close

Вход

Забыли?

вход по аккаунту

?

Алгоритмы оценки качества совмещения изображений..pdf

код для вставкиСкачать
Известия ТулГУ. Технические науки. 2016. Вып. 2
THE APPLICATION OF SWARM ALGORITHMS TO SOLVE THE PROBLEM
OF THE CHOICE OF OPERATING FREQUENCIES OF ELECTRONIC DEVICES
OF THE SYSTEM OF AIR TRAFFIC CONTROL
O.V. Esikov, V.L. Rumyantsev
Proposed to solve the problem of the choice of operating frequencies radio means of
system of air traffic control to use swarm algorithm. To improve the quality of obtained solutions is proved and experimentally tested the use of the island (parallel) the particle swarm
algorithm.
Key words: electromagnetic compatibility, discrete optimization, swarm algorithms.
Esikov Oleg Vitalievich, doctor of technical sciences, professor, engineer head of
department, cdbae@cdbae.ru, Russia, Tula, Central Design Bureau of Automation,
Rumyantsev Vladimir Lvovich, doctor of technical sciences, professor, head of
department, cdbae@cdbae.ru, Russia, Tula, Central Design Bureau of Automation,
Starozhuk Eugene Andreevich, candidate of economic sciences, vice-rector on economy, abiturient@bmstu.ru, Russia, Moscow, Moscow State Technical University named after
N.E. Bauman
УДК 004.932
АЛГОРИТМЫ ОЦЕНКИ КАЧЕСТВА СОВМЕЩЕНИЯ
ИЗОБРАЖЕНИЙ
А.И. Ефимов
Формулируется задача по оценке качества совмещения изображений. Предлагается два алгоритма для получения количественной оценки степени совмещенности.
Даются общие рекомендации по применению предлагаемых алгоритмов и приводятся
результаты их работы применительно к реальным изображениям.
Ключевые слова: совмещение изображений, оценка качества совмещения, системы комбинированного видения.
В настоящее время совмещение разнородных изображений в системах комбинированного видения является актуальной задачей, поэтому для
ее решения предложено большое количество различных алгоритмов, методов и подходов [1]. Множество алгоритмического обеспечения для совмещения изображений продолжает постоянно расширяться и пополняться.
Отсюда возникает задача оценки качества получаемых результатов. Очевидным и дающим наилучшие результаты оценки является экспертный метод с привлечением человека-эксперта, но такой метод требует оценивать
визуально значительное количество результирующих изображений
92
Информатика, вычислительная техника и обработка информации
и наличие эксперта, что не всегда приемлемо. Возможность производить
оценку с учетом эталонного совмещения, также сводиться к предварительному созданию значительного количества результатов совмещения, что
также не представляется возможным при обработке большого массива
данных. Однако, когда речь заходит об автоматическом применении алгоритмов совмещения, требуется оценить качество получаемых результатов
без участия человека-эксперта.
Это требование является принципиальным при создании систем
комбинированного видения. Так как в случае предоставления экипажу летательного аппарата некачественного результата совмещения, способного
ввести его в заблуждение, возможно принятие ошибочных решений. Поэтому результат совмещения изображений непременно должен быть предварительно оценен в автоматическом режиме. И, в случае неудовлетворительного качества получаемого результата, системой совмещения должно
быть сформировано соответствующее сообщение о невозможности ее
применения в данной ситуации.
Другой причиной, по которой требуется разработка алгоритмов автоматической оценки качества, является автоматизация процесса сравнения алгоритмов совмещения между собой [2]. Здесь оценка качества совмещения может выступать в роли объективного критерия сравнительного
анализа алгоритмов совмещения.
Постановка задачи по оценке качества совмещения
изображений
Исходные данные:
изображение A={(x, y, I1(x,y))}, полученное от одного из сенсоров,
установленных на борту летательного аппарата;
изображение B={(x, y, I2(x,y))}, полученное от сенсора на борту летательного аппарата, либо путём отрисовки виртуальной модели местности
в двухмерное растровое изображение.
Предварительные действия:
предварительная обработка изображений А и В;
совмещение исходных изображений с применением некоторой
функции совмещения f.
Задача состоит в получении количественной оценки K(A, B, f) точности совмещения изображений А и В с применением функции f.
В процессе проектирования алгоритмов оценки качества совмещения необходимо, чтобы результирующая оценка K удовлетворяла ряду условий:
1) K ∈ [ 0,1] , то есть оценка K – нормированное в пределах от нуля
до единицы действительное число;
2) оценка K должна быть непрерывна и определена на всей области
определения A, B, f, т.е. вычисление оценки K возможно для любых входных изображений и любой функции их совмещения;
93
Известия ТулГУ. Технические науки. 2016. Вып. 2
3) К → 1 при увеличении точности совмещения А и В. Оценка К
должна быть тем больше, чем больше совпадают f(A,B) и изображение А
или B в зависимости от того, как осуществляется совмещение функцией f;
4) временная сложность расчета оценки K должна быть по возможности минимальной, чтобы данная оценка могла быть применима в составе
алгоритмов совмещения изображений. Однако, в задаче сравнительного
анализа алгоритмов совмещения допустимо, чтобы данная оценка обладала произвольной трудоемкостью.
Алгоритмы оценки качества совмещения изображений
Совмещение даже однородных изображений, но отличающихся
временным сдвигом, невозможно осуществить идеально (пиксель в пиксель). Если же производится совмещение разнородных изображений, то их
идеальное совмещение невозможно в принципе из-за того, что на реальном
изображении могут присутствовать контуры объектов, которых нет на
цифровой карте местности (деревья, локальные изменения береговой линии и т.д.). Поэтому даже при хорошем (на визуальном уровне) совмещении контуров число совпавших пикселей двух изображений может быть
относительно небольшим. Один из известных способов получения более
адекватных оценок заключается в применении специальной процедуры
утолщении тонких линий контуров. Однако добиться аналогичного результата можно иначе, выполнив вычисления, имитирующие утолщение
линий контуров.
Ниже представлен алгоритм оценки качества совмещения, основанный на определении межпиксельного расстояния между точками различных контуров:
1. Изображение разбивается на квадратные блоки определенного
размера, например - 100х100 пикселей. Это дает возможность получать не
только интегральную оценку качества совмещения, но и локальные оценки
в каждом из выделенных квадратных блоков.
2. В каждой клетке для всех информативных (отличных от цвета
фона) точек одного из изображений ищутся информативные точки другого
изображения, лежащие в некоторой окрестности размером (2k + 1) × (2k + 1)
с центром в обрабатываемой информативной точке. Этот прием имитирует
утолщение контурных линий.
3. Для каждого типа изображений подбирается свое оптимальное
значение параметра k . Для этого значение k меняется от 1 до 7 с шагом 1.
В каждой клетке определяется отношение количества mi(k ) точек, охваты-
ваемых окрестностью k к общему числу M i(k ) информативных пикселей в
данной клетке. Для каждого значения параметра k вычисляется показатель
качества совмещения по следующей формуле:
94
Известия ТулГУ. Технические науки. 2016. Вып. 2
тяженности. В ходе сравнения результатов работы данного алгоритма с визуальными оценками качества совмещения установлено, что при значении
интегрального показателя качества α ≥ 0,75 совмещение можно считать
удачным и пригодным для дальнейшей визуализации.
Также предлагается алгоритм оценки совмещения, основанный на
векторном представлении изображений, содержащих контуры объектов.
Этот алгоритм основан на подходе, предлагаемом в [3] и является его модификацией в части способа поиска отрезков, используемых для расчета
оценки качества. Оценка совмещения изображений в данном случае сводится к нахождению расстояний и углов наклона между парами отрезков.
Пары образуются отрезками, находящимися в составе линий контуров
объектов, полученных на изображениях, с длиной превышающей или равной некоторому пороговому значению ∆ . Исключение из анализа отрезков
с длиной меньшей ∆ позволяет существенно повысить точность получаемых оценок. За счет этого становится возможным не учитывать линии, соответствующие шумам на реальном изображении.
Для повышения достоверности оценки совмещения, каждому отрезку в составе линии на виртуальном изображении (ВММ) следует сопоставить отрезки, расположенные на реальном изображении в некоторой окрестности D. Окрестность D рассчитывается по координатам отрезка на
ВММ с учетом навигационных данных и предельных погрешностей их измерения. Алгоритм состоит в следующем.
1. Нахождение множества отрезков Г r ⊂ I r , Г r = {γ r | γ r ≥ ∆}, I r множество всех отрезков в составе линий, найденных на реальном изображении, Г r - подмножество отрезков, имеющих длину больше или
равную ∆ .
2. Нахождение множества отрезков Г v ⊂ I v , Г v = {γ v | γ v ≥ ∆}, I v множество всех отрезков в составе линий, найденных на виртуальном изображении, Г v - подмножество отрезков, имеющих длину больше или равную ∆ .
3. Нахождение области Dk для каждого отрезка γ k ∈ Г v
4. Определение для каждого отрезка γ k отрезков γ m ∈ Г r , для которых ∃( x , y ) ∈ γ m | ( x , y ) ∈ Dk и число точек отрезка γ m , принадлежащих
области Dk превышает 25% от общего числа точек в отрезке γ m .
5. Нахождение среди пар γ k и γ m пары с минимальным расстояни ^ 
ем друг от друга d k и нахождение значения K k = d k ⋅ cos γ k , γ m  .


Оценка качества совмещения определяется как K = (∑ K k ) / k .
k
96
Известия ТулГУ. Технические науки. 2016. Вып. 2
Список литературы
1. Совмещение изображений в корреляционно-экстремальных навигационных системах: монография. С.И. Елесина, М.Б. Никифоров,
А.А. Логинов, Л.Н. Костяшкин; под ред. Л.Н. Костяшкина, М.Б. Никифорова. М.: Радиотехника, 2015. 208 с.
2. Автоматизация исследования и отладки алгоритмов и программ
обработки изображений / И.С. Дудко, А.И. Ефимов, А.А. Логинов, О.А.
Ломтева, Е.Р. Муратов // Известия Тульского государственного университета. Технические науки. Тула: Изд-во ТулГУ. 2015. Вып. 9. Ч. 1.С. 87-95.
3. German E.V., Muratov E.R. Assessment of combining heterogeneous
images // World & Science: Materials of the international research and practice
conference, Brno, Czeh. Rep., May 1, 2014.
4. Anatoly I. Novikov, Aleksey I. Efimov. Сombining images using key
point method // Proceedings of the 3rd Mediterranean Conference on Embedded
Computing. Budva, Montenegro, 2014. P. 108-111.
5. Novikov Anatoly I., Sablina Victoria A., Efimov Aleksey I. Image superimposition and the problem of selecting the set of corresponding point pairs.
// 4rd Mediterranean Conference on Embedded Computing (MECO) Proceedings. Budva, Montenegro, 2015. P. 139-142.
6. Новиков А.И., Ефимов А.И. Предварительное совмещение изображений и методы оценки качества совмещения // Российский научнотехнический журнал «Цифровая обработка сигналов». М., 2014. №3.
С. 23-29.
Ефимов Алексей Игоревич, асп., lexie62rus@mail.ru, Россия, Рязань, Рязанский
государственный радиотехнический университет
IMAGE COMBINING QUALITY ASSESSMETS ALGORITHMS
A.I. Efimov
In the article the task of image combining quality assessment is formulated. Two algorithms for combining quality assessment are given. General guidance for the application of
the proposed algorithms and the results of their work in relation to the real images are also
shown.
Key words: image combining, combining quality assessment, combining vision systems.
Efimov Aleksey Igorevich, postgraduate, lexie62rus@mail.ru, Russia, Ryazan, Ryazan State Radio Engineering University
98
Документ
Категория
Без категории
Просмотров
12
Размер файла
523 Кб
Теги
оценки, алгоритм, качества, pdf, изображение, совмещения
1/--страниц
Пожаловаться на содержимое документа