

Кроме того в результате работы алгоритма получаются два результата:

1) Участок изображения, на котором был дефект, корректируется в
соответствии с его окружением.

2) Вычисляются коэффициенты управления для всего участка, на

котором производится коррекция. Их можно применять на последующих
изображениях с таким же дефектом и его окрестностями.

В данном алгоритме используются две основные формулы:

U X XU X U X n

n n n

+

+

=

− ≥

( ) 2 ( ) ( ), 0,

2 1

U X U X X

( ) 1, ( ) 2 (14)

=

=

0 1

где:

U

n

+

2

-матричный полином Чебышева, (n+2 – степень полинома);

X

−

входной параметр, на основе которого вычисляется полином. Таким образом,
произведя поиск коэффициентов управления, используя полиномы Чебышева
второго рода (13) и (14) можно скорректировать яркость в соответствии с
заданным диапазоном

( , )

β

ε

β

ε

−

+

, где (

β

-минимальный яркость,

ε

- разность между

максимальный и минимальной яркости,

ij

z

-яркость данной точки ) в

пределах рабочей области. В
результате измерения

β

ε

,производится

установка диапазона яркости

( , )

β

ε

β

ε

−

+

, в который должны попадать все

точки из рабочей области после коррекции.

В

пятой

главе

диссертации

«Совершенствование

методов

фильтрации телевизионных изображений»

рассматриваются вопросы

фильтрации цифровых изображений методом свертки с импульсной
характеристикой в спектральной области.

Фильтрация изображения

L x y

c

(

,

)

методом свертки с импульсной

характеристикой

h x y

(

,

)

случае непрерывного изображения математически

описывается следующим образом:

∞ ∞

L x y L h x y d d

c c

(

, , , , ,

)

(

ξ

η

ξ

η

ξ

η

)

(

)

=

− −

∫ ∫

Ω

−∞ −∞

где

L x y

c

Ω

(

,

)

−

распределение яркости в изображении после фильтрации,

ξ

η

,

−

переменные интегрирования. При реализации этого метода фильтрации

цифровым способом исходное изображение, изображение после фильтрации,
а также импульсная характеристика представляются в виде массивов чисел,
элементы которых обозначим соответственно через

L k n L k n

c c

(

, , ,

)

Ω

(

)

и


background image

h k n

(

, ,

)

а номера строк и столбцов — через

k

и

n

. При этом, яркость

пикселей профильтрованного изображения вычисляется следующим
образом:

49

K N

− −

1 1

=

+

+

∑ ∑

′

′

′

′

2 2

L k n L k k n n h k n

, , , ,

(

)

(

)

(

)

c c

Ω

− −

′

′

=

−

=

−

K N

k n

1 1

2 2

где

K

и

N

−

протяженность двумерной импульсной характеристики в обоих

направлениях. Величины

K

и

N

выбираются нечетными для того, чтобы

избежать

смещения

профильтрованного

изображения

относительно

исходного.

При фильтрации изображение сканируется окном (импульсной

характеристикой), размеры которого, составляют

K N

×

пикселей. Каждый

отсчет окна представляет собой весовой коэффициент (значение импульсной
характеристики),

на

который

умножается

пиксель

изображения,

покрываемый этим отсчетом окна. При этом интенсивность пикселя
профильтрованного изображения, координаты которого совпадают с
координатами центра окна, находятся путем суммирования всех
произведений.

Импульсная характеристика

h k n

(

,

)

при разработке цифрового фильтра

находится следующим образом. Вначале, находится частотная передаточная

функция аналогового фильтра

K

(

ω

ω

x y

, .

)

Затем путем применения к ней

двумерного

интегрального

преобразования

Фурье

отыскивается

соответствующая ей импульсная характеристика

h x y

(

, :

)

∞ ∞

=

+

⎡ ⎤

⎣ ⎦

∫ ∫

1

4

x y x y x y

h x y K i x y d d

ω

ω

ω

ω

ω

ω

, , exp .

(

)

2

(

)

(

)


background image

π

−∞ −∞

Импульсную характеристику найденную таким образом необходимо

преобразовать в дискретную форму посредством ее пространственной
дискретизации, при этом шаг пространственной дискретизации должен быть
тем же самым, что и шаг пространственной дискретизации фильтруемого
изображения.

Для проведения испытаний были выбраны сюжет с разными

цветовыми характеристиками. Все сюжеты содержат по четыре кадра,
первый из которых является опорным и представляет собой статическое
изображение, а последующие три – динамический видеосюжет. На каждый
кадр было нанесено некоторое количество дефектов (от 1 до 6) для имитации
реального повреждения изображений. В качестве меры успешности
проведенного

восстановления

использовалось

среднеквадратичное

отклонение (СКО).

50

Рис.2. Пример обработки для сюжета «Белка»: все необходимые области выделены и

настроены

Далее приведены примеры тестовых сюжетов в виде опорных кадров,

при этом слева расположены исходные изображения, а справа – с
нанесенными дефектами.

Так как эксперимент проводится в две фазы, то его результаты будут

сгруппированы по типу графической информации – сначала обработка
опорных кадров всех трех видеопоследовательностей в качестве статической
графики, затем итоги обработки всех кадров в видеопоследовательности в
виде гистограмм СКО, отражающей погрешность обработки для каждого


background image

дефекта, как динамических изображений.

В первой фазе эксперимента, при обработке статических изображений,

определяются коэффициенты управления, которые затем применяются во
время проведения второй фазы, таким образом, значительно сокращая
требуемые для этого ресурсы.

В данном сюжете «Белка» определены шесть дефектов, координаты

которых приведены ниже, все дефекты имеют размер 8 на 8 пикселей,
соответственно, размер области, описывающей их, будет 10 на 10 пикселей.

Таблица 1.

Координаты верхнего левого угла областей с дефектами для сюжета

«Белка» для опорного кадра

Обл. 1

Обл. 2

Обл. 3

Обл. 4

Обл. 5

Обл. 6

X

Y

X

Y

X

Y

X

Y

X

Y

X

Y

Опорный

кадр

276

28

323 109 508 146 360 162 570 257 138 286


51

а) б)

в)

Рис 3. Исходный (а), дефектный (б) и восстановленный (в) опорный кадр для сюжета

«Белка»


background image

Далее, после завершения первой фазы получены коэффициенты

управления, что позволяет перейти ко второй фазе и использовать их при
обработке динамических данных. Число дефектов и их размер в каждом
сюжете остается неизменным, однако их расположение на различных кадрах
видеопоследовательности

может

незначительно

колебаться

около

изначального положения, точные координаты на каждом кадре будут
приведены в описании соответствующего сюжета «Белка».

Таблица 2.

Координаты верхнего левого угла областей с дефектами для сюжета

«Белка»

Обл. 1

Обл. 2

Обл. 3

Обл. 4

Обл. 5

Обл. 6

X

Y

X

Y

X

Y

X

Y

X

Y

X

Y

Кадр №1

28 323 109 508 146 360 162 570 257 138 286

Кадр №2

26 321 106 508 146 363 155 572 250 133 282

Кадр №3

32 318 107 504 140 355 156 567 257 137 276

Кадр №4

35 318 102 508 140 352 162 572 252 143 274


Таблица 3.

СКО для сюжета «Белка»

Обл. 1

Обл. 2

Обл. 3

Обл. 4

Обл. 5

Обл. 6

Кадр №1

0

9,165151

0

16,7332 4,472136 61,28621

Кадр №2

0

5,385165

0

18,24829 4,582576 54,36911

Кадр №3

0

7,071068

0

18,81489 3,162278 60,73714

Кадр №4 1,732051 3,162278

0

16,03122 4,582576 52,19195


52


background image

Рис.4. Диаграмма СКО для сюжета «Белка»

На основе анализа данных таблиц, гистограмм и визуальной оценки

полученных в результате обработки изображений можно сделать вывод о
том, что цвета в месте возникновения дефекта восстанавливаются на 85–90
%, в зависимости от самого этого места и окружающего фона, при этом, чем
фон равномернее, тем лучше будет восстановление.

ЗАКЛЮЧЕНИЕ

По итогам исследования докторской диссертации на тему

«Математические модели процессов фильтрации и повышения уровня
качества телевизионных изображений в видеоинформационных системах»
были сделаны следующие выводы:

1. Процессы обработки цифровых телевизионных изображений в

видеоинформационных системах с использованием методов создания
математических моделей, выражения с помощью линейных и нелинейных
дифференциальных уравнений на основе теории игр, анализ применения
алгоритмов компьютерных вычислений и программных комплексов
определили теоретические основы перспективы и особенностей.

2. Создание методов фильтрации процессов обработки статических и

динамических телевизионных изображений на основе дифференциальных
уравнений, обоснованность математической корректности их алгоритмов,
разработка соответствующих вычислительных алгоритмов и программных
комплексов способствует автоматизированному управлению процессами
повышения четкости изображений на пикселях средней интенсивности.

3. Преобразования типа Фурье, дискретно-косинусное и вейвлет на

основе ограничений процессов обработки телевизионных изображений,
выбранных критериев и классификации параметров способствует созданию
методов

визуальной

оценки

качества

цифрового

телевизионного

изображения.

53


background image

4. В результате проведения вычислительных экспериментов и

математического моделирования процессов обработки изображений на
основе теории дифференциальных игр найдено решение по устранению
временно-фазовых сдвигов и дефектов адаптивного, импульсного и
аддитивно-гаусного типов в изображениях.

5.

Создание

математической

модели

процессов

обработки

телевизионных изображений в двупараметрных нелинейных системах
автоматизируют процессы управления изображениями, устранение сдвигов и
временно-фазовых дефектов с помощью эффективного использования и
исследования результатов вычислительных экспериментов, определения и
фильтрации их типов в изображениях.

6. Разработка двухмерной растровой модели состояния изображения

объекта и алгоритмов моделлирования спорных состояний в процессе
обработки телевизионных изображений позволяет выбрать способы
обеспечения требуемого распределения яркости пикселей изображений и
формирования задач нелинейных игры.

7. Совершенствование способов фильтрации обработки цифровых

телевизионных изображений с верменно-фазовыми сдвигами и дефектами
позволяет устранить недостатки при передачи изображений путем их
оптимизации с учетом особенностей импульсов в спектральных полях
изображений, применения способов адаптивно-анизотропной фильтрации и
моделей раздельно-последовательнфх изображений.

8. Создание системы управления яркостью изображений с помощью

матричного ряда Чебышева, адаптивности механизма управления для
обработки изображений в динамической последовательности позволяет
разработать алгоритм оценки эффективности и точности при обработке
изображений.

9. Использование методов выделения контуров при сегментации

изображений в системах видеоданных, модели энтропийного кодирования
телевизионных изображений и методов линейной фильтрации изображений с
помощью уравнения Винер-Хопа дают возможность сократить дефекты и
сдвиги в телевизионных изображениях примерно на 11-26%, а также
повысить уровень яркости изображений на 8,5%.


background image

54

SCIENTIFIC COUNCIL 14.07.2016.Т.29.01 AT TASHKENT UNIVERSITY

OF INFORMATION TECHNOLOGIES AND NATIONAL UNIVERSITY

OF UZBEKISTAN ON AWARD OF SCIENTIFIC DEGREE OF DOCTOR

OF SCIENCES

TASHKENT UNIVERSITY OF INFORMATION TECHNOLOGIES

TASHMANOV ERJAN BAYMATOVICH

MATHEMATICAL MODEL OF THE FILTRATION PROCESS AND

IMPROVE THE QUALITY OF TELEVISION IMAGES IN VIDEO

INFORMATION SYSTEMS

05.01.07 – Mathematic modeling. Numerical methods and software package

(

technical sciences)

ABSTRACT OF DOCTORAL DISSERTATION


background image

TASHKENT – 2016

55

The subject of doctoral dissertation is registered on 14.07.2016/B2016.3.T.157 at the

Supreme Attestation Commission of the Cabinet of Ministers of the Republic of
Uzbekistan.

Doctoral dissertation is carried out at the Tashkent university of information technologies.
Abstract of dissertation in three languages (Uzbek, Russian, English) is placed on web-page of

Scientific council (www.tuit.uz) and Information-educational portal “ZIYONET” to the address
www.ziyonet.uz

Scientific consultant: Mamatov Mashrabjon Shahabutdinovich

doctor of physical - mathematics sciences, professor

Official opponents: Petrov Nikolai Nikandrovich

(

Russian Federation)

doctor of physical - mathematics sciences, professor

Zainidinov Hakimjon Nasridinovich

doctor of technical sciences, professor

Nigmatov Khikmatulla

doctor of technical sciences, professor

Leading organization:
Joint Stock Company

«UZTELECOM»

Defense will take place «___»

__________

2016 at 10

00

at the meeting of scientific council

number 16.07.2013.Т/FM.29.01 at Tashkent University of Information Technologies and
National University of Uzbekistan. (Address: 100202, Tashkent, 108, Amir Temur str. Ph.:
(99871) 238-64-43; fax: (99871) 238-65-52; e-mail:tuit@tuit.uz).

Doctoral dissertation can be reviewed in Information-resource centre at Tashkent

university of information technology (registration number _____). Address: 100202, Tashkent,
Amir Temur str., 108. Ph.: (99871) 238-65-44.


background image

Abstract of dissertation sent out on «___»

__________

2016 year

(mailing report № ____ on «____» ___________ 2016 y.)

R.X.Hamdamov

Chairman of scientific council on award of scientific

degree of doctor of doctor of technical sciences

M.S.Yakubov

Scientific secretary of scientific council on award of

scientific degree of doctor of technical sciences,

professor

M.Aripov

Chairman of scientific seminar under scientific council

on award of scientific degree of doctor

of physics-mathematics sciences,

professor

56

INTRODUCTION (Summary of the doctoral dissertation)

The relevance and demanding of the dissertation the theme.

Today in the

field of information and communication technologies is paid more attention to the
development of process control system for processing digital video images in the
video-information systems. In the conditions of intensive development of modern
information and communication systems increasing amount and the flow of
information are one of the most urgent problems of improving the quality of
television images and control the filtering process by the redundant information. In
this direction of information and communication technologies the leading
countries of the world increased demand and requirements for improving methods
of filtering and increasing the brightness of digital television images. «On the
world stage revenue from digital television transmission in 2016 in the media was
estimated at 7 billion US dollars, in the past five years achieved 23% economic
efficiency of online TV».

1

In the Republic of Uzbekistan held wide-ranging measures to address the

challenges associated with an increase in the brightness of a digital television
image, for the effective organization of measures for the automatic identification
and timely elimination of noise and foreign elements in the images. In this area,
including on the establishment of methods to increase brightness and filter images,
intellectualization processing management processes digital image, the creation of
specialized software-based complex improvement of methods to eliminate shifts
and signalnyh distortions arise as a result of the additive, pulsed
addaptivno-gaussnogo types influences in the processing of digital television
images, a number of research projects.

In the world of one of the most important issues is the formation of digital

TV images based on them improving process control system of image processing,
the development of numerical models and algorithms for solving various problems


background image

of filtration of digital television images using Fourier and wavelet methods. In this
area, carried out targeted research, including the attention given in the following
areas: development sovershenstovat method of classification and selection criteria,
monitoring and evaluation of image quality, the development of precision
management of images for given values of pixels of medium intensity, creating
modellirovaniya image processing algorithms , the development of process control
methods to ensure level-definition television images. Conducting research on the
above research areas confirms the relevance of the topic of this thesis.

This dissertation research to a certain extent is the implementation of the

tasks stipulated in the Decree of President of Uzbekistan № PP-1741 dated April
17, 2012 «On State program of technical and technological transition to digital
broadcasting in the Republic of Uzbekistan», and in the decree of the Cabinet of
Ministers № 24 of 1 February, 2012 «On measures to create conditions for the
further development of computerization and information and communication

1

https://www.pwc.ru/ru/entertainment-media/publications/assets/entertainment-mediaoutlook_2014.pdf

57

technologies in the field» as well as in other legal instruments adopted in this area.

Compliance research priority areas of science and technology of the

republic.

This research was performed according to the priority directions of

development of science and technology of the republic IV. «Development of
informatization and information-communication technologies».

Overview of the international research on the dissertation theme

2

.

Research aimed at the development of mathematical models and management
systems television image processing processes are carried out in the leading
research centers and higher educational institutions of the world, including the
Massachusetts Institute of Technology, Columbia, and California Institute of
Technology, University of Texas, University of California, Berkeley, and Harvard
University, Georgia Institute of Technology, the company Dveo, Hibox Systems,
Media Excel Honeywell (USA), Actus Digital, Adtec Digital (Izrail), Tsinghua
University, Beijing, Zhejiang University, Hagzhou, Shandong University (China ),
University of Bath, Cambridge University (UK), University of Pune (India), Ghent
University (Belgium), University of Rostock (Germany), Kyungpook National
University (South Korea), image processing systems Institute, RAS (Russia),
Tashkent University of information technologies (Uzbekistan).

As a result, the world's research on the improvement of management

systems and the creation of mathematical models of television image processing
systems in the video information obtained by a number of research results,
including effective methods of addition and the method of filtering to ensure a
high level of image quality (California Institute of Technology, USA); developed
technology to reduce defects videoposledovatelnosti via temporal filtering and
wavelet domains as well as for digital image filtering method is linear in the
processing of graphic images of shadows (Ghent University, Belgium); developed
methods of processing video data, images and geometric calculations based


background image

differential equations (Tsinghua University, China); We developed a method for
rapid multi-valued anisotropic smoothing save images curvature (National
Research Center, France); designed dynamic intervals seal technology with
archived preserving local contrast images for digital video card (Kyungpook
National University, South Korea); We developed a method for the automatic
evaluation of noise and their elimination in some images (Cornegy University,
USA); established methods for modeling and wavelet filtering of random fields
and maximum entropy (Braun University, USA).

In the world to improve the level of quality of digital television pictures,

design modeling filtration processes and high-performance systems management
in a number of priority areas of research are conducted, including the formation of
mathematical models of filtration processes improvement wavelet techniques,
fourier, Haar, Walsh-Hadamard Karhunena-Loeve in improving the clarity and

2

Review of foreign scientific research on the topic of the dissertation is based on http://web.mit.edu/,

https://en.knu.ac.kr/,

https://www.timeshighereducation.com/,

www.ugent.be,

www.tsinghua.edu.cn/,

https://www.cam.ac.uk/, www.uni-rostock.de/en/, www.unipune.ac.in/ and other sources

.

58

brightness of the images based on linear and nonlinear partial differential
equations; the creation of methods to eliminate the additive, pulsed and adaptive
gaussnogo types of noise in the images using the additive and adaptive filtering;
rarabotke algorithms and software tools for making intra-and inter frame image
changes; the development of an adaptive method of brightness control system with
the help of matrix series of Chebyshev; the development of a gradient, the static
and the Laplace method for image segmentation and dividing it into contours;
formation criteria and evaluation of image quality conditions; developing methods
for entropy encoding frames based on wavelet transforms.

The degree of

knowledge of the problem

. The development and improvement of methods used

mathematical modeling in solving methods of linear and nonlinear differential
equations digital television images in video information systems, the study of an
adequate model of a particular process and research methods for determining by
experiments on calculating the level process activity parameters, creation of the
theory and questions of improving maintenance practices brightness by filtration to
eliminate defects additive, pulsed and adaptive nature of the noise are devoted to a
number of scientists: Song-Hai Zhang, Shi-Min Hu, Ce ZHU, Ralph R. Martin,
Dan Su, Philip Willis, Zhou Wang, Alan C. bovik, Brian L. Evans, Jack Tumblin,
Greg Turk, C. Tomasi, Erik Reinhard, Michael Stark, Peter Shirley, James
Fervverda, Fredo Durand, Julie Dorsey, Suyash P. Awate, Ross T. Whitaker, David
Tschumperle, Caroline Chaux, Jean- Christophe Pesquet, Aleksandra Pizurica,
Vladimir Zlokolica, Wilfried Philips, Sheikh Md. Rabiul Islam, Xu Huang, Keng
Liang Ou, Thou-Ho Chen, Yen-Hui Yin, Shi-Feng Huang, Yan-Ting Ye, Yusuke
Monobe, Haruo Yamashita, Toshihary Kurosawa, Hiroaki Kotera, Heiko Schwarz,
Detlev Marpe, Leo Grady, R.A.Vorobel, S.S.Buhtoyarov, S.I.Kataev,
M.I.Krivosheev, Yu.B.Zubarev, A.S.Selivanov, B.P.Hromov, V.P.Dvorkovich, The
.N.Bezrukov and others.

Issues related to the processing of video images in video information


background image

systems, creating computer graphics and animation, automated geometric design,
considering, are in the works of Shi-Min Hu, Ralph R. Martin, R.A.Vorobelya,
S.I.Kataeva, M. I.Krivosheeva, B.P.Hromova, V.P.Dvorkovicha, V.N.Bezrukova
and others developed methods of processing triad simulate digital television
images «model algorithm program», as well as the method of computer modeling
and computational experiment, modular system and system software package,
achieved certain positive results in implementing them in practice. Related to the
development of methods for image filtering additive, pulsed and adaptive Gaussian
type studied Jack Tumblin, Greg Turk, David Tschumperle, Yu.B.Zubarev,
A.S.Selivanov, S.S.Buhtoyarov, C. Tomasi, Aleksandra Pizurica, Vladimir
Zlokolica, Wilfried Philips, as well as the issues of creating a variety of numerical
models of image filtering and processing of scientists dedicated to the
development of our country, including M.M.Musaeva, H.N.Zaynidinova,
R.N.Usmonova,

M.M.Kamilova

T.F.Bekmuratova,

T.Yuldasheva,

B.K.Kurmanbaeva and other studies have examined the problem neohodimosti

59

create different numerical models of filtration processes and improving the system

of intelligent management of imaging processes.

However, scientific research related to the establishment of efficient

algorithms for solving problems of modeling techniques and filtration processes
processing digital video images in video information systems, the use of modeling
techniques and of linear and nonlinear differential equations with reschenii
problems associated with filtration of digital television images, multiple-computer
calculation to to determine the mechanical and geometrical parameters necessary
to ensure the required level of brightness and contrast of the image that improve
process control efficiency of processing digital television images in video systems,
issues of modeling the entropy coding of television images, the division on the
contours for image segmentation, the formation of non-linear game problems at
increasing the brightness of the image, creating efficient methods for the automatic
detection and removal of image defects create the conditions for the development
of effective methods of calculation remains problematic.

Communication of the research plans of scientific research.

The

dissertation research is carried out in the following research projects of the
Tashkent University of Information Technology on the topics: A5-037-
«Development of hardware and software for audio and video codec based on
wavelet transforms with inter-frame processing for mobile communication
systems» (2012-2014) ; A5-024 – «Development of software for audio-video
codec with inter-frame television wavelet processing for 3G cell phones» (2015-
2017).

The aim of the study

is development of methods, algorithms and raster

models of filtration processes and improve the quality of television images in the
video information based on the use of mathematical models of systems with partial
derivatives.


background image

Research problems:

development of a mechanism making Fourier, wavelet and discrete cosine

transform based on the criteria and the required limit of boundary conditions of the
process, taking into account the features of shapes and television imaging
techniques in video information systems;

development of process control method to ensure the required level of

brightness and visual assessment of the quality of television images for given
values of medium-intensive pixel;

creation algorithm development of the mathematical model and the two

parameter nonlinear system of television image processing processes; development
of entropy encoding processing model of successive television images and
dynamic contour extracting method and image segments in the video information
systems;

development of methods and algorithms for solving problems to eliminate

image defects with the help of partial differential equations on the basis of the
theory of differential and discrete games of mathematical models of digital video
images to video information processing systems;

60

development of linear and nonlinear filtering techniques to improve the

brightness of the computer processing of static and dynamic video images based
on partial differential equations and the formation of discrete and nonlinear
differential game problems;

development of a method to eliminate shifts defects additive, and adaptive

pulse-gaussnogo character using anizitropnoy filtration and separately-smooth
image models.

The object of research

is the process of processing and filtering images

modeled using differential equations in order to improve the brightness level of the
digital television images in video information systems.

The subject of the study

are raster models, methods of their research and

solutions, adequate computing algorithms and software tools used solving the
problem to eliminate image defects, based on the use of mathematical models
including differential equations and processes of digital video images processing
for video information systems.

Research methods.

The thesis used methods of mathematical and numerical

modeling, theory of discrete and differential games, probability theory,
computational mathematics, theory and methods algorithmization, modular and
structured programming techniques, computational experiment methodology, as
well as methods of linear and nonlinear filtering.

Scientific novelty

of the research is as follows

:

developed mechanism for the use of the Fourier transform, wavelet and

discrete-cosine transform in the process of processing a television-dimensional
images in video information systems on the basis of criteria taking into account the
characteristics and limits of the boundary conditions;

developed a method for process control to ensure the required level of


background image

brightness and visual assessment of quality indicators of video images for given
values of the average intensity of the pixels;

developed a mathematical model to describe the spatial - temporal

processing digital video images and the corresponding algorithm for solving
nonlinear two-parameter system;

the model of entropy encoding processing of sequential dynamic digital

television images, as well as the method of edge enhancement and image segments
in the video information systems;

developed methods and algorithms for the solution of problems to eliminate

image defects in the processing of digital video images to video information
systems by means of mathematical models using the theory of differential and
discrete games;

developed methods for linear and nonlinear filtering increasing the

brightness of the computer processing of static and dynamic video images based
on the modeling of differential equations and the formation of non-linear game
problems;

developed a method of eliminating shifts defects additive, pulsed and

adaptive Gaussian nature using anisotropy filtration and separately-smooth image
models.

61

Practical research results

are as follows:

developed methods of image coding for high luminance level of redundancy

by eliminating intra-spatial spectrum in the processing of digital television images;

developed a method for generating a control signal, to provide-ing the

required level of brightness, to eliminate defects and inter-human and inter-frame
shifts by applying an iterative, adaptive spatio-temporal linear and nonlinear
filtering of digital video images in the video information systems;

We developed a set of software tools for modeling processes to eliminate

defects and intra and inter-frame shifts, taking into account possibilities of forming
the brightness of the corrected image;

determined the appearance of the brightness of the picture effect as a result

of the application of filtering techniques of television images in video information
systems;

adequacy of the mathematical model and the reliability of complex

development programs confirmed by the study of methods of linear and nonlinear
filtering, based on the theory of differential and discrete games with the
elimination of defects of the Gaussian type and changes in the television image.

The reliability of the results.

The reliability of the results of the research is

justified from a methodological point of view of the mathematical formulation of
the problem on the basis of the theory of differential and discrete games and its
decision precision methods applied partial differential equations, theoretical and
practical results of the problem, process modeling of linear and nonlinear filtering
and image processing, comparing the tasks elimination of the additive, impulsive
and adaptive Gaussian defects and changes in images with research work in the


background image

field of algorithms for solving and raster modeling methods Wiener Hop, Fourier,
wavelet, matrix near Chebyshev, as well as the results of computational
experiments on the basis of common criteria and benchmarking the data.

Theoretical and practical significance of the study results.

The scientific

importance of research results are development of linear and nonlinear partial
differential equations on the basis of the theory of differential games, uprscheniya
methods and criteria for evaluation of space-time state changes and defects in the
images, methods of linear and non-linear filtering to eliminate additive, pulsed and
adaptive gausnogo types of noise , coding methods and the elimination of the
phase image and interframe redundancy, raster models, algorithms, calculations
and complex specialized software, patterns of dynamic transformation and
properties of parameters that express the brightness and contrast of the image, are
the creation of the concept of high-quality and high-grade transmission and
processing of digital video images in the video information systems.

The practical significance of the results of the work lies in the development

of image processing process control systems in video information systems,
creating opportunities visual contrast and brightness of images as a result of their
linear and nonlinear filtering, applying in practice the complex of specialized
programs to determine the scope of laws and pixel density resolve and
determination of intra and inter-frame shifts and space-time defects additive,

62

pulsed and adaptive Gauss nature, providing conditions for improving the
television image quality can be widely used in the formation of images, the
construction of mathematical models of image processing, optimization of time
management, intensification of rapid determination and the establishment of the
Intellectual management system processes to eliminate defects and changes in
images, reduce material costs and the number of errors in the calculation.

Implementation of the research results.

On the basis of mathematical

models and process control systems process digital television-dimensional images:

tool for software systems algorithms and models of linear and nonlinear

filtering implemented at the enterprises of the Ministry for the development of
information technologies and communications, including in the State Unitary
Enterprise «Tashkent Broadcasting Center» (Reference from October 4, 2016
№02-8/5459 of the Ministry of the development of information technology and
communications). Based on the results of adaptive techniques and additive
filtering images based on the theory of differential-social games, software systems
have reduced shifts and defects in images from 11% to 26%;

developed a mathematical model to describe the space-time processing of

digital television images and the corresponding algorithm for solving nonlinear
two-parameter-term system introduced in «UZDIGITAL TV» LLC (Report dated
October 4, 2016 №02-8/5459 of the Ministry for the development of information
technologies and communications). Elaborate algorithm to create a model of
entropy encoding processing of sequential dynamic digital television images, as
well as highlight the contours and segments of images in video information


background image

systems;

method of control the brightness level of assurance process and algorithm of

television image quality assessment indicators introduced in the digital TV
network of «Uzbektelecom» (Reference from October 4, 2016 №28-01/1420
«Uzbektelecom»). The results of the research provide improved process control
processing efficiency digital television images at 8.5% due to higher levels of
image brightness.

Approbation of the work.

Theoretical and practical results of the thesis

have been tested on the following international and national conferences and
seminars: «Control problems and compression the image» (Germany, Wiesbaden,
2012); «Control actuators in parameters of algorithm compression of a video
information with use of its structural lines» (Russia, Kazan, 2012); «Geometric
methods in problems of conflict control with distributed parameters» (Kiev, 2013);
«Differential Games of Pursuit Many people with distributed parameters and
geometric constraints» (Odessa, Ukraine, 2013); «On a control problem, and
image compression» (Russia, St. Petersburg, 2014); «Discrete Pursuit game
described by equations of the second order from the image brightness» (Russia,
Izhevsk, 2015); «Management speed video encoding when transmitting data in
mobile communication systems» (Uzbekistan, Tashkent, 2011); «Image
Compression Optimization as a task management with distributed parameters»
(Uzbekistan, Tashkent, 2012); «Multidimensional controlled processes the image

63

brightness with geometrical limitations» (Uzbekistan, Tashkent, 2013), «The
quasi-linear differential game with variable coefficients and geometrical
limitations» (Uzbekistan, Tashkent, 2013), «Managing the encoding rate of
minimax distortion criterion» (Uzbekistan, Tashkent, 2014), «On two problems
handling the brightness of digital images described discrete equations of the
second order» (Uzbekistan, Tashkent, 2014), «Managed digital image»
(Uzbekistan, Tashkent, 2015), «Discrete game of pursuit, with the image
brightness» (Uzbekistan, Tashkent, 2015).

Publication of the results.

According to the thesis topic published a total of

48 scientific works. Of these, 1 monograph, 13 journal articles, including 2 foreign
and 11 in national journals recommended by the Higher Attestation Commission
of the Republic of Uzbekistan for the publication of basic scientific results of
doctoral theses and taken 6 certificates on registration of computer programs.

The structure and scope of the thesis.

The thesis consists of an

introduction, five chapters, conclusion, list of references, applications. The volume
of the thesis is 200 pages.

THE MAIN CONTENTS OF THESIS

In the

introduction

given the relevance and demanding of the research, a

description of the purpose and main tasks, as well as object and subject
corresponding to the priority areas of Science and Technology of the Republic of


background image

Uzbekistan, scientific novelty and practical results, theoretical and applied
significance of the results, information about the publication of the work and thesis
structure.

In the first chapter of the dissertation

«Analysis of modern television image

processing techniques»

considered methods of processing video images, carried

out an analysis of traditional forms and methods of treatment, revealed the specific
features of pre-processing of television images. Abstract Fourier methods, wavelet
and discrete-cosine transform in the television image processing. A classification
and selection criteria for the visual evaluation of the quality of television pictures.

Image processing is a multistep process, so the main stages of the image

processing carried out in order to improve its visual perception, can be represented
as a block diagram shown in Fig. 1.

Image Processing begins with reception (registration) images using the

imaging system, except for those cases when the image is already presented in
digital form. Important at this stage is the right choice of the imaging system of the
luminous flux and the most accurate selection of parameters characteristic of fixing
the object of interest in the image (light, long range will, etc). Digitization is
necessary to convert the image to digital form, coding - required in the case of
image transfer on communication channels.

Global image processing methods may be implemented either directly on the

image field, or by spectra.

64

Image

registration

Digitization,

encoding

Improving image quality

Non

semantic

Preprocessing Image recovery

Image processin

g

processing

Segmentation, feature
extraction,
classification, recognition,
interpretation

Visual interpretation,

visualization

Fig. 1. The

main stages of image

processing

Semantic processing

Result


background image

There are three main applications of the global two-dimensional orthogonal

transformation in image processing for:

• highlight the characteristics of the image features;
• image coding, when the width of the spectrum is reduced by dropping or

rough quantization small in magnitude of transform coefficients; • reduction of
dimension in the performance calculations.

Such transformations are Fourier transform, sine, cosine, wavelet transform

and conversion Karunena-Loev, Walsh, Haar and Hadamard. However, these
changes did not have the necessary flexibility for a wide range of digital filtering
tasks.

Often in practice to transfer the source image to the frequency domain and

restore used direct digital conversion (DDC) and Inverse Discrete Fourier
Transform (IDT) or other discrete orthogonal transformation. Filtering in the
frequency domain consists in multiplying the Fourier-image on the image
frequency filter characteristic.

As alternative IDT Fourier to solve the image pre-processing tasks,

eliminating noise and interference, the optimal Wiener filter, to improve the quality
of visual perception of images, highlight the boundaries of objects and their
segmentation for classification and pattern recognition, image analysis of the
spectra, calculate the discrete convolution, correlation function and other
operations on the spectra of the greatest use is made of discrete orthogonal Hartley
transform, Haar, Walsh-Hadamard.

The discrete Fourier transform is the basis for the implementation of many

digital filtering techniques. Advantage of the method - Possibility of using fast
DFT algorithm that allows the system to implement processing in real time. The
disadvantage is the need to limit the infinite spectrum with analog-to-digital
conversion.

One of the main parameters that determine the quality of the images is

contrast. Because the image can be a complicated scene in nature, it generates the

65

need to determine its contrast based on the contrast of certain combinations of
image elements. Thus all elements are considered equivalent, and the contrast of
each of the pair is calculated by the formula

L L C

L L

−

,

,

=

+

m n

m n

m n


background image

where

C

m n

,

- a combination of two pixel contrast

L

m

,

L

n

- the brightness of the

image elements by plot size

m n

×

.

Applying the rule of summation of contrasts, calculate a set of values

C

m n

,

that

define the perception of each pair of pixels. Averaging matrix of local contrasts,
receive total contrast. The result can be used as one of the parameters of the visual
image quality evaluation.

In the second chapter of the thesis «

Development of methods to improve the

brightness of the image in the process of processing»

describes methods for

improving the contrast of video images in video information systems. An
algorithm for constructing a mathematical model of image processing. It is noted
that the races image focus can be achieved by spatial averaging operation point
values for the neighborhood. Sharpening is a phenomenon back in relation to the
race focusing can be achieved spatial differentiation. From a fundamental point of
view, the value of the derivative operator response to an image point is
proportional to the degree of discontinuity of the image at a given point. Thus, the
image allows for enhanced differentiation swings and other discontinuities (eg,
noise) and not to emphasize the area with slow changes in brightness levels.

The simplest isotropic operator based on derivatives is Laplacian (Laplace

operator), in which case the functions of two variables

z

(x, y), is defined as

∂ ∂ ∇

=

+

2 2

. (1)

z z

2
2 2

z

x y

∂ ∂

Thus, the derivatives of any order are linear operators, that means and the
Laplacian is a linear operator.

For the application of this equation in the digital image processing, it must

be expressed in discrete form. There are several ways to set the discrete Laplacian
as based on the values of neighboring pixels. The following definition of a discrete
second derivative is one of the most commonly used. Taking into account that
there are now two variables, for a particular second derivative

x

:

2

∂

=

+

−

+

−

2

(x 1, ) 2 (x, y) (x 1, )

z

z y z z y

∂

x

and similarly for the second private derivative

y:

2

∂

=

+

−

+

−

2

(x, 1) 2 (x, y) (x, 1).

z

z y z z y

∂

y

Discrete formulation of the two-dimensional Laplacian, given by equation


background image

(1) is obtained by combining these two components:

2

∇

=

−

+

+

+

−

+

+

+

−

z z z x y z x y z y z y

4 (x, y) ( 1, ) ( 1, )

(x, 1) (x, 1) .

[

]

66

So, as the Laplace operator is essentially a second derivative, its use

underscores gap levels of brightness in the image and suppresses the area with
weak changes in brightness. This results in an image containing grayish contour
line in place and other discontinuities superimposed on a dark background without
features. But the background, you can «restore», while retaining the sharpening
effect achieved Laplacian. It is enough to fold the original image and the
Laplacian. It is necessary to remember some of the definitions of the Laplace was
used. If used definition uses the central negative factors, then getting the effect of
Sharpening-Laplacian image should be subtracted, not add. Thus, the generalized
use of Laplacian algorithm for image enhancement is as follows:

⎧

⎪ − ∇

<

z z w

(x, y) (x, y), if (0,0) 0,

2

g(x, y)

(x, y) (x, y), if (0,0) 0.

=

⎨⎪

⎩

+

∇ ≥

z z w

2

Here

w

(0,0)— the value of the central coefficient Laplacian mask. Now

consider the control problem from the image brightness in the following form

4 , ,0 ,

, 1, 1, , 1 , 1 , ,

z z z z z u u

i j i j i j i j i j i j i j

−

+

+

+

+

=

− ≤

<

ρ

ρ

−

+

−

+

0, m 1, ,0 ,

0, 0, 0, 0, (2)

j j i i

z z z z

=

=

=

=

+

θ

i

=

=

−

1,2,...,m, j 1,2,..., 1,

θ

where the left side of the equation the discrete analogue of the Laplacian

2 2

∂ ∂

z z

∂ ∂

function of brightness, and

z z y

=

(x, ), а

i j

,

+

2 2

x y

z

−

the brightness of the image

z

−

the value of the image brightness

levels of the respective

at the point, i.e.

i j

,

pixels

( , )

i j

,

i j

,

u

−

the control parameter. Without loss of generality, it is


background image

convenient to assume that if either

i

=

0,

or

i m

=

+

1,or

j

=

0,or

j

=

θ

,

,

0,

i j

z

=

something that bordered image pixels with zero values of the level of brightness.
Management tasks are set as follows.

u

,

i

=

=

−

1,2,...,m, j 1,2,..., 1,

θ

We shall say that an admissible control

i j

,

translate brightness of the position

0, m 1, ,0 ,

0, 0, 0, 0,

j j i i

z z z z

=

=

=

=

z

i j

to

+

θ

,

satisfying the condition:

, 0 1 0 1

, ,

i j

β

ε

β

ε

− ≤ ≤

+

≤ ≤ ≤ ≤

z i i i j j j

where

0 1 0 1

1 , , 1 j , 1

≤ ≤ ≤ ≤ −

i i m j

θ

for

some predetermined

β

ε

β

ε

>

>

>>

0, 0, .This

z

the value of brightness levels in the image has been predetermined

means that

i j

,

pixels in an interval.

It also investigated two-parameter nonlinear systems and to develop a

process control system processing the brightness levels and a mathematical model
of the television image processing.

During the pre-treatment is carried out analysis of the image, which

determines various statistical characteristics of the image, such as the mean and
standard deviation of brightness, contrast, histogram of brightness and contrast,
select the most suitable model and parameters of digital noise. In step pretreatment

67

performed low-pass filtering, removal of which produces digital noise in the
image.

As a rule, after low-pass filtering the image contrast is reduced and hence

the need to adjust it. The contrast correction, the computation of image contours.
As a result of the summation of the brightness of image pixels with brightness
calculated contours contrast correction is performed.

In the third chapter of the thesis

«Methods of improving the contrast and

brightness levels of the television image»

formulated nonlinear gaming tasks and

performed a selection of their method of solution to the brightness of the image.
The formulated problem is solved with the help of difference analogues of
Cauchy's integral formula. Developed methods used to solve the problems of
harassment described by elliptic equations.

The essence of the method is as follows, even in

s

R

the space of dimension

s

s

, 1

≥

, is allocated a finite set of

K

and some arbitrary set

D

0

points with integer

coordinates. Let D denote the set which runs through point

n k

+

if

n

and

k

,

respectively, a plurality of independently run

D

0

and K. Each point

r r D

,

∈

,

associate the set

, ,

K k K

r

∈

, attributing to him the points

k k K

, ,

∈

for that

r k D

− ∉

. The collection of the

r

, for which the set of non-empty call boundary

G

0

of domain

D

. Consider a discrete game described with respect to equation

n

z


background image

∑

=

∈

C z f n u n D

+

υ

( , , ), , (3)

k n k n n

0

k K

∈

s s

multi indexes;

,

l

where

1 2 1 2

( , ,..., ), ( , ,..., )

n n n n k k k k

=

=

−

z R

∈

а

C l l

k

−

×

a

n

constant square matrix;

u

,

υ

– control parameters;

u

– persecution parameter,

υ

–

evasion parameter,

,

p q

u P R Q R

n n n n

∈ ⊂ ∈ ⊂

υ

;

P

n

and

Q

n

– non-empty sets.

Parameter

u

is selected in a sequence parameter

( ) , ,..., ,...), , ;

i i i

i

u u u u u u P m D

=

⋅

=

∈ ∈

parameter

υ

– in the form of

0 1

0

m m m m m

( ) ( , ,..., ,...), , ;

i i i

i

υ

υ

υ

υ

υ

υ

=

⋅

=

∈ ∈

m m m m m

Q m Df

– defined function

sequence

0 1

0

mapping I

s p q

R R R

×

×

в

l

R

. Also, in the

l

R

allocated terminal set

M

.

erminal set M. Let a boundary condition

, . (4)

l

r r Г r r

z R

∈

=

∈

φ

φ

Then we will say that in the game (3) and (4) of the «boundary» situation

( ), ,

ϕ

ϕ

r r

∉ ∈

M r Г

can end the persecution of the steps

({ })

N

ϕ

r

, if for any e

υ

()

⋅

e

scape control sequences can construct

u

()

⋅

a sequence of persecution of control

that

( ) ( , ,..., ,...)

0 1

N

z z z z

⋅

=

the solution

n n n

∑

=

=

=

C z f n u n n n n z

+

∈

υ

φ

0 1

( , , ), , ,..., ,..., ,

N

k K

∈

for some

,

N

k n k n n r r Г

r

n n o N N

=

≤ ≤

falls on

:

M z M

n

∈

.

It is known that the solution of equation (3) under the condition (4) is

described by the formula:

z G C G f m u n D

−

+

−

φ

υ

( , , ), , (5)

n n r k k r n m m m

=

+

∈ ∑ ∑ ∑

(

)

r à r à m D

∈ ∈ ∈

0

where

G

n

– the fundamental solution of the equation (3), defined by the equality


background image

68

1 ( )

C

−

1

ξ

G d d

... ... ... ,

=

∫ ∫ ∫

ξ

ξ

n s

s n n

1 1 1

(2 ) ...

s

π

ξ

ξ

i

ξ

=

1

+

+

C C

ξ

ξ

here

( ) ,

k

j j

r

s

1

1 1

... и ,...,

k k k

s

ξ

ξ

ξ

ξ

ξ

≡ −

≡ ∑

1

s s

complex parameters, and is the

k K

∈

k

inverse matrix. When the condition

det ( ) 0

C

ξ

≠

has a unique bounded solution of

problem (3), (4) in the form (5).

Application of the Wiener-Hope equation of linear image filtering can

reduce the interpolation error, i.e. The visibility of raster structure of the playback
image, for example, when they are printed. Filtering by linear within certain limits
is possible to reduce the visibility of noise flotation, and other defects on the
images reproduced. This problem can be solved in the following manner.

Let

i j

,

x

−

the value of brightness of the image - a useful signal at the

intersection of the second

i

−

row and the first

j-

column, and the observed image

input filter described by the model:

=

=

−

=

−

(

, , 0, 1, 0, 1.

)

y f x n i I j J

i j i j i j

, , ,

n

−

the interference value at coordinates

(

i j f

, ,

)

(

⋅ −

)

function

Here,

i j

,

describing the interaction of the signal and noise, a

I

and

J

- the number of rows

and columns in the frame.

When the linear output filtering effect is determined by a linear combination

of the input data:

=

⋅ − −

∑ ∑

x i j a i j y i i j j

*

, , , . (6)

(

)

(

)

(

)

(

)

i j S

1 1 1 1

,

∈

1 1

In this expression,

(

)

,


background image

=

the result of the useful signal

(

)

,

,

i j

x i j x

*

*

,

i j

x i j x

=

filtering in the frame at the coordinates

(

i j S

, ;

)

−

set of points (or rather the set of

their origin), forming a neighborhood;

a i j

(

1 1

,

)

−

weights, which is a set of two

dimensional impulse response (IR). If the region

S

is finite, then the impulse

response has a finite length then a filter called a EIR filter. Otherwise, the impulse
response is infinitely long, and the name of the filter IIR. In the expression (6) it is
assumed that they are not dependent on

(

i j

, ,

)

the point of origin which is defined

by the output effect. image processing procedures with the property regardless of
origin, are called homogeneous.

The most common optimality criterion, used to assess the quality of

treatment is the minimum mean square error criterion. With regard to the filter
expression, we write it in the form of:

⎧ ⎫

⎪ ⎪ ⎡ ⎤

∑ ∑

2

E x i j a i j y i i j j

⋅

⎨ ⎬ ⎢ ⎥ − ⋅ − −

=

, , , min, (7)

(

)

(

)

(

)

⎪ ⎪

⎢ ⎥ ⎣ ⎦ ⎩ ⎭

1 1 1 1

a

(

)(

)

i j S

,

1 1

∈

where

E

{

}

−

the mathematical expectation. According to (7) the determination of

the optimal filter it consists in determining them so that the mean squared error

=

−

signal

x i j

(

.

)

expressing a difference between

x i j

(

. ,

)

ε

(

i j x i j x i j

, . . ,

)

(

)

(

)

*

*

the

estimate and the formed filter was minimal. The expectation is taken over all

69

random variables contained in (7), which means the orientation of the criteria for
registration of average error.

The optimization problem (7) can be easily reduced to the solution of the

equation or system of equations. To do this, we calculate the derivative of the left
hand side of this expression at a rate

(

)

,

,

k l

a k l a

=

and equate it to zero.

Considering that the operation of differentiation, summation, and the expectation is


background image

linear, and therefore commute, we obtain the expression:

⋅

=

⋅ ⋅

∑ ∑

E x y a E y y

− − − − − −

. (8)

i j i k j l i j i i j j i k j l

{

}

1 1 1 1

{

}

, , , , ,

i j S

,

1 1

∈

Included in his expectations are, as can easily be seen, samples of the

correlation functions, for which we introduce the following notation:

B k l E x y B k

i l j E y y

xy i j i k j l y i i j j i k j l

(

, , , .

)

=

⋅ − −

=

⋅

{

, , 1 1 , ,

− − − − − −

}

(

)

{

1 1

}

Taking them

into account (8) will take a more compact form:

=

⋅ − −

∑ ∑

B k l a B k i l j

, , (9)

xy i j y

(

)

(

)

, 1 1

i j S

1 1

,

1 1

∈

Considering the autocorrelation

B

y

(

)

and cross-correlation function is

known, we note that (9) is linear with respect to the unknown coefficients

1 1

i j

,

a

of

an algebraic equation. The number of unknowns in the equation equals the number
of pixels

S

n

in the

S

neighborhood is the end in the case of the IIR filter and IIR

infinite for filtering.

Adaptive filters are designed to save the contours and boundaries of objects

in the image when the noise filtering fluctuation widely used adaptive filters with
finite impulse response. The term «adaptive» means that the filter's impulse
response coefficients vary in accordance with the structure of the processed image.
In the most general case of adaptive filters implementing local processing type

1 ˆ

, , ; , , ,

f n n h n n k k g n k n k

=

⋅

+

+

∑

(

)

(

)

(

)

(

)

1 2 1 2 1 2 1 1 2 2

H

∈

k k D

,

1 2

where normalizing filter coefficient providing unbiased average brightness of the
processed image relative to the original. The filter coefficients depend on the
values of the brightness of the image in the «sliding window». For each window
position is performed or counting counts filter mask selection or processed image


background image

pixels in the window i.e. window configuration change. Therefore, despite the use
of linear processing of samples in the window of adaptive filtering procedure it is
generally nonlinear.

In the fourth chapter of the thesis

«Modeling the process of digital image

processing

» algorithm of modeling of conflict situations in the television image

processing. It is noted that the transmission of television pictures in a single
intensity value, and at the same point of one frame does not usually coincide with
the other frames. In solving these problems at every point must be taken into
account the changes of brightness that were noticed. This shows that the process
involved with the opposite side of interest, i.e., it prevents control the value of the
image brightness.

70

The mathematical model of this problem is presented as follows:

4 , , , (10)

(

)

(

)

, 1, 1, , 1 , 1

i j i j

z z z z z u x y v x y

i j i j i j i j i j

−

+

+

+

+

=

−

+

−

+

−

+

and describes the two-parameter discrete games of pursuit. Harassment is
considered complete if it satisfies the condition:

, 0 1 0 1

, ,

i j

β

ε

β

ε

− ≤ ≤

+

≤ ≤ ≤ ≤

z i i i j j j

где.

0 1 0 1

1 , ,1 j , 1

≤ ≤ ≤ ≤ −

i i m j

θ

for some

predetermined

β

ε

β

ε

>

>

>>

0, 0, .

Model example of the studied class digital gaming is the next process of

−

+

+

+

+

=

−

+

4 ,

, 1, 1, , 1 , 1 , ,

z z z z z u

i j i j i j i j i j i j i j

−

+

−

+

persecution described by equations

υ

≤ ≤

<

ρ

υ

σ

σ

ρ

, , , 11

u

i j i j

, ,

(

)

z z z z

θ

0, 0, 0, 0,

j j i i

=

=

=

=

0, m 1, ,0 ,

+

i

=

=

−

1,2,...,m, j 1,2,..., 1,

θ

2 2

∂ ∂


background image

where the left side of the equation the
discrete analogue of

z z

∂ ∂

the

+

2 2

x y

Laplacian image brightness function

z z y

=

(x, )has the form in (2). This means

that

i j

,

z

the value of the brightness levels of the image at predetermined pixel is in a

segment that wants haunting. Haunting the player wants to finish the game faster,
and escaping the player, generally speaking, will interfere with this.

Using the boundary conditions in

i m

=

1,2,...,(11) we obtain the system

1, 0, 2, 1, 1 1, 1 1, 1,

4 ,

j j j j j j j

−

+

+

+

+

=

−

+

z z z z z u

−

+

υ

2, 1, 3, 2, 1 2, 1 2, 2,

4 ,

j j j j j j j

−

+

+

+

+

=

−

+

z z z z z u

−

+

υ

……………………………………….

, 1, 1, , 1 , 1 , ,

4 ,

i j i j i j i j i j i j i j

−

+

+

+

+

=

−

+

z z z z z u

−

+

−

+

υ

……………………………………….

m 1, m 2, m, m 1, 1 m 1, 1 m 1, m 1,

4 ,

j j j j j j j

−

+

+

+

+

=

−

+

z z z z z u

− − − − −

+

− −

υ

m, 1, 1, m, 1 m, 1 m, m,

4 .

j m j m j j j j j

−

+

+

+

+

=

−

+

z z z z z u

−

+

−

+

υ

Labeling,

1, 2, , 1, 2, , 1, 2, ,

( , ,..., ) , (u ,u ,...,u ) , ( , ,..., )

j j j m j j j j m j j j j m j

z z z z u

υ

υ

υ

υ

Τ

Τ

Τ

=

=

=

we have

1 1

,1 1,

j j j j j

−

+

−

=

− ≤ ≤ −

z Cz z u j

−

+

υ

θ

z z

0, 0

=

=

θ

, (12)

0

where

m

z R

∈

and

j

u

−

the control parameter of the

pursuer;

j

υ

j

−

control parameter

j j

u R R

∈ ∈

υ

components that satisfies condition

evader:

,

m m

, , ,

i j i j

u

≤ ≤

<

ρ

υ

σ

σ

ρ

and

C

−

square Jacobian - tridiagonal matrix of the

form

, ,

71

C

4 1 0

⎛ ⎞ − ⎜ ⎟ − −

1 4 1

.

=

⎜ ⎟ ⎜ ⎟

. . . .

⎜ ⎟

⎝ ⎠ −

0 1

4

m

M R

⊂

terminal set that the game ends.


background image

Proposed brightness control algorithm is designed to correct the image

defects by applying formula (13).

⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎡ ⎤

1 1 1

z U C U C z U C u

=

+

−

+

⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎢ ⎥ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎣ ⎦

−

1

n

−

1

2 2 2

∑

υ

(

)

n n k k k

θ

θ

− − − −

1 1 0 1

k

=

1

⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎡ ⎤

1 1 1

. (13)

+

+

− ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎢ ⎥ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎣ ⎦

U C U C z U C u

θ

−

1

−

1

2 2 2

θ

θ

θ

− − − −

1 1 1

υ

(

)

n k k k

∑

k n

=

where in:

0

z

и

z

θ

- line data for calculating the initial correction coefficients,

which are determined directly from the images (the first and last rows study area);

1

U

θ

1

−

−

−

the inverse matrix of the matrix of the Chebyshev polynomial

of degree

θ

−

1;

U

θ

− −

n

1

−

the matrix of the

Chebyshev polynomial of degree

θ

− −

n

1;

U

k

−

1

−

the matrix of the Chebyshev polynomial of degree

k

−

1;

k

u

and

υ

k

−

control parameters in the form of vectors;

n

−

line number in the matrix of

correction factors for the brightness of the
matrix;

θ

−

a parameter indicating the

dimension of the matrix (brightness adjustment) control vectors. As a result, the
processing is achieved the desired brightness value, which allows to adjust the
brightness of the pixels in a selected area of the image by controlling factors. Also
as a result of the algorithm produced two results:

1) The site of the image, which has been a defect is corrected in accordance

with its environment.

2) We calculate the control coefficients for the whole area on which the


background image

correction is made. They can be used in the subsequent images with the same
defect and the surrounding area.

The algorithm uses two basic formulas:

U X XU X U X n

n n n

+

+

=

− ≥

( ) 2 ( ) ( ), 0,

2 1

U X U X X

( ) 1, ( ) 2 (14)

=

=

0 1

where: is

U

n

+

2

the matrix of the Chebyshev polynomial, (

n+2

- the degree of the

polynomial);

X

- input parameter on which the polynomial is calculated. Thus, by

searching the control coefficients using Chebyshev polynomials of the second kind

(13) and (14) can adjust the brightness according to the specified

range

( , )

β

ε

β

ε

−

+

,

where (

β

-

the minimal brightness

ε

- the difference between

the maximum and minimum brightness, radiance of this point) within workspace.

As a result

β

ε

,, the measurement is performed

setting the brightness range

( , )

β

ε

β

ε

−

+

, which should get all the points from the working area after

correction.

72

In the fifth chapter of the thesis

«Improving the filtration methods of

television images»

deals with the filtering of digital images by a convolution with

the impulse response in the spectral region.

Filtering images

L x y

c

(

,

)

using convolution with the impulse response

h x

y

(

,

)

of the continuous case of achromatic images are mathematically described

as follows:

∞ ∞

L x y L h x y d d

c c

(

, , , , ,

)

(

ξ

η

ξ

η

ξ

η

)

(

)

=

− −

∫ ∫

Ω

−∞ −∞

where

L x y

c

Ω

(

,

)

−

the distribution of brightness in the image after filtering,

ξ

η

,

−

integration variables. When implementing this method digitally filtering the

original image, the image after the filter and the impulse response are represented
as arrays of numbers whose elements are denoted by

L k n L k n

c c

(

, , ,

)

Ω

(

)

and

h k n

(

, ,

)

a number of rows and columns through

k

and

n

. At the same time, the

brightness of the pixels of the filtered image is calculated as follows:

K N

− −

1 1


background image

=

+

+

∑ ∑

′

′

′

′

2 2

L k n L k k n n h k n

, , , ,

(

)

(

)

(

)

c c

Ω

− −

′

′

=

−

=

−

K N

k n

1 1

2 2

where

K

and

I -

a two-dimensional impulse response length in both directions. And

odd values

K

and

N

are selected in order to avoid displacement of the filtered

image with respect to the source.

When you filter scans the image window (impulse response), the size of

which constitute pixels

KxN

. Each sample window is a weighting factor (the value

of the impulse response), which is multiplied by a pixel of the image, covered by
this countdown window. The intensity of the filtered image pixel whose
coordinates coincide with the coordinates of the center of the window, are by
adding up all the works.

The impulse response

h k n

(

,

)

in the development of the digital filter is as

follows. First, is the frequency transfer function of

K

(

ω

ω

x y

, .

)

the analog filter is

then by applying it to two-dimensional Fourier transform integral is sought
corresponding impulse response

h x y

(

, :

)

∞ ∞

=

+

⎡ ⎤

⎣ ⎦

∫ ∫

1

4

x y x y x y

h x y K i x y d d

ω

ω

ω

ω

ω

ω

, , exp .

(

)

2

(

)

(

)

π

−∞ −∞

The impulse response thus found to be converted to discrete form by its

spatial sampling, while the spatial sampling interval must be the same as the spatial
discretization step the filtered image.

Plot with different color characteristics were selected for testing. All subjects

contain four frames, the first of which is a reference, and represents a static image,
and the subsequent three - dynamic video reel. Each frame was coated with a

73

certain amount of defects (1 to 6) to simulate a real image damage. The standard
deviation (SD) was used as a measure of the success of the restoration carried out.


background image

Figure 2. Sample processing for the scene «Squirrel» : all the required fields are

highlighted and customized

The following are examples of test subjects as a reference frame, and the

original images are located on the left and on the right - with marked defects.
Because the experiment is carried out in two phases, then the results will be
grouped by the type of graphical information - first processing the reference frames
of the three video sequences as static graphics, then processing results of all the
frames in the video sequence as histograms MSE reflective processing error for
each defect as dynamic images.

In the first phase of the experiment, the processing of still images, the

control coefficients are determined, which are then used during the second phase,
thereby significantly reducing the resources required.

This «squirrel» story identified six defects, the coordinates of which are

given below, all the defects have a size of 8 by 8 pixels, respectively, the size of
the region, describing them, will be 10 by 10 pixels.

Table 1.

The coordinates of the upper left corner of the area with defects to the story

«Squirrel» for the reference frame

Str. 1

Str. 2

Str. 3

Str. 4

Str. 5

Str. 6

X

Y

X

Y

X

Y

X

Y

X

Y

X

Y

The

supporting

frame

276

28

323 109 508 146 360 162 570 257 138 286


74


background image

а) b)

v)

Figure 3. The source (a), the defect (b), and recovered (v) a support frame for the

«Squirrel» plot

Further, after the completion of the first phase of the coefficients obtained

control that allows you to go to the second phase and to use them in the processing
of dynamic data. The number of defects and their size in each story remains the
same, but their location in the different frames of a video sequence may vary
slightly around the initial position, the exact coordinates of each frame will be
shown in the «Squirrel» description of the scene.

Table 2.

The coordinates of the upper left corner of the area with defects for «Squirrel» plot.

Str. 1

Str. 2

Str. 3

Str. 4

Str. 5

Str. 6

X

Y

X

Y

X

Y

X

Y

X

Y

X

Y

Frame №1

28 323 109 508 146 360 162 570 257 138 286

Frame №2

26 321 106 508 146 363 155 572 250 133 282

Frame №3

32 318 107 504 140 355 156 567 257 137 276


background image

Frame №4

35 318 102 508 140 352 162 572 252 143 274


Table 3.

RMS for «Squirrel» plot

Str. 1

Str. 2

Str. 3

Str. 4

Str. 5

Str. 6

Frame №1

0

9,165151

0

16,7332 4,472136 61,28621

Frame №2

0

5,385165

0

18,24829 4,582576 54,36911

Frame №3

0

7,071068

0

18,81489 3,162278 60,73714

Frame №4 1,732051 3,162278

0

16,03122 4,582576 52,19195


75

Figure 4. RMS Chart for «Squirrel» plot

Based on analysis of the data tables, bar charts and visual evaluation of

images obtained by processing one can conclude that color in place of the defect
recovered by 85-90%, depending on the place of the surrounding background and,
thus, more uniformly than the background, the better the recovery.

CONCLUSION

According to the research doctoral dissertation on the theme «Mathematical

models of filtration processes and improving quality of television pictures in video
information systems» were made the following conclusions:

1. The processing of digital video images to video information systems using

the methods of creating mathematical models, expressions using linear and


background image

nonlinear differential equations based on game theory analysis of the application of
computing algorithms and software systems have defined the theoretical basis of
the prospects and characteristics.

2. Create a filtering processing methods of static and dynamic video images

based on differential equations, the validity of the mathematical correctness of
their algorithms, develop appropriate computational algorithms and software
systems helps automate the process of managing improve the clarity of images on
the average intensity of pixels.

3. Transformations such as Fourier, discrete cosine and wavelet-based

restrictions television image processing processes, criteria and parameters selected
classification contributes to the creation of visual quality assessment methods for
digital television images.

4. As a result of computational experiments and mathematical modeling

based on differential game theory image processing solution is found to eliminate

76

the time-phase shifts and adaptive defects, impulse and additive-gausnogo types of
images.

5. Establishment of a mathematical model of television image processing in

two parametrical nonlinear systems automate image management processes,
eliminating shifts and time-phase defects through effective use of research results
and computational experiments, detection and filtering of their type in the images.

6. Development of a two-dimensional raster image of the object state model

and modeling algorithms contentious states in the television image processing
allows you to choose how to ensure the desired brightness distribution of pixels
and image formation of nonlinear tasks of the game.

7. Improvement of ways to filter processing digital video images with

temporary-phase shifts and defects can eliminate deficiencies in the transmission
of images by optimization taking into account the characteristics of the pulses in
the spectral imaging fields, the use of methods of adaptive anisotropic filtering and
models of separately-consistent images.

8. Create an image brightness control system through a series of Chebyshev

matrix, adaptive control mechanism for processing images in a dynamic sequence
estimation algorithm allows to develop the efficiency and accuracy in image
processing.

9. The use of edge enhancement with image segmentation in video systems,

model entropy coding of television images and linear filtering techniques images
using Wiener Hopa equations provide an opportunity to reduce defects and
changes in television images by approximately 11-26%, as well as increase the
level of brightness images on 8.5%.


background image

77

ЭЪЛОН ҚИЛИНГАН ИШЛАР РЎЙХАТИ

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ

LIST OF PUBLISHED WORKS

I бўлим (I часть; I part)

1. Маматов М.Ш., Ташманов Е.Б., Алимов Х.К. Теория управления

распределенными

параметрами

и

геометрическими

ограничениями.

Монография // Изд-во «Fan va texnologiya»,2013. С.183.

2. Tashmanov E.B. Modernization of Processes Control Methods for Digital

Image Processing // Computer Science and Information Technology Vol. 4(4),
2016.,USA, P. 135 – 138. (05.00.00; №6).

3. Tashmanov E.B. Mathematical models of filtration processes video

images // IJRET: International Journal of Research in Engineering and Technology
Volume: 05 Issue: 09 | September-2016, India (№05) Global Impact Factor,
IF=0.897.

4. Ташманов Е.Б., Маматов М.Ш. Сжатие изображения как игровая

задача с распределенными параметрами // Инфокоммуникации: сети.
технологии. решения. -Ташкент. 2012.-№4.-С.24-29. (05.00.00; №2)

5. Ташманов Е.Б., Маматов М.Ш. Оптимизация сжатия изображения

как управления с распределенными параметрами // Вестник ТУИТ.-Ташкент,
2012.-№3,4.-С.55-62. (05.00.00; №10)

6. Ташманов Е.Б. О задаче управления компрессией цифровых


background image

изображений ТАТУ хабарлари. Ташкент. 2015. – № 2(34) . – С. 77-81.
(05.00.00; №10)

7. Ташманов Е.Б., Пузий А.Н. Анализ методов сжатия изображений на

основе Wavelet преобразований // Вестник ТУИТ.-Ташкент,2016.-№1.-С.21-
25. (05.00.00; №10)

8. Гаврилов И.А., Ташманов Е.Б. Сжатие видеоизображений методом

яркостного преобразования и оценка его эффективности // Вестник ТУИТ.-
Ташкент, 2016.-№2.-С.102-106. (05.00.00; №10)

9. Маматов М.Ш., Ташманов Е.Б., Рахимов Б.Н. Обработка сигналов на

основе Фурье преобразование // Вестник Фер.ПИ.-Фергана,2016.-№3.-С.131-
133. (05.00.00; №20)

10. Ташманов Е.Б., Маматов М.Ш. Обработка изображений на основе

дискретно-косинусного преобразования // Вестник Фер.ПИ.-Фергана,2016.-
№3.-С.158-159. (05.00.00; №20).

11. Ташманов Е.Б., Маматов М.Ш. Дискретная игра преследования,

описываемая уравнениями второго порядка с яркостъю изображения //
Вестник Фер.ПИ.-Фергана, 2016.-№4.-С.15-20. (05.00.00; №20).

12. Ташманов Е.Б., Маматов М.Ш., Маъруфов Э.К. Применение

вейвлет - преобразования к обработке изображений //Вестник Фер.ПИ.-
Фергана, 2016.-№4.-С.146-149. (05.00.00; №20).

78

13. Ташманов Е.Б. Повышение эффективности межкадровой обработки

ТВ изображений // Инфокоммуникации: сети. технологии. решения. -
Ташкент. 2016. -№3.-С.24-29. (05.00.00; №2).

14. М.Ш.Маматов., Ташманов Е.Б., Гаврилов И.А., Пузий А.Н.

Оптимизация изображений на основе полиномов Чебышева // Доклады
Академии наук РУз Ташкент.2016.-№5.-С.36-40. (05.00.00; №9).

II бўлим (II часть; II part)

15.Tashmanov E.B. Сontrol in parameters of algorithm compression of a

video information with use of its structural lines s // Analytical mechanics, stability
and management / Works X-th of the international Chetayevsky conference. –
Kazan, 2012. – P. 282- 290.

16. Tashmanov E.B. Control problems and compression the image //

European Science and Technology. Wiesbaden, Germany 2012. January 31st,
2012.-P. 322-326.

17. Tashmanov E.B., Mamatov M.Sh. Control problems and compression

the image // Eight World Conference on Intelligent Systems for Industrial
Automatoin. Tashkent November 25-27, 2014.P. 237-241.

18. Tashmanov E.B., Mamatov M.Sh. The task control digital image

compression // PR-technologies and informatization of the system of education:


background image

status and prospects Materials of the international scientific conference on October
10-11, 2014.Prague. P. 92-96.

19. Tashmanov E.B. Effectiveness increase of visual processing on the basis

of image scaling // American Scientific Journal №4 (4)/2016,USA. P.69-72. 20.
Tashmanov E.B., Mamatov M.Sh., Alimov X.K. Differential Games of Pursung in
the Systems with Distributed Parameters and Geometrical Restrictions // American
Journal of Computational Mathematics, 2013,USA, 3, 1-61. September 2013.P
56-61.

21. Tashmanov E.B., Mamatov M.Sh., Alimov X.K. Zwquasi Linear

Discrete Games of Pursuit Described by High Order Equation Systems //
Automatic Control and Computer Sciences. 2015. USA, – V. 49. – № 3. – P. 148-
152.

22.

Ташманов

Е.Б.

Управления

скоростью

кодирования

видеоинформации при передаче данных в системах мобильной связи //
«Ахборот технологиялари ва телекоммуникация муаммолари», Республика
илмий-техник анжумани 21-22 апрель 2011 й., Тошкент. 256-258 б.

23.Ташманов Е.Б. Управление параметрами алгоритма сжатия

видеоинформации с использованием его структурных линий // Актуальные
проблемы гуманитарных и естественных наук. №9(32), сентябрь 2011,
Москва, 2011, С.37-40.

24. Ташманов Е.Б. Управление скоростью передачи видеоинформации

с помощью Вейвлет-преобразования // Актуальные проблемы гуманитарных
и естественных наук. №11(34), ноябрь 2011, Москва, 2011,С.63-66.

79

25. Ташманов Е.Б. Управление скоростью передачи видеоинформации

с помощью преобразование Фурье // Актуальные проблемы гуманитарных и
естественных наук. Москва. – 2011. – № 12. – С.37- 40.

26. Ташманов Е.Б. Управляемые процессы и сжатия изображения //

«Ахборот технологиялари ва телекоммуникация муаммолари», Республика
илмий-техник анжумани 15-16 март 2012 й., Тошкент. 56-59-б.

27. Ташманов Е.Б. Оптимизация сжатия изображения как задача

управления с распределенными параметрами // Материалы международной
научной конференции «Актуальные проблемы прикладной математики и
информационных технологий –Аль-Хорезми 2012» Том №1.Ташкент 19-22
декабрь. С. 319-322.

28. Ташманов Е.Б. Многомерные управляемые процессы яркости

изображения с геометрическими ограничениями // «Ахборот технологиялари
ва телекоммуникация муаммолари», Ёш олимлар, тадқиқотчилар, магистрант
ва талабаларнинг Республика илмий-техник конференцияси 14-15 март 2013
й., Тошкент.7-8 б.

29. Ташманов Е.Б. Квазилинейная дифференциальная игра с

переменными коэффициентами и геометрическими ограничениями // Тезисы
докладов международной конференции «Проблемы современной топологии


background image

и её приложения» Ташкент, 20-24 май 2013 г, С.191-194.

30. Ташманов Е.Б. Геометрические методы в задачах конфликтного

управления с распределенными параметрами // XVI International Conference
«Dynamical system modelling and stability investigation» Kiev, Ukraine May 29-
31, 2013.-С.373-374.

31. Ташманов Е.Б. Дифференциальные игры преследования многих

лиц с распределенными параметрами и геометрическими ограничениями //
Тезисы докладов международной конференции «Геометрия в Одессе-2013»,
Одесса, 27 мая - 1 июня 2013 г. С.56-57.

32. Ташманов Е.Б. Управление скоростью кодирования по

минимаксному критерию искажения. // Ахборот технологиялари ва
телекоммуникация тизимларини самарали ривожлантириш истиқболлари,
Республика илмий-техник конференцияси 13-14 март 2014 й.,Тошкент. 217-
218 б.

33. Ташманов Е.Б.,Маматов М.Ш. О двух задачах управляемости

яркости цифровых изображений описываемых дискретными уравнениями
второго порядка // Материалы научной конференции «Актуальные вопросы
геометрии и её приложения» Ташкент 27-28 октябрь 2014 г, С. 212-214.

34. Ташманов Е.Б. Управление скоростью передачи видеоинформации с

помощью Вейвлет-пробразования // Актуальные проблемы гуманитарных и
естественных наук.2014, №12, Москва, 2014,С.54-58.

35. Ташманов Е.Б., Маматов М.Ш. Об одной задаче управления и

сжатия изображений //Высокие технологии, исследования, финансы,
промышленности /Сборник статей.-Санкт-петербург, Россия, 2014.-С.124 -
128.

80

References

Маматов М.Ш., Ташманов Е.Б., Алимов Х.К. Теория управления распределенными параметрами и геометрическими ограничениями. Монография // Изд-во «Fan va texnologiya»,2013. С. 183.

Tashmanov Е.В. Modernization of Processes Control Methods for Digital Image Processing // Computer Science and Information Technology Vol. 4(4), 2016.,USA, P. 13 5 - 138. (05.00.00; №6).

Tashmanov E.B. Mathematical models of filtration processes video images // IJRET: International Journal of Research in Engineering and Technology Volume: 05 Issue: 09 | September-2016, India (№05) Global Impact Factor, IF=0.897.

Ташманов Е.Б., Маматов М.Ш. Сжатие изображения как игровая задача с распределенными параметрами // Инфокоммуникации: сети, технологии, решения. -Ташкент. 2012.-№4.-С.24-29. (05.00.00; №2)

Ташманов Е.Б., Маматов М.Ш. Оптимизация сжатия изображения как управления с распределенными параметрами // Вестник ТУИТ.-Ташкент, 2012.-№3,4.-С.55-62. (05.00.00; №10)

Ташманов Е.Б. О задаче управления компрессией цифровых изображений ТАТУ хабарлари. Ташкент. 2015. - № 2(34) . - С. 77-81. (05.00.00; №10)

Ташманов Е.Б., Пузий А Н. Анализ методов сжатия изображений на основе Wavelet преобразований // Вестник ТУИТ.-Ташкент,2016.-№1.-С.21-25. (05.00.00; №10)

Гаврилов И.А., Ташманов Е.Б. Сжатие видеоизображений методом яркостного преобразования и оценка его эффективности // Вестник ТУИТ.-Ташкент, 2016.-№2.-С.102-106. (05.00.00; №10)

Маматов М.Ш., Ташманов Е.Б., Рахимов Б.Н. Обработка сигналов на основе Фурье преобразование // Вестник Фер.ПИ.-Фергана,2016.-№3.-С. 131-133. (05.00.00; №20)

Ташманов Е.Б., Маматов М.Ш. Обработка изображений на основе дискретно-косинусного преобразования // Вестник Фер.ПИ.-Фергана,2016.-№3.-С.158-159. (05.00.00; №20).

Ташманов Е.Б., Маматов М.Ш. Дискретная игра преследования, описываемая уравнениями второго порядка с яркостью изображения // Вестник Фер.ПИ.-Фергана, 2016.-№4.-С. 15-20. (05.00.00; №20).

Ташманов Е.Б., Маматов М.Ш., Маъруфов Э.К. Применение вейвлет - преобразования к обработке изображений //Вестник Фер.ПИ.-Фергана, 2016.-№4.-С. 146-149. (05.00.00; №20).

Ташманов Е.Б. Повышение эффективности межкадровой обработки ТВ изображений // Инфокоммуникации: сети, технологии, решения. -Ташкент. 2016. -№3.-С.24-29. (05.00.00; №2).

М.Ш.Маматов., Ташманов Е.Б., Гаврилов И.А., Пузий АН. Оптимизация изображений на основе полиномов Чебышева // Доклады Академии наук РУз Ташкент.2016.-№5.-С.36-40. (05.00.00; №9).

Tashmanov E.B. Control in parameters of algorithm compression of a video information with use of its structural lines s // Analytical mechanics, stability and management / Works X-th of the international Chetayevsky conference. - Kazan, 2012. - P. 282- 290.

Tashmanov E.B. Control problems and compression the image // European Science and Technology. Wiesbaden, Germany 2012. January 31st, 2012.-P. 322-326.

Tashmanov E.B., Mamatov M.Sh. Control problems and compression the image // Eight World Conference on Intelligent Systems for Industrial Automatoin. Tashkent November 25-27, 2014.P. 237-241.

Tashmanov E.B., Mamatov M.Sh. The task control digital image compression // PR-technologies and informatization of the system of education: status and prospects Materials of the international scientific conference on October 10-11,2014.Prague. P. 92-96.

Tashmanov E.B. Effectiveness increase of visual processing on the basis of image scaling // American Scientific Journal №4 (4)/2016,USA. P.69-72.

Tashmanov E.B., Mamatov M.Sh., Alimov X.K. Differential Games of Pursung in the Systems with Distributed Parameters and Geometrical Restrictions // American Journal of Computational Mathematics, 2013,USA, 3, 1-61. September 2013.P 56-61.

Tashmanov E.B., Mamatov M.Sh., Alimov X.K. Zwquasi Linear Discrete Games of Pursuit Described by High Order Equation Systems // Automatic Control and Computer Sciences. 2015. USA, - V. 49. - № 3. - P. 148-152.

Ташманов Е.Б. Управления скоростью кодирования видеоинформации при передаче данных в системах мобильной связи // «Ахборот технологиялари ва телекоммуникация муаммолари», Республика илмий-техник анжумани 21-22 апрель 2011 й., Тошкент. 256-258 б.

Ташманов Е.Б. Управление параметрами алгоритма сжатия видеоинформации с использованием его структурных линий // Актуальные проблемы гуманитарных и естественных наук. №9(32), сентябрь 2011, Москва, 2011, С.37-40.

Ташманов Е.Б. Управление скоростью передачи видеоинформации с помощью Вейвлет-преобразования // Актуальные проблемы гуманитарных и естественных наук. №11(34), ноябрь 2011, Москва, 2011,С.63-66.

Ташманов Е.Б. Управление скоростью передачи видеоинформации с помощью преобразование Фурье // Актуальные проблемы гуманитарных и естественных наук. Москва. - 2011.- № 12.-С.37-40.

Ташманов Е.Б. Управляемые процессы и сжатия изображения // «Ахборот технологиялари ва телекоммуникация муаммолари», Республика илмий-техник анжумани 15-16 март 2012 й., Тошкент. 56-59-6.

Ташманов Е.Б. Оптимизация сжатия изображения как задача управления с распределенными параметрами // Материалы международной научной конференции «Актуальные проблемы прикладной математики и информационных технологий -Аль-Хорезми 2012» Том №1.Ташкент 19-22 декабрь. С. 319-322.

Ташманов Е.Б. Многомерные управляемые процессы яркости изображения с геометрическими ограничениями // «Ахборот технологиялари ва телекоммуникация муаммолари», Ёш олимлар, тадкикотчилар, магистрант ва талабаларнинг Республика илмий-техник конференцияси 14-15 март 2013 й., Тошкент.7-8 б.

Ташманов Е.Б. Квазилинейная дифференциальная игра с переменными коэффициентами и геометрическими ограничениями // Тезисы докладов международной конференции «Проблемы современной топологии и её приложения» Ташкент, 20-24 май 2013 г, С. 191-194.

Ташманов Е.Б. Геометрические методы в задачах конфликтного управления с распределенными параметрами // XVI International Conference «Dynamical system modelling and stability investigation» Kiev, Ukraine May 29-31,2013.-C.373-374.

Ташманов Е.Б. Дифференциальные игры преследования многих лиц с распределенными параметрами и геометрическими ограничениями // Тезисы докладов международной конференции «Геометрия в Одессе-2013», Одесса, 27 мая - 1 июня 2013 г. С.56-57.

Ташманов Е.Б. Управление скоростью кодирования по минимаксному критерию искажения. // Ахборот технологиялари ва телекоммуникация тизимларини самарали ривожлантириш истикболлари, Республика илмий-техник конференцияси 13-14 март 2014 й.,Тошкент. 217-2186.

Ташманов Е.Б.,Маматов М.Ш. О двух задачах управляемости яркости цифровых изображений описываемых дискретными уравнениями второго порядка // Материалы научной конференции «Актуальные вопросы геометрии и её приложения» Ташкент 27-28 октябрь 2014 г, С. 212-214.

Ташманов Е.Б. Управление скоростью передачи видеоинформации с помощью Вейвлет-пробразования // Актуальные проблемы гуманитарных и естественных наук.2014, №12, Москва, 2014,С.54-58.

Ташманов Е.Б., Маматов М.Ш. Об одной задаче управления и сжатия изображений //Высокие технологии, исследования, финансы, промышленности /Сборник статей.-Санкт-петербург, Россия, 2014.-С.124 -128.

Ташманов Е.Б. Управляемые дискретные изображения // Радиоэлектроника, информационные и телекоммуникационные технологий: Проблемы и развитие. Международная научно-техническая конференция. 21-22 май 2015. - Ташкент, 2015. - С. 254-257.

Ташманов Е.Б. Анализ сжатия изображения на основе предварительного масштабирования // Проблемы информационных и телекоммуникационных технологий: Республиканской научно-технической конференции. 12-13 март 2015. - Ташкент, 2015. - С. 250-252.

Ташманов Е.Б., Маматов М.Ш. Дискретная игра преследования, с яркостью изображения // Современные методы математической физики и их приложения: Республиканская научная конференция. 15-17 апрел 2015. -Ташкент, 2015.-С. 181-182.

Ташманов Е.Б., Маматов М.Ш., Алимов Х.К. Квазилинейные дискретные игры преследования, описываемые системами уравнений высокого порядка // Современные методы математической физики и их приложения / Тезисы докладов республиканской научной конференции. -Ташкент, 2015. Т.2.-С. 146-147.

Ташманов Е.Б., Маматов М.Ш. Об одной дискретной игре преследо-вания, с яркостью изображения // Математика ва уни замонавий педагогик технологиялар ёрдамида укитиш муаммолари/ Республика илмий-амалий конференцияси материаллари.- Навоий, 2015.Т.2.-С. 85-87.

Ташманов Е.Б., Маматов. Дискретная игра преследования, описываемая уравнениями второго порядка с яркостью изображения // Теория управления и математическое моделирование/ Тезисы докладов Всероссийской конференции с международным участием.- Ижевск, 2015.-С.212-214.

Ташманов Е.Б. Эффективные методы оптимизации алгоритмы сжатия изображений // Актуальные проблемы гуманитарных и естественных наук. Москва. 2015.- №1.-С. 90-93.

Мухитдинов X. А., Хакимов З.Т., Маматов М.Ш., Ташманов Е.Б., Гаврилов И.А., Пузий А Н., Носиров Х.Х. Управление размерами изображений // Зарегистрирован в государственном реестре программ для электронно-вычислительных машин Республики Узбекистан, г.Ташкент, 28.07.2015. № DGU 03287

Маматов М.Ш., Гаврилов И.А., Пузий А.Н., Ташманов Е.Б., Носиров Х.Х. Корректор четкости декодированных изображений // Зарегистрирован в государственном реестре программ для электронно-вычислительных машин Республики Узбекистан, г.Ташкент, 21.04.2016. № DGU 03672

Маматов М.Ш., Гаврилов И.А., Пузий АН., Ташманов Е.Б., Носиров Х.Х. Квантователь значений пикселей статических изображений // Зарегистрирован в государственном реестре программ для электронно-вычислительных машин Республики Узбекистан, г.Ташкент, 21.04.2016. № DGU 03671

Маматов М.Ш., Гаврилов И.А., Пузий А.Н., Носиров Х.Х., Ташманов Е.Б. Измеритель среднеквадратического отклонения значений пикселей сравниваемых изображений // Зарегистрирован в государственном реестре программ для электронно-вычислительных машин Республики Узбекистан, г.Ташкент, 21.04.2016. № DGU 03674

Маматов М.Ш., Гаврилов И.А., Пузий АН., Носиров Х.Х., Ташманов Е.Б. Измеритель четкости декодированных изображений //Зарегистрирован в государственном реестре программ для электронно-вычислительных машин Республики Узбекистан, г.Ташкент, 21.04.2016. № DGU 03670

Маматов М.Ш., Гаврилов И.А., Пузий А.Н., Носиров Х.Х., Ташманов Е.Б. Измеритель резкости сравниваемых изображений // Зарегистрирован в государственном реестре программ для электронно-вычислительных машин Республики Узбекистан, г.Ташкент, 21.04.2016. № DGU 03673

inLibrary — is a scientific electronic library built on the paradigm of open science (Open Science), the main tasks of which are the popularization of science and scientific activities, public quality control of scientific publications, the development of interdisciplinary research, a modern institute of scientific review, increasing the citation of Uzbek science and building a knowledge infrastructure.

CONTACTS:

Republic of Uzbekistan, Tashkent, Parkent street 51, floor 2

(+998) 99-006-61-10

info@inscience.uz

NAVIGATION:

Journals
Conferences
Organizations
Authors
Blog
Contact
© Copyright 2025 in Science All Rights Reserved | Developed by in Science | Site create by in Designer