Пространственно-временная ранговая обработка телевизионных изображений с малоразмерными объектами

• Автор: Гальчук, Игорь Владимирович
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Томск
• Количество страниц: 210 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1. ОБЗОР АЛГОРИТМОВ ОБРАБОТКИ ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ
1Л. Алгоритмы линейной обработки
1.2. Алгоритмы ранговой обработки
1.2.1. Использование первых и вторых разностей
1.2.2. Эффект «затемнения»
1.3. Тестовые изображения
1.4. Критерии оценки эффективности обработки
1.4.1. Визуальный критерий
1.4.2. Пиковое отношение сигнал шум
1.4.3. Время обработки
1.5. Выводы
2. УЛУЧШЕНИЕ КАЧЕСТВА РАНГОВОЙ ОБРАБОТКИ ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ
2.1. Генератор тестовых изображений
2.1.1. Фонообъектовое изображение
2.1.2. Неоднородное случайное поле паразитных световых образований
2.2. Улучшение выделения малоразмерных объектов
2.3. Улучшение устранения малоразмерных объектов
2.4. Выводы
3. ОЦЕНКА ЭФФЕКТИВНОСТИ РАНГОВОЙ ОБРАБОТКИ С ПРИМЕНЕНИЕМ ЧИСЛЕННОГО ЭКСПЕРИМЕНТА
3.1. Цель проведения эксперимента
3.2. Порядок проведения эксперимента
3.3. Условия проведения эксперимента
3.4. Результаты эксперимента
3.4.1. Выделение малоразмерных объектов
3.4.2. Устранение малоразмерных объектов
3.5. Выводы
4. ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ДЛЯ РАЗРАБОТКИ И ИССЛЕДОВАНИЯ РАНГОВЫХ АЛГОРИТМОВ
4.1. Интегрированная среда для исследований
4.2. Модули для системы Matlab
4.3. Выводы
5. АДАПТАЦИЯ ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ ПОД ПРАКТИЧЕСКИЕ ЗАДАЧИ
5.1. Телевизионно-вычислительный комплекс для визуально-измерительного контроля уран-графитовых ядерных реакторов
5.2. Электронно-измерительный комплекс на базе лазерного дальномера
5.3. Система видения в сложных метеоусловиях
5.4. Аппаратно-программный комплекс для проведения видеоконференций
5.5. Лабораторный практикум по цифровой обработке изображений
5.5. Выводы
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЕ 1. Авторские свидетельства
ПРИЛОЖЕНИЕ 2. Акты о внедрении
ПРИЛОЖЕНИЕ 3. Инструментарий для лабораторного практикума

ВВЕДЕНИЕ
Весьма широкий круг задач в области цифровой обработки изображений требует использования нелинейных преобразований. Например, для выделения или подавления малоразмерных объектов (МРО). Если такие объекты имеют резкие перепады яркости, то их выделение с помощью линейного дифференцирующего фильтра будет сопровождаться появлением паразитных «выбросов» от этих перепадов яркости. А использование линейного сглаживающего фильтра для устранения малоразмерных объектов, например, отсчётов импульного шума, будет сопровождаться искажением этих объектов, так как каждый импульс даст отклик в виде импульсной характеристики используемого фильтра и, тем самым, искажает обрабатываемое изображение.
В настоящее время сформирован целый класс нелинейных ранговых преобразований, которые более эффективны для обработки МРО, чем линейные преобразования. Ранговой обработке посвящены работы таких российских и зарубежных авторов, как Л.П. Ярославский, В.Ю. Лапий, Т.С. Хуанг, У. Прэтт, Р. Гонсалес, Р. Вудс, Б. Яне и др. Однако до сих пор недостаточно освещены некоторые аспекты ранговой обработки, например, использование межкадровой информации для повышения эффективности алгоритмов обработки.
Задача обработки МРО весьма актуальна в области построения систем видения на базе высокочувствительных телевизионных (ТВ) датчиков с электронно-оптическим преобразователем (ЭОП). Созданию систем с подобными датчиками посвящены работы таких российских и зарубежных авторов, как Ю.Г. Якушенков, А.Г. Берковский, М.М. Мирошников, В.В. Белов, A.C. Дунаев, М.М. Бутслов, А.Б. Вельский, С.Т. Архутик, И.Л. Гейхман, Дж. Ллойд и др. В ТВ-датчиках с ЭОП можно наблюдать паразитные световые образования (сцинтилляции), являющиеся малоразмерными объектами, которые необходимо устранить. При этом в ряде случаев необходимо устранять МРО в режиме реального времени без потери динамики движения. То есть,

алгоритмы устранения сцинтилляций должны быть по возможности просты и эффективны при аппаратно-программной реализации.
Выделение МРО более эффективно при применении ранговых алгоритмов с вариационным рядом из первых и вторых разностей, однако подобным алгоритмам свойственен эффект «затемнения» - частичного или полного устранения объекта близкорасположенным объектом или фоновым образованием. Поэтому стоит задача исследования возможности использования межкадровой информации в ранговой обработке и поиска путей по оптимизации известных ранговых алгоритмов, использующих первые и вторые разности, с целью устранения эффекта «затемнения».
Так как ранговые фильтры являются нелинейными системами, для которых однозначного решения в общем случае не существует, то для их исследования используют методы математического и имитационного моделирования и сравнения результатов обработки.
Для проведения исследований принято использовать программные инструментальные средства, которые, по мнению автора, должны удовлетворять следующим требованиям:
• открытый исходный код для контроля корректности программных реализаций алгоритмов, генераторов моделей и т.д.;
• эксплуатация под учётной записью обычного пользователя компьютера; отсутствие необходимости дополнительной установки каких-либо программных продуктов для обеспечения нормального функционирования;
• использование в первую очередь эффективных, а не универсальных решений. Несоблюдение этих требований усложняет проведение исследований.
В настоящее время отсутствуют программные инструментальные средства, полностью удовлетворяющие перечисленным выше требованиям. То есть стоит задача создания открытого программного продукта для разработки и исследования алгоритмов ранговой обработки.

статистическими средствами.
Однако в области коммерческого применения алгоритмов обработки изображений в большинстве случаев решающее значение имеет мнение заказчика, то есть полная зависимость от его личного субъективного восприятия результатов обработки.
Критерий оценки по значению пикового отношения сигнал/шум является развитием критерия оценки по значению среднеквадратичного отклонения [38].
Критерий среднеквадратичного отклонения используется не только для оценки качества обработки (в плане устранения искажающих факторов), но и для оценки степени искажений, вносимых самим фильтром.
где М, М2 определяют размеры всего обрабатываемого изображения или его части - то есть размеры области изображения, по которой производится оценка; хЦ, у), _р(/, у) - значения сигнала (яркости пикселей) в точке (г, у) в исходном и обработанном изображениях, соответственно.
Согласно данному критерию определяется насколько, в среднем, оригинальное изображение отличается от обработанного.
Критерий оценки по значению пикового отношения сигнал/шум описывает максимальное отношение значения «полезного» сигнала к «паразитному».
где М, М2 определяют размеры области изображения, по которой производится оценка; х(/, у), _у(/, у) - яркость пикселя в точке (/, у) исходного и обработанного изображений, соответственно; ,ттах, у;тах — максимально
1.4.2. Пиковое отношение сигнал шум

10 Л/,-1ЛГ