ИССЛЕДОВАТЕЛЬСКИЙ ПОТЕНЦИАЛ МОЛОДЫХ УЧЕНЫХ: ВЗГЛЯД В БУДУЩЕЕ. 2015

ХI Региональная научно-практическая конференция аспирантов, соискателей, молодых ученых и магистрантов 82 ленные резкими границами. Мы можем легко восстановить удален‐ ные детали путем вычитания сглаженного изображения из исходного. А затем, следуя схеме художников к деталям, повышаем контраст, как показано на рисунке 2. Точно такой же алгоритм применяется и для случая с цветным изображением (рис. 1). В зависимости от степени сглаживания изображения и значения масштабирующего коэффици‐ ента регулируется степень детализации изображений. Однако также к числу достоинств предлагаемого БПА алгоритма следует отнести высокую скорость работы. Литература 1. Chiu K., Herf M., Shirley P., Swamy S., Wang C., and Zimmerman K. Spatially nonuniform scaling functions for high contrast images. In Proceed‐ ings of Graphics Interface '93, – P. 245–254. – May 1993. 2. Portilla J., Strela V., Wainwright M. J., and Simoncelli E. P. Image denoising using scale mixtures of Gaussians in the wavelet domain, IEEE Trans. Image Process. – Vol. 12. – no. 11. – Pp. 1338–1351. – Nov. 2003. 3. Zuo Wangmeng, Zhang Lei, Song Chunwei, Zhang David, Gao Huijun. «Gradient Histogram Estimation and Preservation for Texture Enhanced Image Denoising». Trans. Image Process. – Vol. 23. – no. 6. – Pp. 2459–2472. – June 2014. 4. Debevec P. E. and Malik J. Recovering high dynamic range radiance maps from photographs. In SIGGRAPH 97. – P. 369–378. – August 1997. 5. Kaiming He, Jian Sun, Xiaoou Tang. Guided Image Filtering. IEEE Transactions on Pattern Analisis and Machine Intelligence. – Vol. 35. – no. 6. – Pp. 1397–1409. – June 2013. 6. Грачева И. А., Копылов А. В., Красоткина О. В. Адаптивная про‐ цедура обощенного сглаживания изображений на основе статистиче‐ ского подхода // Известия ТулГУ. Технические науки. – Вып. 11. – Ч. 1. – Тула: Изд‐во ТулГУ, 2014. – С. 390–401. 7. Markov M., Mottl V., Muchnik I. Principles of Nonstationary regres‐ sion Estimation: A New Approach to Dynamic Multi‐factor Models in Fi‐ nance. DIMACS Technical Report 2004‐47, Rutgers University, USA, 2004.