Содержание к диссертации
Введение
Глава 1. Анализ методов и устройств фильтрации шумов в видеодатчиках 10
1.1 Методы фильтрации шумов в видеодатчиках 10
1.1.1 Снижение уровня пространственных шумов 11
1.1.2 Снижение уровня временных шумов 15
1.2 Устройства фильтрации шумов в видеодатчиках 21
1.2.1 Снижение уровня внутренних шумов видеодатчика 24
1.2.2 Снижение уровня внешних шумов и фона в видеодатчиках 27
Глава 2. Математическая модель адаптивного видеодатчика с пространственно-временной фильтрацией 33
2.1 Математическая модель ввода изображения 33
2.1.1 Математическая модель рабочей сцены 34
2.1.2 Математическая модель КМОП приемника излучения 36
2.1.3 Математическая модель аналого-цифрового преобразования 39
2.2 Математическая модель пространственно-временной фильтрации изображения 41
2.2.1 Математическая модель формирования внутрипиксельиых коэффициентов усиления на основе метода калмановской фильтрации 48
2.2.2 Математическая модель формирования внутрипиксельиых коэффициентов усиления на основе метода алгоритмического конструирования 54
2.2.3 Математическая модель компенсации размытости изображения 64
Глава 3. Анализ способов оценки снижения уровня шума и синтез адаптивного видеодатчика с пространственно-временной фильтрацией 69
3.1 Анализ способов оценки снижения уровня шума в видеодатчиках 69
3.2 Разработка методов снижения уровня пространственно-временных шумов в адаптивном видеодатчике 72
3.2.1 Метод и алгоритм пространственно-временной фильтрации с адаптацией к внешней освещенности 72
3.2.2 Метод компенсации размытости изображения 77
3.3 Синтез адаптивного видеодатчика с пространственно-временной фильтрацией 79
3.3.1 Устройство пространственно-временной фильтрации сигнала 81
3.3.2 Устройство компенсации размытости изображения 83
3.3.3 Адаптивный видеодатчик с аппаратной коррекцией внутрипиксельных коэффициентов усиления КМОП приемника излучения 86
Глава 4. Экспериментальное исследование адаптативного видеодатчика с пространственно-временной фильтрацией 92
4.1 Аппаратно-программный комплекс для испытаний адаптивного видеодатчика 92
4.2 Методика проведения испытаний адаптивного видеодатчика 94
4.2.1 Нахождение отношения сигнал/шум видеодатчика 94
4.2.2 Определение субъективной оценки качества изображений, формируемых видеодатчиком 96
4.3 Экспериментальное определение основных параметров адаптивного видеодатчика 99
Заключение 106
Список использованных источников 108
- Снижение уровня внешних шумов и фона в видеодатчиках
- Математическая модель формирования внутрипиксельиых коэффициентов усиления на основе метода алгоритмического конструирования
- Разработка методов снижения уровня пространственно-временных шумов в адаптивном видеодатчике
- Определение субъективной оценки качества изображений, формируемых видеодатчиком
Введение к работе
Актуальность. В настоящее время видеодатчики применяются в различных отраслях науки, техники, и промышленности: в системах управления технологическими процессами, в биомедицинских системах, системах наблюдения, охраны и безопасности, бытовых видеокамерах, фотоаппаратах, мобильных телефонах и т.д.
Перспективным подходом к созданию видеодатчиков является их разработка на базе КМОП приемников излучения (ПИ). В таких видеодатчиках имеется возможность осуществления предварительной обработки визуальной информации в процессе ее восприятия за счет объединения в пределах одной микросхемы фотоприемника, устройств развертки, квантования и модулей, реализующих важнейшие процедуры обработки изображения, в частности, фильтрацию.
Основным недостатком видеодатчиков на базе КМОП ПИ является наличие шумов на получаемом изображении, что обусловливается как особенностями функционирования отдельных узлов прибора, так и внешними условиями (изменение освещенности, движение камеры или объектов рабочей сцены). Существующие алгоритмы фильтрации сигнала в видеодатчиках позволяют воздействовать только на определенный вид шума (пространственный или временной). В свою очередь в алгоритмы временной фильтрации часто необходимо встраивать процедуры компенсации размытости изображений движущихся объектов. Кроме того, априорная неопределенность условий функционирования вызывает необходимость адаптации видеодатчика к изменяющейся внешней освещенности. В то же время до сих пор не разработаны алгоритмы пространственно-временной фильтрации сигнала в видеодатчиках на базе КМОП ПИ, адаптивные к изменению внешней освещенности и движению объектов.
Перспективным подходом для создания адаптивного видеодатчика c пространственно-временной фильтрацией сигнала является использование метода алгоритмического конструирования, позволяющего производить автоматическую настройку параметров видеодатчика, влияющих на адаптацию, с учетом изменения условий освещенности и движения объектов.
Таким образом, актуальной научно-технической задачей является снижение уровня шума в видеодатчике в условиях изменения внешней освещенности и при движении объектов.
Диссертационная работа выполнена в рамках фундаментальных исследований с госбюджетным финансированием, которые велись и ведутся в Курском государственном техническом университете (госбюджетные НИР: 1.1.00 «Теоретические основы и аппаратная реализация оптико-электронной системы распознавания, работающей в статическом и динамическом режимах» (№ гос. регистрации 01200013028, 2000-2004 гг.), 1.1.05 «Исследование теоретических основ, методов и алгоритмов повышения качества обработки изображений в системе технического зрения» (№ гос. регистрации 01200508819, 2005 г.), а также хозяйственного договора 1.37.02 «Разработка программных средств обработки измерительной информации».
Цель диссертации: разработка на основе метода алгоритмического конструирования видеодатчика с пространственно-временной фильтрацией сигнала, адаптивного к изменению внешней освещенности и движению объектов и обеспечивающего снижение уровня шумов в режиме реального времени.
Задачи исследований:
-
Сравнительный анализ современных методов и устройств снижения уровня пространственных и временных шумов в видеодатчиках и определение путей повышения качества фильтрации сигнала.
-
Разработка математической модели адаптивного видеодатчика с пространственно-временной фильтрацией сигнала на основе метода алгоритмического конструирования.
-
Создание метода и алгоритма пространственно-временной фильтрации сигнала с адаптацией к изменению внешней освещенности.
-
Разработка метода компенсации размытости изображения, возникающей вследствие движения объектов.
-
Разработка основных принципов функционирования и структурных схем адаптивного видеодатчика.
Научная новизна работы:
-
Разработана математическая модель адаптивного видеодатчика с пространственно-временной фильтрацией, включающая математическую модель формирования изображения КМОП ПИ и математическую модель пространственно-временной фильтрации сигнала на основе метода алгоритмического конструирования, позволяющую учесть параметры, влияющие на адаптацию к изменению внешней освещенности, и компенсировать размытость изображений движущихся объектов.
-
Созданы метод и алгоритм пространственно-временной фильтрации сигнала, основанные на математической модели адаптивного видеодатчика с пространственно-временной фильтрацией, отличающиеся использованием в качестве коэффициентов передачи фильтра внутрипиксельных коэффициентов усиления КМОП ПИ и позволяющие обеспечить увеличение отношения сигнал/шум и стабилизацию уровня выходного сигнала видеодатчика в условиях изменяющейся внешней освещенности.
-
Создан метод компенсации размытости изображения, основанный на объектном подходе к компенсации движения, отличающийся коррекцией яркостей только движущихся объектов кадра и позволяющий скомпенсировать размытость их изображений.
-
Разработана структурная схема адаптивного видеодатчика с пространственно-временной фильтрацией, отличающаяся аппаратной реализацией созданных алгоритмов фильтрации и обеспечивающая снижение уровня шумов в режиме реального времени.
Методы исследования. В работе использованы методы теории матричного исчисления и теории управления линейными и стохастическими системами, теории сигналов и теории оптимальной фильтрации, теории проектирования ЭВМ.
Практическая ценность работы:
Разработанная математическая модель пространственно-временной фильтрации сигнала видеодатчика может быть использована при создании различных адаптивных видеодатчиков, которые могут применяться, прежде всего, в системах технического зрения мобильных роботов, системах охраны и наблюдения, системах биометрического контроля, бытовых фото- и видеокамерах, фото- и видеокамерах мобильных телефонов.
Созданная структурная схема адаптивного видеодатчика с аппаратной коррекцией внутрипиксельных коэффициентов усиления КМОП ПИ обеспечивает адаптацию устройства к изменяющейся внешней освещенности в процессе формирования изображения.
Разработанные структурные схемы адаптивного видеодатчика с пространственно-временной фильтрацией, устройств вычисления внутрипиксельных коэффициентов усиления приемника излучения, устройства компенсации размытости изображений движущихся объектов позволяют повысить качество изображения, что существенно облегчает его дальнейший анализ.
Реализация и внедрение. Результаты, полученные в диссертационной работе, внедрены в OOО «Дукат» при разработке системы контроля за процессом загрузки ячменя и солода, использованы в ООО «Электрокомплект» при создании системы видеонаблюдения, а также используются в учебном процессе в Курском государственном техническом университете в рамках дисциплин «Электротехника и электроника» и «Основы теории управления», что подтверждается соответствующими актами.
Основные положения, выносимые на защиту:
-
Математическая модель адаптивного видеодатчика с пространственно-временной фильтрацией, основанная на использовании метода алгоритмического конструирования с применением модифицированного уравнения Винера-Хопфа и позволяющая адаптировать видеодатчик к изменению внешней освещенности и компенсировать размытость изображений движущихся объектов.
-
Метод и алгоритм пространственно-временной фильтрации сигнала, основанный на математической модели адаптивного видеодатчика с пространственно-временной фильтрацией, позволяющий обеспечить увеличение отношения сигнал/шум и стабилизацию уровня выходного сигнала видеодатчика в условиях изменяющейся внешней освещенности.
-
Метод компенсации размытости изображения движущихся объектов, основанный на объектном подходе к компенсации движения, позволяющий уменьшить размытость изображений движущихся объектов.
-
Структурные схемы адаптивного видеодатчика с пространственно-временной фильтрацией, устройств вычисления внутрипиксельных коэффициентов усиления приемника излучения, устройства устранения размытости изображения обеспечивающие снижение уровня шумов в режиме реального времени.
Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на международных и российских конференциях: 6-ой и 7-ой Международных конференциях «Распознавание образов и анализ изображений: новые информационные технологии» (г. Великий Новгород, Российская Федерация, 21-26 октября 2002 г., г. Санкт-Петербург, Российская Федерация, 18-22 октября 2004 г.); XXXI конференции «Молодёжь и XXI в» (г. Курск, Российская Федерация, 2003 г); XV и XVI Научно-технических конференциях с участием зарубежных специалистов «Датчики и преобразователи информации систем измерения, контроля и управления «Датчик-2003», «Датчик-2004» (г. Судак, Украина, 23-30 мая 2003 г., 24-31 мая 2004 г.); 6-ом Открытом российско-немецком семинаре «Распознавание образов и понимание изображений» OGRW-6-2003 (пос. Катунь, Алтайский край, Российская Федерация, 25-30 августа 2003 г.); VI и VII Международных конференциях «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации «Распознавание – 2003», «Распознавание – 2005» (г. Курск, Российская Федерация, 22-25 октября 2003 г., 4-7 октября 2005 г.); XL и XLII Всероссийских научных конференциях по проблемам математики, информатики физики, химии и методике преподавания (г. Москва, Российская Федерация, 19-24 апреля 2004, 17-21 апреля 2006 г.); II, IV International Conference «Information and Telecommunication Technologies in Intelligent Systems» (Барселона, Испания, 22-29 мая 2004 г., Катанья, Италия, 27 мая-3 июня 2006 г.); а также на научно-технических семинарах кафедры «Вычислительная техника» Курского государственного технического университета с 2002 по 2006 гг.
Публикации. Основные результаты диссертации отражены в 17 печатных работах. Среди них 6 статей, опубликованных в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендуемых ВАК, а также 1 патент Российской Федерации.
Личный вклад автора. В работах, опубликованных в соавторстве, лично соискателем предложены: в [1-5] – структура фильтра и алгоритм пространственно-временной фильтрации сигнала, в [6-8] – метод адаптации к изменяющейся внешней освещенности видеодатчика, в [10, 11, 13, 17] – структурные схемы и основные принципы функционирования адаптивных видеодатчиков, в [15, 16] – алгоритм функционирования и структурно-функциональная организация устройства устранения размытости изображения.
Объем и структура работы. Диссертационная работа состоит из введения, четырех глав, заключения и приложений. Работа содержит 113 страниц основного текста, в том числе 35 рисунков, 5 таблиц, список использованных источников из 74 наименований и 3 приложения на 3 страницах.
Снижение уровня внешних шумов и фона в видеодатчиках
Благодаря одинаковой технологии изготовления появилась возможность интеграции КМОП-видеодатчиков и различных обрабатывающих и запоминающих устройств, что в свою очередь позволило перенести некоторые функции по обработке сигнала в видеосистеме из специализированного видеопроцессора непосредственно в датчик изображения [27].
Схемы обработки сигнала, расположенные на одном кристалле с видеодатчиком, по форме обрабатываемых данных можно разделить на аналоговые, аналого-цифровые и цифровые. С другой стороны, по уровням обработки их можно раздели ть на внутри л исельные, столбцовые и внематричные [28]. Ниже будут рассмотрены схемы с различной обработкой сигнала, обеспечивающие подавление внешних шумов и фона в видеодатчиках,
Известно устройство [29], предназначенное для компенсации шума выходного видеосигнала, вызванного изменением напряжения питания, температуры или разбросом параметров компонентов устройства. Данное устройство состоит из матричного приемника излучения (МПИ) типа КМОГТ с APS-архитектурой, программируемой матричной флэш-памяти (МФП) и схемы управления МПИ и МФП, интегрированных на одном кристалле. Схема управления включает в себя модуль получения аналоговых сигналов текущего кадра с МПИ и генерирования коэффициентов, компенсирующих шумовые искажения (коэффициентов компенсации). Схема управления также включает модуль для программирования МФК и запоминания коэффициентов компенсации. Кроме этого схема управления содержит модуль получения аналоговых сигналов следующего кадра с МПИ и регулирования из значений в зависимости от вел ичиг і коэффициентов компенсации. Кроме этого, устройство содержит интегрированную схему для логической обработки цифрового изображения, которая может быть запрограммирована на выполнение фильтрации, преобразований Фурье, распознавания и т.д. Устройство работает следующим образом: аналоговые сигналы, полученные с выходов пикселей МПИ, передаются по аналоговой шине в схему управления, где подвергаются аналого-цифровому преобразованию. После этого сигналы оцениваются, и вычисляются коэффициенты компенсации для каждого пикселя. Значение коэффициентов компенсации вычисляется как разность эталонных значений выходных напряжений пикселей и текущих значений выходных напряжений пикселей. Эталонные значения формируются на основе анализа откликов пикселей на известное входное изображение либо на равномерный свет и заносятся в МФП перед использованием устройства. В последствие эталонные значения напряжений могут быть перепрограммированы, исходя из анализа работы устройства. Затем средствами модуля управления МФП и запоминания данных коэффициенты компенсации заносятся во флэш-память. После этого последующие оцифрованные изображения и подвергаются попиксельной коррекции в соответствии со значениями коэффициентов компенсации, хранящихся во флэш-памяти, для получения откорректированного изображения.
Очевидным недостатком данного устройства является полуавтоматический режим определения коэффициентов компенсации, который требует ручного перепрограммирования эталонных значений в случае изменения внешних условий. Известно устройство [30], предназначенное для отслеживания объекта. Функция отслеживания реализуется для самого яркого объекта наблюдаемой сцены путем WTA-седекции (winner-Lakes-all, «победитель забирает все») и адаптивной пространственной фильтрации фона и помех, амплитуда которых соизмерима с амплитудой наблюдаемого объекта. Устройство состоит из МПИ типа КМОП с APS-архитектурой, блока двойной коррелированной выборки (ДКВ), блока пространственной фильтрации, дешифратора, блока WTA-селекции строки, дешифратора адреса столбца, дешифратора адреса строки, блока логической обработки строк, блока WTA-селекции столбца, шифратор. Устройство работает следующим образом: на первом этапе осуществлясгся стандартный построчный опрос МПИ и считывание с использованием ДКВ сигнала с каждого пикселя выбранной строки. Следующая стадия - адаптивная фильтрация фона для всех пикселей, значение которых являются меньше порогового значения. Порог соответствует среднему значению выхода всех строк МПИ с учетом дополнительного переменного малого значения є (эпсилон). Величина є выбирается инверсно относительно величины среднего значения яркости: увеличивается в случае уменьшения среднего значения яркости и наоборот. В результате значение і: для шума с высокой амплитудой мало, а для шума с низкой амплитудой велико, что делает фильтр более чувствительным в случае, когда фон и объект имеют яркость одного порядка. Границы изменения величины г могут задаваться и вручную при установке соответствующих напряжений. На схему WTA-селекции столбцов передаются только отфильтрованные сигналы. В случае отсутствия объекта (то есть, в случае присутствия только фоновых сигналов), сигналы не проходят через фильтр, и на вывод устройства «объект не обнаружен» выставляется высокий уровень обнаружения, что позволяет сократить вероятность ложного обнаружения. Следующая стадия - выбор «победителя строки», который осуществляется в блоке WTA-селекции строки по методу, описанному Донкерсом в [31]. Таким образом, находится «победитель» каждой строки, его значение сохраняется в аналоговой памяти (конденсаторе), а его адрес - в цифровой памяти. При наличии более одного выходного сигнала с одинаково высоким уровнем напряжения, схема WTA-селекции выбирает крайний левый, используя простую логику. Результат -столбец N аналоговых значений пикселей - «победителей» строки с их адресами столбца. Затем из всех «победителей» строк в блоке WTA-селекции столбца выбирается глобальный «победитель». Значение «победителя» сохраняется в аналоговой памяти и фактически соответствует строке, а адрес столбца сохранен в соответствующей цифровой памяти; эти аналоговые и цифровые блоки памяти находятся в блоке логической обработки строк. В случае, если объект не обнаружен, значение, переданное в память, является нулевым.
Основным недостатком данного устройства является отсутствие подавления временных шумов, а также априорное предположение, что яркость объекта превосходит яркость фона, что делает его неприменимым, например, для слежения за темными объектами на фойе неба или снежной равнины.
Известно устройство [32], предназначенное для детектирования дефектов изображения, вызванных движением объектов или насыщением пикселей, а также для расширения динамического диапазона и повышения отношения сигнал/шум путем многократного захвата изображения. Устройство состоит из: датчика изображения, каждый пиксель которого содержит средства обнаружения движения/насыщения между предыдущим кадром и текущим кадром; блока, содержащего средства обработки, определяющие, принимать ли для каждого пикселя выборку изображения, зафиксированную в течение текущего кадра; средства оценки освещения в течение глобального времени экспозиции;
Математическая модель формирования внутрипиксельиых коэффициентов усиления на основе метода алгоритмического конструирования
Рассмотрим задачу фильтрации весовых коэффициентов в ВД, описываемую уравнениями (2.40), (2.44+2.48), но при условии, что матрицы интенсивности шумов G(/c) ИЗ (2.46) и Q(k) из (2.47) в отличие от постановки задачи калмановской фильтрации неизвестны. Для этого рассмотрим сначала синтез алгоритмов фильтрации в непрерывном виде, а затем перейдем к дискретному представлению. Необходимо построить оценку W(/) для W„„((), субоптимальную в смысле минимума функционала [46] Наилучшая оценка в смысле минимума функционала (2.82) является решением уравнения: где Прежде чем приступить к синтезу адаптивного алгоритма отметим ряд свойств невязки наилучшего линейного фильтра [47]. 1. Невязка фильтра, описываемого выражениями (2.83+2.85), ортогональна всем предшествующим измерениям выхода: 2. Невязки в различные моменты времени ортогональны: 3. Невязка фильтра, описываемого выражениями (2.83+2.85), ортогональна вектору измерений Х.(!): Любое из этих свойств, являющихся необходимыми и достаточными условиями минимума функционала (2.82), может быть использовано для синтеза устойчивых алгоритмов вычисления оценки W{t). Однако уравнения (2.86) и (2.87) гарантируют минимум функционала (2.82) только в том случае, если вычисляемая оценка обеспечивает ортогональность невязки всем предшествующим невязкам или измерениям выхода. Таким образом, будем считать (2.86) и (2.87) системами из бесконечного числа уравнений. Можно обеспечивать ортогональность текущей невязки к одному измерению выхода или одной невязке [48], отстоящей в прошлом на фиксированное малое время, т.е. например обеспечить: где г, t, ix = const, причем г1- мало. Удобство такой интерпретации в том, что необходимо будет обеспечивать выполнение не системы, а одного уравнения.
Однако выполнение этого уравнения гарантирует вычисление субоптимальной оценки, являющейся некоторым приближением к ее оптимальному значению. Причем предел приближения к оптимуму при компьютерных вычислениях, требующих дискретизации алгоритмов (в гом числе и по времени), может оказаться достаточно большим. Выражение (2.88). напротив, является системой конечного числа уравнений, равного размеру вектора X(t). Кроме того, в (2.88) предполагается ортогональность невязки фильтра на оптимальной траектории элементам вектора X(t) в один и тот же момент времени. Это позволит избежать трудностей при переходе от полученных впоследствии на его основе непрерывных алгоритмов к их рекуррентному виду, необходимому для применения компьютерных вычислений. Равенство нулю системы уравнений (2.88) на оптимальной траектории вытекает из оптимального винеровского решения [49] в случае предположения о стационарности статистических характеристик сигнала и шумов, т.е. если R = const и R . - const, то и одновременно выполняется (2.88). Таким образом, для применения (2.88) для построения алгоритмов адаптивной фильтрации требуется стационарность этих корреляционных матриц. На основе правой части уравнения (2.88) построим критерий качества функционирования ЛВД. Для этого сформируем функционал качества в виде квадрата нормы правой части этого уравнения, в которой вектор оптимальных значений весов заменен на его оценку [46]: функционал достигает минимума (в данном случае - нуля) при Wt) = WJt).
Построим адаптивный фильтр в виде линейного фильтра с настраиваемыми параметрами. В соответствии с методом алгоритмического конструирования систем управления можно выбрать в качестве адаптивного фильтра фильтр такой же структуры, что и (2.83), в котором вместо K.Q(t), требующего для вычисления знание Q"1 и G, и А(7) использовать параметры К(,/ и А.ф((), подстраиваемые в процессе работы фильтра: причем необходимо настраивать Кф(()н AJt) так, чтобы минимизировать установившемся режиме будет субоптимальным. Однако в этом случае реализация фильтра не является равномерно устойчивой по начальным условиям оценки. Это происходит вследствие наличия существенно нестационарной в данном случае матрицы наблюдателя. Влияние нестационарности этой матрицы на поведение функционала и линейной оценки во время переходных периодов в выражениях (2.91) и (2.92) не сказывается, вследствие наличия в них математического ожидания. Программными же средствами можно добиться лишь некоторого, далеко не идеального, усреднения промежуточных результатов вычислений по формулам, и, следовательно, нельзя утверждать взаимную независимость оценки WfVJ и X(t).
Разработка методов снижения уровня пространственно-временных шумов в адаптивном видеодатчике
Сущность данного метода заключается в следующем. Первоначально яркость объектов рабочей сцены в КМОП приемнике излучения преобразуется в электрический сигнал. Затем данный сигнал подвергается пространственно-временной фильтрации, после чего анализируется значение С КО выходного и опорного сигналов [57, 58]. На основе анализа значения СКО устанавливается степень соответствия текущего критерия качества его эталонному значению. В случае несовпадения текущего значения критерия качества с расчетными значениями осуществляется перерасчет весов пространственно-временного фильтра, которые представляют собой внутри пиксельные коэффициенты усиления К МО Г! приемника излучения. В случае отсутствия параметрических возмущений процедура вычисления ВКУ не выполняется. Важнейшей частью алгоритма пространственно-временной фильтрации сигнала является процедура вычисления оценки ВКУ.
В зависимости от того, имеются ли априорные сведения о приеме сигнала, вычисление оценки ВКУ осуществляется либо на основе метода фильтрации Калмана, либо на основе метода алгоритмического конструирования с применением модифицированного уравнения Винера-Хопфа. Алгоритм процедуры вычисления оценки ВКУ при известных условиях получения изображения, разработанный по математической модели формирования ВКУ на основе метода калмановской фильтрации (2.81), записывается следующим образом: 1. Задать значение интенсивности шумов КМОП ПИ о"", исходя из их статистических характеристик. 2. Задать значение матрицы L, характеризующей неопределенность условий получения изображения, по формуле (2.79). 3. Установить начальные значения матрицы условия минимизации дисперсии ошибки оценивания Р(0/0) и вектор оценки оптимальных внутрипиксельных коэффициентов усиления W(0/0): 5. Рассчитать значение V{k.jk -1) в соответствии с формулой (2.80). 6. Рассчитать значение W(/) в соответствии с формулой (2.81), 7. Рассчитать величину выходного сигнала КМОП ПИ у (к) в соответствие с формулой (2.48). 8. Рассчитать значение Р(/&) в соответствии с формулой (2.77). 9. Повторять шаги 4+8 для последующих итераций до момента окончания работы ВД. Блок-схема алгоритма процедуры вычисления ВКУ на основе метода калмаиовской фильтрации приведена на рис. 3.2. Алгоритм процедуры вычисления оценки ВКУ при неизвестных условиях приема сигнала, разработанный по математической модели формирования ВКУ на основе метода алгоритмического конструирования (2.124+2. ] 26), записывается следующим образом: 1. Установить начальные значения матрицы оценки оптимальных внутри пиксельных коэффициентов усиления w (0), матрицы коэффициентов фильтра К ДО), матрицы чувствительности ЦО): 2. Рассчитать значение W(k-\-[) в соответствии с формулой (2.124). 3. Рассчитать значение К ф(к + 1} в соответствии с формулой (2.125). 4. Рассчитать значение Х(к + 1) в соответствии с формулой (2.126). 5. Повторять шаги 2+6 для последующих итераций до момента окончания работы ВД. Блок-схема алгоритма процедуры вычисления ВКУ на основе метода алгоритмического конструирования с применением модифицированного уравнения Винера-Хопфа приведена па рис. 3.3.
Синтезированный таким образом алгоритм имеет более длительные в сравнении с алгоритмом на основе метода фильтрации Калмана переходные процессы настройки фильтра и незначительно уступает ему в установившемся режиме. Однако преимущество алгоритма, разработанного на основе метода алгоритмического конструирования, состоит в том, что он не требует никакой априорной информации о характере изменения оптимальных ВКУ и статистических характеристиках внешних и внутренних шумов видеодатчика. По результатам анализа разработанной математической модели временной фильтрации изображения, полученной в главе 2, предложен метод временной фильтрации для компенсации размытости изображения. Сущность метода заключается в перерасчете яркости с учетом движущихся и статичных областей изображения [59]. Основными этапами данного метода являются: - считывание текущего кадра изображения; - формирование матриц для обработки окном 3x3 текущего и предыдущего кадров изображения в соответствии с формулами (2.129) и (2.130); - выделение на изображении движущихся пикселей на основе анализа межкадровой разности в соответствии с формулой (2.131); - формирование матриц для определения направления движения каждого пикселя в соответствии с формулой (2.132); - определение направления движения каждого пикселя в соответствии с формулами (2.133, 2.І34); - объединение движущихся в одном направлении смежных пикселей в объект в соответствии с формулой (2.135); - подчеркивание контуров движущихся объектов путем сложения их исходного и градиентного изображений в соответствии с формулой (2.136); - выдача изображения.
Определение субъективной оценки качества изображений, формируемых видеодатчиком
Качество изображения определяется большим количеством технических характеристик системы: соотношением сигнал/шум и статистическими характеристиками шума, градационными характеристиками, спектральными (цветовыми) характеристиками, интервалами дискретизации и т.д [75]. Однако, как уже упоминалось в главе 3, количественные меры, такие как максимальное отношение сигнал/шум не всегда адекватно оценивают визуальное качество изображений [46]. В связи с этим для оценки качества изображений, получаемых адаптивным видеодатчиком, проводилась субъективная экспертиза визуального качества данных изображений [46]. В качестве экспертов привлекались наблюдатели-неспециалисты, чьи оценки определяют качество изображений именно так, как его воспринимает «средний наблюдатель» [52]. Методика проведения субъективной оценки качества изображений заключается в следующем. 1. Перед объективом видеодатчика устанавливается тестовый объект -предмет, подвешенный на пружине (рис. 4.3, а), кадр с изображением которого формирует видеодатчик. 2. Фиксируется изображение неподвижного тестового объекта. 3. Тестовый объект приводится в движение путем растягивания пружины на некоторую длину (рис. 4.3, б), тем самым обеспечивается движение объекта преимущественно в вертикальной плоскости. 4. В течение периода вертикальных колебаний фиксируется некоторое число кадров JV. с изображением движущегося тестового объекта, Nv 3. искажений изображения и приведенной в табл. 4.1. Число наблюдателей для формирования достоверной оценки должно быть не менее двадцати [46]. где пк - число изображений А й категории, Ск - соответствующая ей оценка. В ходе проведения эксперимента согласно приведенным методикам получены результаты, позволяющие проверить правильность теоретических оценок максимального отношения с и гнал/шум разработанного адаптивного видеодатчика с сисгемои пространственно-временной фильтрации, а также оценки визуального качества получаемых с его помощью изображений.
Основными параметрами, характеризующими разработанный адаптивный видеодатчик с пространственно-временной фильтрацией, является максимальное отношение сигнал/шум, а также визуальное качество формируемых им изображений. Рассмотрим результаты экспериментальных исследований зависимостей OCU1 и СКО шума от количества итераций в процессе адаптивной фильтрации, полученные по методике, описанной в п. 4.2.1. График зависимости отношения сигнал/шум от числа итераций представлен на рис. 4.4, график зависимости среднего квадратического отклонения шума НИ, приведенного к выходу видеодатчика, от числа итераций представлен на рис. 4.5. На данных рисунках также показаны теоретические оценки отношения сигнал/шум и среднего квадратического значения шума ПИ, рассчитанные по формулам (3.5) и (3.6) соответственно, и теоретические оценки данных величин, рассчитанные по формуле (3.3), т.е. без применения адаптивной фильтрации (значение СКО шума принималось равным подкоренному выражению в знаменателе (3.3)). Измерения проводились при низком уровне освещенности (10 лк) с целью проверки функционирования в трудных условиях.
График зависимости отношения сигнал/шум от числа итераций при двух уровнях освещенности (низкий уровень освещенности - 10 лк, высокий уровень освещенности - 1000 л к), представлен на рис. 4.6. В результате экспериментальных исследований установлено: - полученные экспериментальные данные практически не отличаются от теоретически рассчитанных значений отношения сигнал/шум, что подтверждает адекватность разработанной математической модели АВД с пространственно-временной фильтрацией; - с увеличением числа итераций процесса фильтрации значение ОСШ увеличивается, а значение СКО шума уменьшается, что объясняется более точной подстройкой внутри пиксельных весовых коэффициентов усиления фильтра. Для сравнительного анализа полученных в ходе испытаний параметров АВД были использованы видеодатчик MT9M413C36STM фирмы Micron и видеодатчик Atmel ATMOS 1М60, параметры которых приведены в табл. 4.2. Из таблицы 4.3 видно, что при одной и той же освещенности выходной сигнал разработанного адаптивного видеодатчика выше приблизительно на 0,12-0,15 В, а отношение сигнал/шум адаптивного видеодатчика выше на 8-9 дБ чем соответствующие параметры видеодатч и ков-аналогов. Изображения, полученные в результате проведения эксперимента по методике, описанной в п. 4.2.2, при двух различных уровнях освещенности (100 лк и 1000 л к) представлены на рис. 4.7, причем на рис. 4.7 а и рис. 4.7 б приведены изображения неподвижного объекта, а на рис. 4.7 в и рис. 4.7 г -изображения неподвижного объекта. Для сравнительного анализа полученных в ходе испытаний изображений АВД были использованы видеодатчик MT9M413C36SТМ фирмы Micron и видеодатчик Atmel ATMOS 1М60. Изображения неподвижного и подвижного объекта были получены при двух различных уровнях освещенности (ЮОлк и 1000лк). Гистограммы распределения экспертных оценок, полученные данными образцами изображений АВД и видеодатчиков-аналогов при уровне освещенности ЮОлк, представлены на рис. 4.8, при уровне освещенности 1000 лк - на рис. 4.9. Рисунок 4.9 - Экспертные опенки для уровня освещенности 1000лк Таким образом, из анализа экспертных оценок сделан вывод, что визуальное качество изображений, получаемых при помощи разработанного адаптивного видеодатчика с пространственно-временной фильтрацией, выше, чем визуальное качество изображений, получаемых при помощи видеодатчиков-аналогов. 1. Разработаны аппаратно-программный стенд и методика проведения испытаний адаптивного видеодатчика с пространственно-временной фильтрацией, обеспечивающие экспериментальные исследования отношения сигнал/шум и визуальной оценки качества изображения, формируемого разработанным адаптивным видеодатчиком. 2.
В результате экспериментальных исследований подтверждена адекватность разработанной математической модели адаптивного видеодатчика с пространственно-временной фильтрацией, что позволяет использовать математическую модель для теоретических исследований влияния параметров адаптивного видеодатчика на качество формируемых изображений. 3. Сравнительный анализ разработанного адаптивного видеодатчика и видеодатчиков-аналогов показал, что отношение сигнал/шум разработанного адаптивного видеодатчика на 9 дБ выше, а визуальное качество формируемых им изображений движущихся объектов на 1,6 балла ниже по шкале Мерца-Фау л ера-Кристофера, что подтверждено экспертными оценками.
