Введение к работе
Актуальность темы. В технических системах обработки результатов измерений (в цифровых фотоаппаратах, томографах, микроскопах, телескопах и т.д.) при наблюдении и фиксации изображений объектов (технических изделий, людей, природы, самолетов, автомобилей, веществ, вирусов, космических объектов и т.д.) часто имеют место искажения изображений (смазывание из-за движения системы или самого объекта, дефокусирование из-за неправильной установки фокуса, зашумление, дрожание фотообъектива и др.) [10-14]. Их, в принципе, можно устранить техническим путем: не допускать сдвига фотоаппарата, перемещать фотокамеру слежения в такт движению объекта на конвейере, отрегулировать фокус и т.д. Но это не всегда возможно, например, в случае, когда искаженный снимок нельзя повторить. В этих случаях целесообразно выполнить математическую (компьютерную) обработку изображений с целью их восстановления. Это позволит уточнить такие механические величины, как размеры мелких деталей на объекте, расстояния между близкими деталями, выявить дефекты на изделии, гранулы на металле в процессе плавки, мелкую структуру поверхности объекта и т.д., другими словами, повысить разрешающую способность средств наблюдений (фотоаппаратов, камер слежения и др.).
К настоящему времени разработан ряд методов восстановления искаженных (смазанных, дефокусированных, зашумленных) изображений. Они обычно сводятся к решению интегральных уравнений I рода. Однако задача их решения некорректна (существенно неустойчива). Поэтому для их решения используют устойчивые методы (регуляризации Тихонова, параметрической фильтрации Винера и др.) [10-13, 15].
Обычно тот или иной метод или алгоритм реализуют на универсальном компьютере, чаще всего, на персональном компьютере (ПК, PC). Однако это не всегда целесообразно. В целях миниатюризации, иногда разумнее задачу восстановления изображения решать с помощью специализированного вычислительного устройства (СВУ), интегрированного в систему наблюдения (цифровой фотоаппарат, устройство слежения, томограф, микроскоп, телескоп и т.д.). В этом случае получит практическое воплощение известная редукционная проблема Рэлея о повышении разрешающей способности прибора за счет математической обработки результатов измерений. Причем, если эта обработка будет выполняться с помощью СВУ небольших размеров, то будет получен новый прибор практически прежних размеров, но с повышенной разрешающей способностью. Повышение же разрешающей способности прибора позволит выделить мелкие детали на изображении, а значит, уточнить микроструктуру и даже состав и концентрацию веществ самого объекта (пациента, микроорганизмов, космических тел), изучаемых с помощью томографов, микроскопов, телескопов и т.д.
Диссертация посвящена дальнейшей разработке методов и алгоритмов восстановления искаженных изображений объектов с целью повышения разрешающей способности средств наблюдений и измерений и, как следствие, повышения точности измерений механических величин (размеров мелких деталей, расстояний между ними и др.) на самих объектах. При этом методы и алгоритмы разработаны применительно к их реализации не только на ПК, но и на цифровых сигнальных процессорах (ЦСП, DSP) встроенных вычислительных систем [16, 17].
Цель диссертационной работы - разработка новых методов восстановления искаженных изображений объектов и их реализация на ПК и ЦСП с целью повышения разрешающей способности измерительных устройств (цифровых фотоаппаратов, систем слежения, микроскопов, телескопов и др.) и, как следствие, повышения точности измерения механических величин (размеров мелких деталей, их взаимных расстояний и т.д.) на самих объектах.
Задачи исследования. Для достижения цели решались следующие задачи:
Анализ существующих методов восстановления искаженных (смазанных, дефо- кусированных, зашумленных) изображений.
Разработка нового устойчивого метода восстановления изображений и повышения разрешающей способности средств наблюдений объектов на основе соединения метода регуляризации Тихонова (и Фридмана) со способом «усечение-размытие».
Связь разрешения на изображении объекта с разрешением на самом объекте.
Разработка быстрых адаптивных алгоритмов восстановления изображений с помощью «заготовленных» матриц.
Разработка программного обеспечения для реализации методов восстановления изображений на ПК и ЦСП и выполнение обработки различных искаженных изображений (прямая и обратная задачи).
Анализ результатов восстановления изображений на ЦСП и сравнение с восстановлением на ПК.
Методы исследования. В работе использованы методы преобразования Фурье (инверсной и псевдоинверсной фильтрации), квадратур/кубатур, регуляризации Тихонова, параметрической фильтрации Винера, итераций Фридмана, способы количественной и визуальной оценок качества восстановления изображений, подбора значений параметров и др.
Научиая новизна работы.
Разработана усовершенствованная методика моделирования искажений изображений (прямая задача), использующая способ «усечение-размытие».
Разработана новая методика восстановления искаженных изображений (обратная задача), соединяющая устойчивые методы Тихонова, Винера или Фридмана со способом «размытия» краев изображения, повышающая точность восстановления.
Разработано два новых быстрых алгоритма восстановления смазанных изображений, например, изображений быстро движущихся целей (самолетов, автомобилей) в режиме реального времени.
Оригинальная, практически не имеющая аналогов, реализация восстановления смазанных и дефокусированных изображений на аппаратуре встраиваемых систем, а именно, на 32-разрядном ЦСП с фиксированной точкой, позволяющая повысить разрешающую способность устройств наблюдения (цифровых фотоаппаратов, микроскопов, телескопов).
Основные положения, выносимые на защиту.
-
-
Решение совокупности одномерных интегральных уравнений, а также двумерного интегрального уравнения на ЦСП с фиксированной точкой с использованием сдвиговых операций.
-
Доказательство того, что метод квадратур/кубатур (с регуляризацией) решения ИУ задачи восстановления дает более адекватное математическое описание физического процесса смазывания/дефокусирования, чем метод преобразования Фурье (ПФ).
-
Новый устойчивый метод восстановления изображений и повышения разрешающей способности приборов на основе соединения метода регуляризации Тихонова (а также Фридмана) со способом «усечение-размытие». Способ «усечения» не использует «граничные условия», а способ «размытия» понижает эффект Гиббса.
-
Два новых адаптивных алгоритма быстрого восстановления смазанного изображения на основе квадратур и ПФ с регуляризацией и с использованием «заготовленных» матриц.
-
Встраиваемая система на основе ЦСП, позволяющая повышать разрешающую способностью оптических приборов.
Достоверность научных результатов, полученных в диссертации, подтверждается корректной постановкой задач, адекватным математическим описанием их с помощью интегральных уравнений, использованием устойчивых методов (регуляризации и фильтрации) решения уравнений, реализацией методики на ПК и на ЦСП фирмы Texas Instruments, восстановлением ряда изображений на ПК и ЦСП и сравнением полученных результатов.
Теоретическая и практическая ценность работы заключается в разработке новой методики под названием «регуляризация-фильтрация-усечение-размытие» восстановления искаженных изображений и в применении этой методики в технических системах измерений и обработки информации (в системах слежения и др., состыкованных с ПК или ЦСП). Предложенные в работе устойчивые методы и алгоритмы восстановления искаженных изображений дают возможность повысить разрешающую способность различных устройств наблюдения (цифровых фотоаппаратов, томографов, микроскопов, телескопов и т.д.) путем математической обработки на ПК или ЦСП полученных данных, что позволит более точно измерять мелкие механические детали на объектах (дефекты на технических изделиях, микроструктуру расплавленных металлов, опухоли в организме людей и животных, микрорельеф на небесных телах и др.) и даже уточнять состав веществ.
Реализация работы. Ряд результатов диссертации нашли отражение в учебнике [12] и монографии [13], использовались в лекциях, практических и лабораторных работах со студентами, бакалаврами и магистрантами по дисциплинам «Теория и технология программирования», «Обратные прикладные задачи», «Теория интегральных уравнений», «Математические основы томографии» и др. Результаты диссертации использовались также в работе по гранту РФФИ № 09-08-00034 и в научно-исследовательской работе (НИР) по теме № 39122 «Новые алгоритмы восстановления искаженных изображений в технических системах обработки информации» - это подтверждается актом об использовании результатов диссертационной работы К.А. Кирьянова.
Апробация работы. Основные результаты диссертации докладывались на следующих конференциях: GraphiCon'2010 (СПбГУ ИТМО), VIII и IX Всероссийские межвузовские конференции молодых ученых СПбГУ ИТМО (2011 г., 2012 г.); XL и XLI научная и учебно-методическая конференция СПбГУ ИТМО (2011 г., 2012 г.); Международные научно-практические конференции «XXXIX Неделя науки СПбГПУ» и «XL Неделя науки СПбГПУ» (2010 г. и 2011 г.); 8-я Международная конференция «Телевидение: передача и обработка изображений» (СПбГЭТУ "ЛЭТИ", 2011 г.).
Публикации. По теме диссертации опубликовано 9 печатных работ, 3 из них - в журналах из перечня ВАК.
Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения и списка литературы из 92 наименований. Объем работы составляет 180 страниц и 68 рисунков.
Похожие диссертации на Устойчивые методы восстановления изображений во встроенных системах для повышения точности измерений механических величин на объектах
-
