Алгебраические модели и методы компьютерной обработки изображений. Часть 1. Мультиплетные модели многоканальных изображений

Abstract

We present a new theoretical framework for multichannel image processing using commutative hypercomplex algebras. Hypercomplex algebras generalize the algebras of complex numbers. The main goal of the work is to show that hypercomplex algebras can be used to solve problems of multichannel (color, multicolor, and hyperspectral) image processing in a natural and effective manner. In this work, we suppose that the animal brain operates with hypercomplex numbers when processing multichannel retinal images. In our approach, each multichannel pixel is considered not as an K-D vector, but as an K-D hypercomplex number, where K is the number of different optical channels. The aim of this part is to present algebraic models of subjective perceptual color, multicolor and multichannel spaces. © 2018, Institution of Russian Academy of Sciences. All rights reserved.

Разрабатываются новые модели многоканальных (мульти- и гиперспектральных) изображений с использованием коммутативных гиперкомплексных алгебр (триплетных – для цветных и мультиплетных – для многоканальных). Гиперкомплексные алгебры обобщают алгебру комплексных чисел. Они содержат гиперкомплексные числа, представляющие собой линейную комбинацию нескольких мнимых единиц. Главная цель работы – показать, что коммутативные гиперкомплексные числа могут быть использованы при обработке многоканальных изображений в естественной и эффективной манере. В этой части работы мы предполагаем, что мозг животных оперирует гиперкомплексными числами, когда обрабатывает многоканальные изображения, которые возникают на ретине. В нашем подходе каждый многоканальный пиксел рассматривается не как K-мерный (K-Dimension) вектор, а как K–D гиперкомплексное число, где K есть число различных оптических каналов. Это создает эффективную математическую основу для различных функционально-числовых преобразований многоканальных изображений.