Особенности реконструкции сплошных лакун на изображениях
Аннотация
Эта работа является обзором опыта по решению задач ретуширования и реконструкции содержимого сплошных лакун на изображениях. Восстановление сплошных (длинных) пропусков значительно сложнее, чем аналогичная работа с разреженными данными, так как при длительной потере теряется фаза и динамика сигнала. Основная проблема заключается в том, что при значительных размерах лакун большинство алгоритмов не могут сохранить достаточную непрерывность и согласованность структуры сигнала или изображения. Показано что при ретушировании или маскировке содержимого лакуны хорошо работают методы image inpainting или нейронные сети. А если необходимо восстановить содержимое лакун, то предпочтительным является использование методов, работающих в частотной области (например: метод интерполяции последовательно вычисляемого спектра Фурье).
Abstract (in English)
Features of reconstruction of continuous lacunas in images
This work is a review of the experience in solving the problems of retouching and reconstructing the content of continuous lacunas in images. Restoring continuous (long) gaps is significantly more difficult than doing similar work with sparse data, since prolonged loss leads to the loss of signal phase and dynamics. The main problem is that, given the significant size of the lacunas, most algorithms cannot maintain sufficient continuity and consistency of the signal or image structure. It has been shown that image inpainting methods or neural networks work well when retouching or masking the content of a gap. And if it is necessary to restore the contents of the lacunas, it is preferable to use methods that operate in the frequency domain (for example, the interpolation method of the sequentially calculated Fourier spectrum).
Финансирование
Работа выполнена в рамках государственного задания ИРЭ им. В.А. Котельникова РАН.
Для цитирования
Кокошкин А.В. Особенности реконструкции сплошных лакун на изображениях // Журнал радиоэлектроники. – 2026. – № 10. https://doi.org/10.30898/1684-1719.2026.10.4
Литература
- Зверев В.А. Радиооптика. – М. «Советское радио» – 1975. – С. 304
- Аксенов А.П. Математический анализ. Ряды Фурье. Интеграл Фурье. Суммирование расходящихся рядов. Учебное пособие. – 1999. – С. 86.
- Страхов В.Н., Страхов А.В. Аппроксимационный подход к решению задач гравиметрии и магнитометрии // Российский журнал наук о Земле. – 1999. – Т. 1. – №. 4.
- Щерба Е.В. Анализ применимости методов интерполяции и экстраполяции для решения задачи восстановления изображения. // Компьютерная оптика, – 2009 – том 33. – №3 – С. 336-339.
- Ашкеназы В.О. Сплайн-поверхности. Основы теории и вычислительные алгоритмы // Тверь: Тверской гос. ун-т. – 2003. – 82 с.
- Нестеренко Е.А. Возможность использования сплайн-поверхности для построения поверхностей по результатам съемок // Записки Горного института. – 2013. – Т. 204. – С. 127-133.
- Qureshi M.A. et al. A critical survey of state-of-the-art image inpainting quality assessment metrics // Journal of Visual Communication and Image Representation. – 2017. – V. 49. – P. 177-191. https://doi.org/10.1016/j.jvcir.2017.09.006
- Chen Z. et al. Structure-aware image inpainting using patch scale optimization // Journal of Visual Communication and Image Representation. – 2016. – V. 40. – P. 312-323. http://dx.doi.org/10.1016/j.jvcir.2016.06.029
- Movavi Photo Editor. Source: (https://www.movavi.com/photo-editor/).
- Астафьева Н.М., Раев М.Д., Шарков Е.А. Глобальное радиотепловое поле системы океан-атмосфера по данным микроволновых космических комплексов // Исследование Земли из космоса. – 2006. – № 4. – С. 64-70.
- Ермаков Д.М., Шарков Е.А., Чернушич А.П. Мультисенсорный алгоритм спутникового радиотепловидения // Исследование Земли из космоса. – 2016. – №. 3. – С. 37-37.
- Брэгман Л.М. Нахождение общей точки выпуклых множеств методом последовательного проектирования // Доклады Академии наук. – Российская академия наук, 1965. – Т. 162. – №. 3. – С. 487-490.
- Гурин Л.Г., Поляк Б.Т., Райк Э.В. Методы проекций для отыскания общей точки выпуклых множеств // Журнал вычислительной математики и математической физики. – 1967. – Т. 7. – №. 6. – С. 1211-1228.
- Youla D.C., Webb H. Image Restoration by the Method of Convex Projections: Part 1. Theory // IEEE transactions on medical imaging. – 1982. – Т. 1. – №. 2. – С. 81-94.
- Кокошкин А.В. и др. Ретуширование и восстановление отсутствующих частей изображений с помощью итерационного вычисления их спектров // Компьютерная оптика. – 2019. – Т. 43. – №. 6. – С. 1030-1040. https://doi.org/10.18287/2412-6179-2019-43-6-1030-1040
- 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
- Кокошкин А.В., Коротков В.А., Новичихин Е.П. Реконструкция акустических сигналов по неполным данным // Радиотехника и электроника. – 2020. – Т. 65. – №. 12. – С. 1181-1189. https://doi.org/10.31857/S0033849420120104
- Черепенин В.А. и др. Восстановление подповерхностных радиоголограмм как полностью, так и частично измеренных, разными методами // Радиотехника и электроника. – 2017. – Т. 62. – №. 7. – С. 672-680. https://doi.org/10.7868/S0033849417070038
- Кокошкин А.В. и др. Применение методов цифровой обработки изображений для целей реставрации объектов изобразительного искусства // Журнал радиоэлектроники. – 2018. – №. 9. https://doi.org/10.30898/1684-1719.2018.9.16
- Дедкова А.А., Чернышев А.К., Кокошкин А.В. Алгоритмы предобработки карт поверхности для ионно-пучковой коррекции // Журнал технической физики. – 2026. – Т. 96. – №. 10. – С. 2059-2068. https://doi.org/10.61011/JTF.2026.10.63624.149-26