Автореферат (1095111), страница 2
Текст из файла (страница 2)
Для решения поставленных задачприменялись методы вычислительной математики, теории обработки изображений ираспознавания образов, математического моделирования, системного анализа,подходы контурного анализа.Положения, выносимые на защиту:– выбор и обоснование набора критериальных функций, применимых длясовмещения изображений в системах комбинированного видения летательныхаппаратов;– алгоритм совмещения изображений, основанный на поиске единственнойпары ключевых точек, позволяющий сократить число изображений ВММ,требуемых для совмещения, в 10-12 раз и ускоряющий процесс совмещения на 5258%;- пошаговый алгоритм поиска матрицы гомографии, применяемый в случаеналичия недостоверных пар точек, использующий нахождение элементов матрицыгомографии по произвольному числу ключевых точек, позволяющий ускоритьсовмещение изображений на 42-46% в сравнении с корреляционными алгоритмами;– алгоритм отсеивания недостоверных пар ключевых точек, позволяющийисключить их негативное влияние на конечный результат совмещения;– алгоритмы оценки качества совмещения изображений, обеспечивающиеавтоматическое нахождение показателя качества совмещения изображений длявзаимного сравнения характеристик функционирования алгоритмов совмещения.Степень достоверности и апробация результатов.
Диссертация выполненав Рязанском государственном радиотехническом университете в рамках следующиххоздоговорных научно-исследовательских работ, выполненных по заказу АО«ГРПЗ»:НИР «Совмещение-РГРТУ-1» по теме «Разработка программноматематического обеспечения предобработки и визуализации изображений,поступающих от сенсоров системы технического зрения ЛА и формируемых наоснове цифровой карты местности»;НИР «Совмещение-РГРТУ-3» по теме «Разработка методов и алгоритмовуменьшения вычислительной сложности совмещения реальных и виртуальныхизображений в авиационных комбинированных системах видения»;НИР 3-12 по теме «Разработка программно-математического обеспечения дляулучшенного и синтезированного изображений в системах технического зрения дляуправления летательным аппаратом, с использованием комплексной пилотажной инавигационной информации»; 5 НИР 3-13 по теме «Разработка и исследование компонентов математическогои алгоритмического обеспечения совмещения и визуализации изображений вавиационных многоспектральных системах технического зрения»;НИР 2-14 по теме «Разработка и исследование методов и алгоритмовуменьшениявычислительнойсложностисовмещенияизображенийвмногоспектральных системах технического зрения летательных аппаратов»;СЧ НИОКР «МСТЗ-РГРТУ» по теме «Отладка программного обеспечениястенда для проведения испытаний и отладки компонент многоспектральной системытехнического зрения в части СДМВ»;НИР 12-15 по теме «Формирование и анализ исходных данных дляэкспериментальных исследований технологии анализа изображений для системтехнического зрения летательных аппаратов»;НИР 14-14Г, выполненной в ходе реализации проекта РФФИ № 14-07-97515.Результаты диссертационной работы внедрены в разработках АО«Государственный Рязанский приборный завод», направленных на создание системтехнического зрения для перспективных летательных аппаратов, и в учебномпроцессе кафедры ЭВМ ФГБОУ ВО «Рязанский государственный радиотехническийуниверситет» (дисциплины «Алгоритмические основы совмещения изображенийразличной физической природы», «Методы и алгоритмы обработки изображений»направления подготовки – 09.03.01 и 09.04.01 «Информатика и вычислительнаятехника»).Личный вклад автора.
Все выносимые на защиту результаты полученыавтором лично.Апробация работы. Основные результаты диссертации докладывались иобсуждались на 8-й международной научно-технической конференции CSIT’2013(Украина, Львов, 2013), 16-й международной конференции «Цифровая обработкасигналов и её применение» (ИПУ РАН, Москва, 2014), 3-й средиземноморскойконференции по встроенным вычислениям MECO-2014 (Черногория, Будва, 2014), 4й средиземноморской конференции по встроенным вычислениям MECO-2015(Черногория, Будва, 2015), научно-технической конференции «Техническое зрение всистемах управления» (ИКИ РАН, Москва, 2015), 3-й международной научнотехнической конференции «Актуальные проблемы создания космических системдистанционного зондирования Земли» (АО «Корпорация «ВНИИЭМ» Москва, 2015).Публикации.
По теме диссертации опубликовано 16 работ, в том числе 7статей, 3 из которых в изданиях, рекомендуемых ВАК РФ, и 5 тезисов докладов вматериалах международных и всероссийских конференций. В Федеральной службепо интеллектуальной собственности, патентам и товарным маркам зарегистрированытри программы для ЭВМ (№ 2015610172 от 12.01.2015, №2015660419 от 30.09.2015,№2015660721 от 07.10.2015).Структура и объем работы. Диссертация состоит из введения, 4-х глав,заключения, списка использованных источников и приложения.
Основной текстработы содержит 164 страницы, 75 рисунков и 10 таблиц. Список использованныхисточников включает 74 наименования.ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИВ первой главе «Обзор и анализ алгоритмов и методов совмещенияизображений в системах улучшенного видения» выполнен обзор основных методов 6 совмещения изображений, пригодных к применению в системах комбинированноговидения.Автором рассмотрены алгоритмы и методы предварительной обработкиизображений с целью их последующего совмещения. Отмечено, что предварительнаяобработка является критически важным этапом, определяющим результативностьвсего процесса совмещения.Для достижения поставленной цели произведена систематизация иформирование множества показателей качества критериальных функций,используемых при корреляционном совмещении изображений в системахкомбинированного видения.Приведена классификация и рассмотрены основные методы поискаглобального экстремума, такие как мультистарт, методы покрытий, генетическийалгоритм и др., которые могут применяться при решении задач многоэкстремальнойоптимизации в системах комбинированного видения, возникающих при совмещенииизображений в условиях сильного координатного рассогласования.По результатам исследований корреляционно-экстремальных методовсовмещения выявлены их основные достоинства: гарантированное получениеквазиоптимального решения, простота программной и аппаратной реализации, инедостатки: высокие вычислительные затраты, обусловленные необходимостьюиспользования значительного количества виртуальных изображений (до 106 единиц).Рассмотрены некорреляционные методы совмещения изображений, вчастности проективные методы совмещения, методы, основанные на использованиидетекторов характерных точек.
Выявлены их основные достоинства (высокоебыстродействие) и недостатки (сложность установления соответствия междухарактерными объектами разнородных изображений, трудности при аппаратнойреализации). Показано, что совмещение разнородных изображений существенноотличается от задачи совмещения однородных.На основании выполненных автором исследований выявлены основныепреимущества и недостатки существующих подходов к совмещению разнородныхизображений и определены границы их применимости, намечены критерииусовершенствования отдельных алгоритмов и задачи, для которых требуетсяразработка алгоритмов решения. На основе полученных результатов сделан вывод,что более перспективными являются некорреляционные алгоритмы совмещенияизображений, однако при их создании неизбежно возникает ряд дополнительныхзадач, требующих решения.Во второй главе «Алгоритмы совмещения изображений в системахкомбинированного видения» разработан комплекс алгоритмов, решающих задачусовмещения изображений.
В главе предложены алгоритмы, существенно снижающиевременные затраты на совмещение изображений по сравнению с корреляционнымиметодами.Выполнен сравнительный анализ и выбор критериальных функций для системкомбинированного видения. По результатам исследований установлено, что из-заспецификисовмещаемыхизображений,корреляционныеиразностныекритериальные функции оказываются непригодными для использования по причинеполучения неудовлетворительных результатов совмещения. По результатамэкспериментов установлено, что наилучшие результаты дают парная функция Рао 7 K=aa+b+c+eипарнаяфункцияКулзинскогоK=a.b+cЗначениеасоответствует совпадению черных пикселей на сравниваемых изображениях,значение е – совпадению белых пикселей на сравниваемых изображениях. Значенияb и c – пиксели на изображениях имеют различную яркость: белую и черную, чернуюи белую соответственно.Дальнейшие исследования корреляционных алгоритмов совмещенияпроизводились на основе двух названных парных функций.
Пример совмещенияисходных изображений с применением функции Рао представлены на рисунке 1а. Нарисунке 1б приведен вид получаемой корреляционной функции.аба – пример совмещения; б – вид корреляционной функцииРисунок 1 – Результаты использования функции РаоПредложеналгоритм,позволяющийосуществитьсовмещениетелевизионного или тепловизионного изображения с изображением ВММ на основеединственной пары ключевых точек.Основные шаги алгоритма:1.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
