Ii-bob. Video ma’lumotlarni qayta ishlashda qo`llaniladigan usul va algoritmlar

V	1	1 1 1		V	1			1 2 1		V		1	1 1 1			V		1
2 3 2
	111;					242 ;						101 ;						303 .
1	^9111			2	^16121					3		^8111				4		^20232

Adabiyotda tasvirlangan usullarning asosiy farqi V matritsasini tanlashdadir.

Eng keng tarqalgan Qoida tariqasida, filtrlash (3.1.2) formulada δ -parametrning bosqichma-bosqich kamayishi bilan iterativ ravishda amalga oshiriladi. В matritsaning moslashuvchan o‘zgarishi bilan filtrlash usuli tasvirlangan: faqat (oldingi iteratsiyada) buzilmagan [343] deb belgilangan X tasvir elementlari jamlangan. Ketma-ket skanerlashda allaqachon qayta ishlangan tasvir elementlaridan хмн ni hisoblashning sababiy algoritmi taklif qilingan [87]. Keyin В matritsa quyidagi shaklni oladi:variantlar:

V5Ci	1 ^c1	c2 c3
	c4	0 0	; tavsiya etiluvchi belgilar: c1 = c3 = 2, c2 = c4 = 3.
		0 0

2. Markov modeli. Tasvir Markovning realizatsiyasi deb taxmin qilinadi

tasodifiy maydon va x_mn dyuym (3.1.1) faqat mahalliy mahalla x_mn^k V_mn elementlarining qiymatlariga bog'liq. Bu quyidagi bashorat algoritmiga olib keladi.

		K	1	K
xmn		vmn^k		vmn^k xmn^k ,	(3.1.4)
	k 1			k 1

Bu erda v_mn^k (α β|x_mn x_mn^k |) ¹ ,
α va β parametrlari esa Markov maydonining elementlari orasidagi statistik munosabatlarni xarakterlaydi.

3. 
   Tartiblash statistikasi. Metodlar mahalliy o’zgaruvchilarga asoslanadi
   

x k	V	: x (1)	x (2)		... x^( ^R^) . Qoida tariqasida, mediana bashorat sifatida tanlanadi:
mn	mn	mn	mn		mn
	x	med(V		) x(( R 1)/ 2) .		(3.1.5)
	mn		mn		mn

Qayta ishlashda xatoliklar extimoli. Keling, qo'shnichilik modelidan (1.2.9) foydalanamiz va vaqtinchalik ψ_mn = 0 . o'rnatgan fon elementlari to'plamini ko'rib chiqamiz. Fon elementlari uchun e_mn = 0 bo'lgani uchun, x_mn^r V_mn mahalliy mahallaning R elementlariga tegishli model formulasi soddalashtiriladi.

x ^r	μ(V	) η^r	,	(3.1.8)
mn	mn	mn

Bu erda μ(V_mn) — qo'shni elementlar uchun miqdor konstantasi V_mn, η^k_mn — o'rtacha va dispersiyaga ega bo'lgan mustaqil normal taqsimlangan tasodifiy o'zgaruvchi σ²: N(0,σ²).
Faraz qilaylik, binar impuls maskasi mavjud bo’lib Λ(p) = [λ_mn]: λ_mn = 1 uzgarish kiritilgan nuqtalar uchin, va λ_mn = 0 o’zgarmagan nuqtalar uchin P{λ_mn = 1} = p, а P{λ_mn = 0} = 1 − p. Bundan quyidagicha yozish mumkin:

• 
  x_mn = (1 − λ_mn)x'_mn + λ_mnξ_mn.
  

• 
  x_mn = (1 − λ_mn)x'_mn + λ_mnξ_mn.
  

• 
  x_mn = (1 − λ_mn)x'_mn + λ_mnξ_mn.
  

• 
  x_mn = (1 − λ_mn)x'_mn + λ_mnξ_mn.
  

x_mn = (1 − λ_mn)x'_mn + λ_mnξ_mn.

(3.1.9)

x_mn^r (1 λ ^r_mn )(μ( V_mn ) η ^r_mn ) λ ^r_mn ξ^r_mn

(3.1.10)

Найдем вероятности ошибок оценок среднего x ( m, n) и медианы xˆ ( m, n) по окрестности, т.е. значений P{| x ( m, n) −μ(V_mn)| > ε} и P{| xˆ ( m, n) −μ(V_mn)| > ε }, как функций от вероятности искажения p. Можно показать, что при условии 2Rε ≤ 1:

R

Pош( p )p ^r (1 p ) ^R r C R^r 2^1 ^r (1 2Rε /r) ;

(3.1.12)

r 1

ˆ

R

r

R r

r

1 r

r

( p )p

(1 p )

s

(3.1.13)

^Pош

C R

2

^Cr ^.

r ( R 1)/ 2

s ( R 1)/ 2

O'rtacha qiymatni baholashda xatolik ehtimolini topamiz x ( m, n) va medianasi xˆ ( m, n) qiymat atrofida, o’zgaruvchilar P{| x ( m, n) −μ(V_mn)| > ε} и P{| xˆ ( m, n) −μ(V_mn)| > ε }, baxolash buyicha o’zgaruvchi p. quyidagi shart asosida ko’rsatish mumkin 2Rε ≤ 1:

R

Pош( p )p ^r (1 p ) ^R r C R^r 2^1 ^r (1 2Rε /r) ;

(3.1.12)

r 1

ˆ

R

r

R r

r

1 r

r

( p )p

(1 p )

s

(3.1.13)

^Pош

C R

2

^Cr ^.

r ( R 1)/ 2

s ( R 1)/ 2

ˆ

Rasmda bog’liqliklarni

Ko’rish mumkin Pош ( p) и

( p) . xaqiqiy tanlangan qiymat

^Pош

: R = 9 и ε = 1/2R. Rasmdagi ko’rinishga keladi, shartda 0 < p < 0,3 baxolash medianasi xˆ ( m, n) nisbatan ancha past xatolik darajasini ta'minlaydi с x ( m, n) ; shartda p > 0,5 ikkala taxmin ham yetarlicha aniq emas.

Interferentsiya ehtimoli p ning o'rtacha P_ош va mediana P_ош ga asoslangan bashorat xatosi ehtimoli: 1) 9 ta elementdan ortiq o'rtacha; 2) 5 ta elementdan ortiq mediana; 3 - 9 ta element uchun mediana.

Tab. 3.1.1 (“a” va “e” usullari). Tajribalar o'rtacha baho o'rtacha bahoga qaraganda ancha yaxshi aniqlikni ta'minlaydigan nazariy xulosalarni tasdiqlaydi va bu yuqori va past shovqin ehtimolida o'zini namoyon qiladi. E'tibor bering, shovqin bo'lmasa ham (p = 0), bashorat qilish xatosi katta.

а б
Rasmda Elementning haqiqiy qiymatidan bashoratning chetlanish ehtimoli: a) tomonidan baholash
o'rtacha; b) median bo'yicha baholash. Interferentsiya ehtimoli (p): 1) p = 0; 2) p = 0,1; 3) p = 0,2:

ˆ

Рис. 3.1.1. Вероятности ошибок предсказания по среднему P_ош и медиане P_ош от вероятности помехи p: 1) среднее по 9 элементам; 2) медиана по 5 элементам; 3 — медиана по 9 элементам.

2.2. OTSU va Kalman algoritmlarning afzalligi va kamchiliklari

2.3. OTSU algoritmi video ma’lumotlar oqimida qo`llanishi.