автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.05, диссертация на тему:Разработка и исследование устройств для анализа формы изображений на основе Гильберт-фильтрации

РОССИЙСКАЯ ЛКАДЕЛШЯ НАУК ИНСТИТУТ ПРОБЛЕЛ\ УПРАВЛЕНИЯ

На правах рукописи

ДРУЖИНИН

Юрий Олегович

РАЗРАБОТКА И ИССЛЕДОВАНИЕ УСТРОЙСТВ ДЛЯ АНАЛИЗА ФОРМЫ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ГИЛЬБЕРТ-ФИЛЬТРАЦИИ

Специальность 05.13.05 — Элементы и устройства вычислительной техники и систем управления

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва — 1992 г.

Работа выполнена в Институте проблем управления Роса ской Академии Наук.

Научный руководитель

кандидат технических наук, старший научный сотрудник КРАСНОВ Андрей Евгеньевич

Официальные оппоненты

доктор технических наук, ведущий научный сотрудник МАНДРОСОВ Валерий Иосифович

кандидат технических наук, КУЗЬМИН Сергей Александрович

Ведущее предприятие — Институт Физико-технических прс лем, г. Москва.

Защита состоится « » 1992 г. в час.

заседании Специализированного совета № 2 Института пробл! управления Д 002.68.01 по адресу: 117806, Москва, Профсок пая ул., 65. Телефон Совета 334-98-29.

С диссертацией можно ознакомиться в библиотеке Институ проблем управления.

Автореферат разослан « » 1992 г.

Ученый секретарь Специализированного совета кандидат технических наук

ЮРКЕВИЧ Е.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Необходимость анализа формы (или структуры) изображений и оптических полей возникает в различных областях науки и техники, связанных с дистанционным неразрушащим контролем состояния исследуемых объектов.

В настоящее время для анализа форм изображений наибольшее распространение получили спектрально-корреляционные методы (СКМ), которые используются как самостоятельно, так и в составе структурных методов анализа изображений, где они применяются для выделения и описания формы фрагментов изображений, выбранных в качестве непроизЕодных элементов.

Как правило, СКМ применяются не к самому изображению, а к одномерному сигналу, образованному .например, коэффициентами разложения изображения в выбранном базисе (который, в частности, может быть задан конкретным способом развертки изображения ).

Как показывают работы по точному восстановлению исходного изображения по его спектру, амплитуда и фаза спектральных составляющих сигналов играют различную роль. Так, учет одной лишь фазы спектральных состзвлящих позволяет в ряде случаев сохранить при восстановлении сигнала многие его важные свойства. Аналогичное утверждение в общем случае не может быть сделано относительно амплитуда спектральных составляющих.

Вместе с тем полный спектр сигнала, а, следовательно, и совместное распределение коэффициентов его реальной и мнимой частей, неинвариантны к началу отсчета сигнала.

Инвариантность к началу отсчета сигнала достигается вычислением спектра мощности или автокорреляционной функции, но это приводит к потере фазовых соотношений между спектральными компонентами сигнала. 15 результате рзглгдшм по структуре изображениям и

физическим полям могут соответствовать одинаковые описания,-что приведет к ухудшению селективности метода.

Использование для анализа формы сигнала наряду со спектром его гистограммы или построение совместных распределений значений спектральных компонент сигнала, позволяет лишь отчасти преодолеть данное ограничение.

Однако, если фаза несущей сигнала является монотонной, что означает некоторую причинность в следовании отсчетов сигналов, или нулевой, то информацию о фазе возможно извлечь и при регистрации чисто амплитудных спектров сигналов, применяя преобразование Гильберта (ПГ).

ПГ или гильберт-фильтрация в виде линейной операции свертки исходного сигнала со специальной функцией (ядром ПГ) нашло широкое применение в обработке сигналов.

Например, в физике ПГ в форме так называемых дисперсионных соотношений используется для извлечения фазовой информации из амплитуд рассеяния сигналов и их спектров.

В задачах обработки изображений ПГ в настоящее время нашло применение, связанное в основном с И1 сегментацией посредством выделения контуров и визуализацией фазовой информации в оптических полях.

■ Известно, что на базе гильберт-фильтрации может быть построено так называемое статистически-причинное описание, регистрирующее статистику совместных значений сигнала и его гильберт-образ9 { свертки сигнала с ядром ПГ) и учитывающее причинную связь ( фазовые соотношения ) между компонентами сигнала. Последнее свойство данного описания позволяет снять ограничения спектрального описания и дать наиболее полное интегральное описание статистических свойств сигналов, когерентных полей и изображений.

Так как данное описание может быть построено путем форииро-

- з -

вания двумерной гистограммы сигнала и его гильберт-образа, то при анализе формы изображений мош дополнить трудоемкие в технической реализации СКМ более простим и, вместе с тем, более селективным (прй сохранении инвариантности к началу отсчета ) методом.

Необходимость практического применения нового метода требует разработки технических средств его реализации и проверки их на конкретных приборах в ряде приложений, что недостаточно исследовано.

Диссертационная работа "Разработка и исследование устройств для анализа фор*н изображений на основе гильберт - фильтрации" служит для восполнения этого пробела.

Цель» диссертационной работа является исследование метода с т а т и с и гч е с ки -пр: пинного списания сигналов применительно к анализу форгли изображений для создания обобщенной структуры класса приборов, отличающихся повышенной точностью и простотой реализации при распознавании изображений различной.формы.

Методы исследования базируется на теоретическом анализе с применением математического аппарата методов распознавания образов, теории функций комплексного переменного, фильтрации сигналов, а так же - экспериментального программного и натурного моделирования метода и устройств анализа <£орш изображений.

Научная новизна работы состоит в разработке метода анализа формы изображений на основе статистически-причинного описания сигналов, создании обобщенной структуры класса устройств, реализующих данный метод, а также ее программной модели.

Достоверность научных положений, выводов и практических рекомендаций подтверждена соответствием результатов теоретического анализа математических моделей, программного и натурного моделирования метода и устройств.

Практическая ценность работа состоит в том, что ее результаты

позволяют реализовать новый класс устройств обработки и распознавания изображений, ориентированный на решение задач технической диагностики, картографии и навигации.

Исследования, выполненные в диссертации, осуществлялись в соответствии с темами Института Проблем управления : фундаментальные НИР 331-91/31, 378- 91/31 и хоздоговорные НИР 163-89/31, 128-91/31 и 193-91/31.

Реализация результатов работы. Результаты теоретических и экспериментальных исследований нашли приложение в работах в/ч 25951, в/ч 21109, НИИЛ и лабораториях 24 и 31 ИЛУ РАН.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на:

3 Всесоюзной научно-технической конференции "Образный анализ в управлении, научных исследованиях и системах обучения" "Образ -90", 4-8 марта 1990, г. Суздаль;

Всесоюзной конференции "Современные проблемы 'физики и ее приложений", 15-17 апреля 1990, г. Москва;

2 Всесоюзной конференции молодых ученых и специалистов с международным участием, 15 - 19 октября 1990, г. Минск;

Международном симпозиуме по магнитооптике (ISMO'91), 10 - 13 сентября 1991, г. Харьков. International Symposium On Magneto- Optics, (ISM0'91), September 10-13, 1991, Ukraine, USSR.

XIV Международной конференции по когерентной и нелинейной оптике ( К и КО'91) 24 - 27 сентября 1991, г. Ленинград. ,

Публикации. Основные результаты, отражающие содержание диссертации, опубликованы в 8 работах.

Структура- и объем работы. Диссертация состоит из введения, 5 глав, заключения и 2 приложений, изложена на 168 страницах машинописного текста, содержит 63 иллюстрации, 5 таблиц и библиографический список, включающий 189 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении показана актуальность исследования, сформулированы цели и основные задачи диссертации, перечислены основные ее положения.

В первой главе дан обзор литературы по применению ПГ для анализа формы изображения, который показал, что ПГ, нашедшее широкое применение в различных областях науки и техники: дисперсионные соотношения (соотношения Крамерса - Кронига) и гильберт-оптика в физике, теория аналитического сигнала в радиотехнике; в задачах, :вязанных с распознаванием образов (формы сигнала) используется ограниченно. ПГ применяется для решения частных задач (выделение <онтуров объектов, определение периода текстуры) и для локального описания изображения (определение точек перегиба на контуре). По-штки интегрального описания Форш изображения носят достаточно грубый характер.

Для распознавания Форш сигналов ( в том числе и получаемых 1утем сканирования двумерного изображения) наибольший интерес тредставляет статистически-причинное описание в форме статисти-кски-причинного фазового портрета.

А

Статистически-причинный фазовый портрет (СПФП) w[f(t),f(t)] сигнала f(t), зависящего от параметра t, представляет собой статистическое описание траектории аналитического сигнала z(t) = f(t)

А А

I- jf(t) ( где f(t) - гильберт-образ сигнала f(t)), в двумерном

л

разовом пространстве, задаваемом обобщенными координатами i и f.

А

Для случайных сигналов СПФП w(f,f) показывает вероятность я :оЕместшх событий, заключающихся в том, что сигнал и его гиль-

А

5ерт - образ принимают конкретные значения inf. При этом СПИТ зценивает статистику как стационарных, так и нестационарных

сигналов.

СПФП обладает рядом свойств, позволяющих создать на его основе метод распознавания формы изображения:

- СПФП является оценкой многомерной плотности вероятностей спектральных компонент сигнала;

- СПФП неинвариантен к перемешиванию компонент сигнала;

- траектория СПФП инвариантна к сдвигу сигнала во времени и к масштабу времени.

Кроме того, существует предположение, что СПФП сигнала однозначен.

Б заключении главы уточняется цель и задачи исследования.

Целью исследования является создание метода анализа формы • изображения на базе статистически-причинного фазового портрета и технических средств ег.о реализации.

ЗаДачи исследования заключаются в:

- теоретическом исследовании свойств статистически-причинного фазового портрета применительно к задаче определения формы изображения ( разработке мер сходства и решающие правил применительно к статистически-причинному фазовому портрету, разработке способов формирования одномерного сигнала из двумерного изображения );

- разработке на базе как известных, так и вновь полученных свойств статистически-причинного фазового портрета обобщенной структуры устройств распознавания форм изображений;

- создании на базе данной структуры цифровых и аналоговых устройств распознавания формы, решающих те задачи, где применение спектрально - корреляционных методов ограничено.

Во второйтлаве даны новые результаты теоретических исследований свойств СП®, положенные в основу базовой структуры устройств анализа формы изображений.

Название данного статистического описания отражает как его связь с известным описанием динамических систем второго порядка (фазовый портрет (ФП) Пуанкаре - Андронова), так и существенные отличия от последнего. Использование в качестве обобщенной скорости процесса не производной, а гильберт-образа обобщенной координаты процесса, позволяет явно выделить.динамику сигнала, причинно связанную как с его амплитудой, так и с фазой.

Эти различия делают неправомерным выведение свойств СПФП из свойств фазовых траекторий динамических систем второго порядка,' что потребовало дополнительных исследований.

В процессе исследований аналитических свойств СП®, исходя из свойств ПГ и определения СПФП, были доказаны 3 теоремы и получены ряд важных следствий из них.

Теорема 1. Область определения СПФП ергодического ансамбля действительных сигналов, ограниченных по интенсивности и частоте, является ограниченной.

Следствие1.1. Область определения СПФП ограничена и зависит от максимальной амплитуды и числа степеней свободы сигнала.

Следствие 1.2.- Максимальное значение гильберт-образа сигнала в СПФП ограничено и зависит от максимальной амплитуды и числа степеней свободы сигнала.

Теорема 2. Малому изменению действительного сигнала с ограниченными частотой и интенсивностью соответствует малое изменение его СПФП.

Следствие 2.1. СПФП эргодических сигналов описываются действительной (мнимой) частью аналитических функций.

Следствие 2.2. Каждому эргодическому сигналу однозначно соответствует единственный СПФП.

Следствие 2.3. СПФП ергодического ансамбля сигналов с нормальным распределением может быть приближен "размытием" СПФП среднего сигнала

ансамбля.

Следствие 2.4. Максимальное количество различных СПФП сигналов, ограниченных по интенсивности и частоте, определяется их динамическим диапазоном и количеством степеней свободы.

Теорема 3- Для того, чтобы одиночный сигнал в эргодическом ансамбле идентичных действительных сигналов, ограниченных по интенсивности и частоте, обладал СПФП, необходимо и достаточно, чтобы ПГ имело ограниченное ядро с числом отсчетов, не превышающим число степеней свободы сигналов.

( Теоремы 2 и 3 доказаны совместно с А.Е. Красновым ).

Теорема 1 об ограниченности СПФП определяет важнейшее условие, предъявляемое к свойствам сигналов, для которых может сущест-¿юьзть СПФП, - ограниченность их по амплитуде и полосе частот.

Теорема 2 и следствия из нее, доказывающие аналитичность СПФП, следовательно, и однозначность СПФП, дают важнейшую теоретическу! предпосылку для применения СПФП для распознавания сигналов.

Теорема 3 о необходимости усечения ядра ПГ .служит для обоснования способа выделения сигнала в ансамбле сигналов и ЕЫбора аппаратных • средств реализации ПГ: для того, чтобы сигналы с ограничен-шлл спектром обладали СПФП, необходимо либо выделить их из смеси стальных сигналоь, либо ограничить ядро ПГ.

Кроме того, СПФП йеявно зависит от времени и, следовательно, но.:;ет быть использован для описания нестационарных сигналов.

Все рассмотренные свойства СПФП делают его уникальны).! описанием .■ьойств сигналов различной физической природа, что позволяет использовать его для их классификации и распознавания.

СПФП может быть использовзн для распознавания сигналов как методом образного анализа, так и классическим методом на'базе статис-.:яеских решений.

Для распознавания сигналов методом статистических решений

введены мерз сходства и решающие правила для классификации одномерных сигналов по их СПФП.

Если считать, что неизвестный сигнал задается двумерной гис-

А А

тограммой - множеством точек ни,Г), эталонный - N (^Г), а-сам СШП ш-го класса - статистическим распределением »^(Г,*), то в соответствии со статистическим смыслом СПФП определяется как:

Г) = 1ш Б-—— (1). .

к-»» к 22 Г)

П

В качестве меры сходства СПФП, а значит и сигналов, предлагается величина:

2 Нт(Г,Г) Н(Г,П Ц = ^ * - , (2).

ш Л Ш г\ А О А

ГГ .+ Г(Г^)

которая представляет собой нормированное количество общих точек на их гистограммах.

Из (2) видно, что для различения сигналов необходимо, чтобы их СПФП, как функции двух переменных, отличались либо в области задания своих аргументов {Г, Г), либо в области определения ( Г, Ь или Ъ). ■

Гипотезе компактности описания эталонных образов в простран-

А

стве { N. 1 } отвечает свойство СПФП, названное "аналитичностью"

(см. теорема 2).

Обучение для данного метода сводится к формированию эталонных

распределений N (ш = 1, ..., М), а принятие решения - к сравнению

неизвестного распределения N с эталонными N в соответствии с (2).

га

На практике СПФП ансамбля сигналов (или собственно СПФП) не-

обходимо формировать с учетом характерных помех. Это достигается: накоплением реализаций эталона с заданным типом помехи, размытием СПФП одной или нескольких реализаций эталона с помощь» различного рода сг.-аживащих фильтров, загрублением точности представления аналитического сигнала.

Эксперименты показали, что при малых искажениях эталонные СПФП классов (ансамблей сигналов, формирующих класс) целесообразно формировать путем размытия двумерных гистограмм, характеризующих СПФП данных эталонов.

При неизвестной статистике сигналов наилучшая оценка СПФП достигается загрублением точности и накоплением отдельных реализаций.

При сравнении «¿гнала с несколькими эталонами целесообразно асрмпровать обобщенный СПФП (ОФП) - СПФП, полученный путем объединения СПФП отдельных эталонов.

Б третьей главе, рассматривается применение метода СПФП к анализу формы сложных изображений. Описываются разработанные способы наложения причинных связей на двумерные поля и формирования одномерных причинных сигналов из контурных и бинарных сегментированных изображений. Определяется место предлагаемого метода на всех этапах анализа формы изображений. Б заключении приводится разработанная обобщенная структура устройств распознавания форма изображения на базе СПФП.

Теоретический аппарат, разработанный для анализа одномерных сигналов методом СПФП, применим для распознавания двумерных изображений, но операции сравнения СП® должно предшествовать преобразование двумерного изображения в причинный одномерный сигнал. То есть необходимо произвести разложение изображения по некоторой системе базисных функций, выбор и порядок использования которых ..способ сканирования изображения) определяется во многом требо-

ванием инвариантного описания изображений по отношению к характерным искажениям.

Таким образом, предлагаемый в диссертационной работе метод анализа фэр.'.ш изображения, заключается в формировании из изображения одномерного причинного сигнала, построении на его основе СПФП и сравнении последнего с эталонными СГ1ФП по специальной мере (2) (Рис. 1).

Для получения сигнала, инвариантного к ориентации изображения на плоскости, разработаны 2 способа формирования аналитического сигнала из фрагмента изображения, представленного контуром или бинарным сегментированным изображением.

Первый способ состоит в вычислении кривизны контура изображения и отличается от известных более простым способом формирования сглаженной оценки кривизны.

Второй способ предусматривает использование в качестве базисных функций радиусов из геометрического центра изображения, при этом для устранения неоднозначности описания изображений каждому элементу радиуса предается свой вес.

' При анализе сложных изображений предлагаемый метод следует применять только Еместе с другими методами (сегментации и др.), прежде всего вследствие требования к усечению ядра ПГ для формирования СПФП сигнала (см. теорему 3).

Вместе с тем метод следует использовать на всех этапах распознавания сложного изображения: при сегментации (для сегментации формы), составлении описания фрагментов изображения (для описания их тонкой структуры (форш)) и при синтезе сложных элементов из фрагментов изображения.

На основании свойств СПФП предлагается обобщенная структура класса устройств анализа Форш, которая включает:

- блок выделения непроизЕодных фрагментов изображения;

Формирование одномерного сигнала

Статистически-причинный тазовый портрет

Рис.- I,

- блок преобразования изображения в одномерный сигнал;

- блок гильберт-фильтрации;

- блок построения СП®;

- блок эталонных СПФП;

- блок принятия решений.

Отличительной особенностью данной структуры является использование специализированных блоков гильберт-фильтрации, построения СПФП, эталонных СПФП.

Примеры разработанных на основе данной структуры цифровых, аналого-цифровых и аналоговых устройств рассмотрены е главах 4,5.

Б четвертой главе рассматривается цифровая аппаратная реализация обобщенной структуры анализа формы изображения на примере проекта программируемого процессора изображений (ППИ) навигационной системы. Проведен анализ и предложены цифровые аппаратные решения для реализации всех специализированных'блоков обобщенной структуры применительно к ППИ: блока гильберт-фильтрации, блока построения СПФП, блока эталонных СПФП и блока принятия решений.

Проведен анализ аппаратных средств блока гильберт-фильтрации, по частотным диапазонам, который показал, что для анализа формы изображений методом СПФП в диапазоне до 20 МГц, оптимальным является цифровой нерекурсивный (трансверсальный) фильтр Гильберта (ФГ).

Разработана структура нерегурсивного ФГ, .отличающаяся от известных, получаемых простым усечением переходной характеристики ПГ, большей точностью при сохранении того же значения.коэффициентов ее дискретного представления'(рис. 2). Это.позволило значительно упростить аппаратную реализацию ФГ для фильтрации сигналов, представленных дискретной последовательностью 8-и разрядных слов.

Разработаны 3 варианта цифровой реализации структуры блока эталонных статистически-причинных фазовых портретов для различных типов памяти, отличающиеся способом формирования СПФП.

Разработан цифровой блок принятия решений, ориентированный на

А

применение СПФП (рис. 3). Пары значений f(n), f(n) формируют адреса обращения к памяти аталонных СПФП (D4). Считанные по данным адресам значения номеров эталонов поступают на гистограмматор, состоящий из оперативной памяти (D5), сумматора f D6 ), регистров (D3, D3) и компаратора (D7). В конце цикла распознавания D2 и D8 содержат соответственно номер эталона .(N ) и число точек совпадения с ним (К). D1 и D2 блокируют запись в D3 и D8, если К меньше Р (заданного уровня распознавания).

На основе данных блоков разработан проект архитектуры навигационного цифрового программируемого процессора изображений (ППИ).

Программируемый процессор изображений предназначен для привязки груш точечных объектов заданной пространственной структуры к базовым площадным объектам. ГОШ ориентирован на решение задач предобработки изображения с целью улучшения его качества, а также выделения, распознавания и привязки распознанных объектов. Исходными данными для ППИ служит кадр стандартного телевизионного изображения (512»512»8 бит), а выходными - синтаксическая информация об объектах изображения: координаты распознанных объектов, коды их типов (точечные, малоразмерные или крупноразмерные базовые), идентифицированные имена групповых объектов, расстояния привязки.

Показано, что архитектура ГОШ может быть реализована на современна микропроцессорных наборах с тактовой частотой до 20 МГц.

Использование в ППИ специализированных блоков обобщенной структуры анализа формы изображений позволило получить расчетные скорости обработки, сопоставимые со скоростями, получаемыми в 8 -процессорной системе, предназначенной для тех же целей.

В навигационных системах, где экстремально-корреляционнный метод дает большую ошибку коррекции в сильно коррелированных полях (рис. 4а), так как корреляционные функции случайных реализа-

ff при m»íiito:iru/ihiioii с \ m T e и i ipo г. ó ш 11 л « 'ГС K/ic it/ii.tu- i'i 1Г

iн*1 ИГ - Ii Cl

F::c. 2.

P

Sf

41

и

A US

m

■ /J2

M

•i'

<3

Sil

A С

Û

Л A'L

ß

0Г

CK-

А ,i>ú

û

j)5

se

s/

PI до

T

с

/Г

ций, отличающихся по форме, одинаковы (рис. 46). предложений метод позволяет получить лучшие результаты (рис 4в).

В пятой главе рассматриваются разработанные аналоговое и аналого-цифровое устройства для анализа .формы когерентных полей, базирующиеся на предложенной обобщенной структуре. Исследуются теоретические предпосылки.применения метода для описания пространст-ьеино-временной структуры и оценки параметров когерентных полей, используемых в задачах технической диагностики. Описываются приборы, контролирующие как пространственную (в задаче оптического контроля характерных размеров микрообъектов (магнитных доменов)), так и временную (в задаче изучения переходных процессов в оптическом квантовом генераторе) структуры когерентного поля.

Для распознавания состояния объектов необходимо формировать информативное описание структуры рассеянных на них когерентны? полей. Для разных прикладных задач принципиальная схема наблюдения рассеяных полей косит универсальный характер, связанный с фкзи— ческам принципом регистрации простраш. геенно-временного распределения как амплитуда, так и фазы рассеянного когерентного поля. Вместе с тем, данные методы требуют использования сложной специа-' лизированной аппаратуры, которая ориентирована на СКМ описания структур когерентных, полей, обладающие указанными'недостатками. Применение•аппаратуры распознавания пространственно-временных структур рассеянных полей, базирующейся на разработанной обобщенной структуре, повышает эффективность решения данных задач.

В основу предлагаемого статистичс зкого описания структуры поля положен метод Глзубера разложения поля по когерентным состояниям и оценки его оператора плотности в терминах наблюдаемых физических величин, связанных между собой преобразованием Гильберта.

В данной главе даны примеры разработанных аналогового и аналого-цифрового устройств распознавания формы когерентных оптичес-

а. Сигнал,

32.000

10.944

Ö. Автокорреляционная функция.

9944.0

S33S.9

в. Степень сходстеэ СП1Л / по мере/

15

'i

¡"1

Fnc. 4.

ких полей, базирующихся на обобщенной структуре метода СПФП, которые позволяют преодолеть ограничения, характерце для СКМ.

Так применение СКМ для определения периода доменной структуры путем измерения расстояния между дифракционными максимумами нулевого и первого порядка при приближении периода структуры к границе оптического разрешения ограничено из-за разрушения (диффузного размытия) дифракционной картины,

Применение метода образного анализа СПФП интенсивности поля, дало возможность получить интегральную оценку параметра, связанного с периодом доменной структуры и разработать устройство ав-томатизированоого контроля периода доменной структуры на границе оптического разрешения. Устройство (рис. 5) состоит из: источника когерентного излучения (И^), конденсора (К), доменной структуры (ДР), объектива (0), фильтра Гильберта (ФГ), окуляра (Ок) и фотоприемника (ФП).

Связь между периодом доменной структуры и сигналом на выходе системы определяется формулой:

= Шп(Ак4Ао)[1+{Ак/(уАк)}(1/2-еь/£01б£/£0)]}, (3)

где ^и А0 - апертуры конденсора и окуляра, А. - 'длина волны, п коэффициент преломления иммерсионной среды, - выходные ве-

личины системы при заданном и нулевом значении напряженности (Н) магнтитного поля, бе - погрешность измерения.

Данное устройство реализуется к^с насадка к поляризационному микроскопу (способ контроля и соответствующее ему устройство защищены авторским свидетельством). Отличительными особенностями

устройства являются: простота конструкции, отсутствие механичеких 1

узлов и большая точность, повышенная степень автоматизации процесса измерения.

Разработано устройство контроля переходных процессов в сплошных средах, которое позволяет определять фазовую и амплитудную нестабильность оптических квантовых генераторов (ОКГ), что важно для выходного контроля при промышленном производстве последних.

Данное устройство представляет собой оптоалектронную установку ( рис. 6), в основу которой положен коррелятор, состоящий из проверяемого ОКГ (1), расщепителя пучка (2), объектива (3), оптического смесителя (4). Электронная часть прибора включает: фотоприемник (5), блок фильтрации (6), аналого-цифровой преобразователь (7). Построение и классификация СПФП осуществляется в микро-ЭБМ (8).

Применение образного анализа к СПФП, формируемого устройством, позволяет получить качественно новую информацию о характере переходных процессов в ОКГ: процесс с изменением амплитуда и фазы, процесс с постоянной фазой и установившийся режим.

Полученные результаты наглядно подтвердили разработанные в диссертационной работе принципы.

В заключении сформулированы основные результаты, полученные по диссертационной работе,.и рекомендации по перспективному использованию метода.

В приложении приводятся: .1. Ограниченность спектрально - корреляционных описаний структуры

сигналов. 2. Результаты моделирования ТШИ.

- 2Q -

¿ 5 4

Рис. 6;.

ЗАКЛШЕНИЕ.

Б диссертационной работе получены следующие основные теоретические и практические результаты:

1. Разработан метод анализа формы изображений на базе гиль-берт-фильтрэции;

2. Разработана обобщенная структура устройств анализа формы изображений на базе данного метода, отличающаяся простотой реализации;

3. Разработаны способ и устройство оптического контроля характерных размеров микрообъектов (применительно к определению размеров доменной структуры) на границе оптического разрешения (способ и устройство защищены авторским свидетельством);

4. Разработано устройство контроля переходных процессов в сплошных средах;

5. Разработан цифровой блок трансверсальной фильтрацдо Гильберта;

6. Разработан цифровой блок принятия решений;

7. Разработан проек™ распознающей системы для целей навигации и картографии.

Основные результаты диссертации опубликованы в следующих работах:

1. Дружинин Ю.О., Краснов А.Е. Статистически - причинный метод образного описания многомерных данных на плоскости. - Тез. докл. 3 Всесоюзной научно-технической конференции "Образ - 90" "Образный анализ в управлении, научных исследованиях и системах обучения." -М.: .1990, С. 19 - 20.

2. Краснов А.Е., Дружинин Ю.О. Интегральный контроль многопара-

метрических объектов.- В сб.: Контроль, управление и автоматизация в современном производстве: Сборник докладов и сообщений Второй Всесоюзной конференции молодых ученых и специалистов с международным участием, 15-19 октября 1990 г./ г. Минск. -М.: НПО "Магистр", 1990 С. 3 - 4.

3. Дружинин D.O., Краснов А.Е., Лунин А.Ф., Юрченко С.Е. Автоматизированный оптический контроль цилиндрических магнитных доменов материалов.// Б сб.: Современные проблемы физики и ее приложений. Тезисы докладов. М.: ВИНИТИ, 1990, С. 21.

4. Дружинин D.O., Краснов А.Е., Лунин А.Ф., Юрченко С.Е. Способ контроля периода доменной структуры феррит-гранатовых пленок. Заявка N 4798395/24 (Приоритет от 10.01.90) Дата выдачи 28.11.90.

5. Дружинин Ю.О., Краснов А.Е., Лунин А.Ф., Юрченко С.Е. Автоматизированный способ контроля параметров феррит-гранатовых пленок. В сб.: Приборы, средства автоматизации и системы управл'е-

• ния. Вып.9. Качество и надежность. И.: ИНФОРШРИБОР, 1990, С. 46-49.

6. Дружинин Ю.О., Краснов А.Е., Лунин А.Ф.., Юрченко С.Е.' Ноеый метод определения периода доменной решетки. В сб. Международный симпозиум по магнитооптике (ISMO'91), 10 - 13 сентября .

1991, г. Харьков. .

7. Дружинин Ю.О., Краснов А.Е., Лунин А.Ф. Метод молекулярных фрагментов в интеллектуальных системах обработки изображений. Тез. докл. Международная конференц.л. Высокопроизводительные вычислительные системы в управлении и научных исследованиях, 24-27.09.1991, Алма-Ата, С. 57.

8. Краснов А.Е., Лунин А.Ф., Дружинин Ю.О. Описание нестационарных рассеянных полей в задачах спектроскопии оптического смешения. Тез. докл. В сб.: XIV Международная конференция по коге-

рентной и нелинейной оптике (К и НО'91) 24-27.09. 1991. Ленинград. С. 23.

Личный вклад диссертанта. Бее научные результаты, составляющие основное содержание работы, получены диссертантом самостоятельно. В работах, выполненных в соавторстве, Ю.О. Дружинин внес следующий вклад: в [1] —рассмотрены свойства СПФП и обосновано его применение для образного анализа многомерных дашшх; в [2] введена метрика сравнения СПФП; в [3-6] - предложен способ и устройство определения периода доменной решетки, основанные на применении СПФП; в [7] - исследовано применение СПФП для распознавания изображений; в [8] - дано обоснование применения метода СПФП к исследованию процессов в сплошных средах.

, // -Г ' I <.>