Содержание к диссертации
Введение
ГЛАВА 1 Распространение аэрозольных шлейфов в приземном слое атмосферы
1.1 Аэрозоль 8
1.2 Методы и средства изучения аэрозоля в атмосфере 11
1.3 Распространение аэрозольных шлейфов в атмосфере 15
1.3.1 Постановка задачи 15
1.3.2 Взаимодействие между молекулярной и турбулентной диффузией 24
1.3.3 Полуэмпирическое уравнение турбулентной диффузии 36
1.3.4 Распространение примеси в атмосфере от точечных источников 41
ГЛАВА 2 Обработка видеоизображений аэрозольных шлейфов
2.1 Предварительная обработка и анализ изображений 45
2.2 Экспериментальная установка 48
2.3 Алгоритм преобразования видеоизображений 51
2.4 Программный комплекс анализа видеоизображений аэрозольных шлейфов 56
2.5 Построение динамических изображений 66
ГЛАВА 3 Определение дисперсии примеси и параметров турбулентности по видеоизображениям аэрозольных шлейфов
3.1 Обзор ранее проведенных экспериментальных работ 71
3.2 Рассеяние примеси 75
3.3. Погрешность метода 78
3.4 Двухпозиционная схема визирования 81
3.5 Определение параметров атмосферы 84
3.5.1 Определение стратификации атмосферы 84
3.5.2 Определение коэффициентов турбулентной диффузии 87
Заключение 91
Литература 93
- Взаимодействие между молекулярной и турбулентной диффузией
- Распространение примеси в атмосфере от точечных источников
- Программный комплекс анализа видеоизображений аэрозольных шлейфов
- Двухпозиционная схема визирования
Введение к работе
Атмосферный аэрозоль является продуктом сложной совокупности физических и химических процессов. Вследствие сложности этих процессов и относительно короткого времени жизни аэрозоля его химический состав и физические характеристики очень изменчивы. Исследование свойств атмосферного аэрозоля тесно связано с такой актуальной проблемой физики атмосферы как учет его влияния на перенос коротковолновой и длинноволновой радиации, с точки зрения глобального изменения климата. В рамках этих исследований особый интерес представляют вопросы изучения рассеяния примесей в пограничном слое атмосферы.
Наиболее популярными методами исследования рассеяния примеси являются методы дистанционного зондирования, которые подразделяются на активные и пассивные. Активные методы используют искусственную подсветку, а пассивные регистрируют рассеяние солнечного или теплового излучения на исследуемом объекте. Основной недостаток активных методов - громоздкость аппаратуры, и как следствие привязка к местам установки приборов. Пассивные методы более мобильны, основной способ регистрации: телефотометрический - позволяет определять путем измерения яркости изображения аэрозольного шлейфа его оптическую плотность. Основными мобильными средствами этого метода являются фото- и видеосъемка. Недостаток фотосъемки - низкая скорость съемки, то есть временной интервал между двумя кадрами больше, либо равен временному интервалу изменения характеристик объекта изучения. Видеозапись позволяет получать непрерывную выборку изменений границ струи, учитывает изменение направления ветра.
Следует отметить, что изучение рассеяния примесей по изображениям аэрозольных шлейфов проводились с середины прошлого века. Но анализ выполнялся вручную и занимал много времени. С развитием вычислительных технологий появилась возможность анализировать изображения аэрозольных шлейфов с использованием компьютеров.
Цель исследований - разработка методов обработки и анализа
видеосигнала и программ, позволяющих провести оценку дисперсии
распределения концентрации примеси, кр^ффшиентов турбулентной
j РОС. НАЦИОНАЛЬНАЯ |
3 1 БМЛНОТЕХА I
1 ЙРЙ
диффузии атмосферы по видеоизображению аэрозольных выбросов в атмосферу.
Задачи исследований:
Разработка и реализация методов обработки видеоизображений аэрозольных шлейфов от стационарных источников, способа сжатия и хранения видеоинформации.
Разработка программного обеспечения для обработки и анализа оцифрованных видеоизображений аэрозольных шлейфов.
Разработка статистических методов и программ анализа видеоизображений аэрозольных шлейфов, позволяющих определить дисперсию распределения концентрации примеси и коэффициенты турбулентной диффузии.
Научная новизна
Созданы экспериментальная установка и программный комплекс для обработки и анализа видеоизображений на базе персонального компьютера, реализующие разработанные алгоритмы обработки и анализа.
Разработаны методы анализа, позволяющие определять дисперсию примеси и коэффициенты турбулентной диффузии по видеоизображениям аэрозольного шлейфа от стационарного точечного источника.
Разработанный алгоритм преобразования цифровой видеопоследовательности в динамическое изображение позволяет существенно уменьшить объем исходной видеоинформации. С использованием созданных программ статистической обработки были построены динамические изображения. Данные изображения используются при расчетах коэффициента турбулентной диффузии.
Практическая значимость работы. Практическая значимость результатов научных исследований, представленных в диссертации, заключается в их направленности на решение конкретных задач дистанционного зондирования, связанных с анализом состояния атмосферы в крупных промышленных центрах. Результаты работы могут быть использованы при проведении систематического контроля аэрозольных выбросов в атмосферу от локальных стационарных источников, для исследования пространственно-временной динамики концентраций аэрозолей и газопылевых смесей в атмосфере, для оценки параметров турбулентной атмосферы. Разработанный
алгоритм преобразования видеосигнала может применяться для хранения данных видеонаблюдений различных процессов. На зашщу выносятся:
Экспериментальная установка, реализующая разработанный алгоритм преобразования исходных видеоизображений аэрозольных шлейфов в динамические изображения.
Двухпозиционная схема визирования аэрозольных шлейфов, позволяющая одновременно получать данные о рассеянии примеси в вертикальной и поперечной ветру плоскостях.
Методика определения дисперсии распределения концентрации примеси по видеоизображениям
Методика определения коэффициентов турбулентной диффузии по данным о дисперсии распределения концентрации примеси.
Апробация работы. Основные результаты работы, составляющие содержание диссертации, изложены и обсуждены на следующих научных конференциях: ГХ Рабочая Группа «Аэрозоли Сибири» (Томск, 2002 г.), III конференция молодых ученых ИВЭП СО РАН (Барнаул 2003 г.), Международная конференция «Взаимодействие общества и окружающей среды в условиях глобальных и региональных изменений» (Москва-Барнаул 2003 г.), II Международная конференция «Окружающая среда Сибири, Дальнего Востока и Арктики» (EESFEA - 2003) (Томск, 2003 г.), X Рабочая Группа «Аэрозоли Сибири» (Томск, 2003 г.), Международная конференция «ENVIROMIS 2004» (Томск, 2004 г.), TV международный симпозиум «Контроль и реабилитация окружающей среды» (Томск, 2004 г.)
Внедрение результатов исследования. Результаты исследования применяются в сетевой лаборатории анализа и мониторинга окружающей среды МПР России по Алтайскому краю.
Публикации. По теме диссертации опубликовано 12 научных работ, в том числе 3 статьи в отечественных и зарубежных научных журналах, а также сборниках научных трудов.
Структура и объем работы. Диссертация состоит из введения, 3 глав, заключения и списка литературы. Работа изложена на 98
Взаимодействие между молекулярной и турбулентной диффузией
Аэрозоль в атмосфере изучают двумя основными способами: методом отбора проб и дистанционным зондированием. В большинстве случаев исследование аэрозоля происходит вблизи источников поступления его в атмосферу[1,2,7]. Следует кратко остановиться на классификации источников. Обычно выделяют точечные, линейные и площадные источники поступления частиц[7]. Точечными источниками считают большинство искусственных источников, в качестве примера можно привести выбросы из труб промышленных предприятий. Линейные источники - большинство протяженных источников, в качестве примера можно привести кромку лесного пожара или автомобильную трассу. Площадные источники -хвостохранилища, промышленные предприятия. В основном проводится изучение точечных источников, при исследовании других типов источников, их упрощают и решают задачу в приближении точечного источника.
Следует отметить, что большинство исследований проводится в непосредственной близи от аэрозольного шлейфа, и лишь изучение фонового аэрозоля вдали от крупных источников аэрозоля[5].
Для метода отбора проб характерной особенностью является определение массовой концентрации частиц, изучение их физико-химических свойств, определение изокинетичности[ 1,2,7,10,11,12]. Из большого разнообразия приборов можно назвать: счетчики частиц, каскадные импакторы, сепараторы, различные электростатические и электромагнитные анализаторы. Отбор частиц может проводиться непосредственно на выходе из источника, вблизи источника, на некотором удалении. Пробы чаще всего отбираются либо на поверхности, либо на небольшой высоте при помощи специальных мачт[13,14]. В некоторых случаях пробоотбор проводят с использованием авиационной техники, воздушных шаров(зондов) и при помощи ракет[7,10]. Методика отбора проб позволяет получать данные с высокой точностью, но она достаточно дорогая и трудоемкая, анализ полученных проб занимает довольно продолжительное время. Более быстрый анализ результатов позволяют получать дистанционные методы.
Дистанционные методы делятся на активные и пассивные[10]. Активные методы, используют искусственную подсветку, а пассивные регистрируют рассеяние солнечного или теплового излучения на исследуемом объекте. В качестве излучателей в активных системах наблюдения используются лампы накаливания, газоразрядные лампы, лазеры. [15-18]. Широкое распространение в качестве излучателей при зондировании атмосферы получили гелий-неоновые лазеры, с длинами волн 630 нм и полупроводниковые лазеры: рубиновые (694 нм) и неодимовые (1060 нм).
Общим для пассивных методов является то, что в них тем или иным способом измеряется яркостиый контраст объекта, оценивается яркость аэрозольного шлейфа на контрастном фоне. Теоретический анализ показывает, что метод измерения яркостного контраста позволяет определить оптическую плотность аэрозольного шлейфа.
Основными являются два пассивных метода регистрации; метод Рингельмана и телефотометрический[19]. В методе Рингельмана используется шкала, предложенная в 1898г. Шкала состоит из пяти шаблонов, в которых используется квадратная решетка, свободное поле в которой составляет 80, 60, 40, 20, и 0% соответственного]. При расположении шкалы на уровне глаз создается впечатление, что в целом квадраты имеют серый цвет различной яркости. Совпадение цвета дыма с цветом одного из квадратов позволяет оценить по номеру квадрата степень непрозрачности шлейфа. Следует отметить, что данная шкала не позволяет проводить точную оценку плотности факелов белого дыма, имеет ограниченный набор шаблонов. Телефотометрический метод более гибкий, позволяет определять, путем измерения яркости изображения аэрозольного шлейфа его оптическую плотность.
Основными средствами этого метода является фото- и видеосъемка, анализ при помощи фотометров.
Использование фотометров позволяет получать данные о содержании водяного пара, измерять среднюю оптическую толщу, из которой можно вычленять аэрозольную оптическую толщу рассеяния. Современные фотометры работают в автоматическом режиме и запоминают массивы данных. Недостатками этих приборов являются их высокая цена и низкая мобильность.
Основным мобильным доступным средством быстрого анализа аэрозольных шлейфов является фото- и видеосъемка.[13,20,21] Отметим, что анализ фотоизображений дымовых шлейфов и в нашей стране и за рубежом начал проводится с середины 50х годов прошлого столетия[21]. К настоящему времени накоплен большой опыт в анлизе фотоизображений. Для повышения точности определения границ струи разными исследователями использовались стереофотограмметрическая съемка и добавление в изучаемую дымовую струю трассеров[14]. В качестве трассеров используют примесь, добавляемую в струю дыма (частицы, содержащие серу, пищевой краситель, который добавляют в струю и получают цветной дым) или тетроны. Тетронами называются баллоны постоянного объема, которые служат метками воздушных частиц. Достоинство использованя трассеров состоит в возможности проводить достаточно точные трехмерные измерения, позволяющие получать сведения о моментах функции распределения вероятности координат и скорости частиц. Основным недостатком является использование малого статистического ансамбля.
Основным достоинством обычного фотоизображения является возможность увеличения снятых объектов в 8-10 раз без потери качества. Но главным недостатком является низкая скорость съемки, небольшой объем выборки и достаточно высокая цена печати изображений. Цифровые фотоаппараты позволяют получать большой объем выборки, но недостатками являются низкая скорость съемки и невозможность увеличить изображение более чем в 3-4 раза. Говоря о низкой скорости съемки, мы понимаем следующее: временной интервал между двумя кадрами больше, либо равен временному интервалу изменения характеристик объекта изучения.
Видеозапись позволяет получать непрерывную выборку, с заданным интервалом дискретизации, изменений границ струи, позволяет учитывать изменение направления ветра, анализ изображений автоматизирован. Кроме этого к плюсам анализа видеоизображений следует отнести возможность фиксации изменения положения шлейфа несколькими камерами с нескольких точек, использование для анализа протяженного во времени и пространстве объекта, простота и мобильность.
Далее мы рассмотрим поведение аэрозольных шлейфов в атмосфере, а более подробное рассмотрение использование видеосъемки при анализе поведения аэрозольных шлейфов будет проведено в следующих главах.
Распространение примеси в атмосфере от точечных источников
В силу большой важности уравнения (1.55) рассмотрим область его применимости. Выражение (1.55) является уравнением первого порядка по t, и его решение однозначно определяется начальным значением 3(X,t0) = 90(Х), при фиксированных краевых условиях. Обозначим плотность вероятности p(X[x,t) символом p(X,tx,t0), тем самым подчеркивая ее зависимость от начального момента времени to. В этом случае соотношение (1.5) примет вид:
Полагая, что в выражении (1.56) &{X,tu) = 5{X -х) получим &{Х ,t) = р{Х ,t \ x,tu) при любых t to. Возьмем момент времени t t и используя (1.56) снова решим снова уравнение (1.55) для интервала времени от ti до t при начальном условии 3(Х, ) = p(X,tx jc,r0). В итоге получаем
В выражении (1-57) tl лежит в интервале t0 ti t. Уравнение (1.57) для плотности вероятности p(X,tx,to) случайной функции X(t) будет справедливо, если эта функция является марковской, т. е. такой, что условное распределение вероятностей для значения функции в момент времени t при условии, что известны ее значения в произвольные моменты времени tn t„_} ... fos будет зависеть только от последнего из этих значений X(to), но не от значений X(tj) с t; to. В теории марковских случайных процессов уравнение (1.57) называется уравнением Смолуховского. Для произвольной (не обязательно марковской) случайной функции X(t) при t0 ti t имеет место очевидное соотношение В выражении (1.58) первый множитель под знаком интеграла - условная плотность вероятности для X(t) при условии, что значения X(t])=X] и X(to)=x фиксированы. Формула (1.58) превращается в формулу (1.57), только если указанная плотность вероятности не зависит от значения X(t0)=x, а это означает, что случайная функция X(t) является марковской. Если случайная функция X(x,t) является марковской, то для плотности вероятности p(X\x,t) = p(X,t\x,t0) и для средней концентрации S(X,t) при общих условиях может быть получено дифференциальное уравнение вида (1.55). При некоторых общих условиях регулярности, налагаемых на переходную вероятность p(X,x,t) и гарантирующих, что марковская случайная функция X(t) будет непрерывной, Уравнение (1.60) совпадает с (1.55), если положить Vi-dKl}/dXj=ui. Смысл последнего равенства заключается в том, что величина Vt, являющаяся, согласно первой формуле (1.59), средней скоростью движения частицы примеси, в общем случае равна сумме скорости переноса Uj и дополнительной скорости dKv/dXj, связанной с тем, что в поле неоднородной турбулентности частицы примеси даже в отсутствие осредненного течения могут иметь тенденцию двигаться в определенном направлении. Подчеркнем, что у нас введено лишь понятие средней, но не мгновенной скорости движения частицы; мгновенная скорость в марковской модели не существует. Покажем это: предел который должен был бы иметь смысл среднего квадрата мгновенной скорости движения частицы в момент времени to в силу второго равенства (1.59) не может быть конечным при Kjj(x,t) 0 (так как средний квадрат длины пути, пройденного частицей за время от момента времени t0 до t= t0+x, при т- 0, согласно (1.59), имеет порядок т, а не т2). Невозможность определения мгновенной скорости движения —X(x,t) dt означает, что случайная функция X(x,t) недифференцируема. Как показывает практика, траектории «жидких частиц» таким свойством не обладают: функция X(x,t) при всех t дифференцируема по t и имеет первую и вторую производные. С этим связано и то, что дисперсии смещения «жидкой частицы» за очень малое время т на самом деле пропорциональны не т, а т . Функция X(x,t) не является марковской; например, плотности вероятности p(X,tjx,to) и p(X,tx,V0,t0) для величины X(t) при фиксированном значении X(to)=x и фиксированных значениях — -V0i которые для марковской функции должны совпадать, на самом деле различны. Однако если рассматривать функцию X(x,t) лишь на дискретном множестве моментов времени t=tn=to+nT, где шаг по времени х велик по сравнению с лагранжевым масштабом времени Т, то можно считать, что случайная последовательность X(x,tn) является марковской. В самом деле, приращения функции X(x,t) на непересекающихся интервалах времени длиной т»Т практически некоррелированы, и можно считать, что они также почти независимы, а случайная последовательность с независимыми приращениями является марковской. Дисперсии приращений функции X(x,t) на интервалах времени длиной т»Т, пропорциональны т, как это и должно быть при условиях (1.59). Таким образом, если бы вместо дифференциального уравнения (1.55) мы рассмотрели аналогичное разностное уравнение, соответствующее марковской последовательности X(x,tn), то оно уже соответствовало бы реальным свойствам движения «жидких частиц» в турбулентном течении. Следовательно, полуэмпирическое уравнение турбулентной диффузии (1.55) имеет смысл как дифференциальный аналог некоторого разностного по времени уравнения с шагом т»Т. Отсюда вытекает, что уравнение (1.55) можно использовать для описания поля 3(X,t) в фиксированный момент времени t, где to»T. Формулы для распределения примеси 3(X,t) или тех или иных характеристик этого распределения, получаемых при решении уравнения (1.55), можно рассматривать как асимптотические формулы, справедливые при to»T.
В практических задачах с диффузией примесей в атмосфере интерес представляет именно описание диффузии в масштабах, значительно превышающих лагранжев масштаб времени (который в приземном слое воздуха обычно имеет значения порядка секунд). Поэтому в этих задачах обычно используют полуэмпирическое уравнение турбулентной диффузии. Ставя условие, что турбулентное движение однородно в плоскостях X3=Z=const со средней скоростью u=U, направленной вдоль оси ОХ ОХ, получаем, что коэффициенты Кд- (как и все другое статистические характеристики турбулентности) могут зависеть только от координаты Z. В таком случае полуэмпирическое уравнение турбулентной диффузии (1-55) принимает вид Практическое применение уравнения (1.61) будет рассмотрено ниже.
Программный комплекс анализа видеоизображений аэрозольных шлейфов
В настоящее время во многих областях науки и техники ощущается потребность в переработке видеоинформации, то есть информации, которая может быть представлена в виде функции двух, трех и более переменных.
Часть задач исследователи решают традиционными методами предварительной переработки изображений: предварительная обработка, сегментация, распознавание образов [22]. Другая часть требует для своего решения особых методов и алгоритмов: обычно это задачи, ориентированные на анализ сцен и распознавание изображений.
Следует отметить, что традиционные методы предварительной обработки изображений, ранее игравшие основную роль, уступают место новым методам, таким, как: определение пространственных соотношений, выбор структуры видеоданных, сжатие видеоданных с целью их экономичного хранения, создание баз данных. Традиционные методы используются лишь в качестве вспомогательных.
Под обработкой изображений будем понимать такие преобразования, которые приводят изображения к виду, удобному для дальнейшей обработки с помощью компьютеров. Предварительная обработка изображений обычно включает: низкочастотная фильтрация (подавление шумов), изменение диапазона яркостей, коррекция геометрических искажений, выделение перепадов яркостей и границ. Зачастую исследователей интересует не само изображение, а та информация, которая в нем содержится. Извлечение этой информации и составляет цель дальнейшей обработки видеоинформации. Под анализом изображений понимают выделение из изображения неизобразительной информации. Анализ изображений включает в себя: выделение признаков на изображении, обнаружение и распознавание объектов, выделение и идентификацию текстур, анализ сцен [23]. Анализ изображения с точки зрения машинной обработки есть система, производящая на изображении измерение количественных данных(линейные размеры, координаты, местоположение), на основе которых и делается соответствующий вывод об изображении. Далее под анализом изображений мы будем понимать комплекс преобразований: разбиение изображения на части, выделение границ, преобразование яркостей, измерение различных количественных данных изображения. Понимание изображений в основном состоит из задач анализа сцен. Под описанием сцен будем понимать более простое, чем само изображение представление исходного изображения в некоторой неизобразительной форме. Для понимания изображения необходимо вначале выделить и классифицировать все объекты, находящиеся на изображении. Другими словами, под пониманием изображений понимается такая переработка видеоинформации, которая позволяет определить качественно и количественно пространственные соотношения между всеми объектами, на исходном изображении. Таким образом, все этапы переработки информации, предшествующие этапу понимания изображений: предварительная обработка, кодирование, сжатие, сегментация, классификация и распознавание образов, должны быть организованны так, чтобы наилучшим образом решалась конечная задача понимания изображений. Следует отметить, что видеосигнал, записанный на видеопленке, является непрерывным аналоговым сигналом. Для проведения анализа изображения на компьютере необходимо проводить преобразование аналогового сигнала в цифровой. Преобразование аналогового сигнала в цифровой состоит в отображении пространства аналоговых сигналов в конечное множество дискретного сигнала, то есть пространство сигналов разбивается на конечное множество подпространств, и в каждом подпространстве выбирается один принадлежащий ему сигнал представитель, так чтобы все остальные сигналы данного подпространства можно было в пределах заданной степени точности заменить этим сигналом представителем [47]. Таким образом каждому аналоговому сигналу в пространстве сигналов разбитому на отдельные кадры может быть сопоставлен соответствующий кадр. Такое разбиение пространства сигналов в литературе [48] называется обобщенным квантованием. Кадры на которые разбивается пространство сигналов иногда называют s-областями, тем самым подчеркивая, что для всех сигналов, принадлежащих данному подпространству, существует некоторый сигнал, отличающийся от остальных сигналов не более чем на некоторую достаточно малую величину є. Величина є обычно определяется требованиями к точности цифрового представления и задается с учетом поставленной задачи и особенностями процедуры компьютерной обработки сигнала. Более подробно обработка видеосигнала и выбор величины є будут описаны в следующих параграфах. На рисунке 2.1 цифрами обозначены: 1 - устройство записи видеоизображений - видеокамера JVC GR-SXM50E (SVHS), 2 - устройство записи видеоизображений - видеокамера SONY DCRRV730E (Hi-8), 3 -устройство записи и хранения видеоинформации - видеомагнитофон, 4 -устройство обработки и анализа видеоизображений - персональный компьютер с процессором Pentium III, 5 - устройство ввода и оцифровки видеосигнала V-тюнер AVerTV Studio 305, 6 - устройство вывода информации - монитор. Аналоговый видеосигнал с видеокамеры, поступает на АЦП видеокарты, и далее происходит запись цифровой последовательности в AVI-формате на винчестер. Скорость смены кадров может варьироваться от 1 до 25 кадров в секунду при размере 24-битного изображения 720 на 540 точек. Для ввода видеоинформации в компьютер используется стандартный процедура видеозахвата, входящая в комплект поставки TV-тюнера. При этом собственно процесс обработки и анализа видеоизображений аэрозольных шлейфов предваряет преобразование исходного видео в цифровой сигнал и его запись на жесткий диск компьютера. Существенное значение в данном случае приобретает требуемое качество видео, но само понятие качества и тем более его оценка весьма субъективны[49]. В работе мы будем опираться на классификацию качества видео, обеспечиваемого камерами различных форматов записи на магнитную ленту. Весьма условно здесь можно разделить на следующие уровни[50]: Стандартное Видео - Video (VHS, C-VHS, VideoS), Супер-Видео - S-Video (SVHS, C-SVHS, Hi8). Количественно они обычно характеризуются горизонтальным разрешением (числом различаемых в строке элементов - телевизионных линий). Считается, что Video обеспечивает разрешение до 280 линий, a S-Video — до 400 линий, что показывает, что видеокамеры формата S-Video превосходят обычные камеры в 1,5 раза по качеству. Важно отметить, что телевизионный кадр (здесь и далее описывается PAL стандарт) содержит 576 активных строк (всего их 625, но часть из них служебные), причем согласно рекомендации ITU-R ВТ.601 международного профессионального телевизионного сообщества (ITU — International Telecommunications Union) каждая строка содержит 720 независимых отсчетов[51]. Таким образом, принципиально телевизионный кадр представляет собой матрицу 720x576.
Двухпозиционная схема визирования
Захват видеосигнала осуществляется следующим образом: видеокамера подключается к TV-тюнеру, запускается приложение Aver Media, выбираются следующие настройки: размер изображения 720x540 точек, частота смены кадров 25 кадров в секунду, звук 44 Гц (моно), определяется имя файла, и после этого запускается операция захвата. Отметим, что захват осуществляется под управлением операционной системы Windows 2000, которая позволяет записывать видеофайлы любого объема. Так как сжатие видеоизображения на этом этапе не производится (чтобы исключить потери информации) то 30 минутный фильм занимает объем порядка 35 Гб. После записи видеопоследовательности на жесткий диск персонального компьютера, исходный AVI-файл, содержащий видеопоследовательность, разбивается на отдельные графические файлы кадры исходной видеопоследовательности. Для этого используется программа AVI-Edit 3.0 Александра Милюкова. После этого, если качество изображения приемлемое, т.е. удовлетворяет условию (о чем будет сказано ниже) кадры преобразуются в 8-битные (в 256 градаций серого) изображения и далее происходит дальнейшая обработка и анализ сигнала. Если же качество неприемлемо для обработки, происходит разбиение цветного изображения по каналам - красный, зеленый, синий. После этого проверяется соответствие изображениям в каналах поставленному условию. Как показывает практика, наибольшую информативность несет синий канал. Обработка и анализ одиночных изображений производится с помощью оригинальных алгоритмов и программного комплекса «КАВИАШ» (Комплекс анализа видеоизображений аэрозольных шлейфов), разработанных в рамках исследований. Общий алгоритм преобразования исходной видеопоследовательности в динамическое изображение, удобное для анализа информации о дисперсии примеси и коэффициентов турбулентности представлен на рисунке 2.2. Как было указано выше, используемая в экспериментальной установке видеокарта позволяет оцифровывать цветные кадры глубиной цветности 24 бит, т.е., получать изображение из 16 млн. цветов. Это означает, что на каждый цветовой канал (красный (R), синий (G), зеленый (В)) приходится по 8 бит. Для получения яркостей черно-белого графического изображения используется следующее соотношениие: где (ху) координаты точки изображения, Yxy(/)- яркости / - го графического изображения; Rxo,(0, Gx y(0, Вху(/) - градации яркости і - го кадра видеопоследовательности соответственно в R, G, В — каналах.
Но следует отметить, что хотя после такого преобразования объем файлов и уменьшается в три раза, но общий объем изображений занимает много места на жестком диске компьютера. Поэтому следует предпринять меры по уменьшению объема занимаемой информации. Один из способов - сегментация изображения.
Сегментация - это разбиение исходного изображения на области, каждая из которых удовлетворяет некоторому критерию схожести[24]. Одной из целей сегментации является удаление не используемой в дальнейшем «лишней» информации. В качестве критерия схожести обычно выбирается один из признаков изображения. С одной стороны, выбранные признаки должны в наибольшей степени отражать все те свойства объектов, которые важны для прослеживания, т.е. ширина шлейфа, изменение геометрических границ струи во времени. С другой стороны, с увеличением числа признаков быстро возрастают вычислительная сложность, временные затраты на измерение необходимых характеристик объектов. Сокращение количества признаков уменьшает затраты на проведение вычислений, но может привести к снижению достоверности прослеживания. Таким образом, одновременное достижение минимума количества признаков и максимума достоверности прослеживания оказывается, как правило, невозможным, и, следовательно, одной из основных задач сегментации является выбор из множества признаков оптимального набора признаков, обеспечивающего требуемый по условиям решаемой задачи уровень достоверности прослеживания и минимизирующего затраты на проведение вычислений.
Для этих целей целесообразней всего привлекать аппарат математической статистики, но практическое применение статистических методов требует заведомого упрощения и наложения определенных ограничений[48]. Следует отметить, что применение статистического анализа для прослеживания признака позволяет избавиться от недостатков, присущих методам низшего порядка, и способно обеспечить высокое качество прослеживания[52].
В качестве критерия схожести будем использовать оптические свойства углеродных частиц, а они в основном составляют аэрозольные шлейфы от промышленных предприятий[53]. Аэрозольные шлейфы распространяются в пограничном слое атмосферы, и при съемке видеокамерой в основном фиксируются на контрастном фоне. Для определения критерия сегментации мы строим гистограмму яркости изображения (рисунок 2.3).
Гистограмма яркости изображения Как ясно видно, на гистограмме будет присутствовать два пика, соответствующих яркостям аэрозольного шлейфа и яркости фона — неба. Между этими пиками будет находится впадина в которой мы будем выбирать пороговую яркость. После этого используя значение пороговой яркости разбиваем изображение на две области - область аэрозольного шлейфа и все остальное. Следует отметить, что кроме аэрозольного шлейфа на преобразованное изображение попадут некоторые статические объекты (например труба промышленного предприятия), которые в процессе дальнейшей обработки необходимо будет удалить. Данное преобразование изображения носит название метода мод. Пороговую яркость на гистограмме подбирается опытным путем, проводится сегментация по порогу для нескольких яркостей, после чего выбирается яркость, дающая наилучшие результаты, и проводится преобразование всего массива данных в черно-белые изображения. Для длительного хранения черно-белых файлов с информацией о геометрических параметрах шлейфа целесообразно преобразовывать их в бинарный файл. В данном файле низкому уровню сигнала будет соответствовать значение яркости фона (белый), а высокому - значение яркости шлейфа (черный).
Таким образом, преобразование цветных кадров в бинарный файл без обрезания его по края позволяет уменьшить его объем в 24 раза, по сравнению с исходным. Данное преобразование является кодированием с потерей информации, но информация о геометрических характеристиках шлейфа не теряется. Кроме этого, следует отметить, что кадры исходной видеопоследовательности в достаточной степени коррелируют между собой и некоторые из них несут избыточную информацию. Удаление файлов с избыточной информацией приведет к преобразованию исходной видеопоследовательности в динамическое изображение[48] и позволит уменьшить общее количество файлов и объем ими занимаемый. Подробнее об этом будет рассказано ниже.
Похожие диссертации на Статистические методы обработки и анализа видеоизображений аэрозольных шлейфов в пограничном слое атмосферы
