ОЦЕНКА КАЧЕСТВА СЛИЯНИЯ ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ ЭНТРОПИИ ШЕННОНА И КОЭФФИЦИЕНТА ПОЛЕЗНОЙ ИНФОРМАЦИИ ХАРТЛИ

Аннотация

Исследуются методы повышения качества изображений, получаемых из гетерогенных ис- точников информации на основе многомодальной интеграции. Дополнительная информация из нескольких модальностей позволяет использовать признаки, которые невозможно правильно ин- терпретировать, если анализировать информацию отдельно от одного источника. В качестве подтверждения актуальности темы рассматриваются современные исследования в данной об- ласти. Целью работы является повышение информативности изображений, получаемых в ре- зультате слияния данных от разнородных источников, и получение высококачественных изобра- жений, пригодных для корректной работы алгоритмов машинного обучения. Для достижения поставленной цели авторами решается ряд задач: создание подхода к измерению качества изо- бражений, в рамках которого необходимо разработать ряд алгоритмов, описывающих процесс оценки качества результатов слияния на основе многомодальной информации; реализация полу- ченных алгоритмов в программной среде для валидации предлагаемого подхода; проведены оценоч- ных экспериментов на основе представленных алгоритмов, в частности, вычисления мер инфор- мативности изображений и влияния шумов и размытости на энтропию объединённого изображе- ния. Результаты экспериментальных исследований на наборах данных из открытых источников показали, что предложенный метод позволяет определить наилучший вариант слияния изобра- жений, при котором данные будут иметь максимальную информативность. Использование эн- тропии по Шеннону дает возможность вычислить количество информации, передаваемой в изо- бражениях, а коэффициент полезной информации Хартли позволяет оценить количество присут- ствующих шумов в изображении. Также, в статье проводится сравнение результатов при раз- личных уровнях шума и степени размытости изображений, демонстрирующее различные резуль- таты алгоритмов при оценке качества изображений. Предложенный подход проиллюстрирован на примере анализа изображений, полученных путём слияния данных от двух типов приборов – инфракрасной камеры и видеокамеры, снимающей изображения в видимом диапазоне