Содержание к диссертации
Введение
Глава 1. Методы и алгоритмы обработки информации зашумленных и искаженных ИК-изображений 12
1.1. Аналитический обзор способов получения ИК-изображений в задачах компьютерного зрения 12
1.2. Критические параметры систем компьютерного зрения обработки тепловизионных изображений 27
1.3. Методы математического моделирования искаженных цифровых сигналов и компьютерные методы их обработки 41
1.3.1. Фильтрация, сегментация и текстурный анализ ИК-сигналов 42
1.3.2. Анализ формы, сравнение и привязка ИК-изображений 53
1.3.3. Компьютерное зрение на основе моделей 55
1.3.4. Обучение, самообучение и распознавание в задачах компьютерного зрения 63
1.3.5. Вейвлетные методы сжатия зашумленных изображений 77
1.4. Основные направления повышения эффективности, надежности и качества технических систем получения ИК-изображений и разработки алгоритмов тепловизионных и телевизионных изображений 80
1.5. Постановка задачи 104
Глава 2. Улучшение характеристик выходных измерений существующих методов математического моделирования и обработки искаженных цифровых сигналов 111
2.1. Разработка алгоритма расчёта общей энергии электромагнитного излучения в замкнутой полости абсолютного черного тела в стационарном состоянии в задаче анализа видеоинформации по контролю технологических процессов в трех спектральных инфракрасных диапазонах 111
2.2. Модификация алгоритма измерения температуры исследуемых объектов и учета теоретических погрешностей в задаче проведения тепловизионного контроля изготовления деталей и узлов аппаратуры 116
2.3. Разработка алгоритма мониторинга температурного рельефа разогретой поверхности детали в задаче моделирования плотности излучения и теплового баланса узлов и деталей 123
2.4. Повышение точности определения ориентации космических аппаратов
при использовании оптических и звездных датчиков при помощи определения максимума энергетического центра звезды 126
Выводы по 2 главе 130
Глава 3. Разработка программных средств для специальной обработки данных зашумленных и искаженных ИК-изображений в АПК 134
3.1. Обоснование технического решения выбора методов и алгоритмов для создания программных средств специальной обработки ИК-изображений 134
3.2. Разработка алгоритмов и проектирование и реализация программных средств АПК 139
3.2.1. Реализации модуля предварительной обработки ИК-изображений 139
3.2.2. Реализации модуля сегментации и визуализации ИК-изображений 143
3.2.3. Реализация модуля интерфейса под ОС MS Windows и контроля вводимых данных 147
Заключение 150
Список использованных источников 155
- Методы математического моделирования искаженных цифровых сигналов и компьютерные методы их обработки
- Основные направления повышения эффективности, надежности и качества технических систем получения ИК-изображений и разработки алгоритмов тепловизионных и телевизионных изображений
- Модификация алгоритма измерения температуры исследуемых объектов и учета теоретических погрешностей в задаче проведения тепловизионного контроля изготовления деталей и узлов аппаратуры
- Разработка алгоритмов и проектирование и реализация программных средств АПК
Введение к работе
Актуальность темы исследования
Инфракрасная (ИК) термография нашла свое применение в области производства медицинских оптико-электронных приборов, для экологических дистанционных обследований и специальных оптико-электронных систем (ОЭС). Перспективной областью применения ИК-термографии является мониторинг производственного процесса в ходе осаждения материала и при необходимости нештатной остановки этого процесса. Подобный мониторинг, установление обратной связи в управлении производственным процессом, стали возможными в последние годы благодаря использованию ИК-термографии в технологии расплавления порошкообразных материалов в заранее сформированном слое. Это открывает возможность повышения качества изделий, получаемых с использованием аддитивных технологий, за счет налаживания эффективного контроля в режиме реального времени за температурой поверхности металла в зоне обработки лазерным лучом.
Актуальность диссертационного исследования определяется тем, что в
настоящее время практически отсутствуют публикации по теоретически
обоснованным методам создания алгоритмов обработки и предъявления
оператору информации от нескольких спектральных каналов ОЭС с
автоматической адаптацией критериев выбора и приоритетности
отличительных признаков целей и помех в каждом из спектральных каналов при изменяющихся условиях наблюдения. Поэтому разработка цифровых алгоритмов автоматического распознавания с помощью многоспектральных оптико-электронных систем дистанционного зондирования динамических объектов сложной формы на фоне естественных и организованных помех носит характер экспериментальных поисков.
Процедура обработки изображения является непременной составляющей общей процедуры обработки сигнала в цепочке преобразований информации от ее регистрации фотоприемным устройством до предъявления оператору, поэтому неунифицированность количественного критерия качества обработки изображений при решении практических задач современного оптико-электронного приборостроения делает особенно актуальной разработку алгоритмов обработки тепловизионных изображений. Необходимость повышения потенциальной пороговой чувствительности и разрешающей способности тепловизионного оборудования диктуется потребностью в улучшении качества визуализации и распознавания АПК. Однако этому сопутствует одновременный рост помех и, как следствие, снижение достоверности ИК-изображений, которая зависит от помехозащищенности.
Анализ современного состояния проблемы автоматизации обработки данных зашумленных и искаженных ИК-изображений был проведен по результатам публикаций, в которых исследована проблема прогнозного моделирования поведения объектов в зашумленных средах с учетом характеристик флуктуаций фонового излучения в алгоритмах обработки
сигналов инфракрасных приборов (Можейко В.И., Обухова Н.А., Тимофеев
Б.С., Фисенко В.Т., Фисенко Т.Ю. Белоусов Ю.И., Иванов Д.В. и др.), а также
изучена проблема визуализации локальных областей неоднородных
поверхностей (Шмидт В.К., Галикеев Г.Б., Горбацевич Ф.Ф., Кудрявцев А.С. и
др.). Результаты анализа публикаций были осмыслены и подтверждены
результатами практических разработок в составе творческих коллективов по
методам анализа различных видов электромагнитного излучения:
видеоинформации в комплексе трех спектральных инфракрасных диапазонах по контролю технологических процессов (И.В. Грязных, П.И. Лысов, А.В. Панков А.В. Шпак, А.П. Зубков, А.Ю. Цуников), обработки цифровых сигналов при тепловизионном контроле изготовления деталей и узлов аппаратуры (С.В. Филатов, А.Ю. Цуников), моделирования плотности излучения и теплового баланса при инженерном мониторинге (С.В. Филатов, А.Ю. Цуников), определения ориентации космических аппаратов при использовании оптических звездных датчиков (А.С. Сигов, В.И. Нефедов, А.Ю. Цуников, и др.).
Объектом исследования являются аппаратно-программные комплексы оптико-электронных систем инфракрасной термографии, обеспечивающие непрерывную автоматическую обработку информации, поступающей по каждому из каналов, для общей ориентации оператора в текущей обстановке.
Предметом исследования являются методы, алгоритмы и программные средства специальной обработки зашумленных и искаженных ИК– изображений, полученных с произвольного болометрического оборудования (что соответствует паспорту специальности 05.13.15 «Вычислительные машины, комплексы и сети», п. 3).
Целью диссертационной работы является разработка методов, алгоритмов и программных средств для аппаратно-программных комплексов (АПК) специальной обработки данных зашумленных и искаженных ИК-изображений на основе критериев системной полезности и пригодности при необходимой и достаточной достоверности результатов.
Для достижения этой цели в работе решаются следующие основные задачи:
-
Исследовать существующие математические методы и алгоритмы обработки зашумленных и искаженных ИК–изображений в задачах компьютерного зрения.
-
Выявить и обосновать критические параметры систем компьютерного зрения обработки тепловизионных изображений.
-
Улучшить характеристики выходных измерений с помощью математических методов обработки искаженных цифровых сигналов в задачах инженерного мониторинга контроля технологических процессов, изготовления узлов и деталей, в задачах ориентации космических объектов и способов преобразования широкополосного излучения.
-
Разработать алгоритм обработки изображений, полученных с произвольного болометрического оборудования, с учетом разработанных
критериев качества и на основе выбранных математических методов и алгоритмов специальной обработки зашумленных и искаженных ИК-изображений.
-
Разработать программные средства АПК с целью применения в задачах специальной обработки зашумленных и искаженных ИК-изображений, включающей визуализацию, трансформацию и анализ полученных результатов.
-
Определить основные направления повышения эффективности, надежности и качества программных средств АПК в процессе получения и обработки ИК - изображений.
-
Внедрить научные положения и результаты диссертации в практические разработки.
Методы исследования.
Для реализации поставленных задач использованы методы системного
анализа, численное и имитационное моделирование, теория алгоритмов,
объектно-ориентированное программирование, высокопроизводительные
вычисления.
Обоснованность и достоверность теоретических выводов и
практических рекомендаций определяются корректностью математических
выкладок и теоретических предпосылок, использованием методов
компьютерного моделирования, лежащих в основе экспериментальной верификации теоретических положений.
Научная новизна диссертационной работы состоит в следующем:
-
Разработаны новые программные средства АПК повышения качества ИК-изображений для создания программных средств специальной обработки данных зашумленных и искаженных ИК-изображений. Разработана архитектура программных средств для АПК. Обоснованы этапы проектирования и реализован АПК на статистически учитываемом количестве испытаний.
-
Усовершенствованы методы обработки искаженных цифровых сигналов в задачах инженерного мониторинга контроля технологических процессов и ориентации космических объектов и способов преобразования широкополосного излучения.
-
Обосновано использование методов математической обработки и алгоритмизации зашумленных и искаженных тепловизионных изображений. Адаптирован метод Канни для выделения границ объектов. Разработан и реализован авторский алгоритм сегментации и визуализации ИК-изображений (вычисление контрастности объекта относительно фона, выделение температурных зон по заданным температурным интервалам, либо кластерному распределению, расчет их относительных площадей).
Практическая значимость.
Исследованы и проанализированы существующие методы и средства анализа обработки зашумленных и искаженных ИК - изображений в задачах
компьютерного зрения. Определены пробелы в существующих технических
решениях, заключающиеся в отсутствии надёжных методов, алгоритмов и программных средств специальной обработки данных слабоконтрастных тепловизионных изображений для алгоритмов, основанных на пространстве признаков (по методам: кластеризации, адаптивной кластеризации, пороговой обработки гистограмм), алгоритмов, основанных на свойствах областей (по методам: разделения/слияния областей, методов роста областей, методов, основанных на теории графов, методы выделения краев, методов, основанных на нейронных сетях), алгоритмов, основанных на физических свойствах объектов (по методам: кластеризации, адаптивной кластеризации, пороговой обработки гистограмм).
Научные результаты внедрены в учебный процесс (учебные пособия с грифом Министерства образования и науки Российской Федерации для студентов вузов, обучающихся по специальностям Проектирование и технология электронных средств, Вычислительные машины, комплексы и сети, Автоматизированные системы обработки информации).
Обоснована система критериев качества компьютерных систем получения ИК–изображений (критерии, характеризующие эффективность обнаружения, различения и распознавания, утилитарность, пригодность изображения для последующего анализа, эффективности распознавания объекта оператором, выбора алгоритмов обработки искаженных ИК-изображений).
Систематизированы основные направления совершенствования
проблемно-ориентированного инструментария (разработка типовых
алгоритмов обработки параметров однородности спектрального состава
измерителей, динамического программно-аппаратного мониторинга
параметров теплового сканирования для процессов криогенного охлаждения; математических методов обработки результатов измерения теплового сопротивления для микроболометров на основе аморфного кремния и модификаций ванадий-оксидных материалов и др., программных средств для мониторинга тепловых и шумовых характеристик ИК-детекторов – монолитных матриц, интегрирующих детектирующий материала с микросхемой ввода-вывода и др.).
Диссертационное исследование проведено в рамках НИР «Методы прогнозирования трендов на основе гармонических компонент нелинейных процессов» на кафедре прикладной математики Института Информационных технологий (д.ф.-м.н., проф. Самохин А.Б.). Были получены следующие результаты: полезная модель «Устройство для обработки оцифрованных инфракрасных снимков» (регистрационный № 2015140592 по реестру ФИПС от 24.09.2015), реализующая алгоритм специальной обработки данных зашумленных и искаженных ИК-изображений для аппаратно-программных комплексов (АПК) и создана и зарегистрирована программа для обработки изображений, полученных с произвольного болометрического оборудования -«Программа для обработки инфракрасных снимков» (Свидетельство о государственной регистрации программы для ЭВМ № 2015617244, дата
государственной регистрации в Реестре программ для ЭВМ 06 июля 2015 г.).
Научные положения и результаты диссертации прошли экспертизу и внедрены в практические разработки ряда организаций, от которых получены соответствующие отзывы и акты о внедрении.
Апробация работы.
Основные результаты диссертационной работы изложены в
18 публикациях, в том числе, 4 публикаций в журналах, внесенных в перечень
ВАК, 1 монографии и 2 учебных пособиях, докладывались на международных
конференциях, научно-технических семинарах: Фундаментальные проблемы
радиоэлектронного приборостроения, 2010;
13-я Международная конференция «Цифровая обработка сигналов и ее применение – DSPA-2011; INTERMATIC-2011-2012; РАДИОИНФОКОМ-13.
Личный вклад соискателя в получение результатов, изложенных в диссертации.
Все результаты, выносимые на защиту, получены автором лично.
Структура диссертационной работы.
Диссертация состоит из введения, 3 глав с 7 таблицами, 41 иллюстрацией (рисунки, графики, схемы, экранные формы и т.д.), 22 формулами, заключения, приложений и библиографического списка, состоящего из 112 названий. Общий объем работы составляет 172 страницы.
Методы математического моделирования искаженных цифровых сигналов и компьютерные методы их обработки
В основе получения ИК-изображений лежит (1) энергетическая светимость объекта в пределах мгновенного поля зрения; (2) форма; (3) координаты источников излучения и их производные. По закону Стефана-Больцмана энергетическая светимость поверхности абсолютно черного тела пропорциональна четвертой степени абсолютной термодинамической температуры; при этом спектральная плотность энергетической светимости равна мощности излучения с единицы площади поверхности этого тела в интервале частот единичной ширины. В теории теплового излучения часто пользуются идеализированной моделью реальных тел – понятием "серое тело" (коэффициент поглощения одинаков для всех частот и зависит только от температуры материала и состояния его поверхности). В действительности реальное физическое тело по своим характеристикам приближается к серому телу только в узком диапазоне частот излучения.
Таким образом: 1. Существует четкая корреляция между состоянием поверхности тела, интенсивностью и спектральным составом испускаемого излучения. Измеряя интенсивность излучения, можно измерить бесконтактным способом температуру объекта. 2. Спектральный состав меняется в зависимости от температуры объекта. Интенсивность излучения увеличивается с ростом температуры. Закон Планка устанавливает основную корреляцию для бесконтактного измерения температуры. Однако эта зависимость в приведенной форме не применяют напрямую для практических расчетов. Представляют интерес два следствия из указанной корреляции: (а) спектральная интенсивность излучения для всех длин волн дает значение общего излучения тела; однако, спектральный диапазон большинства измерительных приборов ограничен, поэтому это соотношение неприменимо для этой цели; (б) графическая интерпретация закона излучения Планка показывает, что длина волны, при которой излучение черного тела имеет максимум, смещается с изменением температуры, смещение рассчитывают с использованием уравнения Вина: чем ниже температура измеряемого объекта, тем больше радиационный максимум смещается в сторону длинноволнового диапазона спектра.
3. Инфракрасная термография относится к разряду бесконтактных способов измерения, инфракрасное излучение проходит путь от измеряемого объекта до устройства через среду, характеризующуюся определенными оптическими свойствами, которые окажут воздействие на измеряемый результат.
4. Радиация реальных объектов в большей или меньшей мере зависит от длины волны, а также от следующих факторов: (1) состава вещества; (2) наличия оксидной пленки на поверхности; (3) шероховатости поверхности; (4) угла отражения (угол к нормали); (5) температуры; (6) степени поляризации.
5. Как было отмечено выше, различимость как свойство объекта на снимке может быть снижена, в том числе, посредством уменьшения интенсивности излучения объекта в ИК диапазоне длин волн и уменьшения эффективной отражающей поверхности, т.к. спектральная плотность энергетической светимости и коэффициент поглощения зависят от частоты излучаемых и поглощаемых волн, температуры тела, его химического состава и состояния поверхности. Конструктивные особенности устройства тепловизоров и технические параметры, определяющие визуализацию термоизображений
Главное отличие ИК-съемки от термографии заключается в том, что инфракрасная съёмка излучения соответствует температуре между 250 C и 500 C, в то время как диапазон термографии примерно от -50 C до более чем 2000 C. Так, для ИК-съёмки для показа чего-либо температура объекта должна быть свыше 250 C или объект должен отражать инфракрасное излучение [70].
Программный драйвер тепловизора реализует следующие функции: визуализацию термоизображений в реальном времени; вывод в поле кадра максимальной, минимальной и средней температур; остановку кадра для предварительного анализа; запись отдельных термограмм; запись динамического термографического фильма; измерение температур; авто настройку динамического диапазона; учет коэффициента отражения; возможность выбора различных цветовых палитр и изотерм (Рис.7.); покадровое суммирование.
Таким образом, информативность ИК диапазон спектра обуславливается тем, что именно здесь сосредоточена основная доля собственного электромагнитного излучения большинства окружающих нас объектов естественного и искусственного происхождения.
ИК диапазон охватывает длины волн от 0.76 до 1000 мкм, что соответствует частотам от 300 до 0,3 ТГц. Эта область спектра условно подразделяют на пять промежуточных диапазонов: (1)ближний от (0,76 – 1,1 мкм); (2) коротковолновый (1,1 – 2,5 мкм); (3) средневолновый (3,0 – 5,5 мкм); (4) длинноволновый (8 – 14 мкм); (5) дальний (15 – 1000 мкм). В ряде исследований два первых диапазона объединяются в один диапазон (0.76 – 2.5 мкм).
ИК диапазоны (3,0 -5,5) и (8 - 14) мкм являются рабочими зонами тепловизионного метода неразрушающего контроля. Информативный диапазон 8 – 14 мкм совпадает с наиболее широким окном прозрачности атмосферы и соответствующий максимальной излучательной способности наблюдаемых объектов в температурном диапазоне от – 50С до + 500С.
Тепловизионный метод контроля основан на том, что любые процессы, происходящие в природе и человеческой деятельности, сопровождаются поглощением и выделением, изменяя внутреннюю энергию тела, которая в состоянии термодинамического равновесия пропорциональна температуре вещества. В результате этого поверхности физических тел приобретают специфическое температурное распределение. Основным способом реализации тепловизионного метода является создание аппаратурных средств, обеспечивающих преобразование температурного распределения или ИК излучения в видимое изображение (Рис. 7).
Основные направления повышения эффективности, надежности и качества технических систем получения ИК-изображений и разработки алгоритмов тепловизионных и телевизионных изображений
В работе И. И. Кремиса «Повышение качества изображения тепловизоров на основе матричных фотоприемных устройств» [109] улучшение качества изображения тепловизоров рассматривается способом коррекции неоднородности чувствительности для элементов приемника и поиска, а затем устранения его дефектных элементов. Наиболее известным методом улучшения качества изображения является двухточечная коррекция [63].
Способ реализован как совокупность универсальных алгоритмов повышения качества изображения, получаемого тепловизионными приборами с ФПУ на основе матриц HgCdTe, где под дефектами подразумевают: шумящие элементы; элементы с постоянным уровнем сигнала; элементы с чувствительностью, выходящей за пределы установленных порогов неравномерности чувствительности по всей матрице.
Для оценки влияния приведенных алгоритмов на разрешение тепловизионного прибора использовалась мира БЛ8725-4239 № 1-03. Однако данные алгоритмы не оказывают влияния на разрешение прибора, за исключением случаев, когда размер участков выбитых сопоставим или превосходит элементы миры.
Таким образом, отмечен вероятностный характер проведения ИК измерений, а также необходимость критерия, позволяющего с определенной степенью достоверности принимать решение: принцип достаточности точности В.К. Зворыкина по числу элементов разложения; эмпирические критерии Джонсона, связывающие вероятность правильного решения с числом строк, приходящихся на размер объекта. Для упрощения задачи управления качеством изображений ИК спектра примем следующее допущение, вытекающие из схемотехнического описания тепловизора: сигналы от объектов описываются как приращение их яркости относительно математического ожидания значений яркости фона, поскольку фон является равномерным.
Для управления качеством получения и визуализации изображений необходимо принять во внимание некоторые положения из общей теории оптического (электромагнитного) излучения. Электромагнитное излучение классифицируют по следующим характеристикам: по характеру испускания атомами и молекулами теплового излучения либо люминесцентного; степени однородности спектрального состава как монохроматическое либо немонохроматическое; упорядоченности и ориентации вектора электрического поля, которое типизировано как естественное, поляризованное линейно, круговое, эллиптической формы; по особенностям рассеяния потока излучения как направленное, диффузное или смешанное. Исследовано, что при больших значениях величин параметров интенсивности световых потоков проявляются нелинейно-оптические явления: o изменение угла преломления светового пучка на границе раздела двух сред при изменении его интенсивности; o сжатие и расширение световых пучков; o изменение спектрального состава света, проходящего через нелинейную среду (генерация оптических гармоник) и др.
Развитие лазерной технологии стимулировало поиск и разработку новых оптических материалов, пропускающих интенсивные световые потоки без искажения [35, 45]. Тепловизионные или инфракрасные приборы применяют для решения задач ночного видения, в навигации, и могут иметь различное применение в гражданских целях в биологии, медицине, так и в области военных приложений.
Отмечено, что для оптических методов исследования характерно наличие направленных потоков излучения, генерируемых оптическими системами. Получение оптических образов без применения фокусирующих систем используется в голографических приборах, в основу которого лежит идея об однозначной связи формы тела с пространственным распределением амплитуд и фаз рассеянных им световых волн.
Для преобразования потока теплового излучения от объекта в видимое изображение применяют термоиндикаторы на основе термочувствительных веществ и аппаратуру визуализации тепловых полей.
Под визуализацией понимают получение двумерного изображения теплового поля в видимом диапазоне излучений. Визуализация делает возможным непосредственное наблюдение (в условном изображении) распределения величины теплового потока или температуры в пространстве и проведения его оценки.
Преобразование оптических сигналов и изображений из инфракрасной области спектра в видимую область осуществляется нелинейно-оптическим и электронно-оптическим методами.
Нелинейно-оптические методы обработки информации в сравнении с электронно-оптическим преобразованием показали большую эффективность в задачах анализа двумерных и трехмерных тепловых изображений, вследствие сохранения фазовой информации, позволяющей проводить дальнейшую когерентную обработку изображения, например, голографические преобразования в инфракрасном диапазоне с безынерционной визуализацией. Рис. 12. Примеры процессов генерации оптических гармоник в кристаллах. Принцип действия нелинейно-оптических преобразователей ИК излуче ния основан на нелинейных процессах генерации оптических гармоник в кристаллах (Рис. 12.). Кристаллы почти мгновенно реагируют фазовыми или амплитудными изменениями параметров на освещенность (воздействие световой волны). Основной особенностью динамической голографии считают следующее явление: кристаллы допускают многократное повторение цикла «запись – стирание» и регистрацию голограмм в реальном времени; что крайне значимо для организации и функционирования постоянной и оперативной памяти, устройств-корректоров излучения лазеров, усилителей изображений, устройств управления лазерным излучением и обращения волнового фронта [20, 75].
Известно, что терагерцовые волны или волны с характеристиками частоты от 0,1 до 10 ТГц с соответственной длиной волны от 3 до 0,03 мм занимают полосу электромагнитного спектра в диапазоне между ИК и СВЧ волнами. В последнее время данный диапазон частот активно изучается, что вызвано открывающимися возможностями прикладного и фундаментального применения.
Модификация алгоритма измерения температуры исследуемых объектов и учета теоретических погрешностей в задаче проведения тепловизионного контроля изготовления деталей и узлов аппаратуры
В основе текстурного анализа (анализа текстур) лежит извлечение наиболее общего, эффективного и компактного количественного описания текстуры и получение схем кодирования изображений для представления выбранных компонентов: (1) статистический метод описывает текстуру с помощью статистических данных сигнала изображения, отражающих недетерминированные свойства пространственного распределения сигналов изображения; (2) спектральный метод выделяет особенности текстуры в спектральной области; (3) структурный подход (метод) рассматривает текстуру в виде иерархии пространственных механизмов четко определенных примитивов текстуры; (4) вероятностная модель описывает основные случайные процессы, которые генерирует текстура. Методы морфологического анализа относятся к классу задач описания семантики изображений, при этом яркость ИК изображений или изображений локатора, несущую информацию качественного характера о физических свойствах объектов (температурном контрасте или относительной скорости приемника и объекта) связывают с геометрической формой изображения сцены, где под формой изображения понимают максимальный инвариант преобразования яркостей изображения, каковым является ортогональный проектор в гильбертовом пространстве изображений на множество кусочно-постоянных изображений.
Привязка изображений предполагает процесс совмещения и наложение двух или более изображений, полученных в разное время, с различных ракурсов и, может быть, от разных сенсоров для достижения наиболее точного геометрического соответствия. Для этого используются алгоритмы метрической фильтрации и итеративной стохастической фильтрации и итерационный метод робастной оценки параметров модели преобразования изображений, основанный на оптимизации роем частиц.
Исходя из того, что существующая на сегодняшний день «основная» и «общепринятая» трёхкомпонентная гипотеза цветовосприятия недостаточно полно описывает процесс цветовосприятия, цветовую адаптацию (баланс белого), цветоаномалии, множество эффектов, явлений и свойств нашего зрения и постулируя, что законы физики едины для живой и неживой материи, и мозг не участвует в переработке сигнала цветности [С. Ременко]; сигнал цветности можно представить как функцию от отношения сигналов двух, четырёх или любого чётного числа фоторецепторов и при этом вычисление сигнала цветности производится нелинейными функциональными зависимостями. Нелинейная модель позволяет выразить насыщенность в виде физического параметра, величину которого можно измерить прибором (насыщенность - это величина, представляющая отношение (вектора) геометрической суммы цветовых сигналов к сигналу (вектору) яркости).
Любой воспринимаемый глазом цвет согласно такой модели записывается в виде координат в декартовой системе. Принцип, лежащий в основании этой модели, основан на измерении отклонения точки цвета в цветовом теле от яркостной оси координат, вдоль которой лежат ахроматические тона. Таким образом, нелинейная модель позволяет дать более четкие определения колориметрических характеристик излучения, основой которых являются физические закономерности, выражаемые математическим языком.
В целом проблема распознавания образов состоит из двух частей: обучения и распознавания. Обучение осуществляется посредством демонстрации отдельных объектов с указанием их принадлежности тому или другому образу. В результате обучения распознающая система должна приобрести способность реагировать одинаковыми реакциями на все объекты одного образа и различными — на все объекты различных образов (например, звуки, состояния организма при медицинском диагнозе, состояние технического объекта в системах управления и др.). Важно, что в процессе обучения указываются только сами объекты и их принадлежность образу. За обучением следует процесс распознавания новых объектов, который характеризует действия уже обученной системы. Автоматизация этих процедур и составляет проблему обучения распознаванию образов.
При решении задач управления методами распознавания образов под "изображением" понимают "состояние" или формы отображения измеряемых текущих (или мгновенных) характеристик наблюдаемого объекта. Совокупность состояний определяет ситуацию, этому ставится в соответствие "образ". Под ситуацией понимают некоторую совокупность состояний сложного объекта, каждая из которых характеризуется одними и теми же или схожими характеристиками объекта. Например, если в качестве объекта наблюдения рассматривается некоторый объект управления, то ситуация объединяет такие состояния этого объекта, в которых следует применять одни и те же управляющие воздействия.
Под системной полезностью и пригодностью понимается выбор исходного описания объектов (пространства признаков). В случае удачного выбора задача распознавания может оказаться тривиальной и, наоборот, неудачно выбранное исходное описание может привести либо к очень сложной дальнейшей переработке информации, либо вообще к отсутствию решения. Любое изображение, которое возникает в результате наблюдения какого-либо объекта, можно представить в виде вектора, а значит и в виде точки некоторого пространства признаков. Если утверждается, что при показе изображений, возможно, однозначно отнести их к одному из двух (или нескольких) образов, то тем самым утверждается, что в некотором пространстве существует две (или несколько) области, не имеющие общих точек, и что изображения — точки из этих областей. Каждой такой области можно приписать наименование, т. е. дать название, соответствующее образу.
Разработка алгоритмов и проектирование и реализация программных средств АПК
В данном модуле реализовано алгоритмическое решение, которое состоит в необходимости выделения зон светимости, при этом светимость рассматривается как характеристика контрастности объекта относительно фона в данном спектре, таким образом, производится вычисление контрастности объекта относительно фона, выделение температурных зон согласно указанным значениям или кластерному распределению, а также расчет их относительных площадей. Вывод значений по температурным диапазонам производится посредством градуирования температурной шкалы согласно температурному интервалу. Визуализация изображения производится при помощи встроенной функции пакета Matlab. Вывод температурной зоны осуществляется по введенному интервалу. На изображении отображаются только пиксели, входящие в данный диапазон, остальные заменяются черными. Кластеризация изображения производится методом к-средних на указанное количество классов.
В программном комплексе для расчета расстояния от объекта кластера до его центроида используется квадрат евклидового расстояния. Для определения начальных значений центроидов кластеров используется случайная выборка «к» наблюдений из матрицы Х. Процедура кластеризации повторяется 10 раз для разных начальных значений центроидов. В случае если кластер в процессе кластеризации теряется все свои наблюдения, создается новый кластер, включающий одно наблюдение, дальнее от центроида пустого кластера. Данные действия позволяют свести к минимуму влияние выбора первоначальных центроидов на результат кластеризации. Все пиксели, относящиеся к кластеру, выводятся с их вещественными значениями, все пиксели, меньшие по вещественному значению, выводятся черными, а все пиксели, большие по вещественному значению – белыми. Вывод зон или кластеров осуществляется как на оригинальное изображение, так и на преобразованное. Одновременно с их выводом рассчитывается относительная площадь выводимой части объекта от его полной площади в процентах. При выводе кластера так же рассчитывается его температурные границы. global IX B n imx1 imx2 imy1 imy2 ERCH6 ERCH8 IXkl xk xb n = str2double(get(handles.edit6, String )); if ERCH8==false set(handles.text3, String , Не определена обрабатываемая область. ); else if isnan(n) set(handles.text3, String , Введено некорректное количество кластеров ); else [x y]=size(IX); for i = imx1:imx2 for j = imy1:imy2 ix(i-imx1+1,j-imy1+1)=IX(i,j); end; end; [x y]=size(ix); N=double(reshape(ix,x y,1)); set(handles.text7, String , num2str(n)); [A,B,C,D]=kmeans(N, n, distance , sqEuclidean , ... start , sample , replicates , 10, ... emptyaction , singleton , display , off ); ERCH6=1; xsr=mean(N); %Средняя яркость изображения xk=sort(B); %Массив центроидов кластеров xb=0;
Реализация данного модуля производилась при помощи встроенного в пакет Matlab специализированного объектно-ориентированного средства разработки интерфейсов guide. Особенностью реализации интерфейса является перегруппировка кода программных модулей к исполняемым событиям по частям. Общий вид разработанного интерфейса ПО представлен на рисунке 38.
Общий вид интерфейса ПО Контроль вводимых данных реализован до запуска их обработки. В программном обеспечении предусмотрен ввод только числовых значений, поэтому производится проверка на отсутствие других символов, а так же проверка корректности самих значений в случае ввода интервалов. Кроме этого производится проверка выполнения алгоритма обработки, чтобы было невозможно запустить основную обработку, не выполнив предварительную. При каждом событии в строке состояния выводится информация о конкретной ошибке. Весь комплекс описанных превентивных мер обеспечивает отсутствие ошибок в работе программы при некорректно введенных входных данных.
Вместе с выделением контуров объекта производится расчет яркости выделенного объекта относительно остального фона, отображаемое в поле «Яркость объекта». Отображение на исходном изображении температурной зоны производится с расчетом ее относительной площади, выводимой в соответствующем поле.