автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.14, диссертация на тему:Анализ растровых пространственно-временных сигналов и синтез специализированных процессоров для быстродействующей обработки изображений в системах технического зрения

доктора технических наук
Сальников, Игорь Иванович
город
Пенза
год
2000
специальность ВАК РФ
05.13.14
цена
450 рублей
Диссертация по информатике, вычислительной технике и управлению на тему «Анализ растровых пространственно-временных сигналов и синтез специализированных процессоров для быстродействующей обработки изображений в системах технического зрения»

Автореферат диссертации по теме "Анализ растровых пространственно-временных сигналов и синтез специализированных процессоров для быстродействующей обработки изображений в системах технического зрения"



На правах рукописи

УДК 621. 372

САЛЬНИКОВ Игорь Иванович

АНАЛИЗ РАСТРОВЫХ ПРОСТРАНСТВЕННО-ВРЕМЕННЫХ СИГНАЛОВ И СИНТЕЗ СПЕЦИАЛИЗИРОВАННЫХ ПРОЦЕССОРОВ ДЛЯ БЫСТРОДЕЙСТВУЮЩЕЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ В СИСТЕМАХ ТЕХНИЧЕСКОГО ЗРЕНИЯ

05.13.14 - Системы обработки информации и управления

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Пенза 2000

Работа выполнена в Пензенском технологическом институте

Официальные оппоненты: доктор физ.-мат. наук,

профессор

Крылов Г.О.

доктор техн. наук, профессор

Чудинов С.М.

доктор техн. наук, профессор

Федотов Н.Г.

Ведущая организация - Пензенский филиал

Научно-технического центра "Атлас "

Защита состоится " 20 " 2000 г. в .часов на

заседании диссертационного Совета Д 115.05.01 при Академии Оборонных отраслей промышленности

по адресу 121351 г. Москва, ул. Молодогвардейская 46, корп. 1

С диссертацией можно ознакомиться в библиотеке Академии Оборонных отраслей промышленности. Автореферат разослан

" 21 " 2000 г.

Ученый секретарь диссертационного совета, професо

^^Чересов Ю.И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Диссертация посвящена разработке методов анализа растровых пространственно-временных сигналов и особенностям использования таких сигналов при синтезе быстродействующих устройств обработки изображений в системах технического зрения.

Актуальность темы.

В настоящее время успешно развиваются системы технического зрения (СТЗ), которые представляют собой достаточно сложные аппаратно-программные комплексы средств для решения задач выработки рациональных символических описаний визуальной обстановки, составленных на основе анализа данных об изображении.

Перед СТЗ ставятся совершенно отличные от изображающих телевизионных систем задачи, - это обнаружение появления нового объекта; классификация и распознавание объекта; слежение за перемещающимся объектом с динамическим целеуказанием.

СТЗ относятся к пассивным системам наблюдения. Работающие в видимом диапазоне электромагнитных волн и использующие естественные источники излучения, они имеют неоспоримое преимущество перед активными системами - определить факт наблюдения противной стороной практически невозможно. Широкое использование пассивных средств наблюдения связано с успехами в развитии систем радиопротиводействия, направленных на обнаружение и подавление активных систем. Поэтому все большее внимание уделяется пассивным средствам обнаружения и идентификации объектов. Кроме того, использование малой длины волны видимого диапазона электромагнитных волн позволяет строить изображения не только для обнаружения целей, но и для их идентификации. Достоинства пассивных систем наблюдения сопровождаются определенными сложностями -наблюдение приходится вести с малыми уровнями входного сигнала, в большом динамическом диапазоне освещенностей, при флуктуациях атмосферы и при наличии сложного фона.

Основными характеристиками при анализе изображений объектов в СТЗ являются их пространственные параметры в пределах телевизионного растра. Это могут быть габаритные размеры изображения объекта, площадь, периметр, оси симметрии, координаты центра тяжести, различные пространственные коэффициенты и т.д.

Во всех приведенных задачах, решаемых СТЗ, входным является растровый пространственно-временной сигнал (РПВС), представляющий собой растровое изображение и формируемый, как правило, телевизионным дат-

чиком. Растровый характер изображений, приводит к существенной особенности - необходимости выявления пространственной связанности элементов изображения, особенно по строкам в пределах кадра.

На быстродействие, которое является одним из основных характеристик разрабатываемых реальных СТЗ, в значительной степени влияют методы и средства обработки входного изображения, в разработке которых к настоящему времени накоплен значительный научно-технический опыт и, с точки зрения достижения СТЗ максимального быстродействия, заслуживают внимание методы: когерентно-оптические, использующие интегральные пространственные преобразования, и цифровые, основанные на использовании средств вычислительной техники.

Однако, серьезные практические успехи в использовании этих методов и средств обработки изображений невозможны без решения широкого круга проблем, связанных с особенностями растрового представления пространственно - временных сигналов в СТЗ. Методы когерентно-оптической обработки информации (КООИ) и методы цифровой обработки информации (ЦОИ) основаны на различных принципах, - в первом случае используется аналоговая параллельная обработка изображений в пространстве, а во втором случае - цифровая последовательная во времени поэлементная обработка. Но эти методы объединяет одно общее обстоятельство - использование растровых пространственно-временных сигналов.

При использовании методов КООИ растровый характер входного анализируемого изображения приводит к необходимости восстанавливать из видеосигнала пространственную картину изображения и модулировать один или несколько пространственных параметров когерентного светового потока, что выполняется специальными устройствами ввода обрабатываемого сигнала. При этом возникают специфические помехи, заключающиеся в дифракции когерентного света на периодической структуре РПВС.

Отсутствие методики оценки точности работы систем КООИ сдерживает решение не только проблемы достоверности результатов работы таких систем, но и проблемы выбора этих методов при проектировании систем технического зрения.

Методы ЦОИ более приспособлены к обработке видеосигнала растрового изображения, так как видеосигнал уже представляет собой одномерный поток данных, при этом наибольшим быстродействием обладают цифровые системы, выполненные на аппаратной логике.

При синтезе алгоритмов работы устройств анализа изображений существует проблема учета растрового характера пространственно-временных сигналов. При этом, с целью достижения наибольшего быстродействия устройств, алгоритмы должны обходиться без запоминания всего кадра и всс/^

вычислительные операции должны выполняться за интервал существования одного элемента растра, то есть за интервал дискретизации.

Отсутствие теоретических основ анализа растровых изображений сдерживает решение не только проблемы выбора метода анализа пространственно-временных сигналов, но и проблемы синтеза устройств обработки, работающих в реальном времени.

Таким образом, при разработке систем технического зрения, анализирующих изображения объектов в реальном времени, возникла актуальная научная проблема, решить которую требовалось на принципиально новой методологической основе.

В качестве такой основы в диссертации автором с единых научных позиций разработана теория метода выбора средств анализа РПВС и синтеза устройств обработки, работающих в реальном времени с заданными параметрами вычислительного процесса.

Научная проблема, решаемая в диссертации, формулируется следующим образом: разработка теоретических основ построения специализированных процессоров для быстродействующей обработки растровых пространственно-временных сигналов в системах технического зрения.

Целью работы является разработка методов анализа растровых пространственно-временных сигналов и использование особенностей этих сигналов при создании быстродействующих устройств измерения пространственных параметров изображений объектов в системах технического зрения.

В соответствии с поставленной целью определены задачи диссертации: разработать теоретические основы выбора метода и средств обработки растровых пространственно-временных сигналов (РПВС) на базе некоторой обобщенной характеристики, включающей в себя основные параметры вычислительного процесса;

проанализировать условия использования когерентно-оптических методов (КООИ) для построения быстродействующих устройств обработки РПВС;

разработать метод оптимизации параметров растровой записи импульсной переходной характеристики (ИПХ) по критерию минимума средне-квадратической ошибки на основе анализа специфических перекрестных помех управляемого оптического фильтра, возникающих из-за дифракции когерентного света на растровой структуре записи ИПХ в пространственно-временных модуляторах света;

разработать и исследовать методы контроля параметров растровых ^ формирователей изображений средствами КООИ, оценить точность

таких методов;

рассмотреть свойства дискретно-разностного преобразования при переменном шаге разности, оценить влияние связи между интервалом корреляции и шагом разности на корреляционные и вероятностные характеристики обрабатываемого сигнала;

проанализировать методы формирования порогового уровня при бинаризации растрового телевизионного изображения, при этом оценить следующие характеристики: среднеквадратическую ошибку формирования порогового уровня, среднеквадратическую ошибку определения координат границы бинарного изображения, полную вероятность ошибочного формирования бинарного изображения и быстродействие; разработать алгоритм выбора метода формирования порогового уровня при бинаризации растрового телевизионного изображения для различных критериев;

обобщить результаты по сегментации бинарных изображений и с целью достижения максимального быстродействия переложить алгоритм сегментации Кугаева Ю.Ф. на аппаратные средства без запоминания кадра; проанализировать влияние шумов и помех на точность работы сегмен-татора бинарных растровых изображений;

разработать алгоритмы измерения координат центра тяжести и периметра, работающие совместно с сегментатором растровых бинарных изображений и ориентированные на аппаратную реализацию для достижения максимального быстродействия.

Научная новизна диссертационной работы заключается в том, что в ней впервые:

на основании обобщенного подхода к эффективности вычислительного процесса разработана методика выбора способа реализации быстродействующих устройств обработки растровых пространственно-временных сигналов - аналогового, когерентно-оптического, цифрового аппаратного или цифрового программного;

получены зависимости среднеквадратической ошибки от параметров растровой записи, возникающих из-за дифракции когерентного света на растровой структуре в многоканальном управляемом оптическом фильтре, использующем для ввода временных сигналов ультразвуковой модулятор света, а для формирования управляемой импульсной переходной характеристики - растровую запись в пространственно-временном модуляторе света;

установлены свойства дискретно-разностного преобразования, в котором Л

в качестве параметра преобразования используется переменный шаг разности;

определены зависимости среднеквадратических ошибок от характеристик порогового преобразования, которые позволяют оптимизировать метод формирования порогового уровня при бинаризации растрового пространственно-временного сигнала;

получены зависимости вероятностей ошибок работы сегментатора при воздействии низкочастотных и высокочастотных шумов и помех от параметров обрабатываемого пространственно-временного сигнала; реализован известный алгоритм для сегментации растрового бинарного изображения, работающий по текущим отсчетам входного сигнала и ориентированный на цифровую аппаратную реализацию; разработан алгоритм измерения пространственных параметров - координат описанного прямоугольника, координат центра тяжести, периметра пространственно-связанных локальных областей.

Достоверность полученных результатов обеспечивается использованием аппарата математического анализа, теории вероятностей и математической статистики, полнотой и корректностью исходных предпосылок, математической строгостью доказанных утверждений и преобразований при получении аналитических зависимостей, а также результатами физического моделирования и практической реализации устройств обработки сигналов.

На защиту выносятся следующие научные результаты:

1. Методика выбора средств реализации алгоритма обработки пространственно-временных сигналов для быстродействующих систем анализа изображений, основанная на формировании характеристической функции вычислительного процесса, в которой учитываются основные параметры обрабатываемого сигнала - динамический диапазон, число отсчетов входного сигнала , а также параметры реализуемого алгоритма - количество вычислительных операций, число отсчетов получаемого результата и время выполнения преобразования.

2. Метод оптимизации параметров растровой записи импульсной переходной характеристики по критерию минимума среднеквадратической ошибки на основе анализа специфических перекрестных помех в многоканальном управляемом оптическом фильтре.

3. Метод контроля параметров растровых формирователей изображений средствами когерентно-оптической обработки информации и результаты анализа потенциальных возможностей этого метода, позволяющего изменить смещение, масштабные и нелинейные искажения растра с высокой

точностью.

4. Метод анализа сигналов на основе дискретно-разностного преобразования. переменным параметром которого является шаг разности и который позволяет: - при равенстве шага разности интервалу корреляции сигнала улучшить отношение сигнал/шум в 2 раза; - на основе таких простых вычислительных операций, как вычитание, сложение, сравнение и запоминание, реализовать спектральный анализ.

5. Алгоритм выбора метода формирования порогового уровня при бинаризации растрового телевизионного изображения по критерию минимума среднеквадратической ошибки формирования порогового уровня.

6. Концепция обработки растровых пространственно-временных сигналов по текущим отсчетам входного видеосигнала для реализации принципа обработки в реальном времени с учетом неявных временных связей в направлении ортогональном строчной развертке.

7. Теоретические основы быстродействующей пространственной сегментации бинарного изображения в устройствах цифровой обработки информации и анализа растровых изображений.

8. Реализация аппаратными цифровыми средствами известного алгоритма сегментации, который, с целью достижения максимального быстродействия, ориентирован на работу в текущем времени.

9. Метод оценки точности работы сегментатора в условиях влияния шумов и помех.

10. Алгоритмы измерения пространственных параметров - координат центра тяжести и периметра растровых изображений, работающие совместно с сегментатором и ориентированные на цифровую аппаратную реализацию с целью достижения максимального быстродействия.

Практическая ценность работы определяется следующими результатами: полученная методика количественной оценки требуемой вычислительной производительности алгоритма обработки растрового пространственно-временного сигнала позволяет выбрать по разработанному критерию оптимальный способ реализации;

разработанный и исследованный многоканальный управляемый оптический фильтр, объединяющий использование ультразвукового модулятора света для оперативного ввода анализируемого временного сигнала и использование пространственно-временных модуляторов света на основе термопластика и жидких кристаллов, а также разработанные методы контроля параметров растровых формирователей изображений дополняют и расширяют арсенал средств анализа сигналов методами когерентно-оптической обработки информации; ^

предложенный метод сравнения шага разности с интервалом корреляции сигналов при дискретно-разностном преобразовании позволяет получить улучшение отношения сигнал/шум при корреляционном анализе, а также выполнять спектральный анализ сигналов, используя простые вычислительные операции, тем самым получая возможность реализовать максимальное быстродействие системы обработки; проанализированные методы формирования порогового уровня для выполнения бинаризации растровых изображений открывают возможность оптимального выбора параметров по критерию минимума сред-неквадратической ошибки в зависимости от реальных условий работы разрабатываемой системы;

реализованный известный алгоритм сегментации и разработанные алгоритмы измерения пространственных характеристик бинарных растровых изображений позволяют синтезировать быстродействующие, работающие в реальном времени системы обнаружения, анализа и слежения за объектами.

Результаты диссертации получены при непосредственном участии автора в рамках хоздоговорных и госбюджетных научно-исследовательских работ, выполненных с 1977 г. на кафедре радиотехники Пензенского государственного университета, а с 1990 г. - на кафедре вычислительных машин и систем Пензенского технологического института.

Указанные НИР выполнялись в соответствии с планами АН СССР по проблеме "Голография" в 1980-87 г.г., по планам Научно-технического совета по проблеме "Неразрушающие методы контроля" при Минвузе СССР в 1981-85г.г., по планам Головного совета по промышленной радиооптике при Минвузе РСФСР в 1985-88 г.г., по единому заказ-наряду Минобразования РФ в 1994-2000 г.г. и

Основные результаты диссертационной работы внедрены на предприятиях - НИИ "Вектор" , ГУП"НИКИРЭТ" и ГУДП "ОКБ Топаз" ГУП "НПО Астрофизика". Экономический эффект от внедрения основных выводов и научных положений диссертационной работы, согласно актам внедрения, составил 1,2 млн. рублей в действующих ценах.

Апробация работы. Основные результаты работы докладывались и обсуждались на 2-й Всесоюзной школе по оптической обработке информации (г.Горький, 1978), на Всесоюзной научно-технической конференции "Применение лазеров в науке и технике" (Ленинград, 1981), на 3-ем Всесоюзном семинаре молодых ученых (г.Ростов, 1982), на 2-й Республиканской раучно-технической конференции (г.Винница, 1982), на Всесоюзной

научно-техниской конференции "Микропроцессоры-85" (Москва, 1985), на 13-й Всесоюзной научно-технической конференции "Высокоскоростная фотография" (Москва, ВНИОФИ,1987), на 1-й Всесоюзной научно-технической конференции по оптической обработке информации (Ленинград, 1988), на научно-технической конференции "Оптоэлектронные методы и средства обработки информации" (Винница, 1988), на научно-технических конференциях "Непрерывная логика и ее применения в технике, экономике и социологии" (г.Пенза, 1994, 1995, 1997, 1998), на 2-й Всероссийской научно-технической конференции "Распознавание образов и анализ изображений: Новые информационные технологии", РОАИ-2-95 (г.Ульяновск, 1995), на Международных научно-технических конференциях "Новые информационные технологии и системы" (г.Пенза, 1996, 1998), на 2-й Международной научно-технической конференции "Интерактивные системы: Проблемы человеко-компьютерного взаимодействия" (г.Ульяновск, 1997), на 2-й Международной методической конференции "Университетское образование " (г.Пенза, 1998).

Публикации. По материалам диссертации опубликовано 42 работы, в том числе 1 монография, 10 статей, 20 тезисов докладов, 2 авторских свидетельства, 9 научно-технических отчетов.

Структура и объем диссертации. Диссертация состоит из введения, семи глав, заключения и списка использованных источников из 203 наименований. Она содержит 242 страницы текста, 3 таблицы, 90 рисунков, 13 фотографий.

¿w

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность проблемы, проанализированы основные результаты, достигнутые в области обработки пространственно-временных сигналов к началу работы над диссертацией, сформулированы цель и задачи исследования, дан краткий обзор содержания диссертации, перечислены новые научные результаты, полученные в ней, сформулированы положения, выносимые на защиту, приведены сведения о практической ценности работы, публикациях и апробациях ее результатов.

В первой главе рассмотрены общие вопросы обработки растровых пространственно-временных сигналов. При проектировании быстродействующих устройств обработки растровых пространственно-временных сигналов (РПВС) на первом этапе возникает задача выбора метода обработки. При этом, исходными условиями являются априорные данные о сигнале, помеховой обстановке и условиях обработки.

Предлагаются критерии выбора и обоснования использования метода обработки пространственно-временных сигналов для быстродействующих систем анализа изображений. При этом используются следующие условия.

1. Исходный сигнал - временной видеосигнал S(t), растровый, отображающий пространственное двумерное изображение S(x,y). Необходимость преобразования двумерного изображения в одномерный видеосигнал связана с техническими особенностями каналов передачи информации, которые являются одномерными. Растровый принцип преобразования накладывает особенности на анализируемый входной сигнал: - если корреляционные связи между элементами по строке сохраняются, то в ортогональном развертке направлении корреляционные связи присутствуют в неявном вице, что приводит при наличии быстроперемещающихся объектов в поле зрения растрового формирователя изображения к возникновению эффекта стробирования, когда изображение объекта может распасться на отдельные строки, смещенные в направлении перемещения объекта.

2. Методы обработки. Наиболее приемлемыми для использования являются следующие методы обработки информации:

аналоговые (АОИ); когерентно-оптические (КООИ); цифровые программные (ЦПОИ); цифровые аппаратные (ЦАОИ).

Методы АОИ и ЦПОИ следует отнести к последовательным поэлементным методам, а методы КООИ и ЦАОИ - к параллельным. Считается, что параллельные методы характеризуются максимальным быстродействием.

Однако, если учитывать специфику обрабатываемого РПВС, для которого характерным является последовательный во времени поток данных, то отмеченные параллельные методы КООИ и ЦАОИ могут оказаться сравнимыми по быстродействию с последовательными методами - АОИ и ЦПОИ.

3. Критерии выбора метода обработки определяем из следующих исходных характеристик:

вид преобразования, которое должно выполнять проектируемое устрой-

информационная емкость входного РПВС, определяемая динамическим диапазоном и количеством отсчетов обрабатываемого сигнала; максимальное допустимое время получения результата.

Для выбора метода разработана универсальная характеристика, которая связывает параметры требуемого преобразования исходного РПВС и максимально допустимое время обработки. Для этого используется характеристическая функция вычислительной производительности:

которая зависит от множества параметров таких как динами-

ческий диапазон входного сигнала, количество отсчетов входного и выходного сигнала, число вычислительных операций, число ступеней конвейера, время преобразования и т.д. В качестве аргументов характеристической функции (1) используются безразмерные параметры, для чего выполняется нормирование каждого из множества £,„,}•

При выборе метода учитываются лишь наиболее важные показатели, влияющие на быстродействие проектируемого устройства обработки РПВС: динамический диапазон 05; количество входных отсчетов РПВС - Мк;

вид преобразования в виде коэффициента трансформации отсчетов Кто; количество вычислительных операций, приходящихся на один отсчет,

время выполнения преобразования в виде коэффициента реального времени, учитывающего время формирования кадра РПВС, - Крв-

В качестве критерия выбора метода обработки РПВС используется соотношение между значениями характеристической функции реализуемого алгоритма Хвп<А) и выбираемого метода хвп(М)-'

ство;

Хвп ~ Хвп {Хь Х2,... Хт}

(1),

Нэп,!'.

(2).

Проанализирован каждый параметр, входящий в выражение для харак-

ои

теристической функции.

Для реальных сигналов динамический диапазон достигает значений от 104до 107, причем, максимальные значения характерны для методов АОИ. Чтобы уменьшить влияние этого параметра динамический диапазон в характеристической функции учитывается 08 в виде десятичного логарифма: Количество отсчетов входного сигналя !ЧК_ как параметр характеристической функции, определяется на основании теоремы отсчетов Котельнико-ва. Для устройств обработки РПВС нет необходимости использовать двумерный аналог теоремы отсчетов, гак как дискретизация выполняется на этапе существования одномерного временного сигнала БО). Но при определении общего количества отсчетов учитываются параметры растра - число дискретных элементов по строке К, и число строк Г^ Общее количество отсчетов >1к входного РПВС в устройствах обработки изображений достигает значения 106 и реализуется всеми методами обработки информации.

В общем виде преобразование РПВС можно представить как трансформацию отсчетов входного сигнала в один или множество отсчетов выходного результата. Огромное разнообразие видов преобразований, выполняемых в системах обработки изображений, необходимо свести к общей характеристике, позволяющей сравнить эти виды по сложности реализации.

машш отсчетов входного сигнала Кто - как отношение количества отсчетов результата преобразования Ы] М к количеству отсчетов входного сигнала 14,

Кго = ми.^и (3),

который зависит от используемого алгоритма и не связан с технической реализацией преобразования. Из всего многообразия алгоритмов преобразования РПВС рассмотрены отдельные группы с характерными признаками:

- моиоэлемептные алгоритмы, когда один выходной отсчет порождает один входной, при этом Кто = 1. Примером таких алгоритмов может служить бинаризация входного изображения, смещение по уровню и т.п.;

- бюлементпые алгоритмы, когда для получения каждого выходного отсчета используются два входных. Например, перемножение двух РПВС. Для таких алгоритмов Кто = 0,5;

- полтлемептпые алгоритмы, когда один выходной отсчет порождается совокупностью входных отсчетов, то есть 8]Д1 = Ф|1П{8 } Коэффициент трансформации отсчетов для случая использования полного растра будет равен = У N1, то есть Кто « 1. Рис. 1 ,б. иллюстрирует подоб-

Г>, ный тип трансформации отсчетов. Примерами такого преобразования

могут быть вычисление среднего значения РПВС, вычисление пространственных характеристик изображений объектов - площади, периметра, координат центра тяжести, координат описанного прямоугольника, момент инерции и т.д. Подобный вид преобразований характеризуется относительной простотой; - алгоритмы со скользящим микрорастрпм. В формировании каждого отсчета выходного РПВС участвует микрорастр с количеством элементов Кк 5, который скользит в пределах Ыи (рис.1,а). При этом, количество выходных отсчетов уменьшится за счет краевой зоны:

Тогда

Кто = (Н1-2Ык)(^-2М5)/Ыи (4).

Рис. 1. Виды преобразований с использованием микрорастра (а) и полного растра (6).

- алгоритмы преобразования массивов. Эти алгоритмы характеризуются не меньшим количества отсчетов результата, чем количество отсчетов входного сигнала (рис.1,6). К таким видам преобразования можно отнести интегральные преобразования типа свертки, разложение входного изображения по ортогональным функциям - преобразования Фурье, Уолша, Карунена-Лоэва и др. В этом случае преобразование порождает новый пространственно-временной сигнал с не меньшим, а зачастую даже большим количеством отсчетов. Для данного вида преобразования К,.0 > 1. Для учета сложности выполняемых преобразований используется коли= чество вычислительных операций Ыоп, приходящихся на один отсчет. Общее количество выполняемых операций Ыоп может быть выполнено либо' '

последовательно во времени, как в случае методов ЦАОИ и ЦПОИ, так и

параллельно, как в случае использования метода КООИ:

NU

N0n,, = Non/Nu=_!_ E(nomPk) (5),

Nrj k=l

где pk - вероятность выполнения операции nonk е {0,1}.

Необходимость учета вероятности выполнения элементарных операций возникает в алгоритмах, использующих условия и обратные связи между промежуточными результатами. Подобные операции могут бьггь реализованы только цифровыми методами и их наличие в алгоритме должно влиять на характеристическую функцию. Используется относительная величина noc = Noc/NK, то есть количество операций с обратными связями, приходящееся на один отсчет..

В оценке быстродействия устройств обработки РПВС необходимо учитывать время формирования растра, так как в противном случае можно получить искаженное представление о быстродействии устройства обработки РПВС. То есть необходимо учитывать принцип причинности для временных сигналов - результат обработки всего кадра не может быть получен раньше, чем этот кадр сформируется.

Пределом быстродействия будет являться режим реального времени, когда промежуточные результаты обработки успевают сформироваться за время формирования кадра Тк, то есть в темпе поступления входного сигнала. Для оценки степени близости времени выполнения преобразований ко времени формирования кадра используется коэффициент реального времени - Крв:

крв = тпр = (Тк + Топугк = 1 + Т0/Гк (6).

Метод АОИ характеризуется обработкой временных сигналов S(t) без запоминания и в текущем времени. В следствии инерционности аналоговых элементов результат обработки появляется с задержкой Тзд, которая будет определяться видом операции. Минимальная задержка в получении результата будет наблюдаться при поэлементном преобразовании входных отсчетов и будет равна интервалу дискретизации Д1. К таким операциям можно отнести, например, бинаризацию входного изображения, смещение по уровню и т.п. При выполнении интегральных преобразований, таких как фильтрация, корреляционный и спектральный анализ, время формирования отсчета выходного преобразования будет определяться интервалом интегрирования: - в пределах длительности сигнала изображения Ts, - в пределах длительности строки Тс, - в пределах длительности кадра Тк. Интегрирование в пределах существования сигнала Ts может быть выполнено только при использовании скользящего интегрирования, так как положение сигнала Изображения в пределах растра неизвестно. С учетом задержки при выпол-

нении скользящего интегрирования время преобразования можно оценить

выражением: Тпр = Тк + Т5 = Тк + Г^Лг,

где N5 - число отсчетов сигнала изображения.

Если интегрирование в устройстве АОИ выполняется в пределах строки или кадра, то задержка получения результата будет минимальной, так как временное положение конца строки и конца кадра известно и можно использовать интегрирование с обнулением интегратора за интервал Д1. Коэффициент реального времени для метода АОИ будет иметь вид:

Крв=1 + М5Д1ЛГк (7).

Так как N5 Д1 < Тс, а Тс « Тк, то Крв = 1.

Метод КОРИ характеризуется временем выполнения операций, равным времени прохождения когерентного светового потока от входной плоскости, в которой размещено устройство ввода РПВС, до выходной плоскости, в которой наблюдается результат преобразования. При расстоянии Ь = 1 м Т^Знс, то есть для КООИ Крв = 1 + ТЬУТК « 1.

Метод 1(4 ОМ характеризуется поэлементными преобразованиями, то есть над текущими отсчетами входного сигнала в соответствии с алгоритмом обработки выполняются вычислительные операции, которые характеризуются временем 1оп . Если (ш. < Д^, то результат обработки всего кадра получается с задержкой, равно Д1. Если 1оп. > Д1, то необходимо вводить конвейер с различным числом ступеней Мск> 1ош / Ди. В этом случае для числа отсчетов во всем растре время преобразования Тпр = Д1 Кск Nк + Д1 Ыск и коэффициент реального времени будет равен:

КРВ= Кск + Д1^ск/Тк=Кск (8).

Используя быстродействующую элементную базу, можно реализовать обработку без использования конвейера и получить Крв=1.

Для метода ЦПОИ при оценке времени преобразования необходимо учесть время ^ ввода исходного РПВС в компьютер и время программной обработки Тпо:

крв= 1+(Т|+Тш)УТк (9).

Если для метода ЦАОИ возможно выполнение операций по текущим отсчетам, когда стадия преобразования совмещается со стадией формирования растра, то для ЦПОИ эти стадии существуют раздельно. Параметры стандартных интерфейсов ввода данных в компьютер, как правило, отличаются от параметров стандартов датчиков РПВС. Поэтому при вводе РПВС

в компьютер используют буферную память, которая заполняется за время Тк, а затем выполняется ввод за время Т,. Несмотря на всевозрастающие скорости обработки данных в современных компьютерах для связи с внешними устройствами используются в две системные шины - шина ISA с временем ввода одного отсчета 1,25 мкс и шина PCI - с временем ввода одного отсчета порядка 200 не. С учетом того, что отсчеты видеосигнала могут следовать с интервалом 75 +100 не, время ввода РПВС может быть сделано не менее чем 2ТК. Если не использовать конвейер для совмещения операций ввода данных и их обработки по текущим отсчетам, то приняв Тпо = Т,, получается значение коэффициента Крв = 3-^4.

Уже на первой стадии оценки характеристической функции мы имеем многопараметрическую зависимость: %нп = XBn{Ds, Nu, NLM, Non,, Тк, Тпо), которую сложно использовать практически. Сгруппируем параметры по функциональным признакам и определим влияние каждого на характеристическую функцию: хвп = Хвп Nk> noiu К-го- крв) ■

Получено выражение для характеристической функции вычислительной производительности:

*вп = ПО,5 lg Cl/Kro) +1] lg Ds [exp{- (KPB-1) Non, )] + 16

+ _Lexp{-(KpB-l)4Non.I-noc)M (10).

KPB

На рис.2 представлены графики зависимости (10), где аргументом является величина (Крв-1) Non, = TnoNon / Тк, а параметры принимают следующие значения:

a). D=106, КТ0=Ю<\ Кге=1, Пос = 0; b). Ds=10s, Кто=1, Крв=1, пж = 0;

с). Ds=106, KT0=ia6, Крв=1, (Крв-1) пк = 2; d). Ds=106, Кто=1, Крв=2,5,

(К™-1)Пос = 2-

На графиках рис.2, отмечены характерные зоны:

1. Зона АОИ для хвп > 2, которая характеризуется высоким уровнем динамического диапазона обрабатываемого сигнала. Если в алгоритме обработки большое количество вычислительных операций, или имеются операции с обратными связями, то методы АОИ становятся неприемлемыми.

2. Зона КОРИ для 2 < %т < 1. Характеризуется меньшим динамическим диапазоном, чем для АОИ, малым временем выполнения операций и Кто = 1, когда количество выходных отсчетов преобразования сравнимо с количеством входных. Примером подобных преобразований являются линейные интегральные преобразования типа свертки.

3. Зона ЦАРИ для 1 < %вп < 0,5. Характерна для методов обработки, ГЪвязанных с наличием в реализуемом алгоритме операций с обратными свя-

зями при высоком требуемом быстродействии, когда Крв=1. -тчХвп

2,5-

2,0

1,5

1,0

0,5

-,-,-,-. -1 !- ' -»

0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 ТпоЫОП1

Тк

Рис.2. Характеристическая функция методов обработки РПВС.

4. Зона ЦПОИ для 0,5 < хвп < 0. Эта область изменения характеристической функции для случаев использования в алгоритме обработки большого количества вычислительных операций, использования операций с обратными связями и с низкими требованиями к быстродействию устройства обработки при КРВ»1. Наличие смещенных максимумов в графиках рис.2,с и с1 позволяет надежно определить условия использования цифровых методов обработки ЦАОИ и ЦПОИ при появлении в реализуемом алгоритме операций с обратными связями.

Для рационального выбора и обоснования использования методов обработки растровых пространственно-временных сигналов, а также для проверки эффективность выбранного метода реализации разработана методика, основанная на использовании характеристической функции. Перед выбором метода реализации необходимо иметь вычислительный алгоритм работы разрабатываемого устройства. Приводятся примеры использования характеристической функции.

формирователей изображений в устройствах когерентно-оптической обработки информации. Отмечается, что устройства КООИ наилучшим образом приспособлены к обработке пространственно-временных сигналов, так как работают с изображениями. С другой стороны, в реальных системах обработки информации не обойтись без электронных устройств, таких как ЭВМ,

рассмотрены особенности использования растровых

телевизионные датчики изображений, различного рода исполнительные устройства, которые работают с временными одномерными сигналами. Поэтому наличие в реальных системах КООИ растровых преобразователей двумерных пространственных сигналов в одномерные временные и обратно является необходимым условием их работоспособности.

Рассмотрен многоканальный согласованный управляемый оптический фильтр временных сигналов, использующий методы КООИ (рис.3) . Для ввода временных сигналов в таком фильтре используется ультразвуковой модулятор света (УЗМС), в котором естественным образом за счет бегущей волны выполняется пространственный сдвиг входного сигнала, а для формирования управляемой импульсной переходной характеристики (ИПХ) используется растровая запись в пространственно-временном модуляторе света (ПВМС). Объектив 01 выполняет масштабное согласование с коэффициентом КМ1. Так как выполняется одномерная обработка временного сигнала, то вторая координата используется для формирования многоканальной записи ИПХ.

С качественной точки зрения подобный УОФ обладает весьма привлекательными свойствами-возможностью быстрой перестройки и высоким быстродействием, так как отклик УОФ определяется временем прохождения светового потока в пространстве фильтра от входной до выходной плоскости. В выходной плоскости х20у2 устанавливается фотоприемник, напряжение на выходе которого пропорционально интенсивности света и который выполняет интегрирование светового потока по времени с постоянной Тфп и по пространству Офп в пределах площади фотоприемника. На выходе согласованного УОФ наблюдается временной сигнал, пропорциональный функции взаимной корреляции между входным сигналом и записанной ИПХ.

Для момента времени ^ = Ь/Ууз, когда входной сигнал заполнит всю

апертуру УЗМС, получается отклик согласованного УОФ в точке с \

координатами х2=0 и у2=0, который будет пропорционален энергии 3S сигнала, если ИПХ согласована с сигналом H(x)=S(-x):

Ls

SBbix(t=ts)=_KnpEo2_ J [ J ЩхьуОБСхьуОск,]^ = ц! 3s2(x2,y2)dq (11),

тфп qon офп 0 qd,n

где КПр - коэффициент масштабных преобразований.

Оценено влияние специфических перекрестных помех на точность работы многоканального согласованного УОФ, возникающих из-за дифракции когерентного света на растровой структуре записи ИПХ в ПВМС. При этом, учтено влияние соседнего канала, сдвинутого по 0у2 на величину LK = 1фп + I32. где 132 - величина защитного интервала.

Получены выражения для систематической ошибки оценки отклика при двух вариантах представления профиля функции пропускания по ширине 1-у записи ИПХ: прямоугольного -

Б bi<SBbIX (ts>) = _Ai_{СХ_1У2;JLk)1 + Г А,1о(У2^Ьк}11 Ш

А,(ау2) L Ai (ау2) J (12),

где Ai (ау2) = f sine2 ( ау2 ) dy2 ; 'фп

а = 1У УШф; R-ф- расстояние от входной до выходной плоскости УОФ; и колоколообразного, когда профиль строки изменяется по закону ехр[-у2/р2]-

еb(<SBbix(ts)>) = А2{У1У2ГЫ} + Г AiiyiyjzLail 1/2

А2 (уу2) L А2 (уу2) J (13),

1фп - — _

где А2 (ууг ) = lexp2[-y2y22]dy2= ±jd2 erf Ы 2 у 1ф„); у= р/ (л/2 XR®). О 2у

Связь между коэффициентами а и у в выражениях для систематической ошибки определяется соотношением: aJ у = 21у / р.

На рис.4, представлен график зависимости относительной систематической ошибки отклика многоканального согласованного УОФ при перекрестных помехах для случая колоколообразного профиля строки записи ИПХ Штриховой линией показана зависимость систематической ошибки для прямоугольного профиля в сопостовимых параметрах, из которой следует,

Рис.4.

что для колоколообразного профиля систематическая ошибка уменьшается быстрее с ростом сдвига между каналами записи ИПХ, и уже для сдвига аЬк > л становится меньше, чем ошибка для прямоугольного профиля. Следовательно, колоколообразный профиль записи строки ИПХ предпочтительнее. Определена нормированная случайная ошибка, которая возникает вследствие наличия случайных процессов при работе УОФ:

е„ 1ФП МУ2 = >/ / 1ФП КМ1 1у . (14).

На рис.5 представлены графики случайной б0 и систематической еь ошибок для фиксированных аЬк= 2п и Км, = 1 в зависимости от размера фотоприемника в выходной плоскости, штриховой линией показан случай, когда аЬк = 4л и КМ] = 16, а также график зависимости среднеквадратической ошибки, определяемой выражением г = (еа2 + бь2 )1/2.

Видно, что среднеквадратическая ошибка при некоторых оптимальных параметрах записи имеет минимум. Наряду с вопросами использования растровых изображений в системах КООИ рассмотрены методы динамического контроля искажений растровых формирователей изображений

Отмечается, что в измерительных системах технического зрения требования к точности формирования растра на порядок выше, чем в обычных телевизионных устройствах, так как информативные параметры в таких системах извлекаются из пространственных характеристиках изображений. Для измерения растровых искажений

Рис.5.

вполне пригодными оказались методы КООИ, которые чрезвычайно чувствительны к пространственным изменениям параметров когерентного светового потока. Другой причиной возможности использования методов КООИ явилась простота выполнения интегральных преобразований, которые являются основой методов оценки растровых искажений.

Представлена структурная схема системы измерения и контроля растровых искажений. Генератор тестовых сигналов, управляемый от ЭВМ, формирует на экране контролируемой электронно-лучевой трубки (ЭЛТ) тестовое изображение. Высококачественный объектив переносит тестовое изображение на входную плоскость ПВМС, задача которого заключается в преобразовании некогерентного тестового изображения в когерентное . Когерентный световой поток, проходя ПВМС, приобретает пространственную модуляцию в соответствии с тестовым изображением. Оптический процессор выполняет пространственное преобразование тестового изображения в когерентном свете, например пространственное преобразование Фурье, формирующее пространственный спектр тестового изображения. В выходной плоскости размещается фотоприемное устройство, которое преобразует пространственное распределение светового потока в электрический сигнал, пригодный для ввода в ЭВМ.

Наиболее полно будет регистрироваться результат анализа с помощью фотоматрицы приборов с зарядовой связью (ПЗС). Считается, что фотоприемные матрицы ПЗС не имеют геометрических искажений, так как вся структура выполнена в объеме полупроводника методами микросхемотехники и имеет фиксированное положение фоточувствительных элементов.

Система контроля и измерения растровых искажений на основе КООИ обладает чрезвычайно высокой чувствительностью к различного рода геометрическим изменениям, так как обработка тестового изображения выполняется в когерентном свете с длиной волны менее 1 мкм.

Интегральные методы контроля на основе КООИ, рассмотренные в данной главе, с высокой точностью регистрируют следующие искажения: масштабные искажения по ортогональным направлениям; смещение растра; нелинейные искажения.

В качестве тестовых сигналов рассмотрено применение простых и сложных сигналов. Показано, что использование простых тест-сигналов, например сигнала яркости, изменяющегося по синусоидальному закону, позволяет регистрировать масштабные и нелинейные искажения растра, используя для этой цели пространственное преобразование Фурье. При этом для числа линий растра N=500 получается потенциальная ошибка определения масштабных и нелинейных искажений растра равная 0,2%.

Смещение растра в случае использования простых тестовых сигналов мо-.-^

жет быть измерено путем регистрации фазовой характеристики пространственного преобразования Фурье, для чего необходимо использовать метод голографии, заключающийся во введении опорного пучка с плоским волновым фронтом. При этом фазовое распределение преобразуется в амплитудное, которое может регистрироваться фотоприемными устройствами. Данный метод обладает высокой точностью. Потенциальная методическая ошибка оценивается значением 0,002%. Недостатком данного метода является высокая чувствительность к механическим вибрациям системы.

Показано, что использование сложных тест-сигналов и вычисление автокорреляции функции (АКФ) позволяет определить все виды растровых искажений: смещения растра, которые выразятся в смещении максимума АКФ; масштабные искажения, которые выразятся в изменении периода высокочастотного заполнения огибающей АКФ; нелинейные искажения, которые выразятся в увеличении ширины ргибающей АКФ.

посвящена рассмотрению свойств пространственно-временных сигналов при дискретно-разностном преобразовании, характерном для цифровых методов обработки сигналов. Дискретно-разностное преобразование (ДРП) - вычисление разности между дискретными отсчетами исходной непрерывной функции S(x), взятыми через интервал хп, кратный интервалу дискретизации X и называемый шагом разности. ДРП является функцией переменной х и шага разности хп = пХ, включающего в себя целое число п = 0,1... дискретных интервалов X:

N-1

Dn{S(x),x,xn} = Е (Skn-Street (x/X-k) (15).

k=0

Взяв шаг разности в качестве параметра преобразования, выявляется целый ряд особенностей, если соотносить шаг разности с различными параметрами исходного сигнала.

Важным свойством ДРП является простота его реализации средствами цифровой техники, заключающаяся в отсутствии таких сложных операций как деление и умножение. Доказаны основные свойства ДРП:

- преобразование линейное;

- ДРП от любого сигнала равно нулю, если шаг разности хл = 0;

- ДРП от постоянной S0 на бесконечном интервале равно нулю;

- ДРП от постоянной S0 на конечном интервале формирует выбросы противоположного знака на границах интервала существования S0;

- среднее значение ДРП от непрерывного сигнала равно 0;

- для периодических сигналов ДРП равно нулю при шаге разности, равном периоду.

Рассмотрено изменение корреляционной функции после ДРП.

Показано, что при уменьшении шага разности по сравнению с интервалом корреляции ДХ0 исходного сигнала, то есть когда хп<< ДХ0, будет наблюдаться декорреляция сигнала, так как АКФ будет стремиться к нулю, Вп (Дх) -> 0.

Это связано с тем, что на интервале хп сигнал Б(х) изменяется мало.

При х п = ДХ0 АКФ изменяется: максимум увеличивается в 2 раза; появляются отрицательные выбросы; уменьшается интервал корреляции (рис.6,а).

При хп » ДХ0 в пределах 2ДХ0, то есть интервала корреляции, АКФ практически не изменяется по форме, но максимум увеличивается в два раза. Кроме этого появляются отрицательные локальные максимумы)- В(Дх±хп) (рис.6,б).

Рассмотрено изменение взаимно корреляционной функции (ВКФ) при разностном преобразовании для аддитивной смеси сигнала и помехи. Эффект от использования ДРП определяется соотношением интервалов корреляции полезного сигнала и помехи при условии равенства шага разности интервалу корреляции полезного сигнала.

Вп<^х)

а).

5>.

Рис.6.

Показано, что если полезный сигнал БДх) более короткий чем помеха 8р(х) при исходном равенстве амплитуд после ДРП и при хп = ДХ0 ВКФ уменьшится в 2 раза по сравнению с АКФ. Это уменьшение остается и для хп=ДХр/ 2, то есть когда шаг разности становится больше АХ0. При дальнейшем увеличении шага разности отношение сигнал/помеха будет ухудшаться, при хп > ЛХр ВКФ оказывается сравнимой с АКФ.

Для случая когда сигнал более длинный чем помеха, то есть Х() > X , максимум АКФ для сигнала имеет большее значение, чем ВКФ для сигнала

и помехи. Это следует из того, что при Дх = О АКФ вычисляет энергию сигнала, а ВКФ - взаимную энергию сигнала и помехи. Но так как помеха короче при равных амплитудах, то энергия помехи меньше, а, следовательно, и взаимная энергия будет меньше, чем энергия сигнала. После разностного преобразования при малом шаге разности, когда х п < ДХ0 и при х п = ДХр, АКФ резко уменьшается, так как наблюдается декорреляция полезного сигнала. Также уменьшается и ВКФ.

При оптимальном шаге разности равном длительности полезного сигнала хп= Х0 амплитуда АКФ оказывается больше чем амплитуда ВКФ для сигнала и помехи. То есть отношение сигнал/помеха улучшается в 2 раза.

Корреляционный анализ получил широкое распространение в системах распознавания образов для формирования меры близости между эталоном и входным сигналом. При этом, предварительное дискретно-разностное преобразование будет влиять следующим образом:

- если различаются мелкие изображения на фоне крупных, то есть Х0< Хр, то разностное преобразование даст улучшение отношения сигнал/помеха, если шаг разности равен размеру полезного сигнала хп = Х0. В противном случае улучшения отношения сигнал/помеха не наблюдается;

- если различаются изображения крупных объектов на фоне мелких помех, то есть Хо > Хр, то при шаге разности равном размеру полезного сигнала х =Х_ отношение сигнал/помеха не изменится;

11 U '

- если интервалы корреляции сигнала S0 (х) и помехи Sp (х) примерно равны, то есть Х0 = X , то ДРП ничего не даст и ВКФ окажется сравнимой с АКФ, то есть различить их с помощью корреляционной меры близости невозможно.

Для ДРП определена одномерная функция плотности вероятности W,(AS,xn) в зависимости от шага разности хп для произвольного случайного процесса (сигнала) S(x), который характеризуется автокорреляционной функцией В(Дх), коэффициентом корреляции Я(Дх) и исходной одномерной функцией плотности вероятности W,(S), и для которого формируется разностный случайный процесс в соответствии с определением ДРП. Приняты следующие предпосылки:

- форма функции плотности вероятности для разностного процесса сохраняется как и для исходного, так как разностное преобразование -линейное;

- функция W, (AS) должна зависеть от коэффициента корреляции R(Ax) и от шага разности х п;

- при хп -> О, W,(AS) -» 5{AS);

- при изменении хп от 0 до ДХ0, то есть в пределах интервала корреляции, х функция W, (AS) должна расширяться, при этом сохраняя форму и

приближаясь к форме функции (8) исходного процесса, но растянутой в 2 раза по оси абсцисс. Получено выражение для функции плотности вероятности процесса после разностного преобразования:

Приведены свойства этой характеристики. Для ДРП вместо непрерывной функции W,(AS) будет использоваться гистограмма - распределение вероятностей каждого уровня квантования P(AS( ). Формирование гистограммы P(Si) - как совокупности некоторых чисел, показывающих частоту появления уровней квантования Si , в вычислительном смысле представляет собой довольно простую задачу. Это связано с тем, что основными операциями являются накапливающее суммирование числа появления данного уровня квантования S^ и нормирование полученных сумм таким образом, чтобы сумма всех вероятностей равнялась единице. Сформированная гистограмма является интегральной характеристикой, так как при этом полностью теряется пространственная зависимость анализируемого изображения S(x,y) и обратное восстановление исходного сигнала невозможно. На рис.7,а представлена двумерная картина гистограмм, полученных для различного шага разности хп для случая сину соидального сигнала, рис.7,б показывает сечение функции P(AS, х п ) на некотором уровне.

При хп = 0 функция P(AS,0) = 1 для AS = 0. Увеличивая хп мы видим, что амплитуда разностного сигнала возрастает, что приводит к растягиванию сечения функции P(AS, х п) по оси OAS. При шаге разности равном половине периода хп = Хт /2 формируются максимумы, отстоящие от оси 0хп на расстоянии, равном амплитуде синусоидального сигнала Sm. А при хп = Х^ формируется максимум, лежащий на оси Ох .

W1(AS,x„)= ri+R2I*„li • } (16).

2

2

Рис. 7.

Эти свойства гистограммы ДРП могут быть положены в основу спектрального анализа, заключающегося в следующей последовательности действий:

- формируется набор разностных реализаций ДБ,, с разным шагом х„;

- для каждой разностной реализации формируется гистограмма Р(Д8П, х„);

- гистограммы сравниваются между собой и для ДБ = О определяется максимум. Шаг разности ха для которого гистограмма при ДБ = 0 максимальна, то есть Р(Д8=0, х„) = макс., равен основному периоду х „ = Хт;

- для шага разности хп = Хт / 2 определяется амплитуда 8т сигнала.

Особенностью данного метода спектрального анализа является использование простых вычислительных операций: вычитания, сложения, сравнения и запоминания, что позволяет реализовать быстродействующие устройства анализа сигналов.

В четвертой главе сравнивались различные методы формирования порогового уровня при бинаризации растрового телевизионного изображения в системах технического зрения. При этом оценивались следующие характеристики: среднеквадратическая ошибка формирования порогового уровня, среднеквадратическая ошибка определения координат границы бинарного изображения, полная вероятность ошибочного формирования бинарного изображения и быстродействие.

Показано, что метод формирования порогового уровня на основе половины динамического диапазона чрезвычайно прост в реализации, но характеризуется высоким уровнем ошибок. Для нормированной средне-квадратической ошибки оценки порогового уровня Бп показано, что систематическая ошибка равна нулю, а случайная ошибка зависит от исходной полосы шума Д1ш, интервала дискретизации Д^, взятого в соответствии с теоремой Котельникова, а также от отношения сигнал/шум

= / 2 (17).

V л Д1щ Д^ Ц12

Кроме этого, определена нормированная среднеквадратическая ошибка формирования координаты границы хг, которая зависит от поведения производных функции сигнала вблизи порогового уровня:

£{<хг>} = 1 Г_!_ + 8"(хг) 1 (18).

^лД^Д^ I V VI/ ^'(Хг)]2]

Показано, что чем больше крутизна сигнала в точке формирования границы бинарного изображения, тем меньше будет ошибка в определении координаты границы.

Оценена вероятность правильного формирования единичного элемента бинарного изображения при пороговом преобразовании. Получено выражение для вероятности ошибки при использовании нормальной модели шума и зависящее от динамического диапазона 05 и числа отсчетов на строке I: I

Рош{8п} = 1Е Г 1 + егЦ- Б^} - егЯ 4/ (1 - )} 1

21 р=01_ 6^2 } (19).

При рассмотрении вопроса быстродействия метода отмечается, что для программной обработки изображения, находящегося в оперативной памяти ЭВМ, необходимо два раза прочитать весь массив данных. На первом этапе надо проанализировать все элементы изображения, зафиксировать 5ПИХ , Б,,,;,, и вычислить пороговый уровень. Затем необходимо еще раз прочитать все элементы изображения, выполняя пороговое сравнение. Выполнение этих этапов потребует существенных затрат времени.

Для аппаратной реализации данного метода необходимо выполнять постоянную двухэтапную процедуру, когда для каждого кадра сначала определяются 8тах и Бга;п, вычисляется пороговый уровень и вторым этапом -формируется искомое бинарное изображение. Это может быть реализовано с помощью конвейерной обработки с использованием памяти на кадр. В этом случае для вещательного телевизионного стандарта время формирования бинарного изображения будет равно 80 мс.

Рассмотрен метод формирования порогового уровня на основе анализа гистограммы. В полученном выражении для нормированной среднеквад-ратической ошибки оценки порогового уровня для этого метода видна зависимость от ошибки формирования отсчетов функции плотности вероятностей и от производных в точке определения порогового уровня:

е{<8п>} = Г / АБ4 Г )У"(8,У12 + а УГОЛ 1.Г 1 + Ж§Л_1 • I

576 I ] 2АБА^М } [ \У'(8П) а\У"(8„Х1 Б,, (20).

Получено выражение для нормированной среднеквадратической ошибки определения границы бинарного изображения, которая зависит от скорости изменения функции плотности вероятности в окрестности точки формирования порогового уровня:

е{<х,>} = /Л541Ут:н2 + аУ/геУ ,П + УК, У'ГхЛ 1

л' 576 2ДБ Д^ А1, I 2\у [5'(хг) ]2 ] (21).

Быстродействие гистограммного метода определяется временем фор-

мирования порогового уровня.

Для формирования гистограммы программным методом потребуется три этапа: ввод изображения в память ЭВМ, поэлементное чтение исходного массива для формирования гистограммы и порогового уровня, пороговое сравнение всех элементов исходного массива для формирования бинарного изображения.

Для случая аппаратной реализации гистограммного анализа исходного изображения этап формирования порогового уровня выполняется в реальном времени, то есть в темпе поступления отсчетов анализируемого изображения.

При этом необходим еще один этап - этап порогового сравнения исходного многоградационного изображения с вычисленным пороговым уровнем, что потребует запоминания исходного изображения.

Время формирования бинарного изображения с использованием гистограммного метода также как и для метода половины динамического диапазона, может быть оценено значением 80 мс.

Рассмотрен метод формирования порогового уровня на основе средней яркости по всему полю, который предполагает наличие этапа интегрирования изображения в пределах всего растра. Вычисленное среднее значение яркости изображения по всему полю принимается за оценку порогового уровня. При таком "глобальном" усреднении можно не учитывать случайную ошибку.

Данный метод формирования порогового уровня наиболее прост в реализации, но характеризуется большой систематической ошибкой, которая будет определяться отношением линейных размеров полезного изображения ДХ0, AY0 и размеров всего растра Хь Yi: Q = ДХ0 AY0 / ( X) Yr). Из этих условий получено выражение для нормированной систематической ошибки:

eb<Sn> = (1-Q)/2Q (22).

Несмотря на свою предельную простоту, данный метод не может быть использован в измерительных СТЗ. Пороговый уровень, сформированный по этому методу, зависит не только от динамического диапазона уровней яркости анализируемого изображения, но и от того, какую долю полезное изображение займет в поле зрения СТЗ.

Метод формирования порогового уровня на основе средней яркости по фрагментам заключается в выполнении интегрирования в пределах не всего растра, а только в пределах фиксированных интервалов, равных интервалу корреляции полезного изображения. При этом вычисленное среднее значение будет уже точнее отражать поведение полезного сигнала в поле зрения N может быть принято в качестве порогового уровня.

Этот метод частично реализует идею адаптивного порогового уровня, когда выполняется слежение за средним значением яркости полезного сигнала.

Недостатком данного метода является скачкообразное изменение порогового уровня на границах фрагментов, которое может привести к пропуску элементов на бинарном изображении, а в области наличия шумов может наблюдаться ложное формирование элементов бинарного изображения.

Предлагается ввести в качестве функции, связывающей среднее значение яркости в пределах фрагмента S ср>ф и оценку порогового уровня <S„^>, экспоненциальную зависимость, при которой для уровня, равного среднему значению яркости фрагмента, оценка порогового уровня равняется половине динамического диапазона полезного сигнала от S С,ПШ1 до SCjtrax:

< S п,ф> = SCiimx (1 - ехр{- 0,7 S ср.ф/S с,шах }) + s c,min , ( 23 ),

при этом получается, что для малых средних значений Scp оценка порогового уровня выше среднего, а начиная с половины динамического диапазона -ниже среднего.

Аналогично методу интегрирования по всему полю здесь также считается, что случайная ошибка равна нулю, а нормированная среднеквадратическая ошибка состоит только из систематической ошибки, учитывающей долю площади полезного сигнала, попавшего в фиксированный фрагмент. Так как положение полезного изображения в пределах поля зрения не определено, то возможно частичное попадание в фиксированный фрагмент, при этом-то и возникает систематическая ошибка £ь, которая может достигать 0,5. Это не позволяет рекомендовать данный метод для практического применения.

Использование скользящего интегрирования для целей формирования порогового уровня устраняет недостаток предыдущего метода - привязку к растру. При этом величина интервала интегрирования выбирается равной интервалу корреляции полезного сигнала.

Формируемое бинарное изображение получается адаптивным к положению исходного сигнала и не зависит от его амплитуды.

Для данного метода необходим некоторый минимальный пороговый уровень, определяемый шумами и заданной вероятностью ложного формирования элементов бинарного изображения, Кроме того, пороговый уровень не может быть больше максимального значения сигнала. Для учета этого при формировании порогового уровня по измеренному среднему значению вводится экспоненциальная функция, аналогичная используемой в предыдущем методе.

При скользящем интегрировании наблюдается "затягивание" измеренного среднего значения и, как следствие, порогового уровня, что приводит к

Л

эффекту подавления малых сигналов сильными, когда сигнал с малой амплитудой располагается по направлению интегрирования за сигналом с большой амплитудой. Метод с использованием скользящего интегрирования приближается к адаптивным методам бинаризации и с успехом может быть использован.

Получено выражение для нормированной среднеквадратической ошибки, которая зависит от измеренного среднего значения S^t), постоянной интегрирования Тис длительности строки Т. и от времени, так как для этого метода используется скользящее интегрирование:

£<S, (t)> = ехр{- 0,7 Scp (t)/S cmax}

0"„c+T)Scp(t) (24).

Для данного метода формирования порогового уровня проанализированы вероятности ошибок. При этом использовалась модель нормального белого шума, которая достаточно адекватно описывает шумы в реальных СТЗ.

При анализе быстродействия метода делается вывод, что бинарное изображение может формироваться в реальном времени. При этом предполагается, что выход интегратора, формирующего текущее среднее значение, используется для порогового уровня. При таком методе формирования бинарного изображения достигается максимальное быстродействие.

Недостатком метода является то, что среднее значение вычисляется только по элементам строки. Второе направление - по строкам в пределах кадра, может быть использовано только при наличии памяти на кадр, но тогда время формирования бинарного изображения резко увеличивается, так как возникнет необходимость в двух проходах по обработке кадра.

На основании анализа простых методов сформулированы основные требования к алгоритму определения порогового уровня и формирования бинарного изображения, которые необходимо учитывать при синтезе алгоритма, свободного от недостатков. К основным требованиям можно отнести два:

-необходимость интегрирования при получении оценки порогового уровня, причем интервал интегрирования должен быть соизмерим с пространственными размерами или равен интервалу корреляции полезного изображения;

- пороговый уровень должен быть адаптивным, то есть следящим к некоторым параметрам полезного изображения, в качестве которых необходимо брать статистически устойчивые характеристики.

Предложен и проанализирован метод максимума производной, который заключается в том, что для формирования порогового уровня берутся ^точки с максимальной производной от функции сигнала.

На основании анализа поведения реального видеосигнала показано, что для уменьшения действия шума необходимо использовать скользящее интегрирование, то есть сглаживание. При этом, необходимо выбирать интервал интегрирования равный интервалу корреляции полезного сигнала. Для возможности реализации метода максимума производной доказаны положения, описывающие свойства сигналов, и на основании которых разработан алгоритм формирования порогового уровня на основе максимума производной.

Для достижения максимального быстродействия бинаризация должна выполняться в темпе поступления входного видеосигнала, но это невозможно, так как необходимо предварительно сгладить сигнал для выявления точек с максимальной производной. Здесь необходимо использовать конвейерный принцип обработки с минимальной задержкой.

Рис.8

В качестве такой задержки предлагается использовать интервал равный длительности строки. При этом должен выполняться принцип: ♦ для текущей строки выполняется формирование пороговых уровней и одновременно выполняется бинаризация для предыдущей строки.

Особенностью разработанного алгоритма является использование сформированных на текущей строке пороговых уровней для бинаризации следующей строки. При этом учитывается, что интервал корреляции сигнала по ортогональному строке направлению намного больше интервала дискретизации изображения по строкам. Для метода максимума производной получено выражение для среднеквадратической ошибки, которая в общем случае зависит от отношения сигнал/шум у, от величины интервала интегрирования Тиси поведения производной в окрестности точки определения порогового уровня:

е2{<8 п,|>} = 1 Гя+2Г 2.846я11/2 +2Г 2.125л>21 + Тис4[5"Ш]2 ДЬ2

(б^Д^Тксч;21 I то 1 I ] ] 576 у2 Рш (25),

где г0 = 2л Д1 /Тис, спектральная плотность мощности шума.

Таблица. 1..

Методы формирования порогового уровня Допущения Относительные ошибки: случайная - е,, систематическая - еь

1. На основе динамического диапазона. Кф = ТИС/ДЪ=1 Кш — АГщ/Гс 1)/=[8™ах2/Рш]"2 ег = / 4 V геКшЧ»2 £ь = 0

2.Гистограммный метод. д8 =аш<1 у = Б, /Д5 Кш — АГш Лс ДЬ = \У(8п)=\Уш(5)=1/а Ег = 2 ГЦ- Г1 + 11 л/ Кш 4/ |_ 4^1 сь- 1 Г 1 + 1 1 121 ^ И

3.Метод средней яркости по всем всему полю. N<1, = ТПС/Л1,= 1 Т, = Тис^ф вп = эл ег = 0 еь = Иф4 12

4. Метод скользящего интегрирования. 8„ = Т>Л V = Ршах^ш]"2 Кш = ДГш/^с ДЬ = 1/2Гс Ег = / 2 V 71 Кш У2 Мф еь = ^2/12

5. Метод максимума производной. N0 = Тис / ДЪ Кш = 1 V = [5тах2/4Рш]"2 Тис-ДЬ2 ь= 1 2,85л у[ЫФКш],/2 •[я+ 2,385 Мф"2 + + 0,328 Ыф"2]1'2 еь= N>11/(24

Из графиков поведения среднеквадратической ошибки (рис.8) следует наличие минимального значения при некотором оптимальном отношении интервала интегрирования к интервалу дискретизации 1Чф = Тис / ДГ

Проведено сравнение рассмотренных методов формирования порогового уровня, для чего выражения для ошибок разных методов приведены к Сопоставимому между собой виду с помощью ряда допущений. Выражения

для ошибок объединены в табл. 1.

На рис.9 приведены зависимости нормированной среднеквадратичес-кой ошибки при Кш= 1, \|/= 5; 10 для всех методов, приведенных в табл.1:1 - на основе динамического диапазона; 2 - гистограммного метода, 4 - метода скользящего интегрирования, 5 - метода максимума производной Минимальной среднеквадратической ошибкой оценки порогового уровня обладает метод максимума производной (рис.9-5), но при небольших значениях интервала интегрирования (Кф< 10). Метод скользящего интегрирования (рис.9-4) характеризуется большой ошибкой смещения, что влияет на положение границ бинарного изображения. Однако этот метод проще в реализации по сравнению с методом максимума производной. Самым простым в реализации является метод, основанный на формировании динамического диапазона, однако он характеризуется большой зависимостью случайной ошибки от уровня шумов (рис.9-1). Приведенный сравнительный анализ методов формирования порогового уровня позволяет для конкретных случаев обработки реальных видеосигналов выбрать метод и оценить его характеристики - ошибки формирования порогового уровня, ошибки определения координат границ бинарного изображения, а также вероятности ошибок бинаризации.

£

Рис.9.

Пятая глава посвящена разработке алгоритма сегментации бинарных растровых изображений с ориентацией на аппаратную реализацию с целью работы в реальном времени.

Сегментация определяется как процесс отнесения текущего элемента изображения - либо бинарного, либо полноградационного, к той или иной пространственно связанной области. Показано, что сегментация изображений в измерительных СТЗ необходима для извлечения пространственных характеристик изображений объектов, которыми могут быть следующие:

габаритные границы, площадь локальной области (ЛО), координаты центра тяжести ЛО, периметр и на его основе коэффициент формы ЛО и т.д.

Так как сегментация является базовой операцией при измерении пространственных параметров изображений объектов в СТЗ, обобщены результаты по сегментации бинарных изображений и с целью достижения максимального быстродействия модифицирован алгоритм Кутаева Ю.Ф. с ориентацией его на аппаратную реализацию средствами цифровой микросхемотехники.

Сформулированы основные условия анализа связности элементов бинарного изображения при разработке алгоритма, ориентированного на аппаратную реализацию:

• растровый характер анализируемого изображения, представленного в виде временного видеосигнала;

• анализ в текущем времени, то есть без запоминания кадра.

Принят ряд аксиоматических определений для основных понятий работы сегментатора: сегментация (или разметка), локальная область (ЛО) или пятно, пространственная связность дискретных элементов изображения, примыкание элементов, слияние локальных областей. Для аппаратной реализации использованы основные положения алгоритма Кутаева Ю.Ф. , а также учитывался принцип причинности. Используется положение, что в качестве номера для переименования слившейся ЛО назначается меньший номер из двух, при этом больший номер освобождается и может быть использован для разметки новой ЛО. Сформулирован и доказан ряд утверждений, которые учитывались при разработке аппаратного алгоритма сегментации.

В качестве формата анализа связности в алгоритме Кутаева Ю.Ф. при разметке бинарной пятенной картины используется пятисвязанный формат, полнота и достаточность которого доказана в соответствующем утверждении, а сам формат представлена на рис.10, где е - текущий (У)- элемент, (а,Ь,с,с!) - предшествующие элементы, N0 - номер текущего элемента, Ыа, Нь, N0, N(1 - номера предшествующих элементов.

Элементы - (¡-1) 1 (¡+1) (¡-1) [ (¡+1)

а Ь с (¡-1)- строка N3

(1 е —> ] - строка К —>

Рис.10.

Для выбранного формата анализа код варианта связности примет вид: ) Квс = а-23 + Ь-22 + с-21 + с!-20, где а,Ь,сДе е { 0,1 } ( 26 ).

На основании анализа вариантов связности составлена функция назначения номера Ыс текущего элемента, использующая фильтрующую функцию Р(п,Квс):

N.. = е [ Р(п,0)К„ + Р(п,Зу1 1) тт{Ыс,Ы<1} + Р(п,Ю)тт{Ис, +

+ Р(п,Ь5у7у9у13у15)Н, + Р(п,2)Кс + Р(п,4у6у12у14)Кь + Р(п,8)Ыа] (27),

где [ 1, прип = КВс

Р(п,Квс) = 1

I 0, в остальных случаях

Приводятся особенности назначения номера текущего элемента:

- в начале разметки ЛО, когда КВс = 0, используется новый номер;

-при слиянии двух ЛО, когда КВс-Зу10у1 1, необходимо не только выбрать из двух номеров меньший, но и переименовать всю часть ЛО, имеющую больший номер в ЛО с меньшим номером;

- для выявления факта окончания использования номера ЛО необходимо использовать три признака: признак неиспользования данного номера для разметки; признак использования данного номера в процессе разметки; и признак, когда данный номер использовался для предыдущей строки, а для текущей строки он не использовался, то есть использование данного номера закончилось.Это проверка на выполнение необходимого условия окончания ЛО.Кроме того, необходимо выполнения еще и достаточного условия .

На основании анализа основных условий и особенностей работы сегмен-татора представлен алгоритм, ориентированный на реализацию аппаратными средствами и работающий в текущем времени, то есть в темпе поступления отсчетов бинарного изображения.

Для работы алгоритма необходим целый ряд памятей, выполняющих специфические функции. Основное назначение этих памятей - хранение параметров анализируемого изображения, а не всего изображения. В связи с этим, объем этих памятей оказывается существенно меньше, чем для хранения всего изображения. Для всех видов памяти определен объем и разрядность данных.

Приведена структурная схема сегментатора, основными элементами которого являются анализатор варианта связности, формирующий КВс и переключатель, выполняющий функцию выбора номера в зависимости от условий, приведенных в функции назначения номера. Рассмотрены специфические вопросы переименования номеров при слиянии локальных областей. При этом рассмотрены случаи:

- двойного переименования номеров в предыдущей строке;

- цепочечного переименования, когда сливаются (объединяются) несколь- ^

ко локальных областей. Доказаны положения, позволяющие с общих позиций учесть в алгоритме сегментации данные случаи.

При оценке точности работы сегментатора учтено воздействие низкочастотных и высокочастотных шумов и помех, которые по разному влияют на результат разметки. Показано, что высокочастотные помехи концентрируются вблизи границы пятна и будут влиять на сегментацию, формируя ложные ЛО. Получено выражение для вероятности ошибок сегментации, которая зависит от отношения сигнал/шум у, текущей координаты х, порогового уровня Бп , размера растра X, и параметра а - крутизны скатов колоколооб-разной функции, описывающей полезное изображение:

( _1.Г 1 -егП V (Зп-ехр Г- (х-Хп)2Ъ}1.Г1 - 2а V 1п ^п)! ,

ош

= 1

21.

I

] Л

х,

для х < хг и х > (хг + ДХо)

I '

I 1Г 1 - егП у (ехр Г- (х-Хп)21 - _§п)}1. Ы V 1п ^ЯпЛ

}

(28).

I 2 [_

I

а

] ] I

XI

для хг < х < (хг + ДХ0)

Делается вывод, что высокочастотная помеха наибольшее воздействие оказывает вблизи границы бинарного изображения (рис.11). Воздействие низкочастотных помех с учетом растрового характера изображения может привести к "расщеплению" ЛО. В этом случае при сегментации наблюдается ложная разметка, то есть выделение двух (или более) ЛО. В этом случае принять какая ЛО ближе к истинной невозможно и при реальной динамической работе сегментатора приходится пропускать весь кадр и, как следствие, терять время.

ю-4

о 1 2 3 4 5

Рис. 11.

Рассмотрено совместное воздействие ВЧ и НЧ-помех. Оценена вероятность случая сшивания двух ЛО, когда в результате действия НЧ-помех рас-

щепленная ЛО может быть размечена сегментатором правильно, то есть как одна Л04 если в результате действия ВЧ-помехи появится хотя бы один элемент, который окажется сшивающим:

Рсш = а V In (S^Sn) ]• [ 1-erfl v (1- Sn) }]Г1- erf{ 4/ ( - exp Г- (x-xn)2l )}1

2Xi

So L

Sn

L

] ] (29).

Показано, что вероятность сшивания зависит от смещения относительно границы бинарного изображения и от других параметров (рис.12). При этом максимум вероятности сшивания Рсш наблюдается в центре пятна.

o,i =

Ю-2

го-4

_

2 3 4 5 <5 7 в

Рис.12.

В шестой главе рассмотрены методы измерения пространственных параметров растровых изображений. Определены исходные условия разработки алгоритмов, ориентированных на аппаратную реализацию цифровыми методами, которые заключаются в следующем:

- входным сигналом является одномерный дискретизированный по времени видеосигнал бинарного телевизионного изображения;

- алгоритмы работы измерителей пространственных параметров должны работать в реальном времени и совместно с сегментатором, описанным в главе 5;

- все пространственные параметры измеряются в элементах телевизионного растра. Для получения результата в общепринятых единицах измерения необходимо использовать соответствующие коэффициенты.

Рассмотрен алгоритм измерения координат геометрических границ, под которыми подразумевается некоторый прямоугольник, в который вписана пространственно связанная ЛО бинарного изображения. Координаты геометрических границ ЛО могут быть описаны следующим образом:

(ч) = j (Я) 1

Кк, где ¡„(ч) = min{ i е Iw },

(q)

(30),

то есть координата левой стороны описанного прямоугольника соответствует минимальному индексу i по строке, принадлежащему элементам q-локальной области. Аналогично

(ч) = шах{ i б 1(ч)}

Хп,(ч) = ч(ч>Кх, где 1 " 10

... „. «X, 'А" •п, . 1 = « ;

Y„(4) = j W Ку, где ja(t|) = min {j е J(q)

Y„(q) = j„(4) Ку, где j„(4) = max{ j e J(4)} 38

О 7

Из определения координат геометрических границ вытекает алгоритм назначения кодов координат для текущего элемента:

J.

(q> =

У1"

п, i

если 1' < I 141

е л

если ¡5 > ¡лм)

если ^ < если^ >

; (ql

'ii

п.

I

если ]' > 1 м)

е п

если 1с < ¡пм)

если ^ > если к <•)„""

(31),

где ¡е, ^ коды координат текущего элемента (е) в формате анализа связности, равенство ¡(ч) = ¡(ч) означает, что при выполнении соответствующего условия код координаты сохраняется прежним, а равенство ¡(ч) = ¡с означает, что коду координат присваивается значение индекса анализируемого элемента.

На основании измеренных координат геометрических границ вычисляются координаты геометрического центра бинарного пятенного изображения для q-лoкaльнoй области:

X . <ч>= К .{i<')+[i<4)-i(4)]/2} Yrr>>= Ky.{j>+D>-j>»]/2}

(32).

Приводится структурная схема цифрового устройства измерения координат геометрических границ с использованием аппаратной логики.

Измеренные координаты геометрических границ Используются для выполнения размерной селекпии, которая позволяет выделить изображения с габаритными размерами, соответствующими некоторому заданному интервалу.

В устройстве размерной селекции прежде всего для каждой закончившейся я-локальной области вычисляются размеры АХ(<)) и ДУ(ч1, которые затем сравниваются с максимальными и минимальными размерами, которые задают некоторый интервал значений.

Если ДХ(ч) и ДУ(ч) удовлетворяют размерной селекции, то формируется сигнал разрешения для данной локальной области - РЛО:

i 1, если ДХ . < ДХ"><ДХ ,

' * min шах*

и ДУ < AY'"1 < Д Y

mm max

РЛО"" = •! О, если АХтп > ДХ"» v ДХ<" > ДХт [ А\ > AY'4' v ДУ"" > äy"

(33).

причем, для получения РЛО(ч) = 1 все условия объединяются по «И», а при невыполнении хотя бы одного условия разрешение не формируется РЛО<"> = 0.

Только при РЛО(ч) = 1 возможна выдача измеренных пространственных параметров потребителю.

л

Показано, что геометрические границы ЛО и, как следствие, геометрический центр ЛО, являются статистически неустойчивыми параметрами в условиях флюктуирующих изображений и их опасно использовать в измерительных СТЗ.

Разработан алгоритм измерения координат центра тяжести, который является статистически устойчивым, так как используются интегральные характеристики - сумма абсолютных координат по ортогональным направлениям и площадь ЛО. С учетом бинарного характера анализируемого изображения, для которого отсчеты Бд = {1,0}, а также с учетом растровой структуры телевизионного изображения, дискретизированного на тактовые интервалы Т0 в пределах строки и по строкам Т. в пределах кадра, получены выражения для кодов центра тяжести q-лoкaльнoй области:

\ <ч> = [I Б.."». ¡<ч>1 / Е8..<ч> ;

ц.т. . . У ц . . и

У 1.1

] (ч) = [15.<Ч ](ч>1/ 15.. (ч> ;

Ц Т. 1 . . у ■> 1 . . и '

10 10

Представлена структурная схема измерителя координат центра тяжести ЛО бинарного телевизионного изображения, работающего совместно с сегментатором.

Разработан алгоритм измерения периметра ЛО, ориентированный также на совместную работу с сегментатором и на аппаратную реализацию.

Периметр является одним из интегральных пространственных параметров бинарного изображения и характеризует разветвленность границы ЛО. Принят ряд положений, определяющих периметр в особых случаях: - периметр единичного элемента, который принят равным 1; периметр границы внутренней пустоты ЛО, который должен входить в общий периметр; периметр внутренней пустоты определяется числом свободных сторон, то есть числом сторон элементов, которые выходят в пустоту. Доказан ряд положений, позволивших, с общих позиций подойти к разработке алгоритма измерения периметра ц-локальной области, который описывается выражением, включающим сумму элементов верхней и нижней строк Б

И«"1

Ь<"> = Е8.. <ч> + Е Б .. <ч) + 21 ] (35).

Ч• . Ч" • • .1

1 1

Сформулированы общие принципы вычисления пространственных параметров растровых изображений объектов с целью достижения максимального быстродействия ориентированных на аппаратную реализацию алгоритмов: • текутггее значение измеряемого пространственного параметра необходимо формировать за интервал существования текущего отсчета элемента растра, то есть алгоритмы должны быть ориентированы на работу в ре-

X =К <ч>

ц.т. х ц.т

У <ч> = к О (ч) (34).

Ц.Т. у ц.т 4 '

альном времени;

• для любого вычисляемого пространственного параметра необходима соответствующая память, которая получается существенно меньше, чем память изображения на кадр;

• основой алгоритма вычисления пространственных параметров является сегментация исходной пятенной картины;

• в процессе сегментации возможно слияние двух ЛО, при котором необхо-

• для каждой строки проверяется окончание разметки ЛО с данным номером, при выполнении необходимого и достаточного условий окончания ЛО, текущее значение измеряемого параметра считается окончательным и может быть передано потребителю, например, введено в ЭВМ.

5(0 5, (0 Б,, (1)

Рис.13. 41

Представлена структурная схема измерительной СТЗ, формирующей пространственные параметры бинарного растрового изображения (рис.13).

Аналого-цифровой преобразователь АЦП выполняет дискретизацию по времени с тактовым интервалом Т0 и квантование по уровню, формируя при этом цифровой код (1) заданной разрядности. Формирователь адаптивного порогового уровня ФАПУ выдает пороговый уровень 5п (1), следящий за выбранной яркостной характеристикой исходного изображения.

Сегментатор анализирует текущие элементы бинарного изображения и выносит решение о принадлежности этого элемента q-лoкaльнoй области ЛО - Бу е М(ч). Выходными сигналами сегментатора являются код варианта связности Квс и номер ЛО а также другие служебные сигналы, необходимые для работы остальных устройств.

Измерители параметров Рп (ч) параллельно формируют текущие отсчеты для каждой ц-локальной области. После окончания ц-локальной области сегментатор выдает сигнал разрешения записи в буфер выходных параметров РЗпБВП, и сформированные п пространственные параметры для я локальных областей записываются в ВВП - буфер выходных параметров.

Не дожидаясь окончания кадра, а имея лишь признак окончания ЛО с данным номером, можно ввести измеренные пространственные параметры с помощью интерфейса ИФ в ЭВМ для дальнейшего их использования. Как правило, измеренные параметры ЛО имеют существенно меньший объем данных, чем текущее изображение, что заметно влияет на быстродействие системы в целом.

В седьмой главе представлена небольшая часть результатов экспериментальных исследований, выполненных автором с 1977 года.

Если обобщить пройденный путь, то можно отметить динамику развития подходов к исследованию вопросов обработки сигналов, которая заключается в переходе от аналоговых методов с использованием средств когерентно-оптической обработки информации к методам и средствам цифровой обработки информации.

Этот переход был обусловлен, в первую очередь, успехами микросхемотехники, а также трудностями, обнаруженными при проектировании реальных систем КООИ.

Однако, потенциально-превосходные характеристики систем КООИ, возможность параллельной обработки значительных массивов данных, до сих пор не достигнуты методами ЦОИ, несмотря на грандиозные успехи в этой области.

Приведены результаты разработки и исследования характеристик управляемого оптического фильтра на основе термопластического модулято- {

ра света для согласованной фильтрации электрических сигналов, вводимых с помощью ультразвукового модулятора света в систему КООИ. Подтверждена работоспособность такого фильтра. Перестраиваемость УОФ и возможность многоканальной обработки, когда на ТПМС может быть одновременно записано несколько импульсных переходных характеристик, являются достоинствами разработанного УОФ.

Исследованы характеристики ТПМС, отмечается высокая дифракционная эффективность фазовой модуляции светового потока. Однако частотно-контрастная характеристика ограничена разрешающей способностью 25 пер/ мм. При исследовании динамических характеристик ТПМС получен неутешительный результат - время перестройки УОФ измеряется несколькими минутами, что связано с инерционностью механизма прогрева и охлаждения гермопластика.

Разработана и исследована схема УОФ с жидкокристаллическим модулятором света, который свободен от указанного выше недостатка ТПМС -необходимости нагрева и охлаждения активного материала.

Основной задачей при разработке УОФ было объединение преимуществ УЗМС, используемого для оперативного ввода электрического сигнала, и ЖКМС, используемого для создания управляемого оптического фильтра.

Исследованные характеристики УОФ с ЖКМС позволяют отметить его определенные достоинства: малое время перестройки УОФ - порядка нескольких секунд и низкие питающие напряжения, порядка 45 В. Таким образом, использование в качестве устройства записи импульсных переходных характеристик ЖКМС позволяет существенно улучшить перестраиваемость фильтра с сохранением остальных характеристик.

Приведено описание устройства ТУБУС-97.2, работающего с бинарным телевизионным изображением и реализующим алгоритм сегментации, приведенный в главе 5, а также алгоритм измерения координат центра тяжести, приведенный в главе 6. Разработанное устройство характеризуется высоким быстродействием измеряемых пространственных параметров и может быть использовано в системах слежения за быстроперемещающимися объектами и в системах целеуказания.

Технические характеристики ТУБУС-97.2 следующие:

Период дискретизации видеосигнала -100 не;

Число элементов разложения растра -512x512;

Число разрядов АЦП - 7;

Размеры фрагментов - 128x128, 256x256;

Виды синхронизации - внутренняя и от видеосигнала;

Время ввода бинарного фрагмента 256x256 в ПЭВМ h в режиме прямого доступа в память -16 мс;

Время ввода бинарного фрагмента 128x128 и измеренных параметров в ПЭВМ в режиме прямого доступа в память - 8 мс;

Частота анализа фрагмента 128x128 - 50 Гц;

Частота анализа фрагмента 256x256 - 25 Гц.

Управление режимами - путем записи управляющих кодов в регистры режимов от ПЭВМ 1ВМ РС АТ.

Сегментатор:

- максимальное количество одновременно размечаемых локальных областей - 15;

- максимальное количество локальных областей на кадре - 256;

- количество параметров для каждой локальной области - 7;

- максимальный объем параметров, вводимых в ПЭВМ - 4 кбайта;

Связь с ПЭВМ типа 1ВМ РС осуществляется через системную шину 15А.

Разработанное устройство показало работоспособность алгоритмов и

высокие динамические характеристики. Реализация на жесткой логике позволила получить систему обработки телевизионного изображения, работающую в реальном времени.

Дальнейшим развитием данного направления явилась разработка устройства, аналогичного ТУБУС-97.2, но реализованного на ПЛИСах - программируемых логических интегральных схемах, что позволило существенно уменьшить массо-габаритные параметры и увеличить надежность работы устройства.

ЗАКЛЮЧЕНИЕ

В диссертационной работе решена научная проблема, имеющая важное народнохозяйственное значение и заключающаяся в разработке теоретических основ построения быстродействущих устройств обработки растровых пространственно-временных сигналов с использованием как когерентно-оптических, так и цифровых методов обработки в зависимости от особенностей анализа сигналов, и позволяющие формировать пространственные параметры изображений объектов в реальном времени, то есть в темпе поступления отсчетов видеосигнала с видеодатчика в системах технического зре-чия.

При этом, полученные результаты позволили с единых методологи-геских позиций найти научно-обоснованное решение целому ряду практи-геских задач по разработке быстродействующих устройств анализа растро-зых пространственно-временных сигналов для систем технического зрения.

При решении указанной проблемы выполнено следующее: 1. Разработаны теоретические основы выбора метода реализации алгоритма обработки пространственно-временных сигналов для быстродейст-¡ующих систем анализа изображений, основанного на формировании харак-'еристической функции вычислительного процесса Хвп> в которой учиты-тются основные параметры обрабатываемого сигнала — динамический диа-1азон, число отсчетов входного сигнала , а также параметры реализуемого шгоритма - количество вычислительных операций, число отсчетов полу-гаемого результата и время выполнения преобразования.

Для различных методов обработки информации, приемлемых для реали-ации алгоритмов быстродействующей обработки растровых пространст-;енно-временных сигналов, таких как методы аналоговой обработки, коге-юнтно-оптической, цифровой аппаратной и цифровой программной, были определены интервалы изменения характеристической функции. Критерием ыбора метода обработки является принадлежность значения рассчитанной арактеристической функции интервалу значений, характерному для каж-ого метода.

2. В результате проведения исследований разработаны теоретические сновы использования когерентно-оптических методов (КООИ) для по-троения быстродействующих устройств обработки растровых пространст-енно-временных сигналов.

При этом решены следующие задачи: для анализа одномерных пространственно-временных сигналов создан и исследован многоканальный управляемый оптический фильтр (УОФ), использующий для ввода временных сигналов ультразвуковой модулятор света, а для формирования управляемой импульсной переходной характерис-

тики (ИПХ) использующий растровую запись в пространственно-временном модуляторе света (ПВМС). При этом вторая координата используется для формирования многоканальной записи ИПХ;

• разработан метод оптимизации параметров растровой записи ИПХ по критерию минимума среднеквадратической ошибки на основе анализа специфических перекрестных помех УОФ, возникающих из-за дифракции когерентного света на растровой структуре записи ИПХ в ПВМС.

3. Созданы и исследованы методы контроля параметров растровых формирователей изображений средствами КООИ. Показано, что использование простых тестовых сигналов в виде синусоиды позволяет измерить масштабные искажения и нелинейные искажения растра с потенциальной методической ошибкой 0,2%, а также смещение растра с потенциальной методической ошибкой 0,002%. Применение сложных сигналов в качестве тестовых позволяет измерить все виды растровых искажений с высокой точностью.

4. Получено теоретическое обобщение дискретно-разностного преобразования (ДРП) сигналов при условии переменного шага разности. Взяв шаг разности в качестве параметра преобразования, был выявлен целый ряд особенностей ДРП при сравнении шага разности с различными параметрами исходного сигнала:

• показано, что при равенстве шага разности ДРП интервалу корреляции наблюдается улучшение отношения сигнал/шум в 2 раза, что имеет практическое значение в системах обнаружения и распознавания образов, использующих корреляционную меру близости между анализируемым изображением и эталоном;

• разработан метод спектрального анализа сигналов, использующий свойства гистограммы сигнала после ДРП и характеризующийся максимальным быстродействием;

• использование простых вычислительных операций: вычитания, сложения, сравнения и запоминания позволяет реализовывать устройства обработки с максимальным быстродействием.

5. Разработаны теоретические основы выбора метода формирования порогового уровня при бинаризации растрового телевизионного изображения из следующих методов: на основе половины динамического диапазона, на основе гистограммы распределения яркости элементов изображения, на основе средней яркости по всему полю, на основе средней яркости гго фрагментам, с использованием скользящего интегрирования и с использованием точек с максимумом производной. При этом :

• использованы следующие критерии выбора метода: - минимум среднеквадратической ошибки формирования порогового уровня, минимум среднеквадратической ошибки определения координат границы бинарного

изображения, минимум полной вероятности ошибочного формирования бинарного изображения и максимум быстродействия;

• установлено, что самым простым в реализации является метод, основанный на формировании динамического диапазона, однако он характеризуется большой зависимостью случайной ошибки от отношения сигнал/шум;

• показано, что лучшими характеристиками по критерию минимума средне-квадратической ошибки обладают метод скользящего интегрирования и метод максимума производной. Метод скользящего интегрированйя характеризуется большой ошибкой смещения, что влияет на пространственное положение границ бинарного изображения. Однако этот метод проще в реализации по сравнению с методом максимума производной.

6. Развита концепция обработки растровых пространственно-временных сигналов по текущим отсчетам входного видеосигнала для реализации принципа обработки в реальном времени, то есть в темпе поступления отсчетов видеосигнала. При этом учитывается основная особенность растрового представления РПВС - это преобразование пространственных связей между элементами изображения в неявные временные связи, особенно в ортогональном строчной развертке направлении.

7. Разработаны теоретические основы быстродействующей пространственной сегментации бинарного изображения в устройствах цифровой обработки информации анализа растровых изображений. Показано, что сегментация в измерительных системах технического зрения является базовой операцией при извлечении пространственных характеристик изображения объектов, таких как: габаритные границы, площадь, координаты центра тяжести, периметр и т.д. При этом решены следующие задачи:

• на основании ряда аксиоматических определений для основных понятий сегментации растрового бинарного изображения доказан ряд утверждений, позволивших с общих позиций подойти к разработке аппаратного алгоритма сегментации;

• доказано, что используемый формат анализа связности при разметке бинарной пятенной картины является полным и достаточным;

8. Разработан аппаратный алгоритм сегментации, который, с целью достижения максимального быстродействия, ориентирован на реализацию аппаратными средствами и использует в своей основе алгоритм сегментации Кутаева Ю.Ф. Особенностью такого алгоритма является использование малоразмерных памятей для выполнения специфических функций - хранения параметров анализируемого изображения, а не всего изображения.

Найдены решения специфических вопросов переименования номеров при слиянии локальных областей: - двойного переименования номеров в предыдущей строке; цепочечного переименования, когда сливаются ^(объединяются) несколько локальных областей.

9. Разработана методика оценки точности работы сегментатора, в которой учтено воздействие низкочастотных и высокочастотных шумов и помех. При этом решены следующие задачи:

• показано, что высокочастотная помеха наибольшее воздействие оказывает вблизи границы бинарного изображения, а воздействие низкочастотных помех с учетом растрового характера изображения может привести к "расщеплению" изображения. Для таких случаев получены зависимости вероятностей ошибок от отношения сигнал/шум и других параметров;

• для совместного воздействия высокочастотных и низкочастотных помех оценена вероятность случая сшивания двух расщепленных частей одного изображения, когда в результате действия низкочастотных помех расщепленное изображение может быть размечено сегментатором правильно, то есть как одно, если в результате действия высокочастотной помехи появится хотя бы один элемент, который окажется сшивающим. Показано, что вероятность такого случая зависит от смещения относительно границы бинарного изображения, отношения сигнал/шум и от других параметров. При этом максимум вероятности сшивания наблюдается в центре бинарного изображения.

10. Разработаны алгоритмы измерения пространственных параметров растровых изображений, работающие совместно с сегментатором и ориентированные на аппаратную реализацию. Исследованы условия и особенности измерения следующих пространственных параметров бинарных пространственно-связанных изображений: координат геометрических границ, координат геометрического центра, габаритных размеров, на основании которых выполняется размерная селекция изображений, а также координат центра тяжести и периметр. Для каждого алгоритма представлена структурная схема устройства на основе аппаратной логики, что позволяет достичь максимального быстродействия.

11. Приведены результаты экспериментальных исследований, выполненных автором за период с 1977 г. в области создания различных устройств обработки информации.

Приведены результаты разработки и исследования характеристик управляемого оптического фильтра, предназначенного для согласованной фильтрации временных сигналов. Особенностью такого фильтра является использование ультразвукового модулятора света для ввода обрабатываемого сигнала и использование растровых пространственно-временных модуляторов света, обладающих памятью, для многоканальной записи импульсных переходных характеристик согласованного фильтра.

Исследовалась возможность использования для такого фильтра термопластического и жидкокристаллического модуляторов света. Приведены ^

результаты анализа характеристик, отмечены достоинства и недостатки этих типов модуляторов. Подтверждена работоспособность управляемого оптического фильтра, достоинством которого является высокое быстродействие, быстрая перестраиваемость и возможность многоканальной обработки при анализе одномерных временных сигналов.

12. Автором проведены исследования в области цифровых методов обработки изображений. Создано устройство ТУБУС-97.2, в котором реализованы с использованием аппаратной логики разработанные алгоритмы сегментации и измерения пространственных параметров бинарного телевизионного изображения.

Полученные технические характеристики показали полную работоспособность разработанных алгоритмов и высокое быстродействие.

Дальнейшим развитием данного направления явилась разработка устройства ТУБУС-99.3 реализованного на ПЛИСах, что позволило существенно уменьшить массо-габаритные параметры и увеличить надежность работы устройства.

По материалам диссертации опубликованы следующие работы:

Монография

1. Сальников И.И. Растровые пространственно-временные сигналы в системах технического зрения. - Пенза.: -1999, Центр научно-технической информации, Per.N 2792,- 254 с.

Статьи, тезисы докладов, авторские свидетельства

2. Сальников И.И. Сглаживание оценки энергетического спектра в оптическом когерентном спектроанализаторе при многомодовом излучении ОКГ //Радиотехника и электроника - 1977.- Т.22, вып.4. - С.861-863.

3. Сальников И.И. Спектральный анализ случайных сигналов когерентными системами // Тезисы докладов 2-й Всесоюзной школы по оптической обработке информации. - 1978. - Горький,- С.29.

4. Сальников И.И. Оконтуривание изображений бинарным фильтром в системах распознавания образов II Радиотехника и электроника - 1980 . -Т.25, вып.10. - С.2261-2263.

5. Сальников И.И., Юрков В.К., Юрков Н.К. Оптический анализатор спектра случайных сигналов//A.c. 2917347 СССР, 30 апреля 1980.

6. Сальников И.И., Юрков В.К. Анализатор спектра случайных сигналов // A.c. 2919422 СССР, 5 мая 1980.

l 7. Сальников И.И. Научно-технический отчет по НИР "Лиана", N гос. регистрации- 81007410, 1981,- 72 с.

8. Сальников И.И. Термопластический модулятор в управляемом оптиче ском фильтре электрических сигналов /У Тезисы докладов 3-го Всесоюзного совещания-семинара молодых ученых и специалистов-1982. - Ростов -С.55,

9. Полетаев Б.В., Ставраков Т.Н., Манкевич С.К.,Кутаев Ю.Ф., Сальнико И.И. Устройство измерения отклонения светового пучка И Тезисы докладо II Республиканской научно-технической конференции "Физические ochobi построения первичных измерительных преобразователей". - 1982. - . Вин ница-С.76.

10. Сальников И.И., Джазовский Н.Б. Научно-технический отчет по НИР "Измеритель". - 1983. -50 с.

11. Сальников И.И. Научно-технический отчет по НИР "Лотос", N гос. регистрации - 01830024377, 1984, - 69 с.

12. Сальников И.И. Исследование и разработка методов динамическоп контроля и коррекции искажений растровых формирователей изображений Научно-технический отчет по НИР. - 1985, - 67 с.

13. Гурьянова Л.С., Сальников И.И. Методы синтеза пространственны: сигналов на ТВ-экране // Тезисы докладов Всесоюзной научно-техническо! конференции "Микропроцессоры-85". - 1985.- М.: МИЭТ-С.23.

14. Сальников И.И., Ядринцев A.B. Цифровая обработка сигнала с выход; матрицы ПЗС // Тезисы докладов Всесоюзной научно-технической конфе ренции "Микропроцессоры-85". - 1985,- М.: МИЭТ-С. 12.

15. Сальников И.И. Устройство первичной обработки светового пол) "УПОСП". Научно-технический отчет по НИР. - 1985, - 84 с.

16. Сальников И.И., Ядринцев A.B., Кутаев Ю.Ф. Микроэлектронное уст ройство обработки изображений ФОКОН // Тезисы докладов 13-й Всесоюз ной научно-технической конференции "Высокоскоростная фотография, фо тоника и метрология быстропротекающих процессов".-1987.-М. ВНИИОФИ - С. 111.

17. Ядринцев A.B., Сальников И.И., Кутаев Ю.Ф. Устройство обработм изображений в реальном масштабе времени // Приборы и техника эксперимента. - 1987.- N3.-C.232.

18. Сальников И.И. Управляемое преобразование пространственны? сигналов в когерентном свете. / Межвузовский сборник научных тру до е "Обработка сигналов и изображений оптическими методами". - Л.: ЛИАП, 1987. -С.60-67.

19. Сальников И.И., Ядринцев A.B., Зейналов В.Г., Кутаев Ю.Ф. Научно-технический отчет по НИР "Клин". - 1988. - 115 с.

20. Сальников И.И. Управляемый когерентно-оптический фильтр электрических сигналов // Тезисы докладов I Всесоюзной конференции по опти-

шской обработке информации, - 1988.- Л,- 4.1. -С.86.

21. Сальников И.И., Ядринцев A.B. Устройство первичной обработки гзображения // Приборы и техника эксперимента. - 1988. - N 4. - С. 229.

22. Кутаев Ю.Ф., Сальников И.И. Логарифмирование как средство повы-ления точности нормирования в корреляторах //Тезисы докладов научно-технической конференции "Оптоэлектронные методы и средства обработки шформации". - 1988.-Винница,- С.41.

23. Зейналов В.Г., Сальников И.И. Цифровая осциллографическая прибавка // Приборы и техника эксперимента. - 1992. - N 3. - С. 242.

24. Сальников И.И. Видеопроцессорное устройство для телевизионной :истемы обработки изображений. Научно-технический отчет по НИР 'ВИЗА-2 - 1993,- 84 с.

25. Сальников И.И. Телевизионное устройство обнаружения и определения координат динамических объектов. Научно-технический отчет по НИР "УООК ".- 1993.- 58 с.

26. Сальников И.И. Вероятностно-статистические характеристики дискретно-разностного преобразования конечных множеств // Тезисы докладов I Всероссийской научной конференции "Непрерывная логика и ее применение в технике, экономике и социологии". - 1994. - Пенза. - С. 123.

27. Гурьянова Л.С., Сальников И.И. Применение теории нечетких множеств к задаче адаптивной бинаризации изображений // Тезисы докладов I Всероссийской научной конференции "Непрерывная логика и ее применение в технике, экономике и социологии". - 1994. - Пенза. - С. 121.

28. Гурьянова Л.С., Сальников И.И. Критерий максимума производной в задаче адаптивной бинаризации изображений // Тезисы докладов II Всероссийской конферепнции "Распознавание образов и анализ изображений: Новые информационные технологии", РОАИ-2-95. - 1995. - Ульяновск. - С.

29. Сальников И.И. Реализация быстродействующего алгоритма определения координат связанных локальных областей ТВ-изображений // Тезисы докладов II Всероссийской конферепнции "Распознавание образов и анализ изображений: Новые информационные технологии", РОАИ-2-95. - 1995. -Ульяновск. - С.

30. Сальников И.И. Быстродействующий алгоритм сегментации бинарного ТВ-изображения И Тезисы докладов Международной научно-технической конференции "Непрерывно-логические методы и модели в науке, технике и экономике". -1995. -Пенза-С.59.

31. Сальников И.И. Сегментатор "С-95". Научно-технический отчет по НИР.-1995.-88 с.

32. Сальников И.И., Кутаев Ю.Ф. Быстродействующее устройство измере-k ния геометрических характеристик бинарного телевизионного изобра-

жения II Приборы и техника эксперимента. - 1995. - N6.-С.177.

33. Сальников И.И. Быстродействующее устройство сегментации бинарь го ТВ-изображения II Тезисы докладов II Международной научь технической конференции "Новые информационные технологии и сис мы". 1996. - Пенза. - Ч. 1С.50.

34. Сальников И.И. Растровые анализаторы изображений в автоматизирс ванных системах управления // Тезисы докладов II Международной научно-технической конференции "Интерактивные системы: Проблемы челове ко-компьютерного взаимодействия". 1997. - Ульяновск. - Ч. 1. - С.66.

35. Бочкарев П.П., Сальников И.И. Интерактивное программы аппаратное средство обработки ТВ-изображений "ОБРИЗ" // Тезисы докл дов II Международной научно-технической конференции "Интерактивш системы: Проблемы человеко-компьютерного взаимодействия". - 1997. Ульяновск. - 4.2. - С.50.

36. Сальников И.И. Информационная оценка процесса бинаризации Ti изображения в системах технического зрения // Тезисы докладов Веере сийской научно-технической конференции "Непрерывная и смежные логи: в информатике, экономике и социологии". - 1997. - Пенза. - С.51.

37. Сальников И.И. Быстродействующий анализатор пространственных характеристик бинарного телевизионного изображения // Приборы и техника эксперимента. - 1997. - N 1. - С. 165.

38. Сальников И.И. Сравнительная оценка методов бинаризации простра ственно-временных сигналов II Тезисы докладаов Международной научн технической конференции "Логико- математические методы в технике, эк номике и социологии". - 1998,- Пенза,- С.76.

39. Сальников И.И. Информационные аспекты процесса бинаризации TI изображений в системах технического зрения // Тезисы докладов III Ме> дународной научно-технической конференции "Новые информационнь технологии и системы". - 1998. - Пенза. - С.ЗО.

40. Сальников И.И. Адаптивный метод формирования порогового уровн для быстродействующих устройств бинаризации ТВ-изображений // Тезисы докладов Ш Международной научно-технической конференции "Новые информационные технологии и системы". - 1998. - Пенза. - С.31.

41. Сальников И.И. Малогабаритное устройство обработки изображена для системы технического зрения // Приборы и техника эксперимента. -1999.- N2.-C.159.

42. Сальников И.И. Телевизионное устройство обнаружения, сегментаци и определения координат динамических объектов " ТУБУС-97.2". // Hi формационный листок N 99-99, - 1999. - Пенза. - 4с.

<

Оглавление автор диссертации — доктора технических наук Сальников, Игорь Иванович

Введение.

1. Выбор и обоснование метода обработки растровых пространственно-временных сигналов.

1.1. Основные условия.

1.2. Параметры характеристической функции.

1.3. Характеристическая функция.

1.4. Методика выбора средств реализации алгоритма обработки РПВС.

1.5. Выводы.

2. Растровые формирователи изображений в устройствах когерентно-оптической обработки.

2.1 Анализ влияния параметров растровых формирователей изображений на согласованную управляемую оптическую фильтрацию временных сигналов.

2.2. Методы динамического контроля искажений растровых формирователей изображений.

2.3 Выводы.

3. Корреляционные свойства пространственно-временных сигналов при дискретно-разностном преобразовании.

3.1 Дискретно-разностное преобразование.

3.2. Корреляционные функция при ДРП.

3.3. Функция плотности вероятности для ДРП.

3.4. Выводы.

4. Сравнительный анализ методов формирования порогового уровня при бинаризации изображения.

4.1. Пороговый уровень на основе динамического диапазона.

4.2. Пороговый уровень на основе анализа гистограммы.

4.3. Пороговый уровень по средней яркости по всему полю.

4.4. Пороговый уровень по средней яркости по фрагментам.

4.5. Основные требования к процессу бинаризации.

4.6. Метод максимума производной.

4.7. Сравнение методов формирования порогового уровня.

4.8. Выводы.

5. Сегментация бинарных растровых пространственно-временных сигналов.

5.1. Основные определения.

5.2. Этапы сегментации растрового бинарного изображения.

5.3. Алгоритм работы быстродействующего сегментатора.

5.4. Структурная схема сегментатора.

5.5. Переименование в предыдущей строке.

5.6. Цепочечные переименования.

5.7. Количество одновременно размечаемых JIO.

5.8. Оценка точности работы сегментатора.

5.9. Выводы.

6. Методы измерения пространственных параметров растровых изображений.

6.1. Координаты геометрических границ JIO.

6.2. Координаты центра тяжести бинарного изображения.

6.3. Периметр локальной области.

6.4. Коэффициент формы.

6.5. Общие принципы вычисления пространственных параметров изображений объектов.

6.6. Выводы.

7. Результаты экспериментальных исследований.

7.1.Управляемый когерентно-оптический фильтр временных сигналов с использованием термопластического модулятора света.

7.2. Управляемый когерентно-оптический фильтр временных сигналов с использованием жидкокристаллического модулятора.

7.3. Телевизионное бинарное устройство сегментации и определения координат центра тяжести изображений ТУБУС-97.2.

7.4. Выводы.

Введение 2000 год, диссертация по информатике, вычислительной технике и управлению, Сальников, Игорь Иванович

Диссертация посвящена разработке методов анализа растровых пространственно-временных сигналов и особенностям использования таких сигналов при синтезе быстродействующих устройств обработки изображений в системах технического зрения.

В настоящее время системы технического зрения (СТЗ) успешно развиваются и представляют собой достаточно сложные аппаратно-программные комплексы средств для решения задач выработки рациональных символических описаний визуальной обстановки, составленных на основе анализа данных об изображении [1,2, 121]. Перед СТЗ ставятся совершенно отличные от изображающих телевизионных систем задачи, которые в общем случае можно разделить на следующие: обнаружение появления нового объекта; классификация и распознавание объекта; слежение за перемещающимся объектом с динамическим целеуказанием. СТЗ относятся к пассивным системам наблюдения. Работающие в видимом диапазоне электромагнитных волн и использующие естественные источники излучения, они имеют неоспоримое преимущество перед активными системами -определить факт наблюдения противной стороной практически невозможно. Широкое использование пассивных средств наблюдения связано с успехами в развитии систем радиопротиводействия, направленных на обнаружение и подавление активных систем. Поэтому все большее внимание уделяется пассивным средствам обнаружения и идентификации объектов [90].

Достоинства пассивных систем наблюдения сопровождаются определенными сложностями - наблюдение приходится вести с малыми уровнями входного сигнала, в большом динамическом диапазоне освещенностей, при флуктуациях атмосферы и при наличии сложного фона [105]. Ограничение дальности действия пассивных систем наблюдения, работающих в оптическом диапазоне, связано :

- с воздействием фона, особенно яркости облаков и атмосферы;

- с возможностью распространения в пределах прямой видимости;

- с малыми уровнями рассеянного на объекте света.

Использование малой длины волны видимого диапазона ЭМ-волн позволяет строить изображения не только для обнаружения целей, но и для их идентификации. При этом требования к СТЗ существенно возрастают и в алгоритмах обработки входного сигнала необходимо учитывать его пространственно-временной характер, который усложняется растровым принципом передачи сигнала изображения от приемной части к устройству анализа и обработки.

Во всех приведенных задачах, решаемых СТЗ, входным сигналом, формируемым телевизионным датчиком, является растровый пространственно-временной сигнал (РПВС).

СТЗ, решающие задачу принятия решения о появлении в поле зрения нового объекта, чаще всего выполняют непрерывное сравнение текущего кадра с предыдущим и решаемая задача соответствует задаче бинарного обнаружения сигнала в шумах [2,3,72]. СТЗ по обнаружению новых объектов нашли широкое применение в охранных системах при дистанционном наблюдении за объектом или охраняемой зоной.

Более сложную задачу решают СТЗ при классификации и распознавании новых объектов [83,100,101, 152-163]. При этом СТЗ должны не только обнаружить факт появления нового объекта, но и описать его какие-то характеристики, а также классифицировать объект, то есть отнести его к известному классу.

Основными характеристиками при классификации новых объектов в СТЗ являются пространственные параметры их изображений в пределах телевизионного растра. Это могут быть габаритные размеры изображения объекта, площадь, периметр, оси симметрии, координаты центра тяжести, различные пространственные коэффициенты и т.д. [4,101,164-171].

Распознавание относится к следующей ступени анализа изображений и отличается от классификации более полным описанием пространственных характеристик [91-99,113]. Распознавание выполняется в виде сравнения с эталонными изображениями, при этом используются различные меры близости: разностная, среднеквадратическая и корреляционная, которые характеризуют интегральный подход в распознавании образов и используются при наличии шумов и помех [5,6,73]. Другой подход в распознавании образов заключается в поэлементном анализе изображения и соответствующем кодировании - это структурно-лингвистический подход, который более всего приспособлен к распознаванию текстовых изображений, особенно рукописных текстов [6,7].

Системы динамического целеуказания представляют собой СТЗ, решающие задачу циклического измерения координат характерных точек на изображении объекта. Это могут быть координаты геометрического центра или координаты центра тяжести изображения. При этом СТЗ включается в контур более мощной следящей системы. При динамическом целеуказании изображение объекта, как правило, перемещается в зоне обзора СТЗ. При этом может изменяться его средняя яркость, пространственное расположение бликов, а также размеры изображения объекта. Поэтому, при проектировании подобной системы желательно выбрать такой пространственный параметр анализируемого изображения объекта, который был бы инвариантен или статистически устойчивым к указанным выше изменениям. В работе [8] обосновывается использование энергетического параметра, к которому наиболее близок центр тяжести изображения наблюдаемого объекта.

В качестве датчиков анализируемых изображений в СТЗ наибольшее распространение получили телевизионные растровые формирователи видеосигнала. Это связано прежде всего с тем, что телевизионные системы имеют значительный исторический опыт и разрабатывались под потребности восприятия изображений человеком, а глаз человека чрезвычайно чувствителен к качеству изображения. В технике накоплен огромный опыт в разработке высококачественных телевизионных формирователей видеосигнала, как с точки зрения разрешающей способности, так и с точки зрения динамического диапазона восприятия уровней освещенности [9,140,172-175].

Растровый характер изображений, поступающих на вход СТЗ, приводит к существенной трудности — к необходимости выявления пространственной связанности элементов изображения в ортогональном строчной развертке направлении. Видеосигнал с выхода телевизионного датчика представляет собой "разрезанное на куски" и изменяющееся во времени изображение. И, если выявление пространственной связанности по направлению строчной развертки не представляет трудностей, то для определения связанности элементов изображения в ортогональном направлении требует запоминание предыдущей строки.

При наблюдении за динамическим объектами возникает проблема быстродействия СТЗ, при этом, использование растрового пространственно- временного сигнала для анализа изображения существенно увеличивает объем обрабатываемой информации. При наблюдении за высокоскоростными целями изображение объекта может находиться в течение одного или нескольких кадров. Примерами решаемых задач могут служить следующие :

- динамическое измерение отклонений направляющей платформы при сходе летательного аппарата, которые влияют на точность попадания. При этом, измерение осуществляется по нескольким кадрам изображения;

- слежение за объектами в космическом пространстве, при этом при огромных угловых скоростях изображение объекта в пределах малого угла зрения может находиться кратковременно, а когда увеличивают угол зрения, то размеры изображения объекта становятся столь малыми, что невозможно провести идентификацию [119,123];

- наблюдение состояния атмосферы при прохождении лазерного луча с целью определения момента квазиоднородности, когда расхождение луча минимально [78,106,114,122];

- адаптивная коррекция волнового фронта, с целью обеспечения функционирования информационных оптических систем в условиях случайных фазовых искажений [117. 127].

При работе СТЗ по высокоскоростным целям решаются следующие задачи [73]: - выделение изображения объекта на фоне;

- сегментирование изображения, то есть определение границы пространственно-связанных элементов;

- измерение геометрических пространственных характеристик изображения;

- принятие того или иного решения.

В связи с многовариантностью задач, остро ставится вопрос о времени обработки. Традиционное направление в обработке изображений - разработка алгоритмов направленных на достижение конечного эффекта - формирования контура, измерения пространственных характеристик, измерение геометрических параметров изображений [61,99]. При этом используется, как правило, программная реализация [104,176-182].

В работе поставлена задача — реализация устройств обработки изображений при условии работы в реальном времени, в темпе поступления отсчетов входного сигнала, без запоминания кадра. Это накладывает особенности на вопросы синтеза алгоритмов.

На быстродействие СТЗ в значительной степени влияют методы и средства обработки входного изображения, в разработке которых к настоящему времени накоплен значительный научно-технический опыт и они продолжают успешно развиваться [110,125,126,136]. Из всего многообразия методов и средств обработки изображений с точки зрения достижения СТЗ максимального быстродействия заслуживают внимание следующие: когерентно-оптические, использующие интегральные пространственные преобразования; цифровые, основанные на использовании средств вычислительной техники. Принцип работы систем когерентно-оптической обработки информации

КООИ) основан на линейном интегральном преобразовании Фурье, выполняемом линзой в когерентном свете [10,11,103,111].

С точки зрения информационной производительности системы КООИ не имеют себе равных, так как с одной стороны, время выполнения преобразований равно времени прохождения когерентного светового потока через все устройства, а с другой стороны, использование пространственных параметров светового потока позволяет в пределах реальных размеров апертур устройств КООИ получать значительные потоки данных [89].

Например, при расстоянии прохождения светового потока Ь=Ю,3 м время обработки будет равно 1 не. А при числе элементов разрешения в пределах апертур

3 3 устройств КООИ 10 х10 и динамическом диапазоне изменения яркости элементов разрешения равном хотя бы 256, можно говорить о потоке данных в 10б Гбайт/сек. В цифровых устройствах обработка таких потоков данных в реальном времени без предварительного запоминания пока невозможна.

Для уменьшения длины оптического пути систем КООИ, используется интегральная технология, то есть разрабатываются оптические схемы на базе тонкопленочных конструкций [28,183-188].

При сравнении систем КООИ с системами цифровой обработки информации по информационной производительности получается, что для пространственного сигнала дискретизированного в растр размером 512x512 элементов, что вполне реализуемо в устройствах ввода изображения телевизионного типа, в системе КООИ реализуется информационная производительность при выполнении только одной арифметической операции, например перемножения двумер

1 7 ных массивов данных, 2,6-10 (оп./с).

Если учесть, что для выполнения интегральных преобразований цифровыми методами необходим целый ряд арифметических операций, то получится еще более внушительная цифра информационной производительности систем

КООИ. В [29] приводится пример высокопроизводительной вычислительной системы, где упоминается производительность в 10й оп./с.

Причина высокой информационной производительности систем КООИ заключается в параллельности выполняемых пространственных преобразований. За счет того, что каждый элемент входного изображения связан со всеми элементами в выходной плоскости, в которой наблюдается аддитивное (т.к. система линейная) наложение полей от всех источников входной плоскости [30]. То есть мы имеем пространственную связь элементов типа "все - со всеми".

Подобная вычислительная структура в системах цифровой обработки информации настоящее время невозможна. Для входного двумерного массива данных объемом 512x512 элементов число связей оценивается величиной более Ю10. Реализовать столько независимых связей по принципу "все -со всеми" современная технология пока не позволяет, тем более что эти связи должны находиться в объеме. Следует заметить, что методы КООИ в СТЗ пока не нашли широкого применения из-за отсутствия эффективных средств ввода и регистрации обрабатываемых сигналов. Однако, при успешном решении этой проблемы, можно ожидать широкое использование методов КООИ в СТЗ, так как за ними остается главное их достоинство - высокая производительность вычислительных операций. В СТЗ успешно применяются методы цифровой обработки информации (ЦОИ) [13,141-147,189-195], благодаря бурному развитию технологии производства микросхем, которая подошла к разрешающей способности на кристалле в 0,18 мкм и количеству ключевых схем на одном кристалле до 250 тысяч [14].

В самом общем виде средства и методы ДОИ можно разделить на два типа: программные и аппаратные. Методы цифровой программной обработки информации (ЦПОИ) имеют целый ряд достоинств[138]: использование универсальных ЭВМ; изменение, настройка и коррекция работы системы выполняется достаточно гибко, путем изменения программного обеспечения, при этом аппаратные средства остаются неизменными; возможность архивации как данных, так и управляющих программ; возможность подключения самого разнообразного вспомогательного программного обеспечения.

Однако быстродействие систем ЦОИ с использованием программных методов ограничено и уступает методам на основе аппаратной логики.

Методы цифровой аппаратной обработки информации (ЦАОИ) предполагают наличие последовательности вычислительных устройств, реализующих необходимый алгоритм обработки. Этот подход вполне допускает использование параллельных методов обработки данных, если по исходному алгоритму возможно распараллеливание вычислительных операций. Эти факторы позволяют достичь максимального быстродействия, ограничение которого связано лишь задержками в распространении обрабатываемого сигнала в цифровых устройствах.

К недостаткам реализации систем ЦАОИ можно отнести следующие: низкая надежность устройств, собранных на жесткой аппаратной логике; невозможная или очень трудная перестройка алгоритма обработки данных; огромные аппаратные затраты при использовании универсальных цифровых микросхем.

Однако, указанные недостатки в настоящее время уходят в прошлое. Это связано с появлением программируемых логических интегральных схем (ПЛИС), основной особенностью которых является программируемое^ не последовательности операций (команд) как в микропроцессорах, а программи-руемость структуры, то есть формирования в ПЛИС в соответствии с алгоритмом последовательности устройств обработки данных. При работе такой системы отсутствует фаза чтения команды, а время выполнения всех заданных алгоритмом операций определяется задержками в отдельных логических блоках ПЛИС [15,16,139].

В связи с непрерывным ростом информационной производительности современных ПЭВМ открывается возможность не только широкого моделирования процессов обработки изображений, но и включения ПЭВМ в состав СТЗ.

При этом можно выделить два основных аспекта в ее использовании:

• управление устройствами, входящими в состав СТЗ;

• выполнение алгоритма обработки видеосигнала.

При втором способе использования требуется высокая информационная производительность ПЭВМ.

Быстродействие алгоритмов и устройств анализа пространственно-временных сигналов в настоящее время является краеугольным моментом в вопросе проектирования систем обработки изображений.

При использовании методов КООИ растровый характер входного анализируемого изображения приводит к необходимости восстанавливать из видеосигнала пространственную картину изображения и модулировать один или несколько пространственных параметров когерентного светового потока, что выполняется специальными устройствами ввода обрабатываемого сигнала.

Методы ЦОИ более приспособлены к обработке видеосигнала растрового изображения, так как видеосигнал уже представляет собой одномерный поток данных, при этом наибольшим быстродействием обладают системы ЦОИ, выполненные на аппаратной логике. При этом алгоритмы обработки должны учитывать связанность элементов изображения не только по строке, но и по кадру. Для достижения наибольшего быстродействия необходимо обходиться без запоминания всего кадра, а все вычислительные операции по соответствующему алгоритму необходимо выполнять за интервал существования одного элемента растра, то есть за интервал дискретизации.

Все перечисленное потребовало проанализировать особенности использования растровых пространственно-временных сигналов в различных устройствах обработки изображений с целью оптимизации их характеристик при построении реальных систем технического зрения.

Работы в этой области ведутся как в нашей стране, так и за рубежом, и сегодня с точки зрения достижения максимального быстродействия одними из наиболее перспективных представляются два направления :

- использование когерентно-оптических методов обработки информации при анализе одномерных временных сигналов;

- использование цифровых методов на базе аппаратной логики с реализацией на ПЛИСах.

Выбор того или иного метода обусловлен специфичностью их свойств и, прежде всего, исходным представлением обрабатываемого пространственно-временного сигнала, а также их специфическими функциональными возможностями. Необходимо разработать методику, которая использовала бы основные параметры обрабатываемого сигнала - динамический диапазон, число отсчетов входного сигнала , а также параметры реализуемого алгоритма - количество вычислительных операций, число отсчетов получаемого результата. При этом необходимо эти параметры связать в некоторую характеристическую функцию. Тогда критерием выбора метода обработки необходимо сделать принадлежность значения рассчитанной характеристической функции интервалу значений, характерному для каждого метода.

При обработке одномерных временных сигналов, когда решается задача выполнения интегрального преобразования свертки над одномерным массивом данных с использование заданной импульсной переходной характеристикой (ИПХ), использование методов КООИ является весьма перспективным. Особенно, если выполняется согласованная фильтрация и требуется в адаптивном режиме перестраивать такой фильтр.

Методы фильтрации одномерных сигналов, а также использование пространственных транспарантов с записью импульсной переходной характеристикой достаточно известны [11,32,116]. Однако, представляет интерес практическое использование пространственно-временных модуляторов света в согласованном управляемом оптическом фильтре (УОФ). Кроме того, применение растровых формирователей изображений в таких фильтрах открывает возможность многоканальной обработки, то есть свертки входного сигнала с несколькими (ИПХ). Необходимо рассмотреть специфические причины возникновения перекрестных помех в таком многоканальном фильтре, рассмотреть влияние параметров растровой записи ИПХ на ошибки формирования отклика с целью оптимизации характеристик УОФ.

Растровые формирователи изображений на основе телевизионных устройств широко используются в измерительных СТЗ, в которых требования к точности формирования растра на порядок выше, чем в обычных телевизионных устройствах. Для измерения растровых искажений вполне пригодными оказались методы КООИ, которые чрезвычайно чувствительны к пространственным изменениям параметров когерентного светового потока. Телевизионные формирователи, основанные на твердотельных фотоприемных матрицах приборов с зарядовой связью, свободны от геометрических растровых искажений [129-131,134], но если для РПВС используется ЭЛТ, то возникают разнообразные растровые искажения. При этом, основными методами контроля растровых искажений являются визуальные, основанные на замере различных пространственных параметров растра непосредственно на экране ЭЛТ. Точность измерения геометрических искажений растра подобными методами невысока из-за паралакса и субъективности оценок параметров искажений [44].

Если использовать интегральное преобразование Фурье тестового изображения, визуализированного на экране контролируемой ЭЛТ, то открывается возможность объективного измерения таких искажений растра как масштабные, нелинейные и смещения. Использование простых тестовых сигналов позволит достаточно просто реализовать измерение масштабных и нелинейных искажений, а использование сложных сигналов при соответствующей обработке позволит измерить смещение растра [74]. Необходимо проанализировать такой метод и оценить его характеристики.

При использовании цифровых методов обработки информации выполняется предварительная дискретизация и квантование исходного сигнала [104]. Использование разностного преобразования при обработке изображений позволяет убрать низкочастотные области и выделить контур изображения, тем самым подчеркнуть пространственные характеристики анализируемого изображения [10,61]. Если сделать шаг разности переменным, и связать его с пространственными характеристиками изображения, то возникает ряд свойств, которые необходимо исследовать.

При цифровой обработке растровых изображений в СТЗ наибольшее распространение получили бинарные телевизионные изображения, которые существенно упрощают методы и средства обработки при сохранении информации о пространственных параметрах изображений объектов [1,4,61]. Существует много методов формирования порогового уровня при бинаризации изображения. Необходимо рассмотреть их в сравнительном плане, оценить их характеристики - важные для пространственных измерений параметров изображений объектов, и по выбранному критерию определить оптимальные параметры формирования порогового уровня.

В условиях изменяющейся помеховой обстановки необходимо использовать адаптивный алгоритм, подстраивающийся к изменению параметров как анализируемого сигнала, так и помех.

Разрабатываемые алгоритмы анализа растровых изображений должны быть максимально быстродействующими и выдавать результат в темпе поступления входного видеосигнала, то есть в реальном времени.

Для измерения пространственных параметров изображений объектов в СТЗ широко используется сегментация исходного изображения, которое представляет собой бинарную пятенную картину [4,61]. Для достижения максимального быстродействия устройств сегментации разрабатываются алгоритмы [196-203], основанные на анализе текущих элементов растрового изображения без запоминания кадра. В этой связи представляет интерес алгоритм, предложенный Кутаевым Ю.Ф. [67,68], в котором в темпе поступления отсчетов растрового бинарного изображения формируются параметры, характеризующие пространственную связанность элементов телевизионного растра. Одновременно с сегментацией выполняется формирование координат габаритных границ пространственно связанных локальных областей бинарного изображения. Алгоритм сегментации Кутаева Ю.Ф. реализован на программном уровне. Так как сегментация является базовой операцией при измерении пространственных параметров изображений объектов в СТЗ, необходимо обобщить результаты по сегментации бинарных изображений и с целью достижения максимального быстродействия реализовать алгоритм Кутаева Ю.Ф. средствами цифровой микросхемотехники. Кроме того, представляет интерес рассмотрение вопросов точности работы сегментатора в условиях шумов и помех.

Измерение пространственных характеристик изображений объектов является одной из основных задач, решаемых СТЗ. При этом, в условиях флюктуирующего изображения важную роль играют статистически устойчивые пространственные характеристики. Такими характеристиками являются координаты центра тяжести и периметр бинарного изображения [61]. Измерение таких пространственных характеристик в реальном времени необходимо выполнять совместно с работой сегментатора. С учетом этого, необходимо было разработать алгоритмы измерения координат центра тяжести и периметра, работающие с растровым бинарным изображением и ориентированные на аппаратную реализацию. Отсутствие теоретических основ анализа растровых изображений сдерживает решение не только проблемы выбора метода анализа пространственно-временных сигналов, но и проблемы синтеза устройств обработки, работающих в реальном времени.

Таким образом, при разработке систем технического зрения, анализирующих изображения объектов в реальном времени, возникла актуальная научная проблема, решить которую требовалось на принципиально новой методологической основе. В качестве такой основы в диссертации автором с единых научных позиций разработана теория метода выбора средств анализа РПВС и синтеза устройств обработки, работающих в реальном времени с заданными параметрами вычислительного процесса.

Научная проблема, решаемая в диссертации, формулируется следующим образом: разработка теоретических основ построен™ специализированных процессоров для быстродействующей обработки растровых пространственно-временных сигналов в системах технического зрения.

Целью работы является разработка методов анализа растровых пространственно-временных сигналов и использование особенностей этих сигналов при создании быстродействующих устройств измерения пространственных параметров изображений объектов в системах технического зрения.

В соответствии с поставленной целью определены основные задачи диссертации:

- разработать теоретические основы выбора метода и средств обработки растровых пространственно-временных сигналов (РПВС) на базе некоторой обобщенной характеристики, включающей в себя основные параметры вычислительного процесса;

- проанализировать условия использования когерентно-оптических методов (КООИ) для построения быстродействующих устройств обработки РПВС;

- разработать метод оптимизации параметров растровой записи импульсной переходной характеристики (ИПХ) по критерию минимума среднеквадратической ошибки на основе анализа специфических перекрестных помех управляемого оптического фильтра, возникающих из-за дифракции когерентного света на растровой структуре записи ИПХ в пространственно-временных модуляторах света;

- разработать и исследовать методы контроля параметров растровых формирователей изображений средствами КООИ, оценить точность работы таких методов;

- рассмотреть свойства дискретно-разностного преобразования при переменном шаге разности, оценить влияние связи между интервалом корреляции и шагом разности на корреляционные и вероятностные характеристики обрабатываемого сигнала;

- проанализировать методы формирования порогового уровня при бинаризации растрового телевизионного изображения, при этом оценить следующие характеристики: среднеквадратическую ошибку формирования порогового уровня, среднеквадратическую ошибку определения координат границы бинарного изображения, полную вероятность ошибочного формирования бинарного изображения и быстродействие;

- разработать алгоритм выбора метода формирования порогового уровня при бинаризации растрового телевизионного изображения для различных критериев;

- обобщить результаты по сегментации бинарных изображений и с целью достижения максимального быстродействия переложить алгоритм сегментации Кутаева Ю.Ф. на аппаратные средства без запоминания кадра;

- проанализировать влияние шумов и помех на точность работы сегментатора бинарных растровых изображений;

- разработать алгоритмы измерения координат центра тяжести и периметра, работающие совместно с сегментатором растровых бинарных изображений и ориентированные на аппаратную реализацию для достижения максимального быстродействия.

Структура и краткое содержание диссертации. Диссертация состоит из введения, семи глав, заключения и списка использованных источников из 203 наименований. Она содержит 242 страницы текста, 3 таблицы, 90 рисунков и 13 фотографий.

Заключение диссертация на тему "Анализ растровых пространственно-временных сигналов и синтез специализированных процессоров для быстродействующей обработки изображений в системах технического зрения"

7.4. Выводы по главе

1. Приведены результаты разработки и исследования характеристик управляемого оптического фильтра (УОФ) на основе термопластического модулятора света (ТПМС) для согласованной фильтрации электрических сигналов, вводимых с помощью ультразвукового модулятора света (УЗМС) в систему когерентно-оптической обработки информации (КООИ). Подтверждена работоспособность такого фильтра. Перестраиваемость УОФ и возможность многоканальной обработки, когда на ТПМС может быть одновременно записано несколько импульсных переходных характеристик, являются достоинствами разработанного УОФ.

2. Исследованы характеристики ТПМС, отмечается высокая дифракционная эффективность фазовой модуляции светового потока. Однако частотно-контрастная характеристика ограничена разрещающей способностью 25 пер/мм. При исследовании динамических характеристик ТПМС получен неутешительный результат - время перестройки УОФ измеряется несколькими минутами, что связано с инерционностью механизма прогрева и охлаждения термопластика.

3. Разработана и исследована схема УОФ с жидкокристаллическим модулятором света (ЖКМС), который свободен от указанного выше недостатка ТПМС - необходимости нагрева и охлаждения активного материала.

Основной задачей при разработке УОФ было объединение преимуществ УЗМС, используемого для оперативного ввода электрического сигнала, и ЖКМС, используемого для создания управляемого оптического фильтра.

Исследованные характеристики УОФ с ЖКМС позволяют отметить его определенные достоинства: малое время перестройки УОФ - порядка нескольких секунд и низкие питающие напряжения. Таким образом, использование в качестве устройства записи импульсных переходных характеристик ЖКМС позволяет существенно улучшить перестраиваемость фильтра с сохранением остальных характеристик.

4. Приведено описание системы технического зрения ТУБУС-97.2, работающей с бинарным телевизионным изображением и реализующей алгоритм сегментации, приведенный в главе 5, а также алгоритм измерения координат центра тяжести, приведенный в главе 6 [63,64]. Разработанное устройство показало работоспособность алгоритмов и высокие динамические характеристики. Реализация на жесткой логике позволила получить систему обработки телевизионного изображения, работающую в реальном времени.

Дальнейшим развитием данного направления явилась разработка устройства, аналогичного ТУБУС-97.2, но реализованного на ПЛИСах, что позволило существенно уменьшить массо-габаритные параметры и увеличить надежность работы устройства.

ЗАКЛЮЧЕНИЕ

В диссертационной работе решена крупная научно-техническая проблема, заключающаяся в разработке теоретических основ построения быстродействущих устройств обработки растровых пространственно-временных сигналов с использованием как когерентно-оптических, так и цифровых методов обработки в зависимости от особенностей анализа сигналов, и позволяющие формировать пространственные параметры изображений объектов в реальном времени, то есть в темпе поступления отсчетов видеосигнала с видеодатчика в системах технического зрения.

При этом, полученные результаты позволили с единых методологических позиций найти научно-обоснованное решение целого ряда практических задач по разработке быстродействующих устройств анализа растровых пространственно-временных сигналов для систем технического зрения.

При решении указанной проблемы выполнено следующее: 1. Разработаны теоретические основы выбора метода реализации алгоритма обработки пространственно-временных сигналов для быстродействующих систем анализа изображений, основанного на формировании характеристической функции вычислительного процесса Хвп, в которой учитываются основные параметры обрабатываемого сигнала -динамический диапазон, число отсчетов входного сигнала , а также параметры реализуемого алгоритма - количество вычислительных операций, число отсчетов получаемого результата и время выполнения преобразования.

Для различных методов обработки информации, приемлемых для реализации алгоритмов быстродействующей обработки растровых пространственно-временных сигналов, таких как методы аналоговой обработки, когерентно-оптической, цифровой аппаратной и цифровой программной, были определены интервалы изменения характеристической функции. Критерием выбора метода обработки является принадлежность значения рассчитанной характеристической функции интервалу значений, характерному для каждого метода.

2. В результате проведения исследований разработаны теоретические основы использования когерентно-оптических методов (КООИ) для построения быстродействующих устройств обработки растровых пространственно-временных сигналов.

При этом решены следующие задачи: • для анализа одномерных пространственно-временных сигналов создан и исследован многоканальный управляемый оптический фильтр (УОФ), использующий для ввода временных сигналов ультразвуковой модулятор света, а для формирования управляемой импульсной переходной характеристики (ИПХ) использующий растровую запись в пространственно-временном модуляторе света (ПВМС). При этом вторая координата используется для формирования многоканальной записи ИПХ;

• разработан метод оптимизации параметров растровой записи ИПХ по критерию минимума среднеквадратической ошибки на основе анализа специфических перекрестных помех УОФ, возникающих из-за дифракции когерентного света на растровой структуре записи ИПХ в ПВМС.

3. Созданы и исследованы методы контроля параметров растровых формирователей изображений средствами КООИ. Показано, что использование простых тестовых сигналов в виде синусоиды позволяет измерить масштабные искажения и нелинейные искажения растра с потенциальной методической ошибкой 0,2%, а также смещение растра с потенциальной методической ошибкой 0,002%. Применение сложных сигналов в качестве тестовых позволяет измерить все виды растровых искажений с высокой точностью.

4. Получено теоретическое обобщение дискретно-разностного преобразования (ДРП) сигналов при условии переменного шага разности. Взяв шаг разности в качестве параметра преобразования, был выявлен целый ряд особенностей ДРП при сравнении шага разности с различными параметрами исходного сигнала:

• показано, что при равенстве шага разности ДРП интервалу корреляции наблюдается улучшение отношения сигнал/шум в 2 раза, что имеет практическое значение в системах обнаружения и распознавания образов, использующих корреляционную меру близости между анализируемым изображением и эталоном;

• разработан метод спектрального анализа сигналов, использующий свойства гистограммы сигнала после ДРП и характеризующийся максимальным быстродействием;

• использование простых вычислительных операций: вычитания, сложения, сравнения и запоминания позволяет реализовывать устройства обработки с максимальным быстродействием.

5. Разработаны теоретические основы выбора метода формирования порогового уровня при бинаризации растрового телевизионного изображения из следующих методов: на основе половины динамического диапазона, на основе гистограммы распределения яркости элементов изображения, на основе средней яркости по всему полю, на основе средней яркости по фрагментам, с использованием скользящего интегрирования и с использованием точек с максимумом производной. При этом :

• использованы следующие критерии выбора метода: - минимум среднеквадратической ошибки формирования порогового уровня, минимум среднеквадратической ошибки определения координат границы бинарного изображения, минимум полной вероятности ошибочного формирования бинарного изображения и максимум быстродействия;

• установлено, что самым простым в реализации является метод, основанный на формировании динамического диапазона, однако он характеризуется большой зависимостью случайной ошибки от отношения сигнал/шум;

• показано, что наилучшими характеристиками по критерию минимума среднеквадратической ошибки обладают метод скользящего интегрирования и метод максимума производной. Метод скользящего интегрирования характеризуется большой ошибкой смещения, что влияет на пространственное положение границ бинарного изображения. Однако этот метод проще в реализации по сравнению с методом максимума производной.

6. Развита концепция обработки растровых пространственно-временных сигналов по текущим отсчетам входного видеосигнала для реа-изации принципа обработки в реальном времени, то есть в темпе поступления отсчетов видеосигнала. При этом учитывается основная особенность растрового представления РПВС - это преобразование пространственных связей между элементами изображения в неявные временные связи, особенно в ортогональном строчной развертке направлении.

7. Разработаны теоретические основы быстродействующей пространственной сегментации бинарного изображения в устройствах цифровой обработки информации анализа растровых изображений. Показано, что сегментация в измерительных системах технического зрения является базовой операцией при извлечении пространственных характеристик изображения объектов, таких как: габаритные границы, площадь, координаты центра тяжести, периметр, коэффициент формы и т.д. При этом решены следующие задачи:

• на основании ряда аксиоматических определений для основных понятий сегментации растрового бинарного изображения доказан ряд утверждений, позволивших с общих позиций подойти к разработке аппаратного алгоритма сегментации;

• доказано, что используемый формат анализа связности при разметке бинарной пятенной картины является полным и достаточным;

8. Разработан аппаратный алгоритм сегментации, который, с целью достижения максимального быстродействия, ориентирован на реализацию аппаратными средствами и использует в своей основе алгоритм сегментации Кутаева Ю.Ф. Особенностью такого алгоритма является использование малоразмерных памятей для выполнения специфических функций -хранения параметров анализируемого изображения, а не всего изображения.

Найдены решения специфических вопросов переименования номеров при слиянии локальных областей: - двойного переименования номеров в предыдущей строке; цепочечного переименования, когда сливаются (объединяются) несколько локальных областей.

9. Разработана методика оценки точности работы сегментатора, в которой учтено воздействие низкочастотных и высокочастотных шумов и помех. При этом решены следующие задачи:

• показано, что высокочастотная помеха наибольшее воздействие оказывает вблизи границы бинарного изображения, а воздействие низкочастотных помех с учетом растрового характера изображения может привести к "расщеплению" изображения. Для таких случаев получены зависимости вероятностей ошибок от отношения сигнал/шум и других параметров;

• для совместного воздействия высокочастотных и низкочастотных помех оценена вероятность случая сшивания двух расщепленных частей одного изображения, когда в результате действия низкочастотных помех расщепленное изображение может быть размечено сегментатором правильно, то есть как одно, если в результате действия высокочастотной помехи появится хотя бы один элемент, который окажется сшивающим. Показано, что вероятность такого случая зависит от смещения относительно границы бинарного изображения, отношения сигнал/шум и от других параметров. При этом максимум вероятности сшивания наблюдается в центре бинарного изображения.

10. Разработаны алгоритмы измерения пространственных параметров растровых изображений, работающие совместно с сегментатором и ориентированные на аппаратную реализацию. Исследованы условия и особенности измерения следующих пространственных параметров бинарных пространственно-связанных изображений: координат геометрических границ, координат геометрического центра, габаритных размеров, на основании которых выполняется размерная селекция изображений, а также координат центра тяжести и периметр. Для каждого алгоритма представлена структурная схема устройства на основе аппаратной логики, что позволяет достичь максимального быстродействия.

11. Приведены результаты экспериментальных исследований, выполненных автором за период с 1977 г. в области создания различных устройств обработки информации.

Приведены результаты разработки и исследования характеристик управляемого оптического фильтра, предназначенного для согласованной фильтрации временных сигналов. Особенностью такого фильтра является использование ультразвукового модулятора света для ввода обрабатываемого сигнала и использование растровых пространственно-временных модуляторов света, обладающих памятью, для многоканальной записи импульсных переходных характеристик согласованного фильтра.

Исследовалась возможность использования для такого фильтра термопластического и жидкокристаллического модуляторов света. Приведены результаты анализа характеристик, отмечены достоинства и недостатки этих типов модуляторов. Подтверждена работоспособность управляемого оптического фильтра, достоинством которого является высокое быстродействие, быстрая перестраиваемость и возможность многоканальной обработки при анализе одномерных временных сигналов.

12. Автором проведены исследования в области цифровых методов обработки изображений. Создано устройство ТУБУС-97.2, в котором реализованы с использованием аппаратной логики разработанные алгоритмы сегментации и измерения пространственных параметров бинарного телевизионного изображения.

Полученные технические характеристики показали полную работоспособность разработанных алгоритмов и высокое быстродействие.

Дальнейшим развитием данного направления явилась разработка устройства ТУБУС-99.3 реализованного на ПЛИСах, что позволило существенно уменьшить массо-габаритные параметры и увеличить надежность работы устройства.

Библиография Сальников, Игорь Иванович, диссертация по теме Системы обработки информации и управления

1. Техническое зрение роботов. Под ред. А.Пью. М.: Машиностроение, 1987.

2. Красильников H.H. Теория передачи и восприятия изображений. М.: Радио и связь, 1986.

3. Жуков А.Г., Горюнов А.Н., Кальфа A.A. Тепловизионные приборы и их применение. М.: Радио и связь, 1983.

4. ХорнБ.К.П. Зрение роботов. М.: Мир, 1989.

5. Оптические методы обработки информации. Под ред. Гуревича С.Б. JL: Наука, 1974.

6. Васильев В.И. Распознающие системы. Справочник. Киев.: Наукова думка, 1983.

7. Русын Б.П. Структурно-лингвистические методы распознавания изображений в реальном времени. Киев.: Наукова думка, 1986.

8. Кутаев Ю.Ф. Сравнение локаторов по критерию энергетической эффективности. М.: Оптический журнат , 1994, N 3, с. 65-68.

9. Петраков A.B. Автоматические телевизионные комплексы для регистрации быстропротекающих процессов, М.: Энергоатомиздат, 1987.

10. Сороко JI.M. Основы голографии и когерентной оптики. М.:Наука, 1971.

11. Кондратенков Г.С. Обработка информации когерентными оптическими системами. М.: Советское радио, 1972.

12. Воробьев В.И. Оптическая локация для инженеров. М.: Радио и связь,1983.

13. Путятин Е.П., Аверин С.И. Обработка изображений в робототехнике. М.: Машиностроение, 1990.

14. Мальцев П.П., Гарбузов H.H., Шарапов А.П., Кнышев Д.А. Программируемые логические ИМС на КМОП-структурах и их применение. М.: Энергоатомиздат, 1998.

15. Березнев А.Г. САПР ПЛИС фирмы XILINX. Мир ПК, 1994, N4, с.54.

16. The Programmable Logic. Data Book. XILINX, San Jose, USA, 1998.

17. Стенин B.E. Применение микросхем с зарядовой связью. М.: Радио и связь, 1989.

18. Громов Н.В., Тарасов B.C. Телевизоры. Справочная книга. JL: Лениздат, 1971.

19. Гришин М.П., Курбанов Ш.М., Маркелов В.П. Автоматический ввод и обработка фотографических изображений на ЭВМ. М.: Энергия, 1976.

20. Цуккерман И.И. и др. Цифровое кодирование телевизионных изображений. М.: Радио и связь, 1981.

21. Большаков И.А., Гуткин Л.С., Левин Б.Р., Стратонович Р.Л. Математические основы современной радиоэлектроники. М.: Советское радио, 1968.

22. Ромер В. Зернистость фотографических изображений. "Журнал научной и прикладной фотографии и кинематографии", 1960, т.5, N 3, с.225.

23. Брандт 3. Статистические методы анализа наблюдений,- М.: Мир, 1975.

24. Сиберт У.М. Цепи, сигналы, системы. М.: Мир, 1988.

25. Янке Е., Эмде Ф., Леш Ф. Специальные функции. М.: Наука, 1968.

26. Гуткин Л.С. Теория оптимальных методов радиоприема при флюктуационных помехах. М.: Советское радио, 1972.

27. Шмаков П.В. Телевидение. М.: Связь, 1970.

28. Морозов В.Н. Оптоэлектронные матричные процессоры. М.: Радио и связь, 1986.

29. Богатырев Р. Белые и черные. Компютерра, 1996, N4, с.55.

30. Гудмен Дж. Введение в Фурье-оптику. М.: Мир, 1970.

31. Систолические структуры. Под ред. У.Мура, Э.Маккейба, Р.Уркхарта. М.: Радио и связь, 1993.

32. Васильев A.A., Касасент Д., Компанец H.H., Парфенов A.B. Пространственные модуляторы света. М.: Радио и связь, 1987.

33. Сальников И.И. Отчет по НИР "Лиана", Пенза.: Per. N 81007410, 1980.

34. Сальников И.И. Термопластический модулятор в управляемом оптическом фильтре электрических сигналов. Тезисы доклада на 3-м Всесоюзном семинаре молодых ученых,г. Ростов,1982. 35. Гущо Ю.П. Фазовая рельефография. М.: Энергия, 1974.

35. Магдич Л.Н., Молчанов В Л. Акустические устройства и их применение. М.: Сов.радио, 1978.

36. Пикин С.А., Блинов Л.М. Жидкие кристаллы,- М.: Наука, 1982.

37. Efron U., Soffer B.H.,Litle M.J. Применение кремниевых световых модуляторов с жидкими кристаллами для обработки оптической информации. Proc.Soc.Photo-Opt.Instrum.Eng.,1983.

38. Экспериментальная радиооптика. Под ред. Зверева В.А. и Степанова Н.С. М.: Наука, 1979.

39. Сальников И.И. Отчет по НИР "Лотос",- Пенза.: Per. N 01830024377,1984 г.

40. Сальников И.И. Управляемый когерентнооптический фильтр электрических сигналов. Тезисы доклада. 1-я ВНТК по оптической обработке информации. Ленинград, 1988.

41. Сальников И.И. Методы синтеза пространственных сигналов на ТВ- экране. Тезисы доклада. М.: ВНТК,"Микропроцессоры-85", МИЭТ, 1985.

42. Сальников И.И., Ядринцев A.B. Цифровая обработка сигнала с выхода фотоматрицы ПЗС. Тезисы доклада. М.: ВНТК, "Микропроцессоры-85", МИЭТ, 1985.

43. Кривошеев М.И. Основы телевизионных измерений. М.: Связь, 1976.

44. Пресс Ф.П. Формирователи видеосигнала на приборах с зарядовой связью. М.: Радио и связь, 1981.

45. Вакман Д.Е. Сложные сигналы и принцип неопределенности в радиолокации. М.: Сов.радио, 1965.

46. Варакин Л.Е. Теория сложных сигналов. М.: Сов.радио, 1970.

47. Оптическая обработка радиосигналов в реальном времени. Под ред. Кулакова С.В. М.: Радио и связь, 1989.

48. Тоноровский И.С. Радиотехнические цепи и сигналы. -М.: Сов.радио, 1971.

49. Сташин В.В, Урусов A.B., Мологонцева О.Ф. Проектирование цифровых устройств на однокристальных микроконтроллерах. М.: Энергоатомиздат. 1990.

50. Память, UPGRADE, 1995, N4, с. 14.

51. Шипулин С.Драпов В. ПЛИС новая элементная база. - Радиолюбитель. 1995, N9, с.43.

52. Князьков B.C., Бикташев P.A. Архитектура параллельных вычислительных систем. Пенза.: Полиграфист, 1993.

53. Хургин Я.И., ЯковлевВ.П. Финитные функции в физике и технике.- М.: Наука, 1971.

54. Левин Б.Р. Статистическая радиотехника. М.: Сов.радио,т. 1,1974

55. Дж.Бендат, А.Пирсол. Измерение и анализ случайных процессов. М.: Мир, 1974.

56. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров и учащихся втузов. М.: Наука. 1986.

57. Выгодский М.Я. Справочник по высшей математике. М.: Наука, 1966

58. Прудников А.П., БрычковЮ.А., Маричев О.И. Интегралы и ряды. М.: Наука, 1981.

59. Смирнов В.А. Приближенные методы расчета помехоустойчивости и искажений в системах передачи информации. М.: Связь, 1975.

60. У.Прэтт. Цифровая обработка изображений. М.: Мир, 1982.

61. Зотов В.Л. Полупроводниковые устройства восприятия оптической информации. М.: Энергия, 1970.

62. Сальников И.И., Кутаев Ю.Ф. Быстродействующее устройство измерения геометрических характеристик бинарного телевизионного изображения. М.: Журнал "Приборы и техника эксперимента", N6, 1995.

63. Сальников И.И. Быстродействующий анализатор пространственных характеристик бинарного телевизионного изображения. М.: Журнал "Приборы и техника эксперимента", N1, 1998.

64. Кутаев Ю.Ф. Q-разложение для оптоэлектронной обработки сигналов.

65. В сб. "автоматика и управление в полиграфических системах "- М.: Изд.МТАП "Мир книги", 1993.

66. Кожемяко В.П., Тимченко Л.И., Кутаев Ю.Ф., Ивасюк И.Д. Основы теории пирамидально-сетевого преобразования изображений. Киев: ИСДО, 1994.

67. Кутаев Ю.Ф. Эффективный метод пятенной сегментации бинарного изображения. В сб." Оборудование и технология изготовления печатных форм". М.: Изд. МГАП "Мир книги", 1995.

68. Кутаев Ю.Ф., Шахназарянц Г.В., Сидоров A.C. Алгоритм пятенной сегментации телевизионного двухградационного изображения в реальном времени. В сб." Оборудование и технология изготовления печатных форм". М.: Изд. МГАП "Мир книги", 1995.

69. Смолов В.Б. Функциональные преобразователи информации. Л.: Энергоиздат, 1981.

70. Котельников В.А. Теория потенциальной помехоустойчивости,- М.: Госэнергоиздат, 1956.

71. Белецкий Я. Энциклопедия языка СИ. М.: Мир, 1992.

72. Бакут П.А., Жулина Ю.В., Иванчук H.A. Обнаружение движущихся объектов. М.: Сов.радио, 1980.

73. Методы статистической обработки изображений и полей: Межвуз. сб. научных трудов. Новосибирск, НЭИ, 1985, - 130 с.

74. Винокуров В.И., Ваккер P.A. Вопросы обработки сложных сигналов в корреляционных системах. М.: Сов.радио. 1972, 216 с.

75. Зиновьев А.Л., Филиппов Л.И. Методы аналитического выражения радиосигналов. М.: ВШ, 1966, 103 с.

76. Грибанов Ю.И., Мальков B.JT. Спектральный анализ случайных процессов. М.: Энергия, 1974, 240 с.

77. Функции с двойной ортогональностью в радиоэлектронике и оптике. Под ред. Размахнина М.К. и Яковлева В.П. М.: Сов.радио, 1971, 256 с.

78. Ахманов С.А. Дьяков Ю.Е., Чиркин A.C. Введение в статистическую радиофизику и оптику. -М.: Наука, 1981,640 с.

79. Тверский В.И. Дисперсионно-временные методы измерений спектров радиосигналов. М.: Сов.радио, 1974, 240 с.

80. Френке Л. Теория сигналов. М.: Сов.радио, 1974, 344 с.

81. Ширман Я.Д. Разрешение и сжатие сигналов. М.: Сов.радио, 1974, 360 с.

82. Фалькович С.Е., Хомяков Э.Н. Статистическая теория измерительных радиосистем. М.: Радио и связь, 1981, 288 с.

83. Селекция и распознавание на основе локационной информации. Под ред. Горелика А.Л. М.: Радио и связь, 1990, 240 с.

84. Коваленко H.H., Филиппова A.A. Теория вероятностей и математическая статистика. М.: ВШ, 1973, 368 с.

85. Куропаткин П.В. Оптимальные и адаптивные системы. М.: ВШ, 1980, 287 с.

86. Ковтонюк Н.Ф., Сальников E.H. Фоточувствительные МДП-приборы для преобразования изображений. — М.: Радио и связь, 1990, 160 с.

87. Воллернер Н.Ф. Аппаратурный спектральный анализ сигналов. М.: Сов.радио, 1977, 208 с.

88. Плотников В.Н., Белинский A.B., Суханов В.А., Жигулевцев Ю.Н. Цифровые анализаторы спектра, М.: Радио и связь, 1990, 184 с.

89. Современное состояние и перспективы оптических методов передачи, хранения и обработки информации. Под ред. Гуревича С.Б и Гаврилова Г.А. Л.: ЛФТИ, 1984, 258 с.

90. Караваев В.В., Сазонов В.В. Статистическая теория пассивной локации. М.: Радио и связь, 1987, 240 с.

91. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986, 264 с.

92. Патрик Э. Основы теории распознавания образов. М.: Радио и связь, 1980, 408 с.

93. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978, 412 с.

94. Кисилев Н.В. Методы построения систем распознавания и классификации негауссовых сигналов.-Л.: ЛГУ, 1986, 188 с.

95. Розенфельд А. Распознавание и обработка изображений. М.: Мир, 1972, 230 с.

96. Горелик А.Л., Скрипкин В.А. Построение систем распознавания. М.: Сов.радио, 1974, 224 с.

97. Тимохин В.И. Применение ЭВМ для решения задач распознавания образов. Л.: ЛГУ, 1983, 216с.

98. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений. -М.: ВШ, 1983, 295 с.

99. Миленький A.B. Классификация сигналов в условиях неопределенности. М.: Сов.радио, 1975, 328 с.

100. Шибанов Г.П. Распознавание в системах автоконтроля. М.: Машиностроение, 1973, 424 с.

101. Кауфе Ф. Взаимодействие робота с внешней средой. М.: Мир, 1985, 285 с.

102. Юу Ф.Т.С. Введение в теорию дифракции, обработку информации и голографию. М.: Сов.радио, 1979, 304 с.

103. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986,400 с.

104. Жуков А.Г., Горюнов А.Н., Кальфа A.A. Тепловизионные приборы и их применение. М.: Радио и связь, 1983, 168 с.

105. Лукьянов Д.П., Корниенко A.A., Рудницкий Б.Е. Оптические адаптивные системы. М.: Радио и связь, 1989, 240 с.

106. Анисимова И.Д., Викулин И.М., Заитов Ф.А. Курмашев Ш.Д. Полупроводниковые фотоприемники.- М.: Радио и связь, 1984, 216 с.

107. Оптическая обработка изображений. Сборник научных статей. -J1.: Наука, 1985, 137 с.

108. Аблеков В.К., Зубков П.И. Фролов A.B. Оптическая и оптоэлектронная обработка информации. М.: Машиностроение, 1976, 256 с.

109. Василенко Г.И., Тараторин A.M. Восстановление изображений. М.: Радио и связь, 1986,304 с.

110. Гуревич С.Б., Константинов В.Б., Соколов В.К., Черных Д.Ф. Передача и обработка информации голографическими методами. М.: Сов.радио, 1978, 304 с.

111. Балякин И.А., Егоров Ю.М., Родзивилов В.А. Приборы с переносом заряда в радиотехнических устройствах обработки информации. М.: Радио и связь, 1987, 176 с.

112. Федотов Н.Г. Методы стохастической геометрии в распознавании образов. М.: Радио и связь, 1990, 144 с.

113. Малашин М.С., Каминский Р.П., Борисов Ю.Б. Основы проектирования лазерных локационных систем. М.: ВШ, 1983, 207 с.

114. Применение методов Фурье-оптики. Под ред. Старка Г. -М.: Радио и связь, 1988, 536 с.

115. Василенко Г.И., Цибулькин Л.М. Голографические распознающие устройства. М.: Радио и связь, 1985, 312 с.

116. Матвеев И.П., Сафронов А.Н., Троицкий И.Н., Устинов Н.Д. Адаптация в информационных системах. М.: Радио и связь. 1984, 344 с.11 8. Катыс Г.П. Оптико-электронная обработка информации. М.: Машиностроение, 1973, 448 с.

117. Бакут П.А., Мандросов В.И., Матвеев И.Н. Теория когерентных изображений. М.: Радио и связь, 1987, 264 с.

118. Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии. М.: Радио и связь, 1987, 296 с.

119. Катыс Г.П. Обработка визуальной информации. М.: Машиностроепние, 1990, 320 с.

120. Сигналы и помехи в лазерной локации. Под ред. Зуева В.Е. М.: Радио и связь, 1985, 264 с.

121. Гинзбург В.М. Формирование и обработка изображений в реальном времени. М.: Радио и связь, 1986, 232 с.

122. Адамчик А., Стругальский 3. Жидкие кристаллы. М.: Сов.радио, 1979, 160 с.

123. Макс Ж. Методы и техника обработки сигналов при физических измерениях. М.: Мир, 1983, 256 с.

124. Елизаренко A.C., Соломатин В.А., Якушенков Ю.Г. Оптико-электронные системы в исследованиях природных ресурсов. М.: Недра, 1984, 215 с.

125. Батраков A.C., Бутусов М.М. ,Гречка Г.П. Лазерные измерительные системы. М.: Радио и связь, 1981,456 с.

126. Гусев О.Б., Кулаков С.В., Разживин Б.П., Тигин Д.В. Оптическая обработка радиосигналов в реальном времени. — М.: Радио и связь, 1989, 136 с.

127. Приборы с зарядовой связью. Под ред. Барба Д.Ф. М.: Мир, 1982, 240 с.

128. Приборы с зарядовой связью. Под ред. Хоувза М. и Моргана Д. М.: Энергоиздат, 1981,376с.

129. Секен К., Томпсет М. Приборы с переносом заряда. -М.: Мир, 1978, 144 с.

130. СБИС для распознавания образов и обработки изображений. Под ред. К.Фу. М.: Мир, 1988, 248 с.

131. Морозов В.Н. Оптоэлектронные матричные процессоры. -М.:Радио и связь,1986,112 с.

132. Кузнецов Ю.А., Шилин В.А. Микросхемотехника БИС на приборах с зарядовой связью. М.: Радио и связь, 1988, 160 с.

133. Бутаков Е.А., Островский В.И., Фадеев И.Л. Обработка изображений на ЭВМ. М.: Радио и связь, 1987, 240 с.

134. Очин Е.Ф. Вычислительные системы обработки изображений. Л.: Энергоатомиздат, 1989, 136с.

135. БлейхутР. Быстрые алгоритмы цифровой обработки сигналов. — М.: Мир, 1989, 448 с.

136. Хокни Р., Джессхоуп К. Параллельные ЭВМ. М.: Радио и связь, 1986, 392 с.

137. Сверхбольшие интегральные схемы и современная обработка сигналов. Под ред. С.Гуна, Х.Уайтхауса, т, Кайлата. М.: Радио и связь, 1989. 472 с.

138. Новаковский C.B., Котельников A.B. Новые системы телевидения. М.: Радио и связь, 1992. 88с.

139. Гришин Ю.П. Казаринов Ю.М., Катиков В.М. Микропроцессоры в радиотехнических системах. М.: Радио и связь. 1982, 280 с.

140. Калабеков Б.А. Микропроцессоры и их применение в системах передачи и обработки сигналов.- М.: Радио и связь, 1988, 368 с.

141. Вершинин O.E. применение микропроцессоров для автоматизации технологических процессов. -Л.: Энергоатомиздат, 1986, 208 с.

142. Жинтелис Г.Б. Карчяускас Э.К., Мачикенас Э.К. Автоматизация проектирования микропро-граммируемых структур. Л.: Машиностроение, 1985, 216 с.

143. Ушкар М.Н. Микропроцессорные устройства в радиоэлектронной аппаратуре. М.: Радио и связь, 1988, 128 с.

144. Юэн Ч., Бичем К., Робинсон Дж. Микропроцессорные системы и их применение при обработке сигналов. М.: Радио и связь, 1986, 296 с.

145. Клингман Э. Проектирование специализированных микропроцессорных систем. М.: Мир. 1985,363 с.

146. Григорьев В.Л. Видеосистемы ПК фирмы IBM. -М.: Радио и связь, 1993, 192 с.

147. Фролов A.B. Фролов Г.В. Программирование видеоадаптеров. М.: Диалог-МИФИ, 1995, 144с.

148. Борзенко А. IBM PC: устройство, ремонт, модернизация. М.: Компьютер Пресс, 1995, 298 с.

149. Новиков Ю.В., Калашников O.A. Гуляев С.Э. Разработка устройств сопряжения для персонального компьютера типа IBM PC. М.: ЭКОМ, 1997, 244 с.

150. Глазунов A.C., Кирюхин В.И., Макалеев Ф.И., Подколозин ВюФ., Янушковская Л.А. Инструментальный комплекс проектирования систем распознавания. М.: Вопр. кибернетики. N 126, 1990, С.64-79.

151. Pap J. Анализ и моделирование движения объекта по его снимкам. Los-Angeles.: Proc. Soc. Photo-Opt. - 1988. - 892. - C.46-54.

152. Мошкин В.И., Петров A.A., Титов B.C., Якушенков Ю.Г. Техническое зрение роботов. М.: Машиностроение, 1990. - 272 с.

153. Zhao Y, Haralick R. Распознавание формы объекта на бинарных изображениях, основанное на автоматическом морфологическом разбиении объектов. New York.: ICASSP'89, 1989. - С. 1691-1694.

154. Gorman J., Ulmer R. Распознавание форм объектов по их частичным контурам. -New York, IEEE, Apr. 9-12, 1989. -C.959-964.

155. Fan T., Medioni G.Nevada R. Распознавание трехмерных объектов с помощью описания их поверхностей. Washington.: 1988. - Dec.5-8, С.474-481.

156. Левин В.И. Автоматная модель и методы распознавания зрительных образов. М.: Изв.АН СССР . Техн. Кибернетика. - 1991. - N3, - С.101-112.

157. Гук В.Н., Левертов А.И., Ковалев В.И. Устройство считывания номера транспортного средства.- М.: Автоматика, телемеханика и связь, 1990. -N7. - С.12-13.

158. Спец-ЭВМ для распознавания целей. -New York, ICASSP'89, May 23-26, 1989. С. 1564-1567.

159. Kami H., Temma T., Asai К. Распознавание знаков с помощью двухэтапного дискриминантного анализа. -New York, Proc.Soc.Photo-Opt. Instrum.Eng. 1987.- 754. - С. 14-23.

160. Pretzer D. Разработка систем автоматического распознавания военных объектов. -New York, Proc.Soc.Photo-Opt. Instrum.Eng. 1987.- 750. - C.210-215.

161. Tian Q., Fainman Y., Lee S. Сравнение алгоритмов распознавания, основанных на собственных векторах, для их использования в гибридных системах. 9-Int.Conf. Pattern Recogn., Rome, !988. -С.547-549.

162. Ishitaiii Hisashi, Baba Yasuko. Исследование метода получения информации для управления из данных визуального изображения. J.Soc. Nav. Arcliit. Jap. 1990.- 168, С.267-274.

163. Weinshall Daplia. О получении качественной информации о глубине и форме объекта по стереопаре его снимков. Washington.: 1988. -Dec.5-8, С. 144-148.

164. Shakunaga Takeshi, Kaneko Hiroshi. Определение формы из угловых данных при перспективной проекции. Washington.: 1988. - Dec.5-8, С.671-678.

165. Hoetter M. Дифференциальные оценки параметров обобщенного движения при перемещениях ТВ-камеры. Signal Process.- 1989,- 16,N3.-C.249-265.

166. Arcelli С., Caniti G. Однопроходный алгоритм скелетизации силуэтных пзобюражений с использованием преобразования 4-расстояния. IEEE Trans. Pattern Anal. And Mach. Intell. 1989.- 11, N4. -C.411-414.

167. Biswas S., Pal S. Приближенное кодирование цифровых контуров. IEEE Trans.Syst. Man and Cybern. 1988. - 18,N 6. С. 1056-1066.

168. Moose Р.Н., Al-Bassioni А. Алгоритм квантования для обнаружения сигналов. New York., May 23-26.- 1989.-С.872-875.

169. Adkins Kenneth С., Shalkhauser M., Biyk Steven В. Алгоритмы цифровой компрессии при передаче сигналов ТВ высокой четкости.-New York, IEEE, May 1-3, 1990. С. 1022-1025.

170. Кормилин В.А., Мартышевский Ю.В. Контроллер ввода бинарного телевизионного изображения.-М.: ПТЭ, 1991.-N2,C.-225.

171. Mosley J.D. Датчики изображения на ПЗС. EDN.- 1990. 35, N17. С. 116-126.

172. Технические и программные средства комплексов ввода и цифровой обработки изображений. Под. Ред. Прохорова H.JT. Сб. научных трудов Ин-та электр. управл. машин. - М.: 1989.- 124 с.

173. Parui S.К., Datta A. A parallel algorithm for decompasition of binary objjects through skeletonization. Pattern Recogn. Lett. 1991. - 12, N4. -C.235-240.

174. Sonehara Noboru. Сисутэму то сэйге. Syst.and Contr. 1991. - 35, N1. - С. 11 -18.

175. Haig T.D.,Attikiouzel Y. Улучшенный алгоритм определения границ в оцифрованном изображении. London.: ECCTD'89. 1989. - C.l 18-122.

176. Mehrotra R., Grosky W., Kung F. Распознавание плоских объектов на основе решающих деревьев. .-New York, IEEE, Aug. 8-12, 1988. С. 1380-1 383.

177. Nakano Koji, Masuzawa Toshimitsu. Эффективный паралельный алгоритм на двумерной решетке.- Trans.Inst. Electron. 1990. -73, N4. - 403-414.

178. Полиноминальный подход к обработке изображений и квадрадеревьев. — Washington.: 1989. -March 22-24, С.596-600.

179. Di Gesu Vito Обзор пирамидальных машин обработки изображений. Inf.Sci. 1989. - 47, N1. -С. 17-34.

180. Акаев A.A., Майоров С.А. Оптические методы обработки информации. М.: ВШ, 1988. - 237 с.

181. Patrick Т., Rowel) R., Berdanier В. Интегральная оптоэлектронная система для наблюдения и измерения расстояний. Texas Ins. Inc. Пат.4561 775, США, 31.12.85.

182. Sihgh J.,De La Rue R. Наблюдения эффектов интермодуляции в интегральном оптическом спектральном анализаторе. IEEE Proc. 1986, 113, N1, С.105-111.

183. Thylen L.,Stensland L. Безлинзовый интегрально-оптический спектроанализатор. IEEE J. Quantum Electron. 1982, -18,N3. С.381-385.

184. Козанне А., Флере Ж., Мэтр Г., Руссо М. Оптика и связь. М.: Мир, 1984., - 504 с.

185. Гауэр Дж. Оптические системы связи. . М.: Радио и связь, 1989., - 504 с.

186. Ярославский Л.П. Введение в цифровую обработку изображений. М: Сов.радио, 1979. - 312 с.

187. Eliason Е., McEwen А. Адаптивные фильтры с прямоугольной апертурой, удаляющие случайный шум с дискретных изображений. Photogramm. Eng and Remote Sens. - 1990. - 56, N 4. - С.453-458.

188. Morales О. Аппаратурные средства для ускорения выполнения быстрого преобразования Фурье. IEEE Reg. 5 Conf. New York, 1988. - С. 112-115.

189. Модульная архитектура систем для обработки изображений с переменной разрешающей способностью. -New York, Proc.Soc.Photo-Opt. Instrum.Eng. 1987.- 856. - C.710-716.

190. Кучеренко К.П., Огин Е.Ф. Мультигистограммый процессор ранговой фильтрации изображений.- М.: Радиотехника, -1989,- N 4. С.54-57.

191. Cappellini V. Новые тенденции обработки сигналов. Atti Fond G.Ronchi. 1989.-44,N1. - С.29-47.

192. Кабанов Е.Ф. Смирнов М.О. Антипов О.Н., Внуков Е.Ф., Бут Т.Д. Многопроцессорные системы для обработки изображений. -Сб. научных трудов M3H.-1989.-N195.-C.38-44.

193. Farshid A., Bikash S., Aggarawal J. Hierarchial segmentation of 3-D range images. IEEE Int.Conf. Syst., 14-17 Nov., 1989. New York, C.156-161.

194. Ермаков О.И., Дьяков О.Н. Контрастная чувствительность метода пороговой сегментации изображений. М.: МИЭТ, Системы автоматиз. управл., контроля и обработки инф. 1990. - С.130-141.

195. Cohen L. Новый подход к векторному квантованию изображений для сжатия данных и обнаружения текстур. 9-Int.Conf. Pattern Recogn., Rome, 14-17 Nov.,1988. C.1250-1254.

196. Brink А. Применение пороговой операции к полутоновому изображению по корреляционному критерию. Pattern Recogn. Lett.- 1989,- 9, N 5. С.335-341.

197. Healy D. Улучшенный метод сегментации на основе выделения контуров. Proc. Soc. Photo-Opt. Instrum. Ehg.- 1987,- 845. C.71-77.

198. Acharya R., Laurette R. Применение математической морфологии при анализе изображений. ISCASSP'88,-New York,- Apr. 11-14, 1988.-С.952-955.

199. Wolberg G. Преобразование изображений на основе выделения остовов. Visual. Comput. 1989. -5, N1-2.-С.95-108.

200. Алексеев В.Л. Сегментация текстур на изображении. Киев.: Нейроподобные сети и нейрокомпьютеры. - ИК АН УССР, 1991, С.26-36.

201. Создание быстродействующих процессоров для обработки растровых пространственно-временных сигналов является актуальной научно-технической проблемой, решение которой обуславливает дальнейшее совершенствование и развитие информационных технологий.

202. Автором были предложены и исследованы различные типы оильтров для просIранственло-врсменных сигналов, а также разработаны аппаратные решения по их реализации. Рассмотренные варианты имеют ряд достоинств и были использованы в I ШР < Карма-. ¡; частности:

203. Методика выбора средств реализации алгоритмов обработки пространственно-временных сигналов для быстродействующих систем анализа . основанная на формировании характеристической -функции вычислительного процесса .

204. Метод оптимизации параметров импульсной характеристики при растровом представлении сигналов на основе анализа перекрестных помех в многоканальной схеме.

205. Метод контроля параметров растровых формирователей.

206. Методы. предложенные Сальниковым И.И., позволяют создать быстродействующие устройства обработки для растровых пространственно-временных сигналов.

207. Заключение подготовил ведущий научный сотрудник ННФ «Виктор -Н1».к.т.н. С'тешоков I I.С.

208. Заключение обсуждено и одобрено на заседании НТС 1 7.06.00. протокол № 2. /2.0 DO1. Секретарь 1ТГС 1 . к.т.н1. А оду кари мо в М. К.

209. Измепителъ", и НИР "Клин", 1938 г,) и используютсята: то по ее гремя в работах ОКЕ "Топаз" по Госзаказу РФ.

210. F-. 7 i — ^ „ — - - 7' - г т - тхничеокито зрении' представленной на соиойаниэ ученой степенисбпвбстки нзоблажений в системендоктора технический наук