(48-5) 10 * << * >> * Русский * English * Содержание * Все выпуски

Об оценке локальной энтропии изображения в скользящем окне
В.В. Сергеев 1,2, А.Ю. Баврина 1,3, И.Д. Зайцев 1, М.Ю. Лазутов 1, Д.А. Шапиро 1

1 Самарский национальный исследовательский университет имени академика С.П. Королёва,
443086, Россия, г. Самара, Московское шоссе, д. 34;
2 Институт систем обработки изображений, НИЦ «Курчатовский институт»,
443001, Россия, г. Самара, ул. Молодогвардейская, д. 151;
3 АО «Самара-Информспутник»,
443080, Россия, г. Самара, пр-т Карла Маркса, д. 192, оф. 717

  PDF, 1263 kB

DOI: 10.18287/2412-6179-CO-1509

Страницы: 714-725.

Аннотация:
В статье рассмотрен ряд вопросов, связанных с вычислением локальной энтропии в скользящем окне обработки изображения. Предложен новый алгоритм оценки энтропии, обладающий в несколько раз меньшей вычислительной сложностью по сравнению с известными. Алгоритм основан на приближенном представлении гистограммы в виде усеченного разложения в ряд по некоторой системе ортогональных базисных функций, рекурсивного вычисления коэффициентов этого разложения в скользящем окне и последующего пересчета коэффициентов в оценку энтропии. Рассмотрены вопросы выбора ортогонального базиса для представления локальной гистограммы в виде усеченного ряда, показана целесообразность использования базиса Хаара. Описана методика построения иерархического аппроксиматора, осуществляющего быстрый пересчет коэффициентов разложения гистограммы в значение энтропии. Теоретические положения статьи верифицированы экспериментами на изображениях дистанционного зондирования Земли.

Ключевые слова:
обработка изображений, формирование локальных признаков, скользящее окно, локальная гистограмма, оценка энтропии, разложение по базису, рекурсивная обработка, иерархическая аппроксимация, погрешность оценки, вычислительная сложность.

Благодарности
Работа выполнена при поддержке гранта РНФ № 23-11-20013 (параграфы 1 – 3, 8) и по государственному заданию НИЦ «Курчатовский институт» (параграфы 4 – 7).

Цитирование:
Сергеев, В.В. Об оценке локальной энтропии изображения в скользящем окне / В.В. Сергеев, А.Ю. Баврина, И.Д. Зайцев, М.Ю. Лазутов, Д.А. Шапиро // Компьютерная оптика. – 2024. – Т. 48, № 5. – С. 714-725. – DOI: 10.18287/2412-6179-CO-1509.

Citation:
Sergeyev VV, Bavrina AY, Zaitsev ID, Lazutov MY, Shapiro DA. On estimating the local entropy of an image in a sliding window. Computer Optics 2024; 48(5): 714-725. DOI: 10.18287/2412-6179-CO-1509.

References:
  1. Yaroslavsky LP. Introduction to digital image processing [In Russian]. Moscow: "Sovetskoe Radio" Publisher; 1979.
  2. Pratt WK. Digital image processing. New York: Willey; 1978. ISBN: 0471018880.
  3. Gashnikov MV, Glumov NI, Ilyasova NY, Myasnikov VV, Popov SB, Sergeyev VV, Soifer VA, Khramov AG, Chernov AV, Chernov VM, Chicheva MA, Fursov VA. Computer image processing methods [In Russian]. Moscow: "Fizmatlit" Publisher; 2003. ISBN: 5-9221-0270-2.
  4. Gonzalez RC, Woods RE. Digital image processing. London: Pearson; 2018. ISBN: 978-0-13-335672-4.
  5. Shapiro L, Stockman J. Computer vision [In Russian]. Moscow: Binom, Knowledge Laboratory; 2006. ISBN: 5-94774-384-1.
  6. Schowengerdt RA. Remote sensing: models and methods for image processing. Academic Press; 2006. ISBN: 978-0123694072.
  7. Wei Y, Tao L. Efficient histogram-based sliding window. IEEE Computer Society Conf on Computer Vision and Pattern Recognition 2010: 3003-3010. DOI: 10.1109/CVPR.2010.5540049.
  8. Velichko A, Belyaev M, Wagner MP, Taravat A. Entropy approximation by machine learning regression: application for irregularity evaluation of images in Remote Sensing. Remote Sens 2022; 14(23): 5983. DOI: 10.3390/rs14235983.
  9. Huang TS, Yang GY, Tang GY. A fast two-dimensional median filtering algorithm. IEEE Trans Acoust Speech Signal Process 1979; ASSP-27(1): 13-18. DOI: 10.1109/TASSP.1979.1163188.
  10. Huang TS, Eklund JO, Nussbaumer GJ, et al. Fast algorithms in digital image processing [In Russian]. Moscow: “Radio i Svyaz” Publisher; 1984.
  11. Chentsov NN. Estimation of unknown distribution density from observations [In Russian]. Report USSR Academy of Sciences 1962; 147(1): 45-48.
  12. Kass M, Solomon J. Smoothed local histogram filters. ACM Trans Graph 2010; 29(426): 100. DOI: 10.1145/1778765.1778837.
  13. Ventzel ES. Probability theory [In Russian]. Moscow: “Nauka” Publisher; 1969.
  14. Shannon K. Works on information theory and cybernetics [In Russian]. Moscow: Publishing House of Foreign Literature; 1963.
  15. Oppenheim A, Schafer R. Digital signal processing [In Russian]. Moscow: “Tehnosphera” Publisher; 2012. ISBN: 978-5-94836-329-5.
  16. Zalmanzon LA. Fourier, Haar, Walsh transforms and their application in control, communications and other areas [In Russian]. Moscow: “Nauka” Publisher; 1989. ISBN: 5-02-014094-5.
  17. Dedus FF, Kulikova LI, Pankratov AN, Tetuev RK. Classical orthogonal bases in problems of analytical description and processing of information signals [In Russian]. Moscow: VMKMGU Publisher; 2004.
  18. Shvedov AS. Approximation of functions using neural networks and fuzzy systems [In Russian]. Problems of Control 2018; 1: 21-29.
  19. Sergeev VV, Myasnikov VV. Algorithm for fast implementation of the Gabor filter [In Russian]. Avtometria 1999; 6: 51-55..

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20