Введение к работе
Актуальность работы. Активное развитие науки и техники, возрастающая сложность решаемых научно-технических задач приводит к необходимости анализа различных видов информации, в том числе изображений. Анализ изображений, выполняется на промышленных предприятиях при осуществлении контроля качества изделий, в медицинских учреждениях при диагностике различных заболеваний, в робототехнике, системах безопасности, при контроле дорожного движения и т. д. Важно отметить, что на сегодняшний день создано большое количество алгоритмов обработки изображений. При этом актуальной является задача разработки новых алгоритмов обработки изображений.
Задачами анализа изображений занимаются школы: С. Абламейко, Б. Алпатова, Т. Блу, Р. Вудса, Р. Гонсалеса, У. Гренандера, И. Гуревича, Г. Евангелиста, В. Еремеева, В. Злобина, С. Илюшина, Ю. Журавлева, В. Киричука,
B. Кондратьева, У. Прэтта, С. Садыкова, И. Селезник, В. Сергеева, В. Сойфера,
К. Спиридонова, В. Титова, В. Утробина, К. Фу, Я. Фурмана, К. Чуй,
Л. Ярославского и др.
Перспективным подходом к анализу изображений является фрактальная обработка (Alan Sloan , R.M. Crownover, Edward R. Vrscay, Fuyuan Peng, Georey M. Davis, George H. Freeman, Huawu Lin, Kaplan L.M., Keller J.M., Manik Varma, Michael Barnsley, Mohsen Ghazel, Oldfich Zmeskal, Sarkar, N., Suzuki Y., Д. Ватолин,
C. Илюшин, П. Короленко, А. Потапов, К. Спиридонов, А. Сухорученко, С. Уэл-
стид). В настоящий момент разработано большое количество алгоритмов вычис
ления фрактальных признаков изображений, которые используются в различных
областях промышленности.
Одной из важнейших задач цифровой обработки изображений является строгое количественное описание структуры природного объекта. Новым подходом в решении задачи является методология мультифрактальной параметризации структур материалов, предложенная Г. Встовским, А. Колмаковым, которая в частности используется для обнаружения дефектов сварных соединений (А. Маминов, А. Анваров, В. Булкин). Однако к вычисляемым признакам относятся только фрактальная размерность и производные от нее признаки, которые характеризуют структурные свойства изображения.
В отличие от идеальных фрактальных структур реальные природные системы являются самоподобными только лишь над конечным числом уровней масштабов, поэтому в некоторых случаях, например, при дефектоскопии, используемые фрактальные признаки показывают близкие значения для дефектов и нормальных участков. Следовательно, набора признаков, использующегося в мультифрактальной параметризации структур, не хватает. Поэтому актуальной остается задача построения новых признаков и алгоритмов их вычисления, основанных на свойствах фрактальных объектов, не использовавшихся ранее в цифровой обработке изображений.
Объект исследований. Методы и алгоритмы цифровой обработки дефектоскопических изображений с использованием фрактальных признаков.
Предмет исследований. Фрактальные признаки самоподобия и их использование в цифровой обработке дефектоскопических изображений.
Научная задача. Разработка новых фрактальных признаков самоподобия и создание алгоритмов обработки дефектоскопических изображений на их основе.
Цель работы: повышение качества цифровой обработки дефектоскопических изображений листового металлопроката за счет использования алгоритмов, использующих признаки самоподобия.
Решение общей научной задачи и достижение поставленной цели связано с рассмотрением следующих вопросов:
-
Обзор и анализ использования применяемых в настоящее время алгоритмов обработки изображений, основанных на фрактальных методах.
-
Построение математических моделей, основанных на фрактальном представлении цифрового изображения, служащих основой для разработки новых алгоритмов обработки изображений.
-
Разработка новых алгоритмов обработки и анализа изображений, основанных на фрактальных методах.
-
Получение новых признаков цифровых изображений на основе фрактального представления изображений.
-
Исследование возможностей применения разработанных алгоритмов для решения практических задач.
Методы исследования. В работе использованы методы дискретной математики, основные понятия математического анализа и теории множеств, методы цифровой обработки изображений и сигналов, теории фракталов.
Научная новизна работы:
-
математическая модель цифрового изображения, основанная на его представлении в виде фрактального кода, являющаяся основой для получения признаков самоподобия.
-
алгоритм формирования представления изображения с наиболее ярко выраженными фрактальными признаками для более точного вычисления параметров распределения самоподобия.
-
фрактальные признаки цифровых изображений, основанные на вычислении распределения самоподобия и определении характерных участков, отличающиеся от существующих проявлением инвариантных свойств к изменению яркости исходного изображения.
-
алгоритм вычисления распределения самоподобия на цифровом изображении, основанный на подсчете самоподобных участков изображения.
-
алгоритм определения характерных участков изображения, позволяющий выделить блоки изображения, свойства которых наиболее схожи со свойствами самого изображения.
Достоверность результатов работы. Основные полученные результаты представлены в виде алгоритмов, вычислительных схем алгоритмов и структурной схемы автоматизированной подсистемы обработки изображений. Применимость предложенных алгоритмов доказывается результатами сравнения с известными алгоритмами.
Практическая значимость:
- Разработанные фрактальные признаки цифровых изображений проявляют полную инвариантность к линейным преобразованиям яркости и контраста
исходного изображения, что позволяет повысить точность алгоритмов обработки изображений с использованием фрактальных признаков.
Разработанный алгоритм определения нехарактерных участков, основанный на использовании распределения самоподобия, позволяет обнаруживать большинство дефектов листового проката.
Разработанная автоматизированная подсистема фрактальной обработки изображений может быть использована в составе систем технического зрения для анализа дефектоскопических изображений и позволяет в автоматическом режиме обнаруживать и вычислять геометрические характеристик дефектов листового проката, что подтверждается соответствующим актом.
Результаты работы получены автором при выполнении госбюджетной НИР №448/11 «Разработка методов и алгоритмов выделения фрактальных признаков цифровых изображений», хоздоговорной НИР №4135/11, грантов РФФИ №11-07-09225-мобз и №11-07-16000-моб_з_рос, гранта Администрации Владимирской области на проведение научных исследований по проекту «Обработка металлографических снимков фрактальными методами» и используются:
в центральной заводской лаборатории ОАО «ПО Муроммашзавод» г. Муром в процессе анализа оптических снимков поверхности металлов и ОАО «Муромский радиозавод», г. Муром в процессе контроля паяных соединений;
в учебном процессе МИ (ф) ВлГУ при проведении лабораторных и практических работ по курсу «Методы и системы цифровой обработки изображений».
На защиту выносятся следующие результаты:
-
Математическая модель цифрового изображения, основанная на фрактальном представлении.
-
Алгоритм формирования представления изображения с наиболее ярко выраженными фрактальными признаками.
-
Алгоритм получения распределения самоподобия на цифровом изображении.
-
Алгоритм вычисления характерных участков изображения.
-
Результаты исследования разработанных алгоритмов.
Апробация работы. Диссертационная работа и отдельные ее части докладывались и обсуждались на: 8th Open German-Russian Workshop "Pattern recognition and image understanding" (г. Нижний Новгород 2011), 13-ой и 14-ой межд. конф. «Цифровая обработка сигналов и её применение DSPA» (г. Москва, 2011, 2012), межд. конф. «Распознавание 2010» (г. Курск 2010), межд. конф. «Распознавание 2012» (г. Курск 2012), межд. симпозиуме «Надежность и качество 2012» (г. Пенза, 2012), 13-ой и 14-ой межд. НТК "Измерение, контроль, информатизация" (г. Барнаул, 2011, 2012), 9-ом межд. симп. «Интеллектуальные системы» (INTELS'2010) (г. Москва, 2010), XV Всерос. НТК студентов, молодых ученых и специалистов "Новые информационные технологии в научных исследованиях и в образовании" (НИТ-2010) (г. Рязань, 2010), IV-ой межд. НТК «Информационные технологии в науке, образовании и производстве» (ИТНОП-2010) (г. Орел, 2010), IX Всерос. научной конф. «Нейрокомпьютеры и их применение» (г. Москва, 2011), 17 межд. конф. по Вычислительной механике и современным прикладным программным системам (ВМСППС'2011), (г. Алушта, 2011).
Публикации. По теме диссертационной работы опубликовано более 30 печатных работ, в том числе 16 статей, 9 из которых в журналах, входящих в перечень ВАК, 1 монография, 2 свидетельства об официальной регистрации программ для ЭВМ.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 147 наименований и приложения. Общий объем диссертации 161 страница, в том числе 141 страница основного текста, 15страниц списка литературы, 5 страниц приложения. Таблиц 20, рисунков 71.
