Техника и методика геофизического эксперимента : сборник научных трудов / Рос. акад. наук, Кол. науч. центр, Поляр. геофиз. ин-т. – Апатиты : [б. и.], 2003. – 194 с.

7. Различные процедуры распознавания образов (двумерный корреляционный анализ и сравнение различных областей изображения с эталонным объектом, применение решающих функций и т.д.). Пункты 4,5,6 и 7 позволяют, в принципе, автоматизировать работу по отбору и предварительному анализу интересующих авроральных событий. Некоторые из этих методов есть во многих графических редакторах (нелинейные и задаваемые пользователем преобразования яркости и контрастности изображения, различные процедуры фильтрации, выделение контуров, сглаживание и повышение резкости, добавление шума, выравнивание гистограмм). Однако все эти редакторы (Тайц и Тайц, 2001) работают с готовым изображением, где интересующие детали уже могут отсутствовать ввиду малого динамического диапазона представления данных (например, один байт для черно-белого изображения). Гораздо эффективнее преобразование на стадии отображения, т.е. работа с исходным файлом. Надо отметить, что методы улучшения изображений могут применяться для обработки не только телевизионных данных но и многих других - сканограмм сканирующих фотометров, спектров ОНЧ, магнитных пульсаций и вообще произвольной информации, которая может быть представлена в двумерном виде, т.е. как изображение (к чему всегда полезно стремиться). Для демонстрации возможностей обработки ограничимся только несколькими элементарными в программной реализации примерами. Это арифметические операции и некоторые простые методы фильтрации телевизионных кадров, а также очень полезная при анализе кеограмм градиентная фильтрация. Разность кадров (для подавления шума полезно вычитать предварительно просуммированные кадры) выявляет движущиеся и меняющиеся детали изображения, градиенты позволяют выявить тонкие детали, действуя, в частности, как высокочастотный фильтр, а также позволяют на кеограммах наглядно разделить пространственные и временные вариации светимости. Градиентная фильтрация осуществляется простым вычитанием исходной матрицы кадра или кеограммы и матрицы, сдвинутой в горизонтальном или вертикальном направлении на желаемое число пикселей. При этом, если, к примеру, исходная кеограмма строилась вдоль профиля, ориентированного в направлении север-юг, то вертикальный градиент, т.е. сдвиг матрицы вдоль столбцов, выпукло выделяет пространственные движения авроральных форм, а горизонтальный, т.е. сдвиг вдоль строк, подчеркивает временные вариации светимости. Несмотря на примитивность, градиентная фильтрация очень эффективна для выделения деталей кеограммы, неразличимых на исходных данных по причине дефектов камеры или тумана. Такая ситуация представлена на рис.1. Плохая привязка уровня черного приводит к сильной и хаотической модуляции яркости кеограммы (она выглядит "полосатой" - рисЛА). Кроме того, представленный интервал времени сопровождается довольно сильным туманом, особенно после 21.56. Тем не менее, применение градиентной фильтрации (рис.1В) позволяет выявить множество деталей, в частности, интенсивные пульсации (период 10-20 с). Эти пульсации происходят в расположенном к югу от дискретных форм диффузном свечении и практически неразличимы в исходных данных. Фильтрация оказывается полезной и тогда, когда дефекты камеры отсутствуют, а небо свободно от тумана и облаков (рис.2, 3, А-обычные кеограммы, В- 87