Введение к работе
Актуальность темы Цифровая обработка изображений находит широкое применение практически во всех областях промышленности. Часто её использование позволяет выйти на качественно новый технологический уровень производства. При этом наиболее сложными здесь являются вопросы, связанные с автоматическим извлечением из изображения и интерпретацией информации, являющейся основой для принятия решений в процессе управления производственными процессами.
Реальные изображения, используемые в промышленных системах технического зрения, дефектоскопии, мониторинга процессов и т.д. сложны для автоматического анализа и обладают множеством свойств, определяемых не только условиями формирования изображения, но и методами его последующей обработки, а также целями использования извлекаемой из него информации.
Как правило, для описания изображения используется некоторый набор выбранных формальных признаков. Однако, учитывая многообразие свойств реального изображения, для наиболее точного его описания, а, следовательно – наиболее полного использования содержащейся в нем информации, следует говорить о системе признаков. Основным требованием к этой системе является целостность сложной многоуровневой организации разнородных наборов признаков, характеризующих анализируемое изображение во всех аспектах проявления его свойств.
Неоднозначность построения такого описания определяется большим числом различных групп признаков, а также множеством вариантов их иерархического упорядочивания. Главной особенностью иерархически упорядоченной системы признаков изображения должно быть проявление целостности не только для всей системы, но и на каждом иерархическом уровне ее представления (т.е. для каждой отдельной группы признаков). Это позволит вскрывать новые, неочевидные свойства анализируемого изображения, за счет приобретения новых качеств каждым элементом системы, отсутствующих у него в изолированном состоянии.
Основной проблемой здесь является обеспечение адекватной сложности рассматриваемой системы признаков для получаемой точности описания изображения и ценности извлекаемой информации.
Одним из вариантов построения такой системы признаков является формирование набора изображений, полученного путем последовательного преобразования анализируемого изображения некоторым оператором (или группой операторов), целенаправленно изменяющим изображение и, тем самым, обеспечивающим проявление скрытых ранее свойств, связей и зависимостей, определяющих особенности данного изображения. Такой набор можно рассматривать как последовательность изображений, при этом признаки, выделенные на каждом изображении последовательности, будут определять очередной уровень иерархии признаков.
Частным случаем операторов формирования последовательности изображений является большая группа многомасштабных преобразований. Влияя практически на все группы признаков изображения, оно не меняет его пространственной структуры. При этом, один и тот же признак (особенность) может проявлять себя в той или иной мере на нескольких изображениях многомасштабной последовательности, постоянно при этом изменяясь. Однако, в результате таких изменений, он может либо исчезнуть, либо измениться настолько, что будет рассматриваться уже как другой независимый признак (особенность). Здесь же можно отметить возможность взаимного влияния различных признаков друг на друга, приводящую к появлению в последовательности изображений с новыми характерными свойствами и особенностями. Именно это обстоятельство во многом определяет возможность использования данного подхода.
Очевидное многообразие подходов к построению алгоритмов формирования и обработки последовательностей изображений приводит к возможности получения иерархических структур формальных описаний, т.е. моделей изображений, основанных на различных признаках, относящихся к различным морфологическим и масштабным уровням представления. Анализ данных структур позволяет прийти к гибкой многоуровневой системе обработки «сверху - вниз», использование которой связано не только с требованием повышения точности, но и необходимостью принципиально изменять стратегию восприятия. Специфика задач обработки и анализа изображений, ярко проявляемая при рассмотрении их последовательностей, состоит в многослойности изображения, его многоступенчатости, непременном и многократном последовательном взаимодействии всех уровней, от глобальных к локальным, отражающем статистические, структурные, логические и другие характеристики.
В связи с этим разработка теории и методов обработки многомасштабных последовательностей цифровых изображений является актуальной научной проблемой, так как позволяет усовершенствовать применяемые в настоящее время алгоритмы обработки и анализа изображений.
Целью диссертационной работы является построение основ теории и развитие методов обработки многомасштабных последовательностей цифровых изображений в автоматизированных системах контроля качества изделий.
Для достижения поставленной цели необходимо:
1. Разработать теоретические основы обработки последовательностей цифровых изображений, включающие в себя:
- Введение основных понятий, определений, теорем, определяющих возможность описания различных подходов в обработке последовательностей цифровых изображений на единой теоретической основе;
- Обоснование полученных теоретических положений и выводов.
- Построение и исследование математических моделей формирования последовательностей цифровых изображений;
- Исследование процедур восстановления последовательностей по отдельным изображениям;
- Разработку основных подходов к построению алгоритмов цифровой обработки и анализа изображений на основе предложенных теоретических положений;
- Формирование классов методов и алгоритмов обработки изображений на основе предложенного теоретического подхода;
2. Разработать и исследовать новые методы и модели, реализующих основные положения теории обработки последовательностей цифровых изображений:
- Разработать алгоритмы адаптивного многомасштабного представления изображений и критерии выбора величины коэффициентов изменения масштаба изображения;
- Ввести математические модели, описывающие многомасштабные последовательности изображений;
- Показать возможность применения предложенных подходов в алгоритмах обработки и анализа изображений;
- Разработать алгоритмы фильтрации особенностей (признаков) изображений, основанные на использовании непрерывных и дискретных неравномерных многомасштабных последовательностях изображений.
3. Разработать и исследовать алгоритмы решения прикладных задач обработки дефектоскопических изображений в промышленных системах контроля качества изделий.
Методы исследования В качестве основного теоретического инструмента исследований использовались методы цифровой обработки многомерных сигналов, вейвлет – анализа, функционального анализа, математической статистики, теории информации, математического моделирования.
Теоретической и методологической основой исследований являются труды отечественных и зарубежных ученых по теории цифровой обработки сигналов и изображений, вейвлет – преобразования.
В процессе решения задач были использованы труды С. Абламейко, В.Воробьева, М. Викерхаузера, Р.Вудса, Р.Гонсалеса, В.Грибунина, У.Гренандера, И.Добеши, Ю.Журавлева, В.Киричука, Л. Новикова, С.Малла, П. Ошера, У.Прэтта, В. Пяткина, А.Розенфельда, С.Садыкова, В. Сергеева, В.Сойфера, В. Титова, К.Фу, Я.Фурмана, И. Цуккермана, К.Чуи, Л. Ярославского и др.
Научная новизна диссертационной работы
Получены следующие основные результаты, обладающие научной новизной:
1.Основы теории обработки многомасштабных последовательностей цифровых изображений, особенностью которой является использование понятий наследственности и изменчивости признаков, обеспечивающей построение иерархических структур формальных описаний, т.е. моделей изображений, основанных на группах признаков, относящихся к различным морфологическим и масштабным уровням представления.
2. Новый метод формального описания изображений, основанный, в отличие от ранее известных, на анализе динамики характеристик группы признаков на последовательности изображений, полученной целенаправленным изменением исходного изображения.
3.Новые методы многомасштабного представления изображения, отличающиеся возможностью выбора коэффициента изменения масштаба, адаптивного к свойствам изображения и позволяющие более точно отслеживать особенности анализируемого изображения.
4.Методика построения математических моделей многомасштабных последовательностей изображений, основанная на использовании адаптивного выбора конфигурации локальной окрестности элемента изображения и произвольного коэффициента изменения масштаба, позволяющая более точно учитывать существующие связи и зависимости в последовательностях изображений.
5. Новые методы и алгоритмы обработки и анализа изображений, основанные на введенных теоретических положениях и подходах, обеспечивающие возможность более полного извлечения информации за счет использования многоуровневой системы признаков.
Теоретическая значимость работы
Предложенная теория, выявляя общие закономерности среди различных задач обработки последовательностей цифровых изображений, позволила сформулировать новые проблемы и определить подходы, являющиеся основой для построения новых методов и алгоритмов обработки и анализа изображений.
Практическая значимость работы состоит в том, что предложенные в ней теоретические подходы, модели, методы и алгоритмы являются основой для построения программного обеспечения автоматизированных систем контроля качества изделий.
1. Введенный на базе предложенной теории адаптивный подход к многомасштабному представлению изображений, позволил улучшить результаты работы многомасштабных алгоритмов обработки изображений, за счет использования коэффициентов изменения масштаба, адаптивных к свойствам изображения.
2. Разработанные методы, алгоритмы, пакеты программ и устройства позволяют решать широкий круг практических задач и могут использоваться для обработки и анализа изображений в промышленных, научных, медицинских и др. системах автоматизированной обработки изображений, обеспечивая возможности:
- Сокращать время расшифровки рентгенографических снимков сварных соединений;
- Подавлять шум на рентгенограммах без внесения дополнительных искажений в обрабатываемое изображение;
- Выделять дефекты сварных соединений (газовые и шлаковые включения, непровары и трещины) на рентгенографических снимках;
- Обнаруживать групповые дефекты (цепочки и скопления инородных включений) сварных швов;
- Проводить количественный анализ микроструктур металлов;
- Восстанавливать томографические изображения по неполным данным.
Оригинальность предложенных устройств и программ подтверждается 12 патентами РФ и 7 Свидетельствами об государственной регистрации программ.
Внедрение результатов работы Результаты диссертационной работы внедрены на ОАО «ПО Муроммашзавод» (г. Муром), ОАО «Селивановский машиностроительный завод» (г. Селиваново), ОАО «Выксунский металлургический завод» (г. Выкса), ОАО «Муромтепловоз» (г. Муром), ОАО «Волготрансгаз» (г. Нижний Новгород), ОАО «Русполимет» (г. Кулебаки), Выксунском филиале ООО
«ОМК - Сталь» (г. Выкса), ОАО «Муромский завод трубопроводной арматуры» (г. Муром), ГОУ ВПО «Муромский институт (филиал) Владимирского государственного университета» (г. Муром), филиале ГОУ ВПО «Московский государственный открытый университет» (г. Кулебаки), что подтверждено соответствующими актами.
Основные положения, выносимые на защиту
1. Основные положения, определения, теоремы и доказательства разработанной теории обработки многомасштабных последовательностей цифровых изображений.
2. Критерии и методика вычисления значений коэффициентов изменения масштаба при адаптивном многомасштабном представлении изображений.
3. Методика выбора адаптивной конфигурации локальной окрестности элемента изображения, на основе использования критерия взаимной информации.
4.Методы и алгоритмы обработки и анализа изображений на основе использования многомасштабных последовательностей.
5. Результаты теоретических и экспериментальных исследований.
Апробация работы Диссертационная работа и отдельные ее части докладывались и обсуждались более чем на 50 научно-технических конференциях, в том числе: 5th, 8th Int. Conf. “Pattern Recognition and Image Analysis: New Information Tehnologies” (PRIA-5-2000, Samara, PRIA-8-2007, Yoshkar-Ola), The 7 Int. Conf. PRIP’2003 Pattern Recognition and Information Processing (Minsk, Republic of Belarus), 4-й, 7-й, 8-й Межд. конф. «Распознавание - 99, 2005, 2008» (Курск, 1999, 2005, 2008), 7-й, 8-й, 9-й, 10-й Межд. конф. "Цифровая обработка сигналов и ее применение - DSPA2005, 2006, 2007, 2008», VII и VIII Межд. конф. «Искусственный интеллект. Интеллектуальные системы-2006, 2007» (АР Крым, Украина, 2006; Геленджик, Россия, 2007), IX Межд. конф. «Интеллектуальные системы и компьютерные науки» (Москва, МГУ, 2006), XXXIII и XXXIV Межд. конф. «Информационные технологии в науке, социологии, экономике и бизнесе IT&SE’06, IT + SE`07» (Украина, Крым, Ялта-Гурзуф, 2006, 2007 гг.), V Межд. конф. «Информационные технологии и математическое моделирование (ИТММ-2006)» (Томск, 2006), Межд. конф. «Математические методы в технике и технологиях, ММТТ-18» (Казань, 2005 г.), 6-й Межд. конф. «Измерение, контроль, информатизация» (Барнаул, 2006), XIII конф. ученых Украины, Белоруссии, России «Прикладные задачи математики и механики» (Севастополь, 2005г), 13-й и 14-й Межд. конф. «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2004, 2005), Междунар. конф. «Новые методологии проектирования изделий микроэлектроники (New design methodologies)» (г.Владимир, 2004 г.), 1–й и 2-й Межд. конф. «Инфотелекоммуникационные технологии в науке, производстве и образовании». (Ставрополь, 2004, 2006) , Межд. конф. «Виртуальные и интеллектуальные системы ВИС-2006» (Барнаул , 2006), VI Межд. конф «Моделирование. Теория, методы и средства», (Новочеркасск, 2006), II и III Межд. конф. «Информационные технологии в науке, образовании и производстве» (Орел, 2006, 2008), VIII Всеросс. конф. «Теоретические и прикладные вопросы современных информационных технологий, ТиПВСИТ 2007» (Улан-Удэ, 2007), Межд. конф. «Фундаментальное и прикладное материаловедение» (Барнаул, 2007), 5-й, 10-й и 12-й Межд. конф. «Современные проблемы информатизации в моделировании и анализе сложных систем», (Воронеж, 2000, 2005, 2007 гг.), Всерос. конф. "Научная сессия ТУСУР - 2007" (Томск, 2007), научных конференциях МИВлГУ (1997-2008 гг.).
По данному научному направлению под руководством автора была защищена одна кандидатская диссертация.
Публикации: По теме диссертационной работы опубликовано более 130 работ. Из них, 23 статьи в журналах, входящих в перечень ВАК РФ, 3 монографии, 3 учебных пособия, 19 патентов и свидетельств о государственной регистрации. На английском языке опубликовано 8 работ
Личный вклад автора
Все приведенные в диссертации результаты получены автором лично. Постановка основных задач и направлений исследования, отраженных в монографии [1] выполнена совместно с научным консультантом Садыковым С.С. В монографии [3] автором написана глава 3 и, частично, главы 1 и 5. В статье [10] основная идея принадлежит Орлову А.А. В остальных работах, опубликованных в соавторстве, автору принадлежит постановка задачи, теоретический анализ, решение и его обоснование. Основная идея всех изобретений и алгоритмы всех зарегистрированных программ разработаны автором.
Структура и объем диссертации Диссертационная работа состоит из введения, 5 глав, заключения и приложений. Она содержит 320 с. текста, включает 50 рисунков, 12 таблиц, списка литературы из 250 наименований.
