Введение к работе
Актуальность проблеми. Для решения сложных проблем автоматизации обработки изображений, не обеспеченных пока производительностью серийных средств вычислительной техники, в последний года все более широкое применение в самых различных областях науки и техники находят гибридные оптике—электронные вычислительные комплексы (ГОЭВК), позволяющие сочетать высокое быстродействие и производительность оптических методов обработки информации с широкими возможностями ЭВМ по выполнению логических и арифметических операций.
Наиболее полное представление о потенциальных возможностях ГОЭВК дает решение проблемы автоматизации обработки снимков, получаемых методами аэрофотосъемки, космической съемки, а также в процессе проведения научных исследований в области физики, химии, биологии, медицины и т.д. При этом, поток подлежащих анализу снимков, например, только в одной области физики оценивается величиной порядка 10 снимков в год, а поток косиоснимков - в 55000 снимков в сутки.
Одной из основных и наиболее распространенных задач обработки и анализа снимков является задача распознавания изображений, наиболее оптимально решаемая с помощью ГОЭВК на основе корреляционных методов сравнения анализируемых л эталонных изображений.
В процессе распознавания в когерентном оптическом процессора, входящем в состав ГОЭВК, анализируемое оконтуренное изображение сопоставляется с контурным изображением эталонного объекта. Мерой близости элементов распознаваемого и предъявленного изображений являются значения функций взаимной корреляции, формируемые оптическим процессором. Достоверность распознавания оптическим процессором и точность определения их координат существенно зависят от степени изменчивости анализируемого изображения по отношению к эталонному. Оценка обширных материалов по теоретическому и экспериментальному исследованию алгоритмов распознавания корреляционного типа показывает, что наибольшее влияние на процесс распознавания оказывают изменения анализируемого изображения.вызванные его геометрическими искажениями (преобразованиями).
Надежное распознавание оптическими методам! возможно при относительно малых параметрах геометрических искажений сравниваемых
_ 4 -
изображений: несовпадении угловых ориентации до 1...5, масштабов - до 10$, угла ракурса - до 10.,.15.
Поскольку эти требования в реальных условиях не выполняются, в процессе распознавания возникает необходимость подвергать полученное в плане эталонное изображение тем же геометрическим искажениям (преобразованиям), которые претерпевают изображения распознаваемых объектов в процессе съемки. Конкретный вид преобразований (проективные, аффинные, движения и подобия) выбирается в зависимости от условий получения обрабатываемых снимков, При этом учитывается соотношение расстояния до снимаемого объекта и его линейных размеров, напряжение и угол съемки и некоторые другие параметры.
Геометрические преобразования изображений являются одной из самих трудоемких операций, составляющей значительную часть длительности процесса распознавания изображения, и поэтому в значительной степени определяют производительность ГОЭВК при решении задач распознавания.
Одним из эффективных способов повышения производительности ГОЭВК, предназначенных для решения задачи распознавания изображений на снимках, является комплексирование их различными специализированными устройствами обработки изображении и, в частности, специализированными процессорами геометрических преобразований контурных изображений, реализующими быстрые алгоритмы данных преобразований.
Анализ обширных материалов теоретических исследований алгоритмов и методов реализации геометрических преобразований двумерных изображений, проведенных в работах зарубежных специалистов: Волдера.Меджита, Уеды, Каваками, Хартсхорна, Цухиды; советских ученых: Аверина СИ., Байкова В.Б., Василенко Г.И., Гуревича Г.Б., Лейбина А.С, Моденова П.С., Нартова Л.Г., Пархоменко А.С, Путятина Е.П., Русына Б.П., Смолова В.Б., йайна B.C. и других авторов, показал, что они носят в основном эвристический характер и не могут быть полностью формализованы, Конкретные алгоритмы неразрывно связаны с соответствующими условиями их применения на практике и в других ситуациях непригодны.
Все это обуславливает необходимость разработки и проведения исследований алгоритмов и структур вычислительных устройств для геометрических преобразований контурных изображений, предлагаемых для использования в системах распознавания объектов на снимках.
- б -
Цель и основные задачи работы. Целью диссертационной работы является разработка и исследование алгоритмов и структур вычислительных устройств для геометрических преобразований контурных изображений в системах распознавания объектов на снимках, обладающих высокшл быстродействием и точностью, приемлемой для рассматриваемой области приложения.
При этом решению подлежат следующие задачи:
разработка алгоритмов преобразований движения и подобия контурных изображений;
исследование точности алгоритмов преобразований движения и подобия контурных изображений;
разработка алгоритмов аффинных преобразований контурных изображений;
исследование точности алгоритмов аффинных преобразований контурных изображений;
аппроксимация проективных преобразований контурных изображений' аффинными;
оценка погрешности аппроксимации;
разработка структур вычислительных устройств (ВУ) для преобразований движения и подобия контурных изображений;
разработка структур ВУ для аффинных преобразований контурных изображений;
исследование точности и быстродействия предложенных структур ВУ.
Методы исследования базируются на теории обработки изображений, теории распознавания, теории алгоритмов, теории вероятностей и математической статистики, теории цепей, теории комплексных чисел. Широко используются методы цифрового имитационного моделирования и экспериментальных исследований.
Научная новизна. В результате проведения исследований получены следующие результаты:
- разработаны быстродействующие алгоритмы преобразований
движения и подобия контурных изображений;
-разработаны быстродействующие алгоритмы аффинных преобразований контурных изображений;
- разработаны быстродействующие алгоритмы проективных пре
образований контурных изображений на основе метода аппроксима
ции;
получены аналитические оценки точности всех разработанных алгоритмов;
предложены новые гструктуры ВУ, реализующие быстродействующие алгоритмы преобразований движения и подобия контуршх изображений;
' - предложены новые структуры ВУ, реализующие быстродействующие алгоритмы аффинных преобразований контуршх изображений;
разработаны программы имитационного моделирования для. исследования точности разработанных ВУ;
получены предельные оценки быстродействия предложенных структур ВУ;
- получены статистические оценки точности разработанных ВУ,
Практическая ценность. Предложенные в работе алгоритмы и
структуры ВУ для реализации геометрических преобразований контурных изображений, разработанные программы теоретического анализа точности алгоритмов и моделирования ВУ обеспечивают возможность построения быстродействующих геометрических преобразователей, которые включаются в состав ГОЭВК, решающего проблему распознавания объектов на снимках эффективным способом, и в каждом конкрэтном случае позволяют выполнить:
выбор структуры ВУ, реализующего тот или иной вид геометрических преобразоваїшй контуршх изображений, в зависимости от конкретных условий съемки;
построение на ее основе конкретных схем ВУ с заданными функциональными характеристиками;
имитационное моделирование ВУ с целью исследования их точности.
Реализация и внедрение результатов работы. Исследования проводились в рамках выполненных в Новосибирском электротехническом институте ряда хоздоговорных тем по разработке электронных систем предпроцессорной обработки изображений. Результаты диссертационной работы были использованы:
~ при создании специализированного процессора для выполнения преобразований движения и подобия контуршх эталонных изображений;
- при создании специализированного процессора для аффинных
преобразований контуршх эталогашх изображений, который наряду с
данными преобразованиями обеспечивает выполнение преобразований
движения и подобия;
- при выполнении научно-исследовательских работ на кафедре
Вычислительной техники Новосибирского электротехнического инс
титута.
Результаты работы внедрены в Сибирском научно-исследовательском институте оптических систем г. Новосибирск. ; Экономический эффект от внедрения составил 177,5 тыс.руб. в год на один процессор, что подтверждается соответствующими документами,представ ленными в Приложении.
Апробация работы. Основные положения диссертационной работы докладывались на:
Всесоюзной научно-технической конференции «Микропроцессорные системы автоматики" (Новосибирск, 1990 г,)j
Всесоюзной научно-технической конференции по оптической обработке информации (Фрунзе, 1990 г.);
Областной научно-технической конференции, посвященной Дню радио (Новосибирск, 1990 г.);
научно-технических семинарах кафедры ВТ НЭТИ (1990, 1991 гг.).
Публикации. Материалы диссертационной работы опубликованы в 15 печатных работах, из них: I авторском свидетельстве и в 3 отчетах о НИР.
Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы и Приложения. Основной текст содержит ffff машинописных страниц, _3 листов рисунков, ' $ листов таблиц. Список литературы содержит 136 наименований.
