Идентификация телевизионных изображений системы технического зрения на основе математического аппарата кубических нормализованных B-сплайнов

Введение. Статья посвящена решению задачи идентификации телевизионных изображений при создании автономных роботов, систем технического зрения и систем анализа изображений с помехами. Речь идет, например, о сложных условиях наблюдения, затрудняющих процесс регистрации, и об отсутствии априорных сведений относительно вида фоновых шумов. Цель исследования - разработка и оценка эффективности метода выделения контуров изображения (двумерного сигнала) на фоне импульсных шумов с использованием математического аппарата кубических В-сплайнов. Материалы и методы. При наличии интенсивных фоновых шумов сплайн-аппроксимация дискретных значений сигналов и изображений, как правило, непродуктивна и приводит к большим погрешностям. При этом метод дифференцирования строки изображения на фоне шума позволяет с достаточной точностью вычислить производную сигнала. С учетом информации о поведении первой производной определены локальные максимумы в строке изображения на фоне шума. Задача выделения контуров телевизионных изображений решена новым методом сплайн-дифференцирования. Для этого матрица изображения разбита на строки и столбцы, выполнено дифференцирование, и затем вычислены операторы выделения контуров. В отличие от известных подходов при дифференцировании учтена информация об интенсивности во всей строке изображения. Это позволяет минимизировать влияние шума. Контуры изображения определены с использованием градиента интенсивности. Полученный алгоритм сплайн-дифференцирования использован для математического моделирования. Результаты исследования. Авторы данной работы впервые предложили высокоточный метод цифрового дифференцирования двумерных сигналов. Такой подход позволяет с достаточно высокой точностью вычислять значения производной двумерного сигнала и его градиент. При этом нет необходимости пользоваться стандартными процедурами численного дифференцирования, которые сами по себе являются некорректными. Тестовое изображение Lena , искаженное импульсными шумами «битые пиксели» и «соль-перец», обработано оператором Собеля и методом сплайн-дифференцирования. Значения е_ско , SNR и SNRF сведены в таблицы и проанализированы. Для тестового изображения Lena выигрыш в децибелах составил: по СКО е_ско - 1,6÷2,7; по отношению пиковый сигнал/шум SNR - 8÷9,4; по отношению пиковый сигнал/шум по СКО фона SNRF - 11÷12. Обсуждения и заключения. В условиях стремительного развития микропроцессорной техники по-новому применяются задачи, решаемые с помощью систем технического зрения. Это подтверждает актуальность исследований в области повышения эффективности и устойчивости методов и алгоритмов цифровой обработки двумерных сигналов. Эксперименты показали, что представленный метод имеет значительно более высокую помехоустойчивость, чем алгоритмы, основанные на стандартных процедурах дифференцирования.

двумерный сигнал, изображение, выделение контуров, сглаживающий кубический В-сплайн, импульсный шум, two-dimensional signal, image, edge detection, smoothing cubic B-spline, pulse noise

1. Прэтт, У. Цифровая обработка изображений / У. Прэтт. - Москва : Мир, 1982. - 312 с.

2. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. - Москва : Техносфера, 2005. - 1104 с.

3. Алберг, Дж. Теория сплайнов и ее приложения / Дж. Алберг, Э. Нильсон, Дж. Уолш. - Москва : Мир, 1972. - 316 с.

4. Завьялов, Ю. С. Методы сплайн-функций / Ю. С. Завьялов, Б. И. Квасов, B. JI. Мирошниченко. - Москва : Наука, 1980. - 350 с.

5. Безуглов, Д. А. Метод дифференцирования сигналов с использованием сплайн-аппроксимации / Д. А. Безуглов, В. А. Крутов, О. В. Швачко // Фундаментальные исследования. - 2017. - № 4, ч. 1. - С. 24 - 28.

6. Безуглов, Д. А. Сплайн-аппроксимация в задаче дифференцирования сигналов и изображений / Д. А. Безуглов, В. А. Крутов, О. В. Швачко // Современные наукоемкие технологии. - 2017. - № 4. - С. 17-22.

7. Bezuglov, D. A. Сontour detection based on wavelet differentiation / D. A. Bezuglov, A. P. Kuzin, V. V. Voronin // Mobile Multimedia/Image Processing, Security, and Applications 2016 : Proceedings of SPIE - The International Society for Optical Engineering. - 2016. - P. 986-900.

8. Bezuglov, D. A. Method of discrete wavelet analysis of edges on the random background / D. A. Bezuglov, Y. D. Bezuglov, S. A. Shvidchenko // 22nd International Conference in Central Europe on Computer Graphics, Visualization and Computer Vision : poster papers proceedings. - Plzen, 2014. - P. 15-19.

9. Inpainting strategies for reconstruction of missing data in images and videos: Techniques, algorithms and quality assessment / V. V. Voronin [et al.] Intelligent Information Technologies for Industry : Proceedings of the First International Scientific Conference. - Sochi, 2016. - Vol. 2. - P. 163-174.

10. Безуглов, Д. А. Обработка результатов измерений на базе аппроксимации плотности распределения сглаживающими кубическими В-сплайнами / Д. А. Безуглов, П. М. Поморцев, А. В. Скляров // Измерительная техника. - 2000. - № 9. - С. 32.

11. Безуглов, Д. А. Алгоритм восстановления волнового фронта на базе двумерных сглаживающих кубических нормализованных В-сплайнов / Д. А. Безуглов, А. В. Скляров // Оптика атмосферы и океана. - 2000. - Т. 13, № 8. - С. 770.

12. Алгоритмы оценивания негауссовских процессов на основе математического аппарата сглаживающих В-сплайнов / Д. А. Безуглов [и др.] // Известия высших учебных заведений. Северо-Кавказский регион. - 2005. - № S4. - С. 99-106. - (Естественные науки).

13. Субоптимальный алгоритм оценивания на основе аппарата сглаживающих В-сплайнов / Д. А. Безуглов [и др.] // Измерительная техника. - 2006. - № 10. - С. 14-17.

14. Безуглов, Д. А. Информационная технология вейвлет-дифференцирования результатов измерений на фоне шума Вестник компьютерных и информационных технологий / Д. А. Безуглов, С. А. Швидченко // Вестник компьютерных и информационных технологий. - 2011. - № 6 (84). - С. 42-45.

15. Выделение контуров изображений в информационных и управляющих системах с использованием метода вейвлет-преобразования / Д. А. Безуглов [и др.] // Нелинейный мир. - 2012. - № 11. - С. 846-852.

16. Безуглов, Д. А. Метод вейвлет-дифференцирования в задаче выделения контуров / Д. А. Безуглов, С. Ю. Рытиков, С. А. Швидченко // Успехи современной радиоэлектроники. - 2012. - № 6. - С. 52-57.

17. Информационная технология идентификации изображений / Д. А. Безуглов [и др.] // Фундаментальные исследования. - 2015. - № 2, ч. 16. - С. 3466-3470.

18. Безуглов, Д. А. Информационная технология выделения контуров изображений на фоне шума / Д. А. Безуглов, А. П. Кузин // Современные проблемы науки и образования. - 2015. - № 2, ч. 2. - С. 190.