Диссертация (1095112), страница 13

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 13)

Далее для каждой парыреального и синтезированного изображений рассчитывается некоторая мераблизостиизображений(впроводимомисследованиивыбранапарнаякритериальная функция Рао (1.7)). В конечном итоге выбирается парамаксимально близких по выбранному критерию изображений. За итоговыйрезультат предсовмещения принимается полученная пара из реального исинтезированногоизображений.Финальныйрезультатцепочкитакихпреобразований приведен на рисунке 2.28.Рисунок 2.28 – Конечный результат совмещения изображенийИтоговые значения корректировок угла тангажа и высоты таковы:  0, 3 , h  20 м . Приведем значения корректировок по всем параметрам,задействованным в преобразованиях: x  68, y  17 ,   1,088 ,   0,3 ,h  20 м .

Смещения x и y приведены в пикселях.88Для сравнения на рисунке 2.29 приведен результат совмещения реального исинтезированного изображений корреляционно-экстремальным (КЭ) методом сиспользованием парной критериальной функции Рао (1.7). Поиск глобальногоэкстремума критериальной функции проводился в пространстве 6 параметровx, y, h, , ,   на сетке, содержащей около 106 узлов.Визуальное оценивание результатов совмещения по ключевой точке(рисунок 2.28) и корреляционным методом (рисунок 2.29) позволяет говорить отом, что контуры реки совмещены в обоих случаях приблизительно одинаково.Однако по линиям горизонта изображения на рисунке 2.29 недосовмещены.

Дляболее точного сопоставления результатов совмещения изображений нужныкритерии качества совмещения, основанные на количественных характеристиках.Их разработке посвящена третья глава настоящей диссертационной работы.Рисунок 2.29 – Результат совмещения изображений КЭ методомРезультирующие значения корректировок по каждому из шести параметров,полученные при корреляционном совмещении методом полного перебора таковы:x  32 м, y  0, h  16 м,   -1 ,   0,2 ,   0,2 . Оценки смещений hи  , полученные алгоритмом ключевой точки близки к оценкам, найденнымкорреляционным методом. Смещения x и y трудно сопоставлять по двумпричинам. Во-первых, они измеряются в разных единицах.

Во-вторых, в методеключевой точки не производятся коррекция по курсу. Поэтому оценки смещений89x и y в методе ключевой точки содержат в своем составе и ошибкуоценивания курса. Существенное несовпадение оценок ошибок по крену  1,088горизонтаи   0,2 объясняется тем, что в методе ключевой точки линиисовмещеныкачественно,авкорреляционномметодеонинедосовмещены [57].2.5 Основные выводы по главеВ главе предложен рядизображенийвсистемахнекорреляционныхулучшенногоиалгоритмов совмещениякомбинированноговидения,позволяющих значительно сократить временные затраты на совмещениеизображений в сравнении с корреляционными методами:1.Предложенпошаговыйалгоритмпоискаматрицыгомографии,применяемый в случае наличия недостоверных пар точек, использующийнахождение элементов матрицы гомографии по числу ключевых точек,отличному от 4, что позволяет не только снизить требования по точности ихопределения, но и избежать необходимости решения сложной задачи покорректному выбору четырех пар точек.2.Предложен алгоритм выделения значимых объектов, позволяющийповысить вероятность верного детектирование ключевых точек на контурномпрепарате, что оказывает существенное положительное влияние на правильностьнахождения матрицы гомографии для совмещения.3.Предложен алгоритм совмещения по единственной паре ключевыхточек, позволяющий осуществить предварительное совмещение контуров наидеях ключевых точек.

Отличительными особенностями алгоритма являютсяиспользование единственной пары ключевых точек, а также применениекорреляционных алгоритмов для установления истинных значений параметровтангажа и высоты летательного аппарата.4.Программная реализацияпредлагаемых алгоритмом предполагаетвозможность распараллеливания вычислений. По этой причине они могут бытьэффективно реализованы аппаратно с использованием ПЛИС.90Алгоритмы, предлагаемые автором, способны существенно ускорить процесссовмещенияизображений.Однако,следуетотметить,чтонадежностьпредлагаемых подходов уступает корреляционным методам совмещения. Наосновании этого рекомендуется использовать предложенные решения в качестведополнения к существующей системе совмещения, основанной на корреляторе.Полностью отказаться от корреляционных подходов возможно лишь в случаеналичия высокодетальных виртуальных моделей местности, максимальнодетализированных и точных.

В противном случае при установлении парключевых точек на разнородных изображениях в автоматическом режиме,неизбежно возникновение ошибок.Основные результаты, приводимые в настоящей главе диссертационногоисследования, опубликованы в работах автора [34, 35, 39, 44, 47, 54, 58, 59, 60].91ГЛАВА 3. АЛГОРИТМЫ ОЦЕНКИ КАЧЕСТВА СОВМЕЩЕНИЯИЗОБРАЖЕНИЙСовмещение изображений является актуальной задачей, а потому для еерешения предложено большое количество различных алгоритмов, методов иподходов.Множествоалгоритмическогообеспечениядлясовмещенияизображений продолжает постоянно расширяться и пополняться. Отсюдавозникает задача оценки качества получаемых результатов с применением тех илииных подходов.

От качества совмещения реального и синтезированногоизображений зависит точность пересчета параметров пространственного иугловогопозиционированиясенсоров,атакжеадекватностьвосприятиякомбинированного изображения экипажем. Поэтому важно количественнооценить степень (качество) совмещения изображений для принятия решения овозможности использования результатов совмещения изображений для КЭНС ивизуализации экипажу. Очевидным и дающим наилучшие результаты оценкиявляется экспертный метод с привлечением человека-эксперта.

Однако, когдаречь заходит об автоматическом применении алгоритмов совмещения, требуетсяоценить качество получаемых результатов без участия человека-эксперта.Это требование является принципиальным. Так как в случае предоставленияэкипажулетательногоаппаратанекачественногорезультатасовмещения,способного ввести его в заблуждение, возможно принятие ошибочных решений.Поэтомурезультатсовмещенияизображенийнепременнодолженбытьпредварительно оценен в автоматическом режиме с использованием некоторойобъективной меры оценки.

И, в случае неудовлетворительного качестваполучаемого результата, системой совмещения должно быть сформированосоответствующее сообщение.Другойпричиной,покоторойтребуетсяразработкаалгоритмовавтоматической оценки качества, является автоматизация процесса сравненияалгоритмов совмещения между собой при проведении научных исследований[61].

Это особенно важно при оценивании качества не по отдельным кадрам, а по92длительным видеопоследовательностям, содержащим тысячи кадров. Обработкаподобныхвидеопоследовательностейспривлечениемчеловека-экспертазатруднительна в силу больших затрат времени и быстрой утомляемости в случаевизуального анализа однотипных кадров.3.1 Постановка задачи по оценке качества совмещения изображенийПрежде чем анализировать существующие и разрабатывать собственныеалгоритмы оценки качества получаемых совмещений, необходимо четко иоднозначно сформулировать задачу оценки качества совмещения изображений всистемах комбинированного видения, а также требования, предъявляемые кданной оценке.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 бортулетательного аппарата, либо путём отрисовки виртуальной модели местности вдвухмерное растровое изображение.Предварительные действия:- предварительная обработка изображений А и В, необходимая длядальнейшего совмещения;- совмещение исходных изображений с применением некоторой функциисовмещения f.Задача оценки качества совмещения состоит в получении количественнойоценки K(A, B, f) точности совмещения изображений А и В с применениемфункции f.В процессе проектирования алгоритмов оценки качества совмещениянеобходимо, чтобы результирующая оценка K удовлетворяла ряду условий:1.

K  [0, 1] , то есть оценка K – нормированное в пределах от нуля доединицы действительное число.932. Оценка K должна быть непрерывна и определена на всей областиопределения A, B, f, т.е. вычисление оценки K возможно для любых входныхизображений и любой функции их совмещения.3. К → 1 при увеличении точности совмещения А и В. Оценка К должна бытьтем больше, чем больше совпадают f(A,B) и изображение А или B в зависимостиот того, как осуществляется совмещение функцией f.4.

Временная сложность расчета оценки K должна быть по возможностиминимальной, чтобы данная оценка могла быть применима в составе алгоритмовсовмещения изображений. Однако, в задаче сравнительного анализа алгоритмовсовмещениядопустимо,чтобыданнаяоценкаобладалапроизвольнойтрудоемкостью в случае, если это необходимо для повышения точностиоценивания.3.2КлассификациясуществующихподходовкоценкекачествасовмещенияЗадача оценивания качества изображений [62, 63] не нова и хорошо освещенав литературе [64, 65].

С оценкой качества совмещения изображений дела обстоятсложнее. В общедоступных публикациях и научной литературе встречаютсяупоминания указанной задачи, однако, ее решение зачастую производитсяэкспертным методом, что, как было сказано выше, неприемлемо. Анализпубликаций [66, 67] позволяет сформировать следующую классификациюсуществующих подходов к оценке качества совмещения изображений:1. Сопоставление цветовых характеристик совмещаемых изображений:- сравнение процентной оценки содержания выбранных цветовизображениях;- расчет метрики (расстояния) между гистограммами изображений;- создание и сравнение цветового макета изображений.Достоинства:- низкая временная сложность;- простота программной и аппаратной реализации.на94Недостатки:- данный подход лишь косвенно учитывает структуру сцены (расположение иформа объектов, характер объектов);-используетсяинформацияоцветовойструктуресовмещаемыхизображений, что в случае изображений, построенных по виртуальной модели,требует их «раскраску» в цвета, приближенные к реальным.

Это связано с рядомсложностей: требуются предположения о цвете характерных объектов, учетосвещенности сцены, погодных условий, времени суток, времени года и т.д.2. Анализ форм объектов на изображениях:- глобальные характеристики формы;- гистограммы форм;- сопоставление границ.Алгоритм расчета показателя качества в данном случае следующий:а) На изображении f(A,B) и изображении А или B в зависимости от того, какосуществляется совмещение функцией f, выбирается некоторое количество оконN размером M×M пикселей: S1N – окна на изображении f(A,B), S2N – окна на А илиB.б) Расчет меры близости d между выделенными окнами, при условии, что dудовлетворяет требованиям, предъявляемым к оценке K (это гарантируетсоответствие K этим требованиям).3) Расчет K(A, B, f)=1 N d ( S1N , S 2 N ) .N i 1Достоинства:- относительная простота программной и аппаратной реализаций (в случае,если аппаратно реализованы средства выделения контуров);- относительно небольшая временная сложность.Недостатки:- простота реализации и временная сложность относительны, зависят отхарактера сцены на изображениях;- для большинства алгоритмов требуются существенные затраты по памяти;95- необходимость подбора достаточно большого количества параметров.3.

Распознавание образов:- текстурные признаки Харалика (текстура, покрывающая изображение,описывается характеристиками специальных матриц вхождений H, описывающихструктурутекстурывсоответствующемнаправленииотодногокраяобрабатываемого изображения к другому.

По указанной матрице возможнорассчитать набор статистических характеристик текстуры, формирующих векторпризнаков текстуры, для которого можно рассчитать норму);- вейвлет Габора (позволяет компактно описать интенсивность измененияспектральных яркостей (фактически, градиент) в определенном направлении наизображении. С помощью вейвлета Габора можно построить вектор частныхпроизводных спектральной яркости по набору направлений, после чего можнорассчитать норму данного вектора);- энергетические характеристики Лавса (описывают текстуру исходногоизображения – начиная от яркостных характеристик текстуры, заканчивая ееструктурой).Достоинства:- небольшая временная сложность, малые затраты по памяти;- простота программной и аппаратной реализации.Недостатки:- необходимость аппаратной реализации медленных операций с плавающейточкой.4.

Характеристики

Список файлов диссертации