ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. eISSN 1684-1719. 2025. №11

УДК: 621.396

Оценки эффективности методов реконструкции

искаженных изображений

при различных уровнях дискретизации

А.В. Кокошкин

ИРЭ им. В.А. Котельникова РАН, Фрязинский филиал,

141190, Фрязино, пл. Введенского, 1

Статья поступила в редакцию 19 сентября 2025 г.

Аннотация. Предложена оценка эффективности методов реконструкции, созданная на основе адаптации известной метрики «средняя абсолютная процентная ошибка» адаптированной к задачам обработки цифровых изображений. Показана качественная схожесть оценок по метрикам «адаптивная средняя абсолютная процентная ошибка» и «мера структурного подобия», а их количественные расхождения позволяют говорить об их взаимодополняемости. Результаты сравнительного анализа указывают на высокое качество работы использованных методов восстановления: адаптивный метод опорного изображения (АМОИ), метод перенормировки с ограничением, модификация фильтра Винера на основе АМОИ.

Ключевые слова: обработка изображений, метрики оценок качества, уровни дискретизации, методы реконструкции изображений.

Финансирование: Работа выполнена в рамках государственного задания ИРЭ им. В.А. Котельникова РАН.

Автор для переписки: Кокошкин Александр Владимирович, shvarts65@mail.ru

Литература

1. Gonzalez R.C., Woods R.E., Digital Image Processing. NJ.: Prentice Hall, International Version 3rd Edition. – 2012. – 1071 p.

2. Бейтс Р., Мак-Доннелл М. Восстановление и реконструкция изображений: Пер. с англ. – Мир – 1989. – 288 c.

3. Прэтт У. Цифровая обработка изображений: В 2-х кн. – 1982. – 738 c.

4. Грузман И.С. и др. Цифровая обработка изображений в информационных системах // Новосибирск: НГТУ. – 2002. – C. 352.

5. Hanke M., Neubauer A., Scherzer O. A convergence analysis of the Landweber iteration for nonlinear ill-posed problems // Numerische Mathematik. – 1995. – V. 72. – №. 1. – P. 21-37. https://doi.org/10.1007/s002110050158

6. LeCun Y., Bengio Y., Hinton G. Deep learning // Nature. – 2015. – V. 521. – №. 7553. – P. 436-444. https://doi.org/10.1038/nature14539

7. Гуляев Ю.В. и др. Коррекция пространственного спектра, искаженного оптической системой, с помощью метода опорного изображения. Часть 1-3. // Журнал радиоэлектроники. – 2013. – №. 12.

8. Кокошкин А.В. и др. Использование метода перенормировки с ограничением для восстановления искаженных изображений при наличии помех и шума с неизвестными параметрами // Журнал радиоэлектроники. – 2015. – №. 7.

9. Кокошкин А.В., Новичихин Е.П. Модификация фильтра Винера на основе метода опорного изображения. // Журнал радиоэлектроники. 2024. – №. 11. https://doi.org/10.30898/1684-1719.2024.11.10

10. Кокошкин А.В. и др. Сравнение объективных методов оценки качества цифровых изображений // Журнал радиоэлектроники. – 2015. – №. 6.

11. Кокошкин А.В. Оценка спектрального подобия цифровых изображений // Журнал радиоэлектроники. – 2020. – №. 8. – С. 14-14. https://doi.org/10.30898/1684-1719.2020.8.4

12. Кокошкин А.В. Методы интерполяции разреженных изображений, работающие в частотной области // Журнал радиоэлектроники. – 2023. – №. 3. https://doi.org/10.30898/1684-1719.2023.3.10

13. Кокошкин А.В., Новичихин Е.П. Оценка качества изображений, полученных дистанционным зондированием // РЭНСИТ: Радиоэлектроника. Наносистемы. Информационные технологии. – 2023. – Т. 15. – №. 3. – С. 327-334. https://doi.org/10.17725/rensit.2023.15.327

Для цитирования:

Кокошкин А.В. Оценки эффективности методов реконструкции искаженных изображений при различных уровнях дискретизации // Журнал радиоэлектроники. – 2025. – №. 11. https://doi.org/10.30898/1684-1719.2025.11.39