Содержание к диссертации
Введение
Глава 1. Анализ применений вейвлет-преобразования в прикладных задачах 12
1.1 Литературный обзор по вейвлет-анализу 12
1.1.1 Фундаментальные направления развития вейвлет-анализа 13
1.1.2 Обзор приложений вейвлет-анализа в России 22
1.2 Введение в задачу оценки свойств статических изображений 25
1.3 Выводы и постановка задач исследований 30
Глава 2. Теоретические основы вейвлет-анализа ... 32
2.1 Введение 32
2.2 Введение в непрерывный вейвлет-анализ 34
2.2.1 Интегральное вейвлет-преобразование 35
2.2.2 Дискретизация интегрального вейвлет-преобразования 40
2.2.3 Энергетические характеристики 43
2.3 Дискретный вейвлет-анализ 46
2.3.1 Кратномасштабное представление функций 46
2.3.2 Кратномасштабный вейвлет-анализ 50
2.3.3 Дискретное вейвлет-преобразование 53
2.3.4 Вейвлет-фильтры Добеши 57
2.3.5 Вейвлет-преобразование статических изображений 59
2.4 Заключение 64
Глава 3. Моделирование и ввод изображений в ЭВМ 66
3.1 Введение 66
3.2 Моделирование статических изображений на ЭВМ 67
3.2.1 Аппликативная модель изображений двухмерных сцен 68
3.2.2 Статистическая модель изображений фонов 71
3.2.3 Модель изображений объектов 72
3.2.4 Модели помех при обработке изображений 74
3.3 Ввод реальных изображений в ЭВМ 75
3.3.1 Модернизация растрового электронного микроскопа 77
3.3.2 Ввод телевизионных изображений 80
3.4 Программная реализация обработки изображений в ЭВМ 82
3.5 Заключение 85
Глава 4. Применение вейвлет-анализа в решении прикладных задач ... 87
4.1 Введение 87
4.2 Установление взаимосвязи статистических свойств изображений с энергетическими характеристиками вейвлет-спектра 88
4.3 Применение вейвлет-анализа в задаче предварительной обработки изображений 96
4.3.1 Алгоритм предобработки изображений 98
4.3.2 Предобработка малоконтрастных изображений 101
4.4 Анализ оптических изображений поверхностей нагруженных твердых тел 106
4.5 Применение вейвлет-преобразования для анализа РЭМ-изображений поверхностей трения твердых тел 110
4.6 Программное обеспечение вейвлет-анализа изображений 116
4.7 Другие приложения вейвлет-анализа 122
4.7.1 Использование вейвлет-анализа акустических сигналов в задаче диагностики усталостного разрушения 122
4.7.2 Обработка и идентификация филиграни документов 125
4.8 Заключение 128
Заключение 130
Приложения 132
Список литературных источников 144
- Введение в задачу оценки свойств статических изображений
- Дискретизация интегрального вейвлет-преобразования
- Аппликативная модель изображений двухмерных сцен
- Установление взаимосвязи статистических свойств изображений с энергетическими характеристиками вейвлет-спектра
Введение к работе
Актуальность работы. Существует ряд типовых задач обработки изображений. К таким задачам, к примеру, относятся: обзорно-поисковые операции, анализ параметров объекта, классификация, идентификация и распознавание, определение координат и ориентации. Достигнутый в настоящее время уровень развития вычислительной техники позволяет создавать устройства обработки изображений на базе персональных ЭВМ с программной реализацией алгоритмов обработки. Системы обработки изображений, как правило, имеют в своем составе в качестве основных узлов видеодетектор, вычислительное устройство и блок согласования. Качественные показатели работы устройств обработки изображений такие, как чувствительность, точность, быстродействие, помехоустойчивость определяются не только совокупными параметрами видеодетектора, блока согласования и ЭВМ, но и, в конечном итоге, зависят от того, насколько эффективен выбранный алгоритм обработки данных и насколько точно данный алгоритм соответствует качественным характеристикам обрабатываемого изображения.
В настоящее время не существует какой-либо единой и адекватной меры оценки качественных свойств изображений, которая бы соответствовала требованиям различных алгоритмов обработки, как не существует и единого подхода к способу получения данных характеристик. Существующие меры оценки качественных характеристик изображений могут давать противоречивые результаты при обработке изображений одной и той же серии, к примеру, из-за смены освещенности или расфокусировки оптики. Все это способствует поискам новых методов оценки качественных характеристик изображений, позволяющих более адекватно характеризовать эффективность применяемых методов обработки.
5 Начало 80-х годов прошлого столетия ознаменовано появлением нового
направления в области обработки данных - вейвлет-анализа. В отличие от
традиционно применяемого при анализе данных преобразования Фурье,
результаты, полученные с помощью вейвлет-анализа, обладают большей
информативностью и способны выявлять такие особенности данных, которые
при стандартных подходах анализировать затруднительно. Не отвергая
значимости анализа Фурье, вейвлет-преобразование его успешно дополняет и
зачастую способно полностью заменить в решениях многих задач. Успешное
применение вейвлет-преобразования, к примеру, в таких приложениях, как
анализ сигналов и сжатие информации стимулирует поиск новых идей и
решений его использования в различных научно-технических областях
знаний, в том числе и задачах обработки изображений.
Одним из актуальных направлений использования устройств обработки
изображений является анализ статических изображений поверхностей
различных материалов с целью: технологического контроля при производстве;
оценки степени износа при эксплуатации; решения задач визуального
наблюдения и автоматического мониторинга. В связи с этим, перед многими
исследователями стоит задача совершенствования методов обработки
изображений. Один из путей повышения эффективности обработки является
использование алгоритмов обработки и методов оценки изображений,
основанных на кратномаштабном вейвлет-преобразовании. С его помощью,
может быть решен широкий круг задач синтеза анализа и обработки
изображений. Кроме того, кратномасштабное представление обеспечивает
сокращение объемов обрабатываемых изображений за счет удаления
избыточной информации, тем самым, снижая вычислительные затраты на
последующую обработку. Следовательно, разработка метода количественной
оценки свойств изображений и алгоритмов обработки изображений,
основанных на вейвлет-анализе, является актуальной, в настоящее время,
задачей.
Целью настоящей работы является создание численных методов оценки характеристик изображений с использованием вейвлет-анализа и алгоритмов, реализующих данные методы обработки, а также создание программного обеспечения, использующего данные методы в составе аппаратно-программных устройств обработки изображений различного назначения.
Научная новизна работы. В диссертационной работе предложен новый метод количественной оценки свойств обрабатываемых изображений по энергетическим характеристикам вейвлет-спектра. Разработаны оригинальные алгоритмы, реализующие предложенный метод, в том числе:
алгоритм количественной оценки и обработки оптических изображений поверхностей нагруженных (деформируемых) тел;
алгоритм оценки величины износа материалов по РЭМ-изображениям (растровый электронный микроскоп) поверхности твердых тел;
алгоритм предварительной обработки изображений, в том числе малоконтрастных.
Метод количественной оценки является развитием методов расчета энергетических характеристик одномерного вейвлет-преобразования для случая кратномасштабного вейвлет-разложения двухмерных сигналов и используется в работе для анализа характеристик статических изображений.
Практическую ценность работы составляют:
аппаратно-программное обеспечение регистрации РЭМ-изображений в ЭВМ;
программное обеспечение ввода и обработки стандартных телевизионных изображений в ЭВМ;
программное обеспечение для количественной оценки и обработки изображений, в том числе, оптических и РЭМ-изображений;
— программное обеспечение, предназначенное для диагностики
усталостного разрушения материалов с использованием вейвлет-анализа одномерных акустических сигналов;
— программное обеспечение, используемое для анализа и идентификации
изображений филиграни старинных документов.
Внедрение работы. Представленные в диссертационной работе методы и программы были разработаны в рамках следующих соглашений, в которых автор принимал участие в качестве ответственного исполнителя:
Хоздоговор №27/01 от 1 октября 2001 г., заключенного между Томским государственным университетом систем управления и радиоэлектроники (ТУСУР) и Институтом физики прочности и материаловедения (ИФПМ) СО РАН
Хоздоговор №26/02 от 10 сентября 2002 г., заключенного между ТУСУР и ИФПМ СО РАН
Внедрение и использование результатов диссертационной работы подтверждается пятью актами, представленными в приложении диссертации.
Связь работы с научными программами и темами. Разработанное программное обеспечение для регистрации РЭМ-изображений в ЭВМ использовались в ИФПМ СО РАН при выполнении работ по гранту РФФИ №00-01-81134-Бел2000_а. «Физическая мезомеханика деформирования и разрушения материалов, модифицированных плазменными, электроннолучевыми, ионно-лучевыми и газотермическими методами».
Апробация работы. Основные результаты работы отражены в 22 публикациях: 1 статье в журнале, рекомендованном ВАК; 1 депонированной в ВИНИТИ рукописи; 2 зарегистрированных разработках на правах публикации в информационно-библиотечном фонде РФ; 18 публикациях в рецензируемых сборниках трудов конференций, в том числе 4 работы были опубликованы за
8 рубежом (Дания, Франция и Южная Корея). Результаты работы были
представлены на следующих конференциях: «Современная техника и технологии»: V Областная научно-практическая конференция студентов, аспирантов и молодых ученых (Томск, 1999); «Современные проблемы радиоэлектроники»: Всероссийская научно-техническая конференция молодых ученых и студентов, посвященной 104-й годовщине дня радио (Красноярск, 1999); «Конверсия науки - международному сотрудничеству» (СибКонверс'99, Томск, 1999); III Региональная научно-техническая конференция студентов и молодых специалистов (Томск, 1999); «Современная техника и технологии»: VI Международная научно-практическая конференция студентов, аспирантов и молодых ученых (Томск, 2000); «Современные проблемы радиоэлектроники»: Всероссийская научно-техническая конференция молодых ученых и студентов (Красноярск, 2000); «Радиотехнические и информационные системы и устройства»: Региональная научно-техническая конференция студентов и молодых специалистов (Томск, 2000); «Прикладной системный анализ»: Региональная научно-техническая конференция студентов и молодых специалистов (Томск, 2000); «Современная техника и технологии»: VII Международная научно-практическая конференция студентов, аспирантов и молодых ученых (Томск, 2001); «Проблемы современной радиоэлектроники и систем управления»: Всероссийская научно-техническая конференция, посвященная 40-летию ТУСУР (Томск, 2002); «Научная сессия ТУСУР» Межрегиональная научно-техническая конференция, посвященная 40-летию ТУСУР (Томск, 2002); International Conference on New Challenges in Mesomechanics (Aalborg, Denmark, 2002); New Trends in Fatigue and Fracture (Metz, France, 2002); «Современная техника и технологии»: IX Международная научно-практическая конференция студентов, аспирантов и молодых ученых (Томск, 2003); 7th Korean-Russian International Symposium on Science and Technology (Ulsan, Republic of Korea, 2003).
9 Основные положения, представляемые на защиту:
Метод количественной оценки свойств изображений по вейвлет-спектру.
Численный алгоритм вейвлет-анализа изображений поверхности нагруженных тел.
Численный алгоритм вейвлет-анализа износа поверхности трения по РЭМ-изображениям материалов.
Численный алгоритм предварительной обработки изображений по плотности распределения энергии вейвлет-спектра.
Реализация описанных численных методов и алгоритмов в виде программ, предназначенных для обработки данных и проведения вычислительных экспериментов в операционной системе Windows.
Личный вклад автора. Все изложенные в работе результаты исследований получены при непосредственном участии автора. Автору принадлежат: реализация метода количественной оценки свойств изображений; синтез алгоритмов обработки изображений; способы визуализации данных; реализация программного обеспечения для вейвлет-анализа изображений и акустических сигналов; выбор и проведение части экспериментальных исследований; интерпретация результатов; формулирование научных положений и выводов.
Содержание работы. Диссертационная работа состоит из введения, 4-х глав, заключения, списка используемых литературных источников и приложений. Содержит: 52 рисунка, 2 таблицы, 9 приложений. Список используемой литературы содержит 174 источника. В диссертации принята двойная нумерация формул, рисунков и таблиц: первая цифра указывает номер главы, а вторая - порядковый номер рисунка, таблицы или формулы внутри данной главы.
10 Первая глава посвящена литературному обзору фундаментальных
направлений развития вейвлет-анализа по зарубежным литературным
источникам. На примере русскоязычных публикаций дан краткий обзор
практических приложений вейвлет-анализа. Рассмотрены проблемы
количественного описания характеристик обрабатываемых изображений.
Сформулирована постановка задачи исследований.
Вторая глава содержит теоретические описания интегрального вейвлет-анализа непрерывных сигналов и вейвлет-анализа дискретных сигналов. Рассмотрены энергетические характеристики вейвлет-спектров. Описан синтез алгоритма быстрого вейвлет-разложения дискретных сигналов (алгоритм Малла). Для алгоритма Малла показаны примеры построения вейвлет-фильтров Добеши длиной два, четыре и шесть отсчетов. Продемонстрирован способ вейвлет-разложения двухмерных дискретных сигналов, в частности, статических растровых изображений, что, в свою очередь, указывает на возможность анализа энергетических характеристик изображений по вейвлет-спектру.
Третья глава посвящена моделированию статических изображений на ЭВМ и задаче ввода реальных изображений в ЭВМ. Рассмотрена модель изображений с контролируемыми статистическими параметрами, используемая в работе, для исследований эффективности алгоритмов обработки и анализа метода количественной оценки изображений. Описано разработанное аппаратно-программное обеспечение для регистрации РЭМ-изображений в ЭВМ и программное обеспечение для ввода в ЭВМ стандартных телевизионных изображений. Показано программное обеспечение, используемое для моделирования и проведения вычислительных экспериментов, а также программное обеспечение, требуемое для создания программ ввода, отображения и обработки изображений.
Четвертая глава посвящена приложениям вейвлет-анализа для количественной оценки и обработки изображений с использованием энергетических характеристик вейвлет-спектра. Содержит результаты
экспериментов по расчету количественной оценки характеристик и обработке изображений. Представлены экспериментально полученные данные взаимосвязи статистических характеристик анализируемых изображений и энергетических характеристик вейвлет-спектра. Продемонстрированы примеры предварительной обработки изображений с использованием анализа распределения плотности энергии вейвлет-спектра, в том числе, результаты предварительной обработки малоконтрастных изображений. Показаны результаты вейвлет-анализа оптических изображений поверхности нагруженных материалов и результаты вейвлет-анализа износа поверхностей материалов по РЭМ-изображениям твердых тел. Дополнительно приведены примеры использования вейвлет-преобразования в задачах диагностики усталостного разрушения и идентификации изображений филиграни в исторических документах.
В заключении содержится краткая сводка основных результатов работы и выводы.
В приложении приведены документы, подтверждающие результаты внедрения предложенных методов количественной оценки характеристик изображений и одномерных сигналов с использованием вейвлет-преобразования, а также фрагменты программ на язьпсе C++, используемые для расчета количественной оценки характеристик статических изображений.
Автор выражает благодарность д.т.н., профессору Светлакову А.А. за поддержку, всестороннюю помощь и руководство над диссертационной работой. Автор выражает особую благодарность к.т.н., с.н.с. лаборатории Систем технического зрения ИФПМ СО РАН СВ. Панину за предоставленные уникальные оптические и РЭМ-изображения поверхностей материалов, возможность внедрения результатов работы и помощь в подготовке диссертации.
Введение в задачу оценки свойств статических изображений
За последнее время с ростом мощности вычислительных систем расширилась область применения методов цифровой обработки статических изображений. Примерами могут служить цифровая передача изображений, автоматический анализ рельефа местности, обработка изображений электронных микроскопов и т.п.
Исторически термин «изображение», используется применительно к видимому диапазону электромагнитных волн. Однако, по мере развития новых научно-технических способов получения двухмерной информации, осваиваются и другие, отличные от видимого диапазоны. В наше время, в качестве источников двухмерной информации (изображений) могут выступать не только традиционные телевизионные датчики, но и радиолокационные системы, приемники инфракрасного и ультрафиолетового диапазонов, рентгеновская аппаратура, электронные микроскопы и телескопы, компьютерные графические модели, теоретические (математические, физические) распределения и др. Качественные показатели работы систем обработки изображений, такие как чувствительность, точность, быстродействие, помехоустойчивость определяются не только аппаратной частью системы, но и зависят от того, на сколько эффективен выбранный алгоритм обработки данных и на сколько точно данный алгоритм соответствует качественным характеристикам обрабатываемого изображения [138], [139]. Следовательно, для оценки эффективности любого из методов обработки изображений требуется достоверно определить количественную меру, дифференцирующую по некоторому критерию качества обрабатываемые изображения [113-119], [140-143]. Другими словами, желательно иметь численную характеристику изображения, адекватно определяющую эффективность метода его обработки. Таким образом, основной задачей оценки качественных характеристик изображения, в контексте поставленной задачи, является получение о нем информации, описывающей особенности данного изображения, влияющих на эффективность используемого метода обработки. Кроме того, данную информацию можно использовать как объективный критерий при оптимизации различных параметров систем обработки изображений.
В настоящее время не существует, какой-либо единой и адекватной меры оценки качественных характеристик изображений, которая бы соответствовала требованиям различных алгоритмов их обработки [140]. К примеру, для задачи кодирования изображений требуется количественная величина, характеризующая визуально-субъективную потерю качества восстановленного изображения, а для задачи установления соответствия требуется величина, оценивающая уровень фоновых помех, препятствующих качественному детектированию объекта на фоне. Кроме того, существующие оценки качественных характеристик изображений могут давать противоречивые результаты при обработке изображений одной и той же серии, к примеру, из-за смены освещенности или расфокусировки оптики. Все это способствует поискам новых методов оценки характеристик изображений, позволяющих более адекватно оценивать эффективность применяемых методов обработки.
При выборе метода обработки изображений учитываются не только их характерные особенности и требуемые результаты обработки, но также свойства и условия работы регистрирующей их аппаратуры [139], [144-146]. Наиболее важными характеристиками такой аппаратуры являются: чувствительность, искажения, помехозащищенность, пространственное разрешение и стабильность параметров. Существует широкий спектр подходов, методик и алгоритмов определения характерных свойств изображений, используемых для оценки эффективности методов обработки [114], [140-142]. Методы и средства оценки характеристик изображений отличаются разнообразием возможностей и спецификой применений. Различные методы определения характеристик изображений отличаются сложностью реализации, а, следовательно, и возможностью непосредственной обработки регистрируемых данных и автоматизации измерений.
Подходы для определения качественных характеристик изображений (меры качества) разделяются на два типа: субъективные и числовые (количественные) [140]. Субъективные меры оценки качества изображений, как правило, определяются экспертом-наблюдателем. При этом для получения более достоверного результата требуется участие в эксперименте достаточного числа экспертов. Анализ существующих количественных мер описания изображений показывает, что в большинстве случаев их применений, критерий оценок, так или иначе, связан с высокочастотным заполнением изображения. Это связано с тем, что именно высокочастотное заполнение, с одной стороны, содержит уточняющую и детализирующую информацию об обрабатываемом изображении, а с другой стороны, носит недетерминированный, а иногда и непрогнозируемый характер и, следовательно, дестабилизирует работу алгоритмов и методов обработки. Очевидно, что количественные меры оценки качественных характеристик изображений нужны при моделировании систем обработки для оценки эффективности работы последних в различных условиях. Наиболее часто используемые количественные меры рассчитываются на базе статистических характеристик изображений и по пространственному спектру Фурье [98], [140]. Кратко опишем некоторые из них:. Математическое ожидание. Показывает среднее значение уровня яркости изображения. - Среднеквадратичное отклонение уровней яркости изображения. Показывает среднестатистическую величину отклонения уровней яркости изображения от среднего значения (мат. ожидания). Среднеквадратическое отклонение достаточно часто используется для количественного описания качественных характеристик изображения, в связи с тем, что чем больше разброс значений яркости в изображении, тем больше мешающих факторов применению алгоритмов их обработки [98].
- Гистограмма. Представляет собой функцию распределения вероятности возникновения в изображении отчета с яркостью А Гистограмма сама по себе не может являться количественной величиной, характеризующей качество изображения, однако с ее помощью определяются такие величины как: число локальных мод, расположение межмодовых впадин, симметричность и т.п. [140].
- Энтропия изображения. Один из подходов к количественному описанию изображений состоит в применении теории информации. В частности, предложенный К. Шенноном способ описания свойств источников данных, который основан на расчете энтропии [141]. Энтропия изображения показывает меру неопределённости ожидаемой информации. Анализ энтропии показывает, что чем меньше ее значение, тем сильнее выражена модальность гистограммы распределения уровней серого в изображении.
Дискретизация интегрального вейвлет-преобразования
Основные результаты настоящей главы состоят в следующем: Рассмотрены реализации одномерного вейвлет-преобразования и ее дискретизированной версии. Показана эффективность применений энергетических характеристик для анализа частотно-временных свойств исследуемых сигналов и, в частности, таких, как скалограмма, мера локальной перемежаемости, мера контрастности. Таким образом, становится ясным, что вейвлет-преобразование способно эффективнее традиционных методов анализировать особенности сигналов в плоскости время-масштаб.
Изложена теория кратномасштабного вейвлет-анализа. Рассмотрены алгоритм быстрого вейвлет-преобразования и способы получения вейвлет-фильтров Добеши. Вейвлет-спектр сигналов, получаемый с использованием интегрального вейвлет-преобразования, нагляден, хорошо интерпретируется, однако он имеет большую избыточность, затрудняющею его применение для решения задач анализа сигналов. В связи с этим для решения практических задач используется кратномасштабное (дискретное) вейвлет-разложение сигналов. Известно [10], что дискретное вейвлет-преобразование обладает всеми свойствами интегрального вейвлет-преобразования. Таким образом, возможен анализ частотно-временных свойств сигналов и, в частности, построение описанных выше энергетических характеристик по дискретному вейвлет-спектру.
Представлен способ вейвлет-разложения двухмерных сигналов и, в частности, статических изображений. Из продемонстрированного примера вейвлет-спектра изображения (см. рис. 2.9, 2.10, 2.11) видно, что он нагляден, имеет размеры исходного изображения и вместе с тем, в отличие от спектра Фурье, локализует высокочастотные особенности (детали) анализируемого изображения на разных масштабах. Как будет показано ниже, использование меры локальной перемежаемости (см. соотношение (2.11)) для частотно-временных свойств изображений позволяет оценить и локализовать особенности распределения энергии вейвлет-спектра на исходном изображении.
Дополнительно отметим, что в гл. 1 было показано, что основные успехи применения вейвлет-преобразования для обработки изображений получены в рамках задач сжатия. При этом только в нескольких работах было предложено использовать дискретное вейвлет-преобразование для обработки изображений. Данные работы единичны и не систематизированы, кроме того, они обладают одним существенным недостатком - это низкая повторяемость результатов обработки от изображения к изображению. Основная причина данного недостатка видится в том, что упомянутые алгоритмы обработки построены на анализе амплитуд вейвлет-спектра изображения, средние уровни которого могут отличаться от спектра к спектру, кроме того, сами амплитуды вейвлет-спектра могут принимать как положительные, так и отрицательные значения. Между тем, в известной работе [3] показана эффективность анализа плотности распределения энергии вейвлет-спектра для случая интегрального вейвлет-преобразования одномерных сигналов. Другим достоинством меры локальной перемежаемости является то, что распределение ее коэффициентов по масштабу полностью повторяет плотность распределения энергии на данном масштабе, но в отличие от последней ее коэффициенты нормированы на среднюю энергию данного масштаба. Таким образом, вне зависимости от разброса значений коэффициентов вейвлет-спектра, анализ распределения меры локальной перемежаемости позволяет локализовать характерные особенности анализируемого изображения по вейвлет-спектру.
В настоящее время обработка изображений является одной из наиболее актуальных проблем, в рамках которой решается множество фундаментальных и прикладных задач. Исторически термин «изображение», как правило, используется применительно к видимому диапазону электромагнитных волн. Однако, по мере развития новых научно-технических способов получения двухмерной информации, начинают осваиваться и другие диапазоны, далекие от видимого.
На данный момент времени вычислительные мощности ЭВМ и их малые размеры позволяют создавать программно-реализуемые устройства обработки изображений, что в свою очередь позволяет использовать алгоритмы обработки изображений в качестве основных узлов системы. Кроме того, реализация на базе ЭВМ позволяет разрабатывать универсальные системы обработки изображений, так как в данном случае замена подпрограммы эквивалентна замене целого блока технического устройства.
Одним из важных и сложных этапов разработки систем обработки изображений является их испытания в обстановке, максимально приближенной к реальным условиям работы. Многообразие и неадекватность реальных сцен требуют большого объема подготовительных работ, разработки специальных стендов и длительных по времени испытаний [139]. При натурных испытаниях систем обработки изображений сложно обеспечить повторяемость условий эксперимента в виду того, что они зависят от многих, не связанных друг с другом случайных факторов таких, как ракурс съемки, направление освещенности, положение объектов, погодные условия и т.п.
Вследствие этого натурные эксперименты требуют больших материальных затрат. Для практического решения задач технического зрения, моделирование на ЭВМ алгоритмов, отдельных узлов и системы в целом позволяет оценить характеристики последних, а так же упростить и удешевить этап проектирования аппаратуры. Так как появляется возможность отладки программы в статическом (контролируемом по шагам) режиме и оптимизации времени работы алгоритмов с учетом требуемых показателей качества работы алгоритмов. В данной главе описано программно-аппаратное обеспечение исследовательской работы по вводу, моделированию и обработке изображений на ЭВМ.
Аппликативная модель изображений двухмерных сцен
Системы обработки изображений (измерительные, следящие, обзорно-поисковые и т.д.), как правило, имеют в своем составе в качестве основных узлов видеодетектор, вычислительное устройство и блок согласования. В настоящее время развитие современной вычислительной техники позволяет реализовывать вычислительные устройства на базе персональных ЭВМ. В этом случае в качестве блока согласования выступают устройства, способные дискретизировать аналоговый видеосигнал в цифровую форму, пригодную для хранения и обработки данных на ЭВМ. Следует отметить, что именно наличие блока согласования позволяет системам обработки изображений на базе ЭВМ работать в реальном масштабе времени [163]. Основными задачами, которые необходимо решить в компьютерной обработке изображений, являются ввод изображений в память компьютера, его последующая обработка и визуализация. В современных компьютерах задача визуализации изображений решена. В качестве устройств визуализации используются не только стандартные мониторы, но и ударопрочные и вибростойкие промышленные образцы жидкокристаллических и люминесцентных панелей, а также другая техника отображения визуальной информации. Поскольку изображение является функцией двух пространственных переменных, а электрический сигнал является функцией одной переменной - времени, то для преобразования светового поля в электрический сигнал используется развертка. Например, при использовании стандартной телевизионной камеры изображение кадра считывается двумя смещенными на одну строку полуполями с шагом в две строки, другими словами, используется черезстрочная развертка.
В настоящее время ввод видеосигналов и статических изображений в компьютер не представляется трудной задачей. К примеру, для ввода статических изображений таких, как фотография, повсеместно применяются сканеры. Для ввода видеосигналов (динамических изображений) тоже существует множество реализаций, в том числе платы сопряжения, реализующие аналого-цифровое преобразование типовых телевизионных сигналов и использующие высокоскоростные PCI и USB шины персональной ЭВМ для ввода оцифрованных данных в память компьютера. При этом в качестве источников телевизионных сигналов могут выступать как телевизионные видеокамеры, так и, к примеру, профессиональные или домашние видеомагнитофоны. В первом случае обработка сигналов будет происходить в реальном времени. Во втором случае возможна обработка удаленно записанных видеоданных, а также проведение тестовых испытаний систем обработки изображений в лабораторных условиях. Как это часто происходит реализация некоторых наукоемких задач требует нестандартных способов регистрации двухмерных данных. Следовательно, стандартные реализации ввода изображений для таких задач, как правило, не подходят. В этом случае реализация задачи ввода изображения в ЭВМ зависит от условий работы и требований, предъявляемых к алгоритму обработки.
Практически все современные аппаратные комплексы, если не созданы на базе ЭВМ, то имеют возможность связи с компьютером для последующего отображения, накопления и обработки данных. Для многих из ныне существующих моделей аппаратных систем, более раннего производства, требуется модернизация в направлении интеграции с ЭВМ.
Выпускаемые в настоящее время растровые электронные микроскопы (РЭМ) компьютеризированы, и для них вопрос получения изображений в электронном виде решен. Однако, стоимость этих устройств достаточно велика. В то же время в эксплуатации находится много относительно не старых РЭМ, в которых применяется только фотографические методы регистрации изображений. Фотографическая регистрация обеспечивает достаточно высокое качество изображения, но значительно увеличивает временные затраты. Одним из таких примеров является растровый электронный микроскоп Tesla-BS300, чехословацкого производства начала 80-х годов.
Задача обеспечения ввода изображений в ЭВМ с РЭМ Tesla-BS300 усложнялась тем, что в нем изначально отсутствовала возможность вывода данных, кроме как фотосъемка и визуальное наблюдение на экране встроенного видеоконтрольного устройства. Внешний вид РЭМ Tesla-BS300 показан на рис. 3.5.
При этом этапы ввода изображения в ЭВМ были следующими: фотофафирование. появление фотопленки, печать фотофафии и ее ввод в ЭВМ с помощью CKi мера. Все это представляло определенные трудности, как для контроля качес і і получения фотоснимков, так и для оперативной работы с изображениями юследуемых материалов. Для устранения названных недостатков была проведена работа по сопряжению РЭМ Tesla-BS300 с персональной ЭВМ для ввода, отображения и сохранения в реальном масштабе времени р гистрируемых изображений. В качестве видеосигнала, а также сигналов с 11 чной и кадровой синхронизации были использованы сигналы с платы \ правления видео контрольным устройством. Из числа доступных решений для оцифровки и ввода данных в ЭВМ, по критерию низкой цены была м. орана АЦП плата La2M5, имеющая в своем составе 12-ти разрядный АЦП и : .іфровой порт, используемый для кадровых и строчных синхросигналов. Ан шз доступного универсального драйвера платы !м2М5 для операционной с ..темы Windows9S показал, что его нельзя использовать в данной задаче, ввил гого, что Windows98 не является операционной системой реального времени следовательно, сообщение о поступившем на цифровой порт синхросигнал- поступало в управляющую программу оператора.
Установление взаимосвязи статистических свойств изображений с энергетическими характеристиками вейвлет-спектра
Создание графического интерфейса пользователя. Программная реализация любой системы, как правило, ориентирована на использование ее специалистами профессий, не связанных с программированием. Следовательно, интерфейс с пользователем должен быть простым и понятным и в большей степени типовым и привычным. В составе Visual C++, предлагается объектно-ориентированная библиотека MFC (Microsoft Foundation Class Library), которая позволяет абстрагироваться от утомительного профаммирования системных вызовов операционной системы Windows (Win32 API), обеспечивая, тем самым, возможность быстрого создания программ пользовательского интерфейса таких, как диалоговые окна, одно- и многодокументные приложения.
Программирование видеокомпонент в системе Windows. Для создания приложений, использующих в полной мере возможности операционной системы Windows по работе с видеоданными, необходимо использовать пакет DirectX SDK. В последнем содержатся библиотеки для программирования мультимедиа приложений. К примеру, таких, как работа со звуком, обработка видеоданных, использование трехмерного моделирования и т.п. При этом работа с видеоданными заключается в их вводе, отображении и сохранении. Отметим, что работа с видеоданными в программном пакете DirectX SDK выделена в отдельный раздел DirectShow.
Программирование драйверов устройств сопряжения. Для создания и отладки драйверов в системе Windows требуется наличие установленного пакета DDK (Driver Development Kit). Последний содержит программные библиотеки и примеры создания драйверов различных устройств на языке программирования C/C++. Для описанных выше проектов ввода изображений были созданы и использовались драйверы, реализованные в среде разработки Visual Studio.
Применение математических пакетов. В настоящее время для научно-технических расчетов на компьютерах часто используются не электронные таблицы и традиционные языки программирования, а специальные (проблемно-ориентированные) математические программы типа Mathematica, Mat Lab, Maple, MathCad, Gauss, Reduce, Eureka, Origin и т.п. Все современные математические пакеты используют средства для отображения графиков, поверхностей и трехмерных тел, полученных в ходе расчетов. При синтезе и анализе алгоритмов обработки изображений первоначальные оценки эффективности работы методов обработки удобно получать, воспользовавшись одной из таких программ. Это позволяет визуально оценивать параметры моделирования и вести документацию по ходу ведения эксперимента. Средой для таких расчетов был выбран математический пакет MathCad. Среда программы легка в усвоении, а ее интерфейс очень удобен, кроме того, большим плюсом программы является поддержка внешних динамически подключаемых программных модулей, написанных на языке C/C++. При этом значительно сокращаются временные затраты на моделирование и проверку эффективности работы алгоритмов обработки изображений.
Основные результаты настоящей главы состоят в следующем: 1. Рассмотрен способ получения модели двухмерных сцен. В частности, рассмотрена модель изображения фонов, позволяющая получать ряд однотипных изображений с контролируемыми статистическими параметрами. Использование данной модели позволяет проводить экспериментальные исследования методов количественной оценки изображений и синтез алгоритмов их обработки. При этом становится возможным определить: a) эффективность и устойчивость синтезированных алгоритмов обработки; b) достижимую точность и влияния различных дестабилизирующих работу возмущений; c) переходные процессы, как в условиях действия помех, так и при их отсутствии; d) работоспособность систем обработки при начальных рассогласованиях параметров обработки. Кроме того, отметим, что подход к экспериментальному исследованию алгоритмов обработки изображений на ЭВМ посредством использования математических моделей существенно упрощает расчеты и удобен для построения начальных оценок и первоначального исследования. 2. Представлены способы регистрации в ЭВМ реальных изображений. Следовательно, возможно не только экспериментальное моделирование алгоритмов обработки изображений, но и создание действующих аппаратно-программных систем обработки. Так как реальные изображения подвергаются влиянию различных видов случайных факторов, то построение математической модели сцены изображения, максимально приближенной к реальным сценам, является сложной и многоуровневой задачей. В связи с этим обработка набора статистических моделей изображений двухмерных сцен может не соответствовать обработке изображений в реальных условиях. Таким образом, заключительным этапом разработки алгоритмов обработки изображений должны быть их испытания в реальных условиях в составе действующих систем обработки изображений. 3. Рассмотрено программное обеспечение, используемое для моделирования и проведения научных экспериментов, а также для создания и отладки программ обработки изображений, работающих в составе действующих устройств обработки изображений.
