19.4. СОГЛАСОВАННАЯ ФИЛЬТРАЦИЯ ДИСКРЕТНЫХ ИЗОБРАЖЕНИЙСогласованный фильтр, предназначенный для обнаружения объектов, можно применять не только к непрерывным, но и к дискретным изображениям. Один из возможных подходов состоит в дискретизации непрерывной частотной характеристики согласованного фильтра (19.2.7) при помощи методов, описанных в разд. 11.4. Можно также разработать дискретный согласованный фильтр, используя векторное представление изображений [13, 14]. Такой подход, рассмотренный в настоящем разделе, представляется более целесообразным, так как он применим к нестационарным изображению и шуму. Кроме того, можно успешно бороться с краевыми эффектами, возникающими на границе изображений. Рассмотрим наблюдаемое изображение в векторной форме, которое состоит из суммы вектора , представляющего детерминированное изображение, и вектора шума : (19.4.1а) или же только из шума . (19.4.1б) Дискретная согласованная фильтрация осуществляется следующим образом: формируется скалярное произведение вектора и вектора , описывающего импульсный отклик согласованного фильтра ; в результате получается скаляр . (19.4.2) Вектор выбирается так, чтобы максимизировать отношение сигнал/шум. Мощность сигнала при отсутствии шума определяется как , (19.4.3) а мощность шума , (19.4.4) где - ковариационная матрица шума. Следовательно, отношение сигнал/шум равно . (19.4.5) Оптимальный вектор можно определить, дифференцируя по m отношение сигнал/шум, заданное формулой (19.4.5), и приравнивая затем получающиеся производные нулю. Эти операции непосредственно приводят к соотношению , (19.4.6) где выражение в квадратных скобках - скаляр, который при соответствующей нормировке равняется единице. Таким образом, . (19.4.7) В случае белого шума действие согласованного фильтра сводится к определению скалярного произведения векторов и . В общем случае ковариационную матрицу шума можно представить в виде произведения матриц , (19.4.8) где матрица , - матрица, составленная из собственных векторов матрицы , а - диагональная матрица соответствующих собственных значений [14]. Результат фильтрации можно рассматривать как скалярное произведение вектора и неизвестного вектора , подвергнутых «отбеливанию» путем умножения на матрицу : . (19.4.9) Предыдущий вывод непосредственно распространяется на обнаружение случайных векторов. Выражение для энергии сигнала (19.4.3) принимает вид , (19.4.10) где - вектор, компонентами которого являются средние значения компонент вектора , а дисперсия на выходе согласованного фильтра равна (19.4.11) в предположении независимости и . Получающееся в результате отношение сигнал/шум имеет максимальное значение при . (19.4.12) Для получения согласованной фильтрации скалярное произведение векторов и можно определить непосредственно, используя соотношение (19.4.2) или же выражение (19.4.9), где , а и - матрицы соответственно собственных векторов и собственных значений [14]. В частном, но достаточно распространенном случае белого шума и ковариационной матрицы разделимого марковского процесса первого порядка операцию «отбеливания» можно выполнить с помощью разработанного для винеровской фильтрации [15] эффективного алгоритма, в котором используется преобразование Фурье.
|