Исследование и разработка методов реализации и обработки малоконтрастных изображений в условиях ограниченной видимости

Традиционные методы повышения контрастности изображений, такие как гистограммная эквализация, гамма-коррекция, линейное контрастирование и ретинекс, не учитывают локальные особенности изображений, что приводит к усилению шума, потере мелких деталей и возникновению артефактов. Из вышеперечисленных методов наилучший результат даёт контрастно-ограниченная адаптивная эквализация гистограммы. Разработка адаптивных методов локального повышения контрастности, реализует гибридный подход, при котором параметры адаптивных алгоритмов локального контрастирования автоматически регулируются нейронной сетью. Учёт локальных и глобальных характеристик изображения позволяет преодолеть ограничения классических и нейросетевых методов улучшения качества изображений. При этом решение данной задачи обеспечивает существенное повышение точности обнаружения малоконтрастных объектов в условиях ограниченной видимости. Объект исследования. Методы и алгоритмы повышения контрастности изображений в условиях ограниченной видимости. Предмет исследования. Обработка малоконтрастных цифровых изображений, направленная на повышение достоверности распознавания объектов. Целью исследования является повышение контрастности и точности обнаружения объектов в режиме реального времени с учётом особенностей получателя информации (человека, нейронных сетей, элементов искусственного интеллекта). Теоретическая значимость работы заключается в разработке гибридного метода управления параметрами контрастирования, которое осуществляется нейронной сетью на основе анализа текстурных и частотных характеристик изображения, что обеспечивает адаптацию к сложным и нестационарным условиям наблюдения. Практическая значимость работы определяется реализацией повышения контраста объектов изображений, полученных в видимом и ИК-диапазонах спектра и достоверностью их распознавания с использованием искусственного интеллекта.