|
ГЛАВНАЯ
> Вернуться к содержанию
Программные системы и вычислительные методы
Правильная ссылка на статью:
Кревецкий А.В.
Особенности формирования ассоциированного сплошного образа в задачах распознавания групповых точечных объектов
// Программные системы и вычислительные методы.
2016. № 4.
С. 392-402.
DOI: 10.7256/2454-0714.2016.4.21165 URL: https://nbpublish.com/library_read_article.php?id=21165
Особенности формирования ассоциированного сплошного образа в задачах распознавания групповых точечных объектов
Кревецкий Александр Владимирович
кандидат технических наук
заведующий, Поволжский государственный технологический университет
424000, Россия, Республика Марий Эл, г. Йошкар-Ола, пл. Ленина, 3
Krevetsky Aleksander Vladimirovich
PhD in Technical Science
Head of the Department of Computer Science, Volga State University of Technology
424000, Russia, Marii El, g. Yoshkar-Ola, pl. Lenina, 3
|
krevetskyav@volgatech.net
|
|
 |
Другие публикации этого автора
|
|
|
DOI: 10.7256/2454-0714.2016.4.21165
Дата направления статьи в редакцию:
21-11-2016
Дата публикации:
15-01-2017
Аннотация:
Групповые точечные объекты (ГТО) представляют собой класс изображений, отличающийся несвязностью и вырожденностью своих элементов. Для обнаружения, пространственного разрешения (сегментации, локализации), распознавания и оценки параметров таких объектов в наблюдаемых сценах выполняется связывание элементов ГТО ассоциированным сплошным образом (АСО). Базовой процедурой формирования ассоциированного образа служит расфокусировка точечной сцены. Для достижения высокой эффективности решения указанных задач по данным зашумленных изображений необходимо обеспечить согласование параметров моделей АСО со свойствами ГТО и параметрами алгоритмов принятия решений. Решение данной задачи достигается методами функционального анализа для поиска экстремумов, теории обработки непрерывных и цифровых изображений для синтеза алгоритмов, дискретной и вычислительной математики для конкретизации численного метода формирования АСО. Для колоколообразной и прямоугольной импульсных характеристик дефокусирующего фильтра получены правила выбора уровня ограничивающего АСО контура с максимальной устойчивостью к ошибкам квантования яркости изображения. Конкретизирована методика согласования параметров модели АСО с плотностью элементов ГТО. Для наглядности и упрощения интерфейса оператора работа с моделями АСО выделен параметр – «радиус» импульсной характеристики фильтра. Получены аналитические связи «радиуса» с порогом локализации пространственно-компактных ГТО. Синтезирован численный метод базовой процедуры формирования АСО, отличающийся на один – два порядка большей производительностью по сравнению с подходом на основе быстрого преобразования Фурье для пространственно-компактных ГТО. Метод базируется на фильтрующих свойствах дельтовидного распределения яркости элементов ГТО и ограничения размеров окна низкочастотного фильтра с учетом числа уровней квантования его импульсной характеристики. Регулярность данной операции для ненулевых отметок наблюдаемой точечной сцены теоретически удобна для распараллеливания вычислений.
Ключевые слова:
групповой точечный объект, ассоциированный сплошной образ, точечные поля, распознавание изображений, анализ точечных сцен, пространственная локализация, оптимизация модели, пространственная компактность, быстрые алгоритмы фильтрации, численные методы
УДК: 004.931
Работа выполнена при финансовой поддержке РФФИ, проект № 16-01-00451.
Abstract: The issues arising in the implementation of the technical approach to the recognition of the group point object (GPO) images on the basis of the binding elements of the continuous associated images (CAI) are considered. The basic CAI formation models of the point scene defocusing are analyzed. For bell-shaped and rectangular impulse response obtained defocusing filter selection rules limiting circuit CAI level with maximum fault tolerance quantization of the image brightness. Concretize methodology harmonization CAI model parameters with the density of the GPO members. For clarity and simplify the operator interface work with models CAI highlight - radius of the filter impulse response the ratio of the radius with a threshold localize spatially compact objects is obtained. Synthesized numerical method for the formation of base procedure ASO, characterized by one - two orders of magnitude higher performance than with an approach based on the fast Fourier transform for compact GPO. The method is based on the filtering properties of the deltoid brightness distribution GPO elements and limitations of the low pass filter window size based on the number of quantization levels of its impulse response. The results are aimed at ensuring the quality of the detection procedures, permits and GPO recognition in noisy images, set in a one-dimensional, two-dimensional and three-dimensional spaces in their technical implementation.
Keywords: group point object, continuous associated images, point field, image recognition, point scene analysis, spatial localization, model optimization, spatial compactness, fast filtering, numerical methods
Библиография
1. Точечные поля и групповые объекты / Я. А Фурман, А. А Роженцов, Р. Г. Хафизов, Д. Г. Хафизов, А. В. Кревецкий, Р. В. Ерусланов; под общ. ред. Я. А. Фурмана. – М: ФИЗМАТЛИТ, 2014. – 440 с.
2. Верба В.С. Обнаружение наземных объектов. Радиолокационные системы обнаружения и наведения воздушного базирования. – М.: Радиотехника, 2007. – 360 с.
3. Анисимов В.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений. – М.: Высш. шк., 1983. – 295 с.
4. Цифровая обработка видеоизображений / А.А. Лукъяница, А.Г.Шишкин. – М.: «Ай-Эс-Эс Пресс», 2009. – 518 с.
5. Мандель И. Д. Кластерный анализ. – М.: Финансы и статистика, 1988. – 176 с.
6. Введение в контурный анализ; приложения к обработке изображений и сигналов / Я.А. Фурман, А.В. Кревецкий, А.К. Передреев, и др.; под ред. Я.А. Фурмана. – 2-е изд. – М.: ФИЗМАТЛИТ, 2003. – 592 с.
7. Комплекснозначные и гиперкомплексные системы в задачах обработки многомерных сигналов / Я.А. Фурман, А.В. Кревецкий, А.А. Роженцов, и др.; под ред. Я.А. Фурмана. – М.: ФИЗМАТЛИТ, 2004. – 456 с.
8. Кревецкий А.В. Инвариантные к форме обнаружение и пространственная локализация групп точечных объектов в трехмерном пространстве // Вестник МарГТУ. Радио-технические и инфокоммуникационные системы. – Йошкар-Ола: Изд-во МарГТУ, 2011.– №1. – С. 47-53.
9. Кревецкий А.В., Чесноков С.Е. Кодирование и распознавание изображений множеств точечных объектов на основе моделей физических полей// Автометрия, 2002. – №3. – С. 80–89.
10. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов: Пер. с англ.—М.: Мир, 1989. – 448 с.
11. Чесноков С.Е., Кревецкий А.В., Уржумов Д.В., Ипатов Ю.А. Архитектура систем комплексного дешифрирования изображений аэрокосмических изображений подстилающей поверхности земли в реальном масштабе времени // Вестник МарГТУ. Радиотехнические и инфокоммуникационные системы. – Йошкар-Ола: Изд-во МарГТУ, 2012. – №1. – С. 47-59.
References
1. Tochechnye polya i gruppovye ob''ekty / Ya. A Furman, A. A Rozhentsov, R. G. Khafizov, D. G. Khafizov, A. V. Krevetskii, R. V. Eruslanov; pod obshch. red. Ya. A. Furmana. – M: FIZMATLIT, 2014. – 440 s.
2. Verba V.S. Obnaruzhenie nazemnykh ob''ektov. Radiolokatsionnye sistemy obnaruzheniya i navedeniya vozdushnogo bazirovaniya. – M.: Radiotekhnika, 2007. – 360 s.
3. Anisimov V.V., Kurganov V.D., Zlobin V.K. Raspoznavanie i tsifrovaya obrabotka izobrazhenii. – M.: Vyssh. shk., 1983. – 295 s.
4. Tsifrovaya obrabotka videoizobrazhenii / A.A. Luk''yanitsa, A.G.Shishkin. – M.: «Ai-Es-Es Press», 2009. – 518 s.
5. Mandel' I. D. Klasternyi analiz. – M.: Finansy i statistika, 1988. – 176 s.
6. Vvedenie v konturnyi analiz; prilozheniya k obrabotke izobrazhenii i signalov / Ya.A. Furman, A.V. Krevetskii, A.K. Peredreev, i dr.; pod red. Ya.A. Furmana. – 2-e izd. – M.: FIZMATLIT, 2003. – 592 s.
7. Kompleksnoznachnye i giperkompleksnye sistemy v zadachakh obrabotki mnogomernykh signalov / Ya.A. Furman, A.V. Krevetskii, A.A. Rozhentsov, i dr.; pod red. Ya.A. Furmana. – M.: FIZMATLIT, 2004. – 456 s.
8. Krevetskii A.V. Invariantnye k forme obnaruzhenie i prostranstvennaya lokalizatsiya grupp tochechnykh ob''ektov v trekhmernom prostranstve // Vestnik MarGTU. Radio-tekhnicheskie i infokommunikatsionnye sistemy. – Ioshkar-Ola: Izd-vo MarGTU, 2011.– №1. – S. 47-53.
9. Krevetskii A.V., Chesnokov S.E. Kodirovanie i raspoznavanie izobrazhenii mnozhestv tochechnykh ob''ektov na osnove modelei fizicheskikh polei// Avtometriya, 2002. – №3. – S. 80–89.
10. Bleikhut R. Bystrye algoritmy tsifrovoi obrabotki signalov: Per. s angl.—M.: Mir, 1989. – 448 s.
11. Chesnokov S.E., Krevetskii A.V., Urzhumov D.V., Ipatov Yu.A. Arkhitektura sistem kompleksnogo deshifrirovaniya izobrazhenii aerokosmicheskikh izobrazhenii podstilayushchei poverkhnosti zemli v real'nom masshtabe vremeni // Vestnik MarGTU. Radiotekhnicheskie i infokommunikatsionnye sistemy. – Ioshkar-Ola: Izd-vo MarGTU, 2012. – №1. – S. 47-59.
Ссылка на эту статью
Просто выделите и скопируйте ссылку на эту статью в буфер обмена. Вы можете также
попробовать найти похожие
статьи
|
|
