Методы и алгоритмы цифровой обработки и коррекции тепловизионных изображений

• Автор: Бузылев, Федор Николаевич
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Москва
• Количество страниц: 158 с. : ил.

ОГЛАВЛЕНИЕ
Введение
Глава 1. Анализ современных методов цифровой обработки и
коррекции тепловизионных изображений
1.1. Физические и технические основы тепловизионной техники
1.2. Информативные признаки тепловизионных изображений
1.3. Формы компьютерной обработки и распознавания изображений
1.4. Основные методы цифровой обработки и коррекции тепловизионных изображений
Выводы по главе
Глава 2. Разработка и совершенствование современных методов
цифровой обработки и коррекции тепловизионных изображений
2.1. Разработка метода моделирования тепловизионных изображений
2.2. Решение проблемы обнаружения объектов на слабоконтрастных тепловизионных изображениях
2.3. Эффективные методы подавления шума на тепловизионных изображениях
2.4. Методы шумоподавления на основе вейвлет-преобразования
2.5. Скелетизация и сегментация объектов на тепловизионных изображениях
Выводы по главе
Глава 3. Методы сжатия тепловизионных изображений
3.1. Применение цифровой обработки для сжатия тепловизионных изобра
жений
3.2. Сжатие тепловизионных изображений методом обработки в пространственной области
3.3. Сжатие тепловизионных изображений с использованием ковариационной матрицы
3.4. Вейвлетное сжатие тепловизионных изображений
Выводы по главе
Глава 4. Технология и приемы обработки тепловизионных изобра
жений
4.1. Статистические методы распознавания объектов на тепловизионном изображении
4.2. Алгоритм восстановления внутренней структуры объекта
4.3 Применение нечеткой логики для обработки изображений
4.4. Обработка тепловизионных изображений модифицированными методами
Выводы по главе

Заключение
Список литературы
Приложение А
Приложение Б
Приложение В

ВВЕДЕНИЕ
Актуальность темы. В настоящее время обработка тепловизионных (тепловых, термографических) изображений является важным направлением применения современной вычислительной техники. Она находит применение в самых различных областях науки и техники: обработка информации со спутников, сканирующих земную поверхность с целыо составления карт местности, при использовании нескольких частотных диапазонов, включающих как инфракрасные, так и видимые диапазоны, что позволяет достичь лучших результатов; обработка данных в системах обнаружения и целеуказания объектов и их идентификации; контроль соблюдения температурных параметров технологических процессов и тепловых режимов функционирования различных электронных систем; обработка биологических параметров человека в медицинских исследованиях.
Известны такие задачи обработки изображений, как линейная и нелинейная фильтрация, восстановление и сегментация изображений, сжатие информации для передачи по каналам связи. Проблемы распознавания изображений, кроме классической задачи распознавания фигур заданной формы на изображении, ставят новые задачи распознавания линий, краев и углов на изображении. Еще один аспект проблемы связан с включением текстурного анализа и сегментации зашумленных изображений в процесс вейвлет-кодирования. Наконец, не известны результаты практического применения известных подходов в реальных системах телевидения.
Задача любой (в том числе и тепловизионной — ТПС) системы, формирующей изображение, заключается в создании резкого, чистого изображения, свободного от шумов и искажений. Это всегда представляет определенные проблемы. Во-первых, каждая реальная система формирования изображений обладает некоторыми ограниченными возможностями; импульсная характеристика реальной системы имеет конечную длительность, что приводит к неизбежному снижению разрешающей способности. Если на изображении необходимо выделять важные детали, размер которых близок к длительности импульсной характеристики, то необходимо увеличивать разрешение. Так, например, с тепловизионной системы (тепловизоров, ИК-приемников) самолетов и вертолетов приходят снимки достаточно хорошего качества, но операторы, изучающие их, всегда пытаются увидеть на них объекты (например, танки, людей), искаженные в силу ограниченного разрешения камер. Во-вторых, изображения могут быть испорчены из-за определенного стечения обстоятельств съемки. Можно принять все меры предосторожности, чтобы получить высококачественные изображений, но какая-то часть их окажется испорченной либо за счет движения объекта или камеры, либо из-за плохой фокусировки и т.д. Среди некачествен-

Обобщая сжатый обзор некоторых алгебраических методов восстановления изображений, отметим, что он является составной частью более широкой проблемы решения некорректных задач восстановления изображений, включая реконструкцию изображений по проекциям (реконструктивную томографию). Рядом с этими методами широко используются методы линейной фильтрации для улучшения изображений.
Основой большинства методов линейной фильтрации в пространственной области являются ортогональные преобразования. Существует три основных области применения двумерных ортогональных преобразований для обработки изображений. Во-первых, преобразования используют для выделения характеристик признаков изображения. Второй областью применения является кодирование изображений, когда ширина спектра уменьшается за счет отбрасывания или грубого квантования малых по величине коэффициентов преобразования. Третья область применения — это сокращения размерности при выполнении вычислений. К таким преобразованиям принадлежат преобразования Фурье, синусные, косинусные, волновые преобразования, а также преобразования Уолша, Хаара и Адамара. Однако и эти преобразования не обеспечивают обработки изображений в масштабе реального времени из-за своей вычислительной сложности.
Другой подход к обработке изображений с целью улучшения их визуального качества состоит в непосредственном использовании разных фильтров. Область их функционирования — в основном частотная и реже — пространственная. Для этого используют разные методы синтеза фильтров, как одномерных, так и двумерных, чем обеспечивают реализацию заданных частотных характеристик. Проведенный анализ показывает, что использование фильтрации изображений с целью повышения их визуального качества с обеспечением высокого быстродействия является наиболее рациональным при реализации в пространственной области. Однако арсенал алгоритмических средств обработки при этом является недостаточным. Использование же обработки в частотной области хотя и достаточно развито, но требует значительных вычислительных затрат.
Чаще всего шумоподавление (фильтрация шумов) служит для улучшения визуального восприятия, ио может таюке использоваться для каких-то специализированных целей — например, в медицине для увеличения четкости изображения на рентгеновских снимках, в качестве предобработки для последующего распознавания и т.п. Также шумоподавление играет важную роль при сжатии видеопоследовательностей и изображений. В изображениях сжатие основано на пространственной корреляции значений пикселей. Одной из основных проблем в алгоритмах сжатия является определение локальной зашумленности данной области изображения, поскольку при сжатии сильный шум может быть принят