Содержание к диссертации
Введение
1. Обзор состояния вопроса по методам обработки видеоизображений 20
1.1. Обзор методов обработки видеоизображений априори известных объектов 20
1.2. Состояние вопроса в области обработки контуров видеоизображений объектов 34
1.3. Контурный анализ видеоизображений объектов 52
1.4. Обсуждение результатов и конкретизация задач диссертационного исследования 55
2. Исследование спектральных и корреляционных свойств видеоизображений объектов заданных в виде непрерывных контуров 58
2.1. Математическая модель непрерывного контура 58
2.2. Спектральный анализ непрерывных контуров 62
2.2.1. Ортогональный базис 62
2.2.2. Разложение произвольного непрерывного контура 64
2.2.3. Особые свойства спектров непрерывных контуров, связанные с их замкнутостью, комплекснозначностью и непрерывностью 68
2.3. Влияние искажений на вид спектра контура 72
2.4. Корреляционный анализ непрерывных контуров 76
2.5. Обсуждение результатов 79
3. Обработка и распознавание видеоизображений объектов заданных в виде непрерывных контуров 81
3.1. Основные соотношения при линейной фильтрации видеоизображений объектов заданных в виде непрерывных контуров 81
3.2. Простейшие фильтры непрерывных контуров 83
3.3. Согласованная фильтрация видеоизображений объектов заданных в виде непрерывных контуров с априори известной формой 86
.3.1. Основные аналитические соотношения 86
3.3.2. Свойства согласованного фильтра 90
3.3.3. Согласованная фильтрация зашумленного непрерывного контура 94
3.4. Оценка параметров линейных преобразований непрерывных контуров 99
3.5. Распознавание видеоизображений реперных знаков априори заданной формы 103
3.6. Выводы 108
4. Разработка алгоритма распознавания видеоизображений объектов заданной формы и исследование её эффективности 110
4.1. Алгоритм распознавания видеоизображений объектов априори заданной формы контуров 110
4.2. Примеры решения прикладных задач распознавания видеоизображений объектов заданной формы на основе анализа их контуров 119
4.3. Исследование эффективности распознавания видеоизображений объектов априори заданной формы в виде контуров 128
4.3.1. Расчёт и исследование характеристик распознавания видеоизображений объектов априори заданной формы в виде контуров 128
4.3.2. Исследование вычислительных затрат при решении задачи распознаваний видеоизображений заданной формы 135
4.4. Выводы 138
Заключение 140
Список литературы
- Состояние вопроса в области обработки контуров видеоизображений объектов
- Особые свойства спектров непрерывных контуров, связанные с их замкнутостью, комплекснозначностью и непрерывностью
- Согласованная фильтрация видеоизображений объектов заданных в виде непрерывных контуров с априори известной формой
- Примеры решения прикладных задач распознавания видеоизображений объектов заданной формы на основе анализа их контуров
Введение к работе
Актуальность работы. В общем случае радиотехническая система решает задачи обнаружения, оценки параметров, распознавания и разрешения принятых сигналов. При известной форме входного сигнала в условиях действия координатных и яркостных шумов для решения перечисленных задач принято использовать оптимальные решающие устройства – согласованные фильтры. Как известно, эффективность работы оптимального обнаружителя определяется энергией этого сигнала и не зависит от его внутренней структуры. При решении последующих задач – оценки параметров, распознавания и разрешения свойства используемого сигнала оказывает существенное влияние на получаемый результат.
Для современного этапа развития радиотехнических систем характерно стремительное возрастание объема видеоинформации, что предъявляет повышенные требования к скорости обработки видеоизображений, их компактному представлению для передачи по каналам связи и хранению, к качеству восстановления видеоизображений и т.д. Примером могут служить системы цифрового телевидения, охранные системы, системы мониторинга (системы распознавания номерных знаков, системы распознавания лиц, системы слежения за объектами и т.д.), медицинские диагностические системы. Необходимость выполнения этих требований стимулирует появление новых и совершенствование известных методов обработки видеоизображений.
Применение методов обработки видеоизображений, в которых
присутствуют априорно известные объекты (реперные знаки,
шероховатости поверхности подложек микросхем и т.д.), в системах
видеоконтроля компонентов радиоэлектронной аппаратуры, в медицинских
диагностических системах, телеметрии и т.д. дает возможность
автоматизировать процессы сбора и обработки видеоинформации и
получить более высокую достоверность результатов контроля. Для
обнаружения и распознавания видеоизображений объектов с априори
известной формой применяют различные методы обработки. Важнейшие
результаты в области обработки и распознавания изображений получены
отечественными учеными: Сойфером В.А., Журавлевым Ю.И.,
Бакутом П.А., Фурманом Я.А., а также зарубежными авторами: Pratt W.K, Roberts L.G., Sobel I.E. и др.
Разработка новых методов и алгоритмов обработки видеоинформации в системах телевидения идет в сторону повышения эффективности решения основных задач радиотехники.
Одним из методов обработки видеоизображений объектов априори
известной формы является метод анализа контуров. Контуры
видеоизображений полностью характеризуют их форму и позволяют создать простые аналитические описания. Рассмотрение контуров видеоизображений как комплекснозначных сигналов и представление их в линейном комплекснозначном пространстве позволяет получить меру
близости двух контуров в виде их скалярного произведения, инвариантную к преобразованиям переноса, поворота и масштабирования. При этом возникает задача оценки эффективности работы радиотехнических устройств распознавания видеоизображений объектов с априори известной формой с применением элементов контурного анализа. Также стоит отметить: синтез и анализ сигналов, наряду с методами их обработки, является одной из важнейших задач радиотехники, применительно к различным областям науки и техники.
Научная проблема, на решение которой направлена диссертационная работа, заключается в том, что на сегодняшний день не исследованы характеристики распознавания видеоизображений объектов с априори известной формой на основе анализа контуров, что затрудняет оценку качества работы и возможность сравнения существующих и вновь создаваемых телевизионных систем.
Цель и задачи работы.
Целью диссертационной работы является разработка и исследование методики и алгоритма распознавания видеоизображений объектов с априори известной формой и оценки эффективности их распознавания при использовании метода анализа контуров в системах передачи телевизионных изображений. Для достижения поставленной цели в диссертационной работе необходимо решить следующие задачи:
-
Исследовать спектральные свойства видеоизображений объектов с априори известной формой заданных в виде непрерывных контуров.
-
Разработать методику линейной, в том числе согласованной, фильтрации видеоизображений объектов с априори известной формой заданных в виде непрерывных контуров в системах передачи телевизионных изображений.
-
Разработать методику распознавания видеоизображений объектов заданных в виде непрерывных контуров в телевизионных системах передачи изображений.
-
Исследовать вопросы дискретизации непрерывных контуров видеоизображений компонентов радиоэлектронной аппаратуры и медико-биологических объектов.
Объект исследования: система передачи, обнаружения и распознавания телевизионных изображений.
Предмет исследования: разработка методики и алгоритмов обработки видеоизображений объектов заданной формы, исследование эффективности разработанных алгоритмов.
Научная задача исследования: разработка и исследование методов и алгоритмов обработки видеоизображений объектов с априори известной формой на основе контурного анализа в системах передачи телевизионных изображений при наличии помех.
Методы исследований. Для решения поставленных в диссертационной работе задач были использованы методы контурного анализа, распозна-
вания образов и цифровой обработки сигналов, оптимального приёма, теории функции комплексного переменного, теории вероятностей и математической статистики, численные методы и методы математического моделирования.
Достоверность результатов исследований. Обоснованность и достоверность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих методик и алгоритмов, а также итогами вычислительного эксперимента и компьютерного моделирования.
Теоретические положения, установленные в работе, обосновываются последовательным и корректным применением математического аппарата при получении выводов из исходных посылок, а также аналитической проверкой этих посылок и выводов результатами систематического исследования.
Достоверность результатов экспериментального исследования обеспечена их согласованностью с результатами теоретического исследования и воспроизводимостью на объемах экспериментального материала.
Новизна научных результатов.
-
Выявлены особенности спектров непрерывных контуров видеоизображений объектов с априори известной формой, связанные с их ком-плекснозначным характером и замкнутостью. Определено влияние нелинейных искажений изображений объекта с априори известной формой на спектр его контура.
-
Разработана методика линейной, в том числе согласованной, фильтрации непрерывных контуров, заданных в виде замкнутых комплексно-значных функций, обеспечивающая возможность формирования достаточной статистики для распознавания объектов интереса с априори известной формой при неизвестных параметрах линейных преобразований масштабирования и поворота.
-
Получены характеристики распознавания видеоизображений объектов заданных в виде окружности, характеризующие эффективность распознавания и обеспечивающих возможность сравнения существующих и вновь создаваемых радиотехнических систем распознавания видеоизображений компонентов радиоэлектронной аппаратуры и медико-биологических объектов на основе анализа их контуров.
-
Разработаны рекомендации по дискретизации непрерывных контуров видеоизображений объектов с формой в виде окружности. Показано, что минимально допустимое количество элементов контура определяется требуемым качеством распознавания при заданном уровне отношения сигнал/шум.
Практическая ценность работы.
Рассмотрение контуров в виде непрерывных функций, полученных из непродискретизированных изображений, позволяет снять ограничение на возможность применения методов контурного анализа, связанное с количе-
ством пикселов в составе изображения. Это позволит реализовать радиотехнические системы с потенциально достижимыми характеристиками. Выработана рекомендация по выбору минимально допустимого количества элементов контура видеоизображения заданного в виде окружности исходя из требуемого качества распознавания и уровня отношения сигнал/шум. Использование алгоритма распознавания контуров видеоизображений заданной формы на основе контурного анализа позволяет сократить объем вычислительных затрат в среднем на 2 порядка, по сравнению с корреляционно-экстремальным методом.
Внедрение результатов работы. Теоретические и практические результаты диссертационной работы использованы при разработке изделий на ОАО «Концерн ПВО «Алмаз-Антей» ОАО «Марийский машиностроительный завод» (подтверждено актом о внедрении).
Результаты диссертационной работы использованы в НИР, выполненных по следующим грантам и научным программам (подтверждено актом о внедрении):
-
грант РФФИ, проект №08-01-12000 офи, «Разработка методов и создание информационной технологии визуализации и сравнительного анализа сопряженных пространственных статических и динамических сцен», 2008 – 2009 г;
-
НИР №8.1068.2011«Разработка теоретических подходов к обработке непрерывных контуров изображений» в рамках государственного задания на 2012 г.
Также внедрены в учебный процесс по специальности 210302.65 – «Радиотехника» при изучении дисциплины «Цифровая обработка радиотехнических сигналов»; по специальности 210405.65 – «Радиосвязь радиовещание и телевидение» при изучении дисциплин «Обработка сигналов на базе сигнальных процессоров»; по специальности 200400.65 – «Инженерное дело в медико-биологической практике» при изучении дисциплин «Обработка изображений медико-биологических объектов» (подтверждено актом о внедрении).
Личный вклад автора.
В работах [1, 5, 11] соискателем предложена методика линейной фильтрации непрерывных контуров видеоизображений; в работах [2, 3, 13, 14] автор исследовал вопросы распознавания непрерывных контуров видеоизображений, а так же получил характеристики помехоустойчивости распознавания; в работах [5, 7, 12] автором предложены средства и программная реализация алгоритмов обработки и распознавания непрерывных контуров видеоизображений; в работах [10, 12, 13, 15] автором исследуются спектральные и корреляционные характеристики непрерывных контуров видеоизображений.
Апробация работы. Результаты работы докладывались и обсуждались на Тринадцатой Международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика»,
(Москва, 2007; 8th International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-8-2007) (Yoshkar-Ola, 2007); Международной молодежной научной конференции «Туполевские чтения -XVII» (Казань, 2009); Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (Биомедсистемы-2010) (Рязань, 2010); 10th International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-10-2010) (St. Petersburg, 2010); Всероссийской научно-практической конференции с международным участием «Информационные технологии в профессиональной деятельности и научной работе» (Йошкар-Ола, 2011); X и XI международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Распознавание – 2012, 2013) (Курск, 2012, 2013); на ежегодных научных конференциях по итогам НИР ПГТУ (МарГТУ) и научных семинарах кафедры радиотехнических и медико-биологических систем ПГТУ (МарГТУ) (2009– 2013).
Публикации. По теме диссертации опубликовано 16 работ. Из них 4 работы опубликованы в рецензируемых научных журналах, рекомендованных перечнем ВАК, 2 свидетельства о государственной регистрации программы для ЭВМ, 2 статьи в рецензируемых научно-технических журналах, 7 работ содержатся в сборниках материалов научных конференций, соавтор 1 депонированной монографии.
Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, библиографического списка и двух приложений. Она изложена на 155 страницах машинописного текста (без приложений), содержит 64 рисунка, 2 таблицы, библиографический список включает 119 наименований.
На защиту выносятся:
-
Методика оценки нелинейных искажений видеоизображения объекта заданного в виде окружности на основе анализа спектра его контура.
-
Методика распознавания видеоизображений объектов с априори известной формой на основе анализа его контура, заданной в виде ком-плекснозначной непрерывной замкнутой функции, обеспечивающая инвариантность к преобразованиям масштабирования и вращения изображений, а также к нелинейному преобразованию изменения угла обзора.
-
Характеристики распознавания видеоизображений объектов, характеризующие эффективность распознавания объектов заданных в виде окружности и обеспечивающих возможность сравнения систем распознавания изображений на основе анализа их контуров.
-
Методика выбора минимально допустимого количества элементов контура видеоизображения объектов с формой в виде окружности, обеспечивающая достижение заданной вероятности правильного распознавания при фиксированном отношении сигнал/шум.
Состояние вопроса в области обработки контуров видеоизображений объектов
Разработка новых методов и алгоритмов обработки видеоинформации в системах телевидения идет в сторону повышения эффективности решения основных задач радиотехники.
Одним из методов обработки видеоизображений объектов априори известной формы является метод анализа контуров. Контуры видеоизображений полностью характеризуют их форму и позволяют создать простые аналитические описания. Рассмотрение контуров видеоизображений как комплекснозначных сигналов и представление их в линейном комплекснозначном пространстве позволяет получить меру близости двух контуров в виде их скалярного произведения, инвариантную к преобразованиям переноса, поворота и масштабирования. При этом возникает задача оценки эффективности работы радиотехнических систем распознавания видеоизображений объектов с априори известной формой с применением элементов контурного анализа. Также стоит отметить: синтез и анализ сигналов, наряду с методами их обработки, является одной из важнейших задач радиотехники, применительно к различным областям науки и техники.
Существенное влияние на возможность применения методов контурного анализа оказывает количество пикселов в составе видеоизображения объекта. С уменьшением числа пикселов из-за искажения формы шумами дискретизации падает отношение сигнал/шум. Маскирующее влияние шумов дискретизации приводит к потере отдельных, в первую очередь, мелких деталей изображений, т.е. к потере информативных признаков формы в их контурах. Необходимое количество пикселов связано с шириной спектра контура и должно выбираться исходя из теоремы Котельникова. Однако в целом ряде случаев оно определяется возможностями программируемого процессора изображений и применяемых датчиков изображений.
В большинстве случаев видеоизображение можно рассматривать как часть плоскости, разделенную на области с постоянными или меняющимися по некоторому закону параметрами, например, оптической плотностью, цветом, текстурой. Известно также, что контуры видеоизображений объектов часто можно считать наиболее информативной частью их представления [1-5, 7, 9-13]. В процессе анализа видеоизображений контуры обычно описываются в виде последовательности точек или отрезков прямых, а в большом количестве приложений криволинейные элементы видеоизображений в виде сплайнов, кривых Безье и т.п. [20-23].
В работе [18] отмечается: «Понятие непрерывной кривой на плоскости (в пространстве) является одним из понятий, интуитивно кажущихся простыми, но фактически очень сложно определяемых. В разные периоды развития математики крупнейшие представители этой области человеческих знаний по-разному определяли непрерывную кривую. Каждое новое определение исходило из потребностей практической деятельности человека, а также уровня знаний соответствующей эпохи». Потребности настоящего времени тесно связаны с необходимостью создания и массового использования средств обработки визуальной информации, представленной в дискретном виде. Одной из основных проблем обработки визуальной информации является искусственная идентификация или интерпретация видеоизображений.
В работах [5, 8, 74, 87-93, 96] рассмотрены подходы к обработке видеоизображений, основанные на анализе контуров видеоизображений, которые содержат информацию о форме объекта, его масштабе и угловом положении. Контуры видеоизображений полностью характеризуют их форму и позволяют создать простые аналитические описания, инвариантные к переносу, повороту и масштабированию изображений. Рассмотрение контуров видеоизображений как комплекснозначных сигналов и представление их в линейном комплекснозначном пространстве позволяет получить меру близости двух контуров в виде их скалярного произведения, инвариантную к преобразованиям переноса, поворота и масштабирования.
Научная проблема, на решение которой направлена диссертационная работа, заключается в том, что на сегодняшний день не исследованы характеристики распознавания видеоизображений объектов с априори известной формой на основе анализа контуров, что затрудняет оценку качества работы и возможность сравнения существующих и вновь создаваемых телевизионных систем.
Цель и задачи работы.
Целью диссертационной работы является разработка и исследование методики и алгоритма распознавания видеоизображений объектов с априори известной формой и оценки эффективности их распознавания при использовании метода анализа контуров в системах передачи телевизионных изображений. Для достижения поставленной цели в диссертационной работе необходимо решить следующие задачи: 1. Исследовать спектральные свойства видеоизображений объектов с априори известной формой заданных в виде непрерывных контуров. 2. Разработать методику линейной, в том числе согласованной, фильтрации видеоизображений объектов с априори известной формой заданных в виде непрерывных контуров в системах передачи телевизионных изображений. 3. Разработать методику распознавания видеоизображений объектов заданных в виде непрерывных контуров в телевизионных системах передачи изображений. 4. Исследовать вопросы дискретизации непрерывных контуров видеоизображений компонентов радиоэлектронной аппаратуры и медико-биологических объектов.
Особые свойства спектров непрерывных контуров, связанные с их замкнутостью, комплекснозначностью и непрерывностью
Произведен обзор систем передачи, обработки и распознававния телевизионных изображений. Показано, что стремительный возрастание объема видеоинформации, скорости обработки и т.д., стимулирует появление новых и совершенствование известных методов обработки изображений в системах телевидения. Произведён обзор методов обработки видеоизображений априори известных объектов в различных системах обработки видеоизображений. Было показано, что для поиска объектов интереса в пространстве используют специальные реперные знаки - эталоны (задачи оценки шероховатости поверхности подложек микросхем, в медицинских задачах диагностики, и т.д.). Для поиска объекта интереса решают задачу определения принадлежности входного видеоизображения к одному из хранимых эталонных изображений объектов. Одним из удобных методов хранения эталонов, является их представление в виде контура, что позволяет сэкономить память ЭВМ. Были рассмотрены различные методы анализа контуров реперных знаков. В работе [5] рассмотрен подход к обработке сложных сцен, основанный на обработке незначительного числа элементов сцены с высокой концентрацией информации об изображениях объектов. Эти элементы относятся к контурам видеоизображений, которые содержат информацию о масштабе, угловом положении и форме объекта. Достоинство методов контурного анализа в задачах обработки видеоизображений и распознавания зрительных образов заключается в возможности решения этих задач с единых теоретических позиций теории сигналов. Контуры видеоизображений полностью характеризуют их форму и позволяют создать простые аналитические описания, инвариантные к переносу, повороту и масштабированию изображений. Рассмотрение контуров видеоизображений как комплекснозначных сигналов и представление их в линейном комплекснозначном пространстве позволяет получить меру близости двух контуров в виде их скалярного произведения, инвариантную к преобразованиям переноса, поворота и масштабирования. При этом на основании значения самого скалярного произведения можно оценить угол поворота и коэффициент масштабирования.
Существенное влияние на возможность применения методов контурного анализа оказывает количество пикселов в составе видеоизображения объекта. С уменьшением числа пикселов из-за искажения формы шумами дискретизации падает отношение сигнал/шум. Маскирующее влияние шумов дискретизации приводит к потере отдельных, в первую очередь, мелких деталей изображений, т.е. к потере информативных признаков формы в их контурах. Необходимое количество пикселов связано с шириной спектра контура и должно выбираться исходя из теоремы Котельникова. Однако в целом ряде случаев оно определяется возможностями программируемого процессора изображений и применяемых датчиков изображений [58-68].
Шум пространственной дискретизации является мультипликативной помехой, среднеквадратичное значение которой прямо пропорционально значению сигнала. Из этого следует, что отношение сигнала к среднеквадра 57
тичному значению шума пространственной дискретизации не зависит от величины сигнала и, значит, от яркости изображения объекта. Вместе с тем, качество видеоизображения и, в частности, вероятности правильного обнаружения и опознавания видеоизображения объекта определяются суммарным уровнем шума, который кроме шума пространственной дискретизации включает в себя другие составляющие. Таким образом, чем больше шум пространственной дискретизации, тем меньше может быть допущен шум от других источников для того, чтобы общий уровень шума не превысил допустимое значение [19].
Для устранения перечисленных выше недостатков предлагается рассматривать контуры в виде непрерывных функций, полученных из непроди-скретизированных видеоизображений.
Таким образом, для достижения цели диссертационного исследования необходимо решить следующие задачи: 1) исследование спектральных свойств видеоизображений объектов с априори известной формой заданных в виде непрерывных контуров; 2) разработка методики линейной, в том числе и согласованной, фильтрации видеоизображений объектов с априори известной формой заданных в виде непрерывных контуров в системах передачи телевизионных изображений; 3) разработка методики распознавания видеоизображений объектов заданных в виде непрерывных контуров телевизионных систем передачи изображений; 4) исследование вопросов дискретизации непрерывных контуров видеоизображений компонентов радиоэлектронной аппаратуры и медико-биологических объектов.
Согласованная фильтрация видеоизображений объектов заданных в виде непрерывных контуров с априори известной формой
Рассмотрим работу алгоритма распознавания зашумленных непрерывных контуров видеоизображений на примере двух классов. Пусть Xл\ = Щ1)l)п L и X2) = Ш2)l)п L непрерывные контуры соответственно классов Aу и A2. На устройство распознавания подается либо зашумленный контур первого класса, равный Yn\ = Xх-? + Z, либо второго класса, равный
Если на вход распознающего устройства подается зашумленный контур из некоторого алфавита объемом M классов, то алгоритм распознавания предусматривает многоканальную по числу классов процедуру. В каждом канале находится фильтр, согласованный с эталонным контуром соответствующего класса, и экстремальное устройство, вырабатывающее мгновенное значение с максимальным модулем. Далее отмечается канал, модуль мгновенного значения на выходе которого превышает модули выходных сигналов остальных каналов. Если величина максимального модуля больше порогового значения, то распознаваемый контур относится к классу, номер которого равен номеру канала.
В качестве видеоизображений объектов будем использовать окружности, так как изменение их формы при различных искажениях легче спрогнозировать.
Для распознавания контуров используем согласованный фильтр, обеспечивающий образование количественной меры схожести между фильтруемым и эталонным контурами.
На рис. 3.3 представлен результат выделения и распознавания контуров видеоизображений при отсутствии искажений. В контурной сцене у каждого 105 контура указаны координаты начальной точки в плоскости кадра и площадь, которая в дальнейшем может использоваться для определения расстояния.
Также стоит отметить, что в результате различных искажений, в том числе перспективных (связанные с типом используемого датчика или с типом поверхности, на которой расположен объект), форма круга часто преобразуется в форму овала, что тоже является дополнительной информацией. Предложенная методика позволяет оценить степень этих искажений.
Разработана, на базе контурного анализа, методика линейной фильтрации видеоизображений объектов, заданных в виде непрерывных контуров с априори известной формой, в системах передачи телевизионных изображений при наличии помех. Контурный согласованный фильтр производит вычисление ВКФ эталонного и фильтруемого контуров. Он позволяет определить количественную меру схожести двух плоских форм. ИХ фильтра воспроизводит в обратном направлении обхода зеркально отраженный относительно горизонтальной оси эталонный контур со смещенной начальной точкой. Частотный коэффициент передачи фильтра с точностью до фазового множителя повторяет комплексно сопряженный спектр контура, с которым он согласован. Каждый отчет КСФ представляет собой скалярное произведение эталонного и фильтруемого контуров с циклическим сдвигом начальной точки одного из контуров. Последний, (L-1)-й отчет есть скалярное произведение эталонного контура и контура, с которым фильтр согласован при совпадении начальных точек. В этот момент выходной сигнал равен норме эталонного контура. Механизм работы КСФ заключается в компенсации углов поворота ЭВ, квадрирования его модуля с последующим арифметическим сложением всех ЭВ. В результате синхронного накопления происходит «выпрямление» ломаной линии контура, с которым фильтр согласован. Полученный при этом суммарный вектор имеет квадрат модуля, равный квадрату нормы всего контура, т.е. максимально возможную энергию. Если же формируется несогласованный с фильтром контур, компенсация углов поворота его ЭВ отсутствует. В результате ЭВ имеют произвольные аргументы и модуль вектора их суммы всегда меньше суммы модуля его ЭВ. Поэтому энергия выходного сигнала фильтра в этом случае будет меньше, чем при фильтрации согласованного контура.
Модуль нормированного выходного отчета КСФ инвариантен к линейным преобразованиям фильтруемого контура и достигает максимального значения, равного единице, лишь при прохождении через фильтр согласованного с ним контура.
Исследовано влияние нелинейных искажений видеоизображений объектов в виде окружности на величину нормированного значения максимального отклика согласованного фильтра. Показано, что независимо от угла зрения искажение круга приводит к изменению его формы в овал.
Примеры решения прикладных задач распознавания видеоизображений объектов заданной формы на основе анализа их контуров
Разработаны алгоритмы обработки и распознавания непрерывных контуров видеоизображений, составляющие основу программного комплекса по обработке непрерывных элементарных контуров [101]. На основе предложенной методики решалась задача распознавания видеоизображений заданной формы для прикладных задач: исследование части керамической поверхности подложек микросхем, решение диагностических и лечебных задач, поиск дефектов пиломатериалов.
Представлены результаты моделирования непрерывных контуров видеоизображений. Произведен расчет вероятности правильного распознавания Pпр видеоизображений объектов, заданных в виде непрерывного контура.
Показано, что снижение вероятности Рпр при распознавании связанное с увеличением количества М классов, объясняется возрастанием количества параллельно работающих каналов, для каждого из которых может быть принято ошибочное решение. Так при отношении сигнал/шум q = 0,045 увеличение количества классов М с 5 до 15 ведет к снижению вероятности правильного распознаванияРпр с 0,8 до 0,6. Были получены характеристики распознавания непрерывных контуров видеоизображений, характеризующие эффективность распознавания. Исследованы вопросы дискретизации непрерывных контуров видеоизображений объектов с формой в виде окружности. По результатам распознавания были выработаны рекомендации по параметру дискретизации контуров видеоизображений объектов с заданной формой в виде окружности. Так при отношении сигнал/шум д=0,5 вероятность правильного распознавания для непрерывного контура равна 1, а для дискретного контура, при s = 5, равна 0,67.
Проведен сравнительный анализ трудоемкости, выраженной в количестве элементарных операций умножения и сложения, процесса распознавания контуров изображений заданной формы на основе предложенной в диссертационной работе методики и корреляционно-экстремального метода. Показано, что при размере изображения 300x300, требуемый объем вычислительных затрат 3,7-10 , в то время как при использовании корреляционно-экстремального метода составил 3,4-10 . Применение предложенного метода будет актуально в радиотехнических системах реального времени, требующие ограниченное время на принятие решения.
В ходе проведения исследований в диссертационной работе получены следующие основные научные результаты.
1. Исследованы вопросы спектрального анализа непрерывных контуров изображений объектов с априори известной формой и выявлены особенности спектров, связанные с комплекснозначным характером и замкнутостью контуров. Получено, что спектр комплекснозначного сигнала, в отличие от спектра вещественного сигнала, в общем случае, не обладает свойством сопряженной симметрии.
Наиболее важным для приложений следствием замкнутости линии контура является равенство нулю нулевой компоненты его спектра. Замкнутость линии исходного контура не связана с замкнутостью контура, образуемого компонентами спектра. Если нулевой ЭВ исходного контура не равен нулю, что чаще всего имеет место, то контур спектра всегда разомкнут. Показано, что любые два контура из полного семейства непрерывных элементарных контуров являются ортогональными и поэтому непрерывные элементарные контуры образует базис, по которому может быть разложен произвольный непрерывный контур.
Автокорреляционная функция элементарного контура Xт представляет собой измененный в масштабе и комплексно-сопряженный контур Xт, а взаимно корреляционная функция везде равна нулю, за исключением случая, когда т = п, т.е. когда она переходит в АКФ. Элементарные непрерывные контуры, образующие ортонормированный базис, периодичны с периодом L и представляют собой окружности радиусом 1/VL . Исследовано влияние нелинейных искажений на вид спектра контуров на примере видеоизображения окружности. Получено, что при сжатии контура в спектрограмме появляется ярко выраженная вторая гармоника, причем, чем больше коэффициент сжатия, тем больше ее уровень.
2. Разработана, на базе контурного анализа, методика линейной фильт рации видеоизображений объектов, заданных в виде непрерывных контуров с априори известной формой, в системах передачи телевизионных изображе ний при наличии помех. Исследованы вопросы согласованной фильтрации непрерывных контуров видеоизображений. Показано, что модуль нормиро ванного выходного отчета КСФ инвариантен к линейным преобразованиям фильтруемого контура и достигает максимального значения, равного едини це, лишь при прохождении через фильтр согласованного с ним контура ви деоизображения объекта. Получено, что контурный согласованный фильтр производит вычисление ВКФ эталонного и фильтруемого контуров. КСФ по зволяет определить количественную меру схожести двух плоских форм.
Исследовано влияние нелинейных искажений видеоизображений объектов заданных в виде окружности на величину нормированного значения максимального отклика согласованного фильтра. Показано что независимо от угла зрения искажение круга приводит к изменению его формы в овал.
3. Разработаны алгоритмы обработки и распознавания видеоизображений объектов с априори известной формой с применением элементов контурного анализа в телевизионных системах передачи изображений. На основе разработанных методик решены прикладные задачи, такие как, поиск дефектов керамической поверхности при производстве корпусов микросхем, диагностические задачи при анализе параметров клеток крови, дефектоскопия пиломатериалов.
