автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация процессов высокоразрешающего пофрагментного ввода изображений

ВВЕДЕНИЕ.

1. ЗАДАЧИ ПОЛУЧЕНИЯ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ.

1.1 Роль изображений в современной жизни.

1.2 Основные типы изображений.

1.3 Способы получения цифровых изображений.

1.4 Обработка и анализ изображений.

2. УСТРОЙСТВА ПОФРАГМЕНТНОГО

ВВОДА ИЗОБРАЖЕНИЙ.

2.1 Пофрагментный метод оцифровки изображений, как способ увеличения разрешающей способности оцифровывающих систем.

2.2 Методика объединения фрагментов изображения.

2.3 Оптимизация группового способа объединения фрагментов.

2.4 Использование яркостной нормировки для исключения перепадов яркостей на границах совмещенных изображений.

3. ОСНОВНЫЕ РАЗРАБОТКИ, ИСПОЛЬЗУЮЩИЕ ПРИНЦИП

ПОФРАГМЕНТНОЙ ОЦИФРОВКИ.

3.1 Автоматизированный комплекс для обработки аэрокосмических снимков.

3.2 Высокоразрешающая беспленочная фотокамера.

Цифровая или математическая обработка изображений, на сегодняшний день, используется практически во всех областях человеческой деятельности, так или иначе связанных с анализом визуальной информации. Преимущества, которые может дать анализ изображений, приведенных к цифровой форме, прежде всего, связанны с применением возможностей современных ЭВМ, производительность которых увеличивается с каждым годом. Кроме этого, с точки зрения удобства хранения, передачи и обработки информации, цифровое представление является более удобным и гибким, нежели представление в какой-либо аналоговой форме.

Непременным условием для представления изображения в электронном виде, является оцифровка - перевод аналоговых изображений в цифровую форму. Несмотря на бурное развитие электронной и фотоэлектронной техники, этап оцифровки изображений до сих пор таит в себе немало сложностей. Наряду со специфическими проблемами, связанными с адекватностью цветопередачи, чувствительностью аналогово-цифровых преобразователей, производительностью таких систем и т.п., серьезной проблемой является работа с оригиналами крупного формата или ввод изображений с большим числом элементов разложения.

Можно указать несколько задач, для которых актуальна эта проблема. Одна из них - исследование земной поверхности при помощи космической и аэрофотосъемки. Такой вид исследований, иначе называемый дистанционным зондированием (ДЗ), применяется в геологии, геодезии, метеорологии и во многих других областях. Кроме этого, в настоящее время, аэрокосмические снимки являются незаменимыми для оперативной обработки материалов ДЗ районов чрезвычайных ситуаций. Например, на основе анализа материалов ДЗ выполняется оценка происшествия, создаются программы уменьшения его отрицательного влияния, составляется прогноз последующих событий и периодическая переоценка ситуации.

Не менее насущной проблемой является оцифровка различных материалов имеющих историческую и культурную ценность, например ценных живописных полотен, древних памятников письменности и т.д. Такое архивирование необходимо для последующих реставрационных работ, для изучения этих экспонатов без непосредственной работы с оригиналами, которая может повредить их состоянию.

Также, существенной является проблема оцифровки изображений для медицины (рентгеновские снимки), для научной фотосъемки, например в астрономических и астрофизических исследованиях.

Возможность оцифровки широкоформатных, плоских и объемных сцен является весьма перспективной в области рекламной и художественной фотосъемки, которая неотрывно связанна с полиграфической технологией цветоделения и печати.

Существующие на сегодняшний день высокоразрешающие сканеры для издательской и полиграфической деятельности, а также высокоразрешающие цифровые фотокамеры далеко не всегда способны удовлетворить тем требованиям, которые выдвигают по отношению к ним вышеперечисленные задачи.

Основной проблемой является дороговизна приборов, позволяющих получать оцифрованные изображения без особых потерь качества. Так, например, барабанные сканеры, применяющиеся в полиграфии, могут стоить до ста и более тысяч долларов, а цифровые студийные камеры продаются по цене в десятки тысяч долларов. Кроме этого, зачастую, использование такой специфической техники связанно со многими эргономическими неудобствами. Однако при всем этом, рынок таких устройств постоянно расширяется, а сфера их применения растет.

Практически единственным способом, для получения крупноформатных изображений с высоким оптическим разрешением является оцифровка изображений по частям, с последующим объединением полученных фрагментов в единую сцену. Однако устройств, адекватно решающих эту задачу, практически не существует. Как правило, эта задача решается в два этапа: на первом, производится оцифровка фрагментов, с применением какого-нибудь оцифровывающего устройства, на втором - обработка введенных фрагментов. При таком подходе, какая-нибудь значительная автоматизация данного процесса, как правило, отсутствует. Вследствие этого сам процесс требует непосредственного участия человека и занимает относительно большое время.

В представляемой работе подробно рассматриваются различные аспекты автоматизации процесса пофрагментной оцифровки больших изображений с высоким оптическим разрешением. Описывается как сам принцип, заключающийся в автоматической оцифровке крупных сцен малыми фрагментами с их последующим автоматическим же объединением, так и конкретные аппаратные, и программные технические решения по реализации этого метода.

Первая глава посвящена рассмотрению основных принципов оцифровки изображений, видам графических файлов, типам датчиков оптического излучения и особенностям устройства современных сканеров и цифровых камер. Вторая глава представляет результаты проведенных исследований, в ходе которых были определены основные технические требования, которым должны удовлетворять системы пофрагментного сканирования. Выработаны основные принципы построения и реализации подобных систем. В ходе данной работы были исследованы различные методы совмещения изображений, разработан способ объединения группы фрагментов в единое изображение с минимизацией геометрических искажений, реализован способ нормировки яркости фрагментов с использованием накопительной гистограммы яркости, предложен принцип устранения визуально различимых границ между отдельными фрагментами в общей сцене.

Третья глава работы посвящена описанию реализации принципа автоматического пофрагментного ввода изображений. Приводится описание двух разработок - специализированного комплекса для оцифровки широкоформатных аэрокосмических снимков и высокоразрешающей цифровой фотокамеры для оцифровки объемных сцен.

Оба эти устройства обладают техническими характеристиками, сравнимыми или даже превышающими характеристики абсолютного большинства современных сканеров и цифровых студийных камер. При этом показывается, что стоимость представляемых устройств может быть значительно ниже, чем стоимость аналогичных приборов, сконструированных по традиционной, на сегодняшний день, архитектуре.

ЗАКЛЮЧЕНИЕ

Целью представленной работы, была разработка и практическая реализация базовых принципов построения автоматизированных систем пофрагментной оцифровки изображений. Сегодня, устройств такого типа практически нет, вследствие чего нет и всесторонних теоретических или практических исследований данной тематики.

В ходе данной работы были исследованы такие специфические задачи как эффективное объединение набора кадров в единую сцену; нормирование яркости и контраста по полю кадра, с учетом граничных условий, накладываемых соседними кадрами в наборе; устранение дефектов объединения кадров. Подробно были рассмотрены методы точного определения взаимного расположения кадров в общей сцене. Эффективность каждого из методов была проанализирована в условиях яркостных, контрастных, шумовых и некоторых других искажений. На основании данных исследований удалось сделать выводы о рамках и целесообразности применения каждого из методов.

Особое внимание было уделено вопросам повышения качества получаемых изображений. При этом исследовалась как проблема повышения точности объединения пар кадров между собой, так и вопросы объединения группы кадров, с минимизацией геометрических искажений.

Стоит отметить, что все предложенные методики изначально были ориентированны на использование в составе автоматизированных систем оцифровки изображений, поэтому отдельно рассматривались вопросы реализации встроенных средств контроля качества их работы.

К новым научным результатам можно отнести следующие положения:

1. В работе предложена и рассмотрена концепция автоматизации процессов пофрагментного ввода изображений, позволяющая значительно повысить разрешающую способность сканирующих устройств.

2. Предложен принцип организации работы устройств, использующих данную методику.

3. Исследован широкий класс методов совмещения изображений и определены условия для наиболее эффективного использования каждого из них.

4. Предложен принцип объединения группы фрагментов в единое изображение с минимизацией геометрических искажений и реализацией механизма контроля качества операции объединения.

5. Разработан принцип нормировки яркостных искажений, повышающий качество получаемых изображений.

6. Предложен способ устранения визуальных дефектов изображений путем применения параметрических усреднений по пограничным областям фрагментов.

7. Реализованы образцы двух устройств, использующих данную методику: комплекса для оцифровки аэро- и космических снимков, и высокоразрешающей цифровой студийной фотокамеры.

8. Предложен принцип определения степени соответствия между изображениями, имеющими угловые и масштабные искажения.

Первым из них явился автоматизированный комплекс для ввода информации с широкоформатных аэрокосмических снимков. Основной особенностью данного устройства, является способность неразрушающей обработки фотоматериалов имеющих площадь до нескольких квадратных метров с разрешением порядка 1600 dpi.

При этом данный комплекс легко может быть снабжен набором эффективных программных методов, позволяющих значительно упростить и ускорить процесс обработки и анализа аэрокосмических снимков. На сегодняшний день, такой комплекс не имеет известных аналогов, при этом хочется отметить, что его цена, при промышленном производстве, может быть значительно ниже стоимости используемых сегодня устройств.

Второй разработкой, использующей принцип пофрагментной оцифровки изображений, является высокоразрешающая студийная цифровая камера. Это устройство предназначено для получения высококачественных цифровых снимков неподвижных объектов. Реализованная опытная модель, позволяет получать полутоновые снимки разрешением -3500x3500 элементов, при том, что эти параметры могут быть легко увеличены в несколько раз. Кроме того, что предложенный принцип оцифровки изображений позволяет преодолеть существующие сегодня ограничения на разрешающую способность таких устройств, данный принцип позволяет достигать и очень высоких показателей по производительности.

Успешная реализация двух представленных разработок, дает основание надеяться, что данный способ построения устройств может получить широкое распространение. Особенно важным, в данном случае, является то, что если рынок производства сканеров и цифровых камер является сегодня очень высокотехнологичным, то разработка и производство представленных здесь устройств, может быть осуществлено без существенных материальных и технологических затрат.

1. Лаврова И.М. Стеценко А.В. Аэрофотосъемка. Аэрофотосъемочное оборудование: М.:Недра, 1981.

2. Лобанов А.Н. Фотограмметрия: М.:Недра, 1987.

3. Баранов В.Н. Бойко Е.Г. Космическая геодезия: М.:Недра, 1981.

4. Р.Клемонс Данные IKONOS для чрезвычайных ситуаций// ГИС-Ассоциация, Информационный бюллетень, №4(26)-5(27), 2000. с.41-42.

5. Гук А.П. и др. Автоматизированная система обработки аэрокосмических изображений, Новосибирск: НИИ ГАИК, 1989, 67 с.

6. Соколова Ю. Принцип работы CCD// BYTE/Россия, 5(21), Май 2000. С.48.

7. Климов А. С. Форматы графических файлов:-К. :НИПФ "ДиаСофи Лтд.", 1995.

8. Роджерс Д., Алгоритмические основы машинной графики. М.:Мир. 1989.

9. Кустов.В.Н., Федчук А.А. Поспищенко А.В., Стеганография. Сокрытие информации в графических файлах// BYTE/Россия, 5(21), Май 2000. С.38-44.

10. Мюррей Д., Ван Райтер У. Энциклопедия форматов графических файлов. Киев: BHV, 1997.

11. Цифровая обработка телевизионных и компьютерных изображений/ Под ред. Ю.Б.Зубарева, В.П.Дворковича М.: Междунар. центр науч. и техн. информ. 1997.

12. Айриг С., Айриг Э. Подготовка изображений для печати, Минск: Попурри, 1997.-189 с.

13. Блатнер Д. и др. Сканирование и растрирование изображений, М.: ЭКОМ, 1999.-383 с.

14. Шарыгин М.Е., Сканеры и цифровые камеры / Под.ред. О.В.Колеснеченко, И.В.Шишигина. СПб.:БХВ - Санкт-Петербург; Арлит, 2000.

15. Татаурщиков С.С. Полупроводниковые фотоэлектронные приборы: Л.:Электрон, 1987.

16. Айриг С., Айриг Э., Сканирование профессиональный подход/Мн.: ООО "Попурри", 1997.

17. Фрейзер Б., Гоулд П., Джонсон С., Перспективы фотографии/ MacUser, №11, Ноябрь 1995. С.82.

18. Виданов А., Сканер это не роскошь, а устройство ввода!/ Компьютер Пресс, №11, Декабрь 1997.

19. Моисеев А., Сканеры для специальных применений// Publish/дизайн, верстка, печать, №5, Май 1999.

20. А.Макачев Обзор сканеров для ГИС // ГИС ассоциация. Информационный бюллетень, 1997.-№2(9), с.54.

21. М.Качалин Сканеры // ГИС ассоциация. Информационный бюллетень, 1996.-№3(5),-с.24.

22. Катыс П.Г., Катыс Г.П. Системы машинного видения с интеллектуальными видеодатчиками // Информационные технологии, №10, Октябрь, 2001. с.28-33.

23. Хуанг Т. Обработка изображений и цифровая фильтрация: Пер. с англ. М.:Мир, 1979.

24. E.Dougerthy Digital image processing methods, New-York: Dekker, 1994.-472 pp.

25. Прэтт У. Цифровая обработка изображений: Пер. с англ. М. :Мир, 1982.

26. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986.

27. Заболоцкий В.Р. Повышение контрастности космических сканерных изображений агроландшафта цифровыми методами//Исследования Земли из космоса, №6, 1997. с.30-34.

28. Рабинер П. Теория и применение цифровой обработки изображений: М.:Мир, 1978.

29. Розенфельд А. Распознавание и обработка изображений: Пер. с англ. М.:Мир, 1972.

30. William Е. Roper, Mark К. Hamilton Automated Geo-Spatial Image and Data Explanation // Proceedings of SPIE, V.4054, 2000. 12.

31. Визильтер Ю.В. Методы обнаружения и идентификации объектов сложной формы на изображениях в задачах информационного обеспечения перспективных систем управления, АРД на соиск. уч. ст. к.т.н./Моск. гос. авиац. инт. М., 1997.-15с.

32. Адаме Дж. Математические основы машинной графики. М.: Машиностроение, 1980.

33. Лэм Г., Аналоговые и цифровые фильтры: расчет и реализация. И.:Мир, 1982.

34. Ярославский Л.П., Введение в цифровую обработку изображений. М.: Сов.радио, 1979.

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

36. Антощук С.Г. Вычислительные устройства выделения контуров двумерных изображений методом согласованной фильтрации: АРД на соиск. уч. ст. к.т.н. / Одесский гос. техн. ун-т.-Одесса, 1997.- 16 с.

37. Тузулуков В.П. Обнаружение объектов изображений методами пассивной и активной фильтрации. Минск: ИТК, 1988.-33 с.

38. Шлихт Г.Ю., Цифровая обработка цветных изображений. М.: Эком, 1997.

39. Быстрые алгоритмы в цифровой обработке изображений/ Под.ред. Хуанга Т.С., М.: Радио и связь, 1984.

40. Писаревский А.Н. и др., Системы технического зрения: (Принципиальные основы, аппаратное и математическое обеспечение). Л.: Машиностроение, 1988.

41. Рудаков П.И., Сафонов И.В., Обработка сигналов и изображений. MATLAB 5.x М.: ДИАЛОГ-МИФИ, 2000.

42. Яншин В.В., Калинин Г.А., Обработка изображений на Языке Си для IBM PC: Алгоритмы и программы. М.: Мир, 1994.

43. Шабанов В.И., Барвиненко С.В. Метод выделения прямолинейных сегментов контура на полутоновом изображении// Исследования Земли из космоса, №5, 1997. с.33-37.

44. Lam L., Lee S-W., Suen C.Y. Thinning Methodologies A Comprehensive Survey// IEEE Transactions on Pattern Analysis and Machine Intelligence. V.14, №9, 1992. pp.869-884.

45. Семенов C.M., Абушенко H.A., Чичигин А.С. Выделение береговых очертаний на спутниковых изображениях с использованием контурной и полутоновой информации// Исследования Земли из космоса, №3, 1999. с.46-52.

46. G.Stockman, S.Kopstein, S.Benett Matching images to models for registration and object detection via clustering // IEEE Trans, on Pattern Analysis, 14(2) May 1992. pp.229-241.

47. Soloiman В., Koffi R., Mouchot M-C., Hillion A. An Information Fusion Method for Multispectral Image Classification Postprocessing// IEEE Trans, on geoscience and remote sensing, Vol.36, №2, March 1998.

48. Bosdogiani P., Petrou M., Kittler J. Mixed Pixel Classification with Robust Statistics// IEEE Trans, on geoscience and remote sensing, Vol.35, №3, May 1997.

49. Pikaz A., Averbuch A., Digital image thresholding, based on topological stable-state// Pattern Recognition, Vol.29, No.5, pp.829-843, 1996.

50. Liyuan Li, Jian Gong, Chen W., Gray-Level Image Thresholding Based on Fisher Linear Progection of Two-Dimensional Histogramm// Pattern Recognition, Vol.30, No.5, 1997. pp.743749.

51. Дуда P., Харт П. Распознавание образов и анализ сцен, М. :Мир, 1976

52. Jeffrey Wood, Invariant Pattern Recognition: a Review // Pattern Recognition, Vol.29, №1, 1996. pp.1-17.

53. C.Olson, D.Huttenlocher Automatic Target Recognition by Matching Oriented Edge Pixels // IEEE Trans, on Image Procesiing, Vol.6, No.l, Jan. 1997.

54. Уоссерман Ф. Нейрокомпьютерная техника: Теория и практика М. :Мир, 1992, 240 с.

55. Bishop С. Neural networks for pattern recognition, Oxford: Claredon press, 1996.-482 pp.

56. Горский Н.Д и др. Распознавание рукописного текста, СПб: Политехника, 1997.-126 с.

57. Мининский М., Пейперт С. Перцептроны. М.:Мир., 1971 262 с.

58. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. - 276 с.

59. Горбань А.Н. Обучение нейронных сетей. М.: СП "ParaGraph", 1990, 160 с.

60. An FFT-Based Technique for Translation, Rotation and Scale Invariant Image Registration // IEEE Trans, on Image Processing, Vol.25, №8, Aug. 1996. pp. 1266-1271.

61. Daniel I.Barnea, Harvey F.Silverman "A Class of Algorithms for Fast Digital Image Registration", IEEE Transactions on Computers, vol.C-21, no.2, February 1972.

62. J.Serra Introduction to mathematical morphology // Computer Vision Graphics and Machine Intelligence, Vol.35, 1986. pp.283305.

63. П.Марагос, P.К.Шафер Морфологическая система для многомерной обработки сигналов // ТИИЭР, т.78, №4, Апрель 1990.

64. Mehdi Khosravi, Ronald W. Schafer "Template Matching Based on a Grayscale Hit-or-Miss Transform", IEEE Transactions on Image Processing, No.6, June 1996, pp. 1060-1067.

65. Cardillo J., Sid-Ahmed M.A., Target Recognition in a Cluttered Scene Using Mathematical Morphology // Pattern Recognition, Vol.29, №1, 1996. pp.27-49.

66. Тузиков А.В. Анализ симметричности и сравнение объектов на основе математической морфологии: АРД на соиск. уч. ст. д.ф.-м.н. / НАН, Ин-т техн. кибернетики. Минск, 1999.-38 с.

67. J.Roerdink, Group morphology// Pattern Recognition, Vol.33, No.6, 2000. pp.877-895.

68. M.J.Reinders, J.J.Cerbrands, E.Bacher, Image sharpening by morphological filtering // Pattern Recognition, Vol.33, No.6, 2000. pp.997-1012.

69. D.Gasasent, A.Ye Detection Filters and Algorithm Fusion for ATR // IEEE Trans, on Image Processing, Vol.6, Nol, Jan 1997. pp.1114-1123.

70. S.Saryazdi, V.Haese-Coat, J.Ronsin, Image representation by a new non-uniform morphological sampling II Pattern Recognition, Vol.33, No.6, 2000. pp.961-977.

71. T.Suk, J.Flusser, Point based projective invariants // Pattern Recognition, Vol.33, No.2, 2000. pp. 251-261.

72. Krattenthaler W. Point correlation: a new approach for high speed template matching.-Seibersdorf: Forschungszentrum, 1994, 8 pp.

73. Bong Seop Song, II Dong Yun, Sang Uk Lee, A target recognition technique employing geometric invariants// Pattern Recognition, Vol.33, No.3, 2000. pp.413-425.

74. M.Kudo, J.Sklansky, Comparison of algorithms that select features for pattern recognition // Pattern Recognition, Vol.33, No.6, 2000.

75. Лабунец E.B. Быстрые алгоритмы распознавания образов, основанные на алгебраических инвариантах: АРД на соиск. уч. ст. к.т.н., Уральский гос. техн. ун-т., Екатеринбург, 1997.-24 с.

76. Chang S-H., Cheng F-H., Hsu W-H, Wu G-Z., Fast algorithm for point matching: invariant to translations, rotation and scale changes// Pattern Recognition, Viol.30, No.2, pp.311-320, 1997.

77. Вашкелис В.В., Способы определения масштабных и угловых отношений между изображениями, на основе анализа весового и геометрического распределения объектов // С.-Петерб. гос. технич. ун-т. СПб., 2000. Деп. ВИНИТИ №3017-В00 от 28.11.2000.

78. В.В.Вашкелис Методы определения угловых и масштабных отклонений между изображениями// Информационные технологии, №6, Июнь, Москва, 2001, с.32-38.

79. Абламейко С.В. и др., Идентификация объектов полутонового изображения, Минск: ИТК, 1992, 112 с.

80. Абламейко С.В., Лагуновский Д.М Обработка изображений: технология, методы, применение. Минск: НАН, 1999.-291 с.

81. Xiuvwen Liu, DeLiang L.Wang, J.Raul Ramirez, Boundary detection by contextual non-linear smoothing// Pattern Recognition, Vol.33, No.2, 2000. pp.263-280.

82. В.В.Вашкелис, В.П.Вашкелис, Е.Н.Пятышев, Специализированный комплекс для автоматизированной оцифровки широкоформатных фотоматериалов// Инф. бюллетень ГИС-ассоциация №4(26), Ноябрь, Москва, 2000, с.58-61.

83. Вашкелис В.В., Пятышев Е.Н., Специализированный комплекс для оцифровки широкоформатных фотоматериалов// Фундаментальные исследования в технических вузах: Тез.докл. IV Всероссийской научно-методической конф. Санкт-Петербург: СПбГТУ. 2000. С.41.

84. В.В.Вашкелис, Принципы построения высокоразрешающих систем пофрагментного сканирования// Научное приборостроение, т. 11, №1, Январь, Санкт-Петербург, 2001, с.57-64.