(http://matlab.exponenta.ru/imageprocess/book2/)

Обработка сигналов и изображений\ Image Processing Toolbox

И.М.Журавель "Краткий курс теории обработки изображений"

Содержание:

• Свойства зрительной системы человека

• Возможности цифровой обработки изображений в Matlab

• Типы изображений
  - Бинарные изображения: геометрические характеристики
  - Бинарные изображения: топологические характеристики

• Формирование и обработка цифровых изображений

• Локально-адаптивная обработка изображений
  - Адаптивное повышение контрастности изображений
  - Энтропия изображения. Использование среднеквадратического отклонения значений яркостей элементов окрестности в методах контрастирования изображений. Нелинейное растяжение локальных контрастов.
  - Анализ некоторых характеристик локальных окрестностей
  - Статистическое определение локального контраста
  - Локально-адаптивное улучшение качества изображений

• Фильтрация изображений
  - Алгоритмы сглаживания изображений
  - Двумерное сглаживание изображений
  - Обобщенная линейная фильтрация
  - Градиентный метод выделение контуров объектов на цветных изображениях
  - Пространственная фильтрация

• Деконволюция
  - Предварительная обработка изображений

• Расширение границ изображений. Сверхразрешение

- Реконструкция размытых изображений в MATLAB

• Структурное распознавание на основе меры схожести символьных строк

• Границы изображений
  - Края и их обнаружение

• Оптимизация палитры изображений

• Кодирование и сжатие изображений
  - задачи кодирования
  - основные методы кодирования

• Некоторые области практического применения методов обработки изображений и распознавания образов (геофизические наблюдения, применение в биологии, применение на транспорте)
  - Распознавание рукописных знаков
  - Коррекция неравномерной засветки изображения.
  - Сегментация цветных изображений на основе кластеризации по методу k-средних.
  - Сегментация цветных изображений на основе цветового пространства L*a*b*
  - Уменьшение количества градаций цветных изображений
  - Обнаружение вращений и масштабных искажений на изображении
  - Регистрация изображений с помощью нормированной кросс-корреляции
  - Наложение двух изображений
  - Технология повышения контрастности изображений.
  - Улучшение мультиспектральных цветных изображений

- Регистрация аэрофотографий на ортофотоснимках
- Пространственные преобразования изображений
- Исследование конформных преобразований
- Создание обивочных материалов с использованием изображений
- Извлечение данных из трехмерных магниторезонансных изображений
- Поиск длины маятника в движении
- Гранулометрия
- Идентификация округлых предметов
- Измерение углов пересечения
- Измерение радиуса части мотка ленты
- Обнаружение объектов с помощью сегментации изображений
- Реконструкция изображений по их проекционным данным
- Сегментация методом управляемого водораздела
- Восстановление изображений методом слепой деконволюции
- Реконструкция изображений с использованием регуляризационного фильтра
- Восстановление изображений с использованием метода Лаки-Ричардсона
- Некоторые подходы к улучшению визуального качества изображений с затемненными участками
- Реализация некоторых методов видоизменения гистограмм в системе Matlab
- Подавление шумов на изображениях
- Текстурная сегментация с использованием текстурных фильтров
- Поиск растительности на мультиспектральных изображениях
- Распознавание объектов на основе вычисления их признаков
- Распознавание объектов на основе вычисления коэффициента корреляции
- Анализ признаков объектов
- Некоторые аспекты задачи распознавания номерных знаков автомобилей
- Анализ серии изображений с распределенной обработкой данных
- Сглаживание цветных изображений
- Построение гистограмм
- Видоизменение гистограмм

• Визуализация объектов

• Применение методов улучшения изображений при разработке системы видеонаблюдения

• Улучшение изображений с яркостными искажениями

• Некоторые алгоритмы повышения визуального качества изображений

• Пороговая обработка цветных изображений

• Формирование ночного изображения на основе дневного и наоборот

• Обнаружение лиц на основе цвета

• Метод управления яркостью изображения

(http://daily.sec.ru/dailypblshow.cfm?rid=46&pid=17660&pos=4&stp=5&cd=11&cm=5&cy=2007)

Видеодетектор дыма компании D-Tec на основе CCTV-камеры улучшает защиту от пожара в туннеле Сиднейского залива

Видеодетектор дыма компании D-Tec (Video Smoke Detection, VSD) на основе CCTV-камеры применен для обеспечения быстрого отклика на потенциальный пожар в туннеле Сиднейского залива стоимостью AU$554 млн. Модифицировав 80 CCTV камер в туннеле (по 40 в каждом рукаве), VSD обеспечивает жизненно важное раннее предупреждение об инциденте в туннеле, который пропускает почти 90000 машин в день.

Ключевое преимущество VSD заключается в его способности, используя технологию обработки изображения и алгоритмы пространственной детекции, предупредить системного оператора о наличии дыма за самое короткое, насколько возможно, время – это особенно критично в замкнутом окружении туннеля. Эффективно детектируя дым, VSD, в противоположность традиционным методам, не требует близости дыма к детектору и, поэтому, он не чувствителен к расстоянию до источника дыма.

Говорит Shaun Smith, региональный менеджер компании D-Tec по Австралии:

"Во время строительства в 1992г., туннель был оборудован самой лучшей системой противопожарной защиты, которая только была доступна на тот период. Она состояла из тепловых точечных детекторов, расположенных через каждые 15 м в каждой полосе движения. Более чем 40 CCTV камер (в 2000 г дополнительно были инсталлированы еще 48 камер) наблюдали движение в обоих рукавах. Это было дополнено ручной системой водораспыления, управляемой из диспетчерской с круглосуточно работающим персоналом.

Катализатором движения к применению нового решения с использованием видеодетекторов дыма компании D-Tec явилась постоянно действующая программа интенсивных тренировок и ежемесячного технического обслуживания, проводимая компанией SHTC (Sydney Harbour Tunnel Company). По мере улучшения технологий, менеджеры компании искали более эффективные системы для обнаружения пожара. В союзе с пожарниками Сиднея (Sydney Fire Brigade) была проведена серия контролируемых пожаров транспортных средств для того, чтобы проверить способность откачивающих систем удалить дым, активацию точечных детекторов и способность систем водораспыления подавить огонь. На этой стадии руководство SHT пригласило компанию D-Tec и ее австралийского агента Chubb Fire Safety принять участие в этих тестах и испытать современную систему видеодетекции дыма (VSD).

В течение горения транспортного средства температура на месте пожара достигла 500°С. Все камеры, в поле зрения которых попал дым, были полностью затенены в течение 25 с. Срабатывание системы водораспыления было отложено, для того, чтобы дать пожару развиться и большому объему дыма распространиться вдоль туннеля. Активация всех туннельных тревог контролировалась. Система водораспыления была включена через пять минут и пожар был локализован. VSD система подала тревогу через 14 с после появления видимого дыма и до появления пламени. После этого еще 30 тревог было подано в течение оставшегося времени горения. Это было полным контрастом по сравнению с существующим решением, когда ни один из датчиков так и не подал тревоги.

Как результат успешного теста, в системах VSD по решению SHTC были задействованы все 80 существующих CCTV камер. Решение способно обеспечить изображения в реальном масштабе времени и имеет память на 5000 bitmap-изображений с водяными знаками. Оборудование VSD передает свои сигналы тревоги на контрольную панель. Эта панель затем обеспечивает подачу визуального и звукового тревожного сигнала в диспетчерскую.

(http://www.priroda.org/news/100902_001.htm)