Abstract
В работе рассмотрены известные на данный момент фильтры изображений, относящиеся к разным классам для выявления особенностей при устранении шума с изображений, полученных с помощью метода активного формирования спектральных изображений с помощью гиперспектральных данных. Для этого были применены низкочастотный, высокочастотный, Гауссов, медианный, средний, нерезкий, консервативный, Лапласовский, удаление пятен Кримминса, двусторонний и плоский фильтры на изображения, полученные на одной длине волны лазерного излучения, одного вещества, но различных подложках, для выбора оптимального фильтра, в случаях сохранения полезного сигнала, эффективности фильтрации при различных подложках и удаления шума и выделения вещества на изображении. Так же были получены амплитудно-частотные характеристики полученных изображений после фильтрации для получения критериев выбора оптимального фильтра.
The paper considers currently known image filters belonging to different classes to identify features when eliminating noise from images obtained using the method of active spectral image formation using hyperspectral data. For this purpose, low-frequency, high-frequency, Gaussian, median, medium, blurred, conservative, Laplace, Crimmins stain removal, two-sided and flat filters were applied to images obtained at the same wavelength of laser radiation, of the same substance, but on different substrates, to select the optimal filter, in cases of preservation of a useful signal, filtration efficiency at various substrates and the removal of noise and the release of matter in the image. The amplitude-frequency characteristics of the images obtained after filtering were also obtained to obtain criteria for choosing the optimal filter.
Publisher
Ultrasound Technology Center of Altai State Technical University
Reference4 articles.
1. Кузовникова Л.В. Разработка комплекса и исследование метода дистанционного обнаружения и идентификации следов взрывчатых веществ на поверхность объекта при воздействии лазерного излучения ИК-диапазон / Кузовникова Л.В., Ворожцов А.Б. – Авторефераты диссертаций, 2018. ВВК – код: Л64-1с34-5-01,0
2. Зимичев Е.А. Казанский, Н.Л. Серафимович П.Г. Пространственная классификация гиперспектральных изображений с использование метода кластеризации k-means++ // Компьютерная оптика. – том 38. – №2. – 2014. – с. 281-286.
3. S. Wallin, A. Pettersson, H. Östmark, A. Hobro, Laser-based standoff detection of explosives: a critical review // Anal. Bional. Chem. – 2009. – pp. 259-274.
4. Шубин А.К. Выбор оптимального метода фильтрации изображений, полученных путем реализации метода активного формирования спектральных изображенийс использованием гиперспектрального куба / А.К. Шубин, С.С. Титов // Южно-сибирский научный вестник. – 2022. – № 6. – с. 154-160.