Методическое и программно-алгоритмическое обеспечение информационно-измерительной системы автоматизированной обработки, анализа и классификации инфракрасных изображений

• Автор: Кананадзе, Сергей Сергеевич
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Москва
• Количество страниц: 108 с. : ил.

1. Технология формирования ИК изображений с использованием тепловизора.

1.1. Функциональная схема и принцип работы тепловизора

1.2. Основные рабочие параметры тепловизора

1.3. Выводы

2. Цифровое представление ИК изображений и методы их обработки.

2.1. Основные сведения по моделированию и обработке

ИК изображений

2.2. Классификация ИК изображений и операций над ними

2.3. Основные этапы цифровой обработки и

( анализа ИК изображений

2.4. Выводы
3. Анализ и классификация ИК изображений.
3.1. Методика применения аппарата нечётких множеств
для классификации ИК изображений
3.2. Технология построения типовых функций принадлежности нечётких множеств, используемых при классификации ИК изображений, и методы работы с ними
^ 3.3. Развитие концепции ИНС
| и математическая модель нейрона
3.4. Анализ достоинств и недостатков существующих схем ИНС применительно к задаче анализа ИК изображений
3.5. Оценка возможности использования распространенных парадигм ИНС для анализа ИК изображений
3.6. Особенности обучения ИНС при решении задачи анализа ИК изображений
3.7. Выводы
4. Прогнозирование ИК изображений.
4.1. Модели временных рядов, используемые при прогнозировании ИК изображений. Их достоинства
и недостатки
4.2. Алгоритм оценивания параметров модели временного ряда при построении прогноза ИК изображения
4.3. Выводы
5. Основные результаты экспериментальных исследований состояния футеровки печи сжигания ТБО с использованием ИК изображений.
5.1. Описание схемы работы и конструкции печи сжигания ТБО
5.2. Описание среды разработки МПАО и схемы его функционирования в составе ИИС
5.3. Этап предварительной обработки ИК изображений
5.4. Этап анализа и классификации ИК изображений
5.5. Этап прогнозирования ИК изображений
5.6. Выводы
Заключение
Список литературы
Приложения

Тепловизионные методы контроля и диагностики, которые относятся к неразрушающим методам, благодаря своему удобству использования, а также оперативности и точности проводимых исследований, находят всё более широкое применение [68, 93, 99]. Особенно актуально применение тепловизоров в местах, где доступ к объекту исследования ограничен каким-либо физическим фактором или факторами: высокой температурой, сильным шумом, вибрацией и т.п.
Начало развития инфракрасной (ИК) термографии в СССР в 1972 г. было положено академиком РАМН В.П. Казначеевым, а его работы продолжили сотрудники Института радиотехники и электроники РАН СССР академик Ю.В. Гуляев и профессор Э.Э. Годик [1, 4, 46, 50]. Их интересовал человек как биологический объект, генерирующий электромагнитные колебания. Приблизительно в это же время в крупных научно-исследовательских институтах страны начинаются работы по созданию приборов (тепловизоров), позволяющих бесконтактно регистрировать тепловое излучение любого объекта (не обязательно живого) [4,67].
В настоящее время в большинстве случаев для измерения температуры
используются термопары (термодатчики) - специальные
термочувствительные датчики [5]. Преимущество таких устройств
заключается в том, что они вычисляют истинную, а не эффективную
(«кажущуюся») температуру объекта, как это делают тепловизоры. Более
того, данные устройства достаточно просты в использовании и имеют
невысокую стоимость. Наибольшее распространение получили резистивные
термодатчики, в которых измерение температуры осуществляется по
разности падений напряжений на выходах соответствующих контактов

(диапазон измеряемых температур у некоторых из них составляет от -50 °С

изображения означает преобразование его функции яркости оператором вида Т: ґ(х,у) 8(х,у),
А,,приТ1 <Дх,у)<Т]+1,
Я(х,у) = - А0,при Дх,у)<Т0,
Лы> пРи Дх,у) > ты
где Г(х,у) - функция яркости ИК изображения; Б(х,у) -сегментированное ИК изображение; к - число областей сегментации; Л0 ЛІЧ- имена сегментированных областей; Т0 Тк_, - величины порогов
Рис. 2.4. Схема классификации методов сегментации изображений.
упорядоченные так, что Т0<...<ТкА. Точки исходного ИК изображения, яркости которых лежат в одном интервале, образуют класс однородности,
идентифицируемый меткой А,,і = 0,к-.
В зависимости от конкретного вида оператора (функции) Т, методы пороговой сегментации разделяются на два вида. Если значение порога