Ракамли технологиялар ва сунъий интеллектни ривожлантириш илмий-тадкщот институти хузуридаги илмий даражалар берувчи

P
l
(Xl ) = ^
бу ерда 
п к
-
Хк (к = 0,1,2,... , т )
га тегишли пикселла сони, 
NL — XL
кисм
тасвирдаги жами пикселлар сони,
, 
ч 
п к
Ри(Хц) = тг,
я и
бу ерда 
п к
-
Хк (к = т + 1 , т + 2,... ,L — 1)
га тегишли пикселла сони, 
Ыи — Х и
кисм тасвирдаги жами пикселлар сони.
4-цадам. XL
ва 
Х и
кисм тасвир учун кумулятив таксимот функцияси 
хдсоблаш:
лт
Z
m
Р
ь
( Х д ;
i=0
Z
L—1
р
и
т .
i=m+1
5-цадам. XL
ва 
Х и
кисм тасвир учун гистограмма текислаш амалини 
бажариш:
f L(XL) = Х о +
(
х т — Xo) cdf L(Xt);
Ш
и) = Xm+i + (XL—i — Xm+i ) cdf u (X
i).
11

---

6-цадам.
Текисланган 
X
L
ва 
Х
и
кисм тасвирлар гистограммалари 
бирлаштириш асосида кайта ишланган чикувчи тасвирни ифодаланаш:
у = ш
т
= ш
о
и 
ш
и
),
бу ерда
f d x d = f
i
{ w , j j ) \ v m , j ) t x
L
ва
f
u 
= (Х
ц
)
=
f
u
( X ( i , j j ) \ V X ( i , j j е Х
и
.
Бу ерда 
f
i
(X
L
)
функция 
Х
ь
кисм тасвирни гистограммасини[ 
Х
0
, Х
т
\
ораликда 
текисласа, 
f
u
(X
v
)
фунция 
Х
и
кисм тасвирни 
[ Х
т + 1
, Х
ь - 1
]
гистограммасини 
ораликда текислайди.
Таклиф этилган А1 ва А2 алгоритмлар тажриба йули оркали мавжуд 
гистограммани текислашга асосланган HE (Gistogramma tenglashtirish) va 
CLAHE (Contrast Limited Adaptive Histogram Equalization) алгоритмлари билан 
солиштирилди. Тажрибалар 120 та тасвирдан иборат маълумотлар базаси 
ёрдамида PSNR, SSIM, AMBE каби тасвир сифатини бауолаш меъзонлари 
буйича утказилди.
Бу ерда:
PSNR (Peak signal-to-noise ratio)
- бу сигналнинг мумкин булган максимал 
киймати ва сигнал кийматини бузадиган шовкин кучи уртасидаги нисбатни 
англатади ва куйидагича уисобланади:
PSNR = 1 0 \ g ( ^
бу ерда 
L
- тасвир пикселлари кабул килиши мумкин булган максимал ёркинлик 
киймати, 
о 2
- уртача квадратик четланиш. PSNR киймати канчалик юкори булса 
кайта ишланган тасвир сифати уам юкори булади;
SSIM
(structure similarity) - бу иккита тасвир уртасидаги ухшашликни 
бауолаш усули уисобланиб структуравий ухшашликлар буйича уисобланади:
S S I M{X, y ) = ^
2 + 
X °
2
\
(
р
1
+
+ °
у
+ с
2)
бу ерда 
g
x
-
х
нинг уртача киймати, 
g
y
-
у
нинг уртача киймати, ст
2
-
х
2
дисперсияси, 
&
у
-
у
дисперсияси, 
а
х у
-
х
ва 
у
ковариацияси, 
с
г, 
С
2
-
узгарувчилар. SSIM курсаткичи «1» га канчалик якинлашса кайта ишланган 
тасвир сифати ортиб боради;
AM BE
(Absolute Mean Brightness Error) - кайта ишланган тасвир ёркинлиги 
сакланганлигини бауоловчи меъзон уисобланади ва куйидагича ифодаланади:
A MB E ( X , Y ) = \X
m
- Y
m
\
бу ерда 
Х
т
- берилган 
X = [ x ( i , j ) }
тасвирнининг уртача ёркинлиги, 
Y
m
- кайта 
ишланган 
Y = [ y ( i , j j ]
тасвирнининг уртача ёркинлиги. Ёркинлик уатолиги 
канчалик кичик булса, ишлов берилган тасвир ёркинлиги шунчалик яхши 
сакланган булади.
Гистограммани текислашга асосланган алгоритмлар самарадорлигини 
аниклаш учун маълум хусусиятга эга 120 та тасвирдан таркиб топган базасидан 
12

---

фойдаланиб тажрибалар утказилган. 1-жадвалда ушбу тасвирдан олинган 
натижаларнинг уртача кийматлари келтирилган.
1-жадвал
Контрастни яхшилаш оркали тасвир сифатини яхшилаш
алгоритмлари самарадорлик курсаткичлари____________
Алгоритмлар
PSNR
SSIM
AMBE
HE
26.1
0.78
55.8
CLAHE
28.4
0.84
42.3
Таклиф
этилган алгоритм
29.2
0.91
36.2
Диссертациянинг «