35. Основные параметры весовых функций при спектральном анализе

Эквивалентная шумовая полоса весовой функции ∆F_ш, выражаемая в бинах. Находится при действии на входе анализатора спектра белого шума, имеющего полосу ± f _Д / 2 , из условия равенства мощности шума P_швф на выходе эквивалентного цифрового фильтра нижних частот с частотной характеристикой весовой функции W(jω) и мощности шума P_ши на выходе идеального фильтра, имеющего полосу пропускания ∆F_ш и максимум квадрата АЧХ |W(j0)|²:

где N₀ – спектральная плотность мощности белого шума на входе фильтра.

Максимальное усиление весовой функции на частоте ω=0 определяется как по уровню, по мощности.

Мощность шума на выходе идеального фильтра .

Приравнивая мощности P _швф = P _ши, можно найти выражение для эквивалентной шумовой полосы весовой функции и, соответственно, эквивалентной шумовой полосы канала анализатора спектра:

При этом мощность действующего на входе анализатора спектра белого (широкополосного) шума уменьшается на выходе анализатора спектра в число раз, равное N/ ∆F_ш.

Если ∆f_p задано, то по нему находится необходимое время анализа.

Совокупность параметров полосы по уровню половинной мощности и ∆F_ш определяет качество весовой функции в случае, когда входная последовательность представляет сумму гармонических составляющих с частотами, не кратными f_Д /N, т. е. не совпадающими с бинами ДПФ, и белого шума.

21. Улучшение качества бинарных изображений

Пусть F=f_ij - растровое изображение, представляющее собой прямоугольную матрицу. Если f_ij ∈ {0, 1} и принимает только два значения, то изображение называется бинарным и состоит только из черных и белых пикселей.

Первым этапом обработки является устранение шумов на изображении для того, чтобы они в дальнейшем не влияли на качество распознавания.

Возникновение шумов на исходном растровом представлении объясняется следующими причинами:

• наличием на считываемом документе следов «грязи»;

• невысоким качеством отдельных элементов документа;

• возникновением погрешностей сканирования;

• неверным выбором порога.

Наиболее часто встречающиеся шумы на изображении:

• неоднородность контура объекта;

• изолированные черные пятна небольших размеров;

• изолированные пустоты внутри объектов;

• разрывы объектов;

• слияние нескольких объектов.

Существует целый ряд подходов к устранению шумов на изображении. Однако все они являются в основном локальными методами.

Вторым подходом для улучшения качества изображений является логическая фильтрация. Суть ее заключается в том, что значение центрального элемента изменяется в зависимости от количества однотипных с ним элементов в заданной окрестности.

Обычно используют окрестность 3x3. Выбирается некоторый порог. Величина порога естественным образом влияет на результат обработки. Однако, варьируя значение порога, можно усилить подавление отдельных шумов на изображении и ослабить подавление других.

Недостаток: достаточно большое время работы, так как они предполагают последовательный просмотр всего изображения.

Пути повышения быстродействия: 1) нет необходимости часто просматривать все изображение и достаточно исследовать лишь его объекты и их некоторую окрестность; 2) контурный анализ изображения и подавления контурных шумов объектов.