Спосіб виділення інформативних ділянок зображень на основі теорії фрактального аналізу

Реферат: Спосіб виділення інформативних ділянок зображень на основі теорії фрактального аналізу, який полягає у локалізації інформативних областей зображень та виділенні ділянок зображень унікального топологічного складу з максимальною яскравістю шляхом побудови селективних зображень в заданому діапазоні фрактальної розмірності Dmin.≤D≤Dmax.. Додатково використовуються спільні результати фрактального та порівняльного аналізу різносезонних, різнодобових спотворень. UA 100560 U (12) UA 100560 U UA 100560 U 5 10 15 20 25 30 35 Запропонована корисна модель належить до галузі навігації та управління рухом і може бути використана для оптимізації процесу визначення просторового положення літальних апаратів (ЛА) відповідно до вибраних алгоритмів кореляційно-екстремальної обробки, а також при створенні систем оперативної підготовки польотних завдань. Відомий спосіб кореляційного аналізу зображень [1], який полягає у локалізації інформативних областей зображень, що використовуються для створення еталонних зображень (ЕЗ) відповідно до заданого показника інформативності, який визначає потенційне значення результату поєднання ЕЗ і поточних зображень кореляційно-екстремальних систем навігації (КЕСН). Недоліком відомого способу є потреба в значних обчислювальних ресурсах. Найбільш близьким до запропонованого технічним рішенням, вибрано як прототип, є спосіб фрактального аналізу (ФА) зображень [2], який полягає у локалізації інформативних областей зображень та виділенні ділянок зображень унікального топологічного складу з максимальною яскравістю шляхом побудови селективних зображень в заданому діапазоні фрактальної розмірності (ФР) Dmin.≤D≤Dmax… Недоліком способу-прототипу є чутливість до високої об'єктової насиченості (складність виділення деякої кількості інформативних областей з унікальним топологічним складом через чутливість методу ФА до вибору інтервалу ФР Dmin та Dmax). В основу корисної моделі поставлена задача створити спосіб виділення інформативних ділянок зображень на основі теорії фрактального аналізу, який дозволить в різних умовах фоново-об'єктової обстановки оперативно локалізовувати інформативні області поверхні візування (ПВ). Поставлена задача вирішується за рахунок того, що у способі-прототипі, у якому відбувається локалізація інформативних областей зображень та виділення ділянок зображень унікального топологічного складу з максимальною яскравістю шляхом побудови селективних зображень в заданому діапазоні ФР Dmin.≤D≤Dmax., додатково використовуються спільні результати фрактального та порівняльного аналізу різносезонних, різнодобових спотворень. Технічний результат, який може бути отриманий при здійсненні корисної моделі полягає у формуванні еталонних зображень (ЕЗ), які мають необхідний набір інформативних ознак, стійких до різного роду спотворень ПВ, для високоточного визначення просторового положення ЛА. На кресленні приведена реалізація запропонованого способу у вигляді структурної схеми алгоритму. Суть запропонованого способу полягає у використанні спільних результатів фрактального та порівняльного аналізу різносезонних, різнодобових спотворень. Початкове вихідне півтонове зображення розміром М1×М2 пікселів описується матрицею S f  f i, j  , (1) з елементами f min  f i, j   f max , (2) 40 де f i, j  - значення яскравості зображення в точці з i, j   S f ; і=1, 2,…, М, - кількість строк вихідного зображення; j=1, 2,…, М2 - кількість стовбців. Розрахунок ФР здійснюється за допомогою методу покриття [3] та відповідно до виразу D  lg C  lg N  / lg  , (3)  45 де    C - константа; - крок виміру або розмір "скануючого" вікна; N   - мінімальна кількість кубів із стороною є, для покриття множини S f . Значення lg C i D визначаються з рішення системи рівнянь: n D   xi  x   yi  i 1 50 n  x i 1 1 2  x  , (4) lg C  y  D  x , (5) де x  1 n 1 n , xi y   yi - середні значення, n - кількість точок прямої.  n i 1 n i 1 1 UA 100560 U При високій об'єктовій насиченості вихідних зображень проводиться попереднє фарбування початкових об'єктово насичених зображень гаусівським шумом з відомими параметрами. В результаті зображення формується як адитивна суміш вихідного зображення S f та матриці шуму 5 SI S  S f  S I , (6) де S I  I i, j  - матриця стаціонарного гаусівського шуму розміром М1×М2 із заданими mI та дисперсією  I2 . Значення mI визначається як середнє значення діапазону яскравості вихідного зображення, а  I2 - за формою гістограми яскравості зображення S . математичним очікуванням 10 15 При підготовці ЕЗ стійкість інформативних ознак (вибраних ділянок зображень) до різного роду змін (спотворень) проаналізована з використанням сукупності різносезонних знімків одних і тих же ділянок ПВ. Показником стійкості локальних ділянок зображень до змін (спотворень) служить універсальний індекс якості (УІК) [4]. Універсальний індекс якості обчислюється для локальної області L×L попарно аналізованих зображень відповідно до виразу R xr , yr  H xr , yr  C xr , yr  S xr , yr , (7)         де: 20 xr і yr - локальні околиці першого та другого аналізованих зображень, відповідно; H xr , yr  - функція, що характеризує спотворення локальної яскравості; C xr , yr  - функція, що характеризує спотворення локального контрасту; S xr , yr  - функція, що характеризує спотворення локальної структури. Проводиться порівняльний аналіз сукупності різносезонних, різнодобових і різноспектральних аерофотознімків для формування ЕЗ із стійким набором інформативних ознак зображень. Для проведення аналізу використовується інтегральний показник (7). Стійкими до змін вважаються такі ділянки ПВ, для яких забезпечується найбільше значення R xr , yr . При вирішенні завдань створення ЕЗ використовуються аерофотознімки, для яких зроблена прив'язка до місцевості з точністю, що перевищує точність визначення місця розташування ЛА. Оцінюється об'єктова насиченість зображень за результатами аналізу гістограми поля фрактальної розмірності (ПФР), або на основі розподілу показника S xr , yr на плоскості. У разі високої об'єктової насиченості вихідних зображень (>10 об'єктів) приймається рішення про їх фарбування гаусівським шумом. Параметри шуму визначаються по гістограмі яскравості зображення, вибраного як основного (зображення, для якого з сукупності забезпечується найкраще розподілення значень R xr , yr ). Для знімків з низькою об'єктовою насиченістю процедура розрахунку ПФР здійснюється без попереднього фарбування шумом. Проводиться вибір інтервалу [Dmin, Dmax] для сегментації зображень та побудова селективних зображень, а також вибір інформативних ділянок зображення і перевірка їх стійкості до спотворень (спільне використання унікальності топологічної структури зображень і впливу спотворень на якість ЕЗ). Крім того, при формуванні ЕЗ накладаются додаткові обмеження, обумовлені властивостями об'єктів ПВ, особливостями використання ЛА, реалізованими моделями функціонування КЕСН, можливим використанням засобів маскування та ін. В результаті проведених дій формується вихідна сукупність ЕЗ. За наявності декількох локальних інформативних областей, що потрапляють в зону візування датчика зовнішньої інформації формуються складні ЕЗ. Крім того, використання УІК для оцінки поточних зображень на етапі отримання і обробки навігаційної інформації дозволяє оцінити міру дії різного роду спотворень, вплив перешкод та використання засобів маскування об'єктів. Таким чином, спільне використання результатів фрактального і порівняльного аналізу різносезонних, різнодобових спотворень дозволяє формувати ЕЗ, що володіють необхідним набором інформативних ознак, стійких до різного роду спотворень ПВ. Розроблений спосіб виділення інформативних ділянок зображень на основі теорії фрактального аналізу передбачає виконання всіх процедур машинним способом, що, у свою чергу, дозволяє скоротити інтервал часу між здобуттям вихідних даних і формуванням  25  30  35 40 45 50  2   UA 100560 U 5 10 15 20 польотного завдання, а також зменшити вплив спотворень поверхні візування на результат навігації (наведення) ЛА. Джерела інформації: 1. Фрактальный анализ процессов, структур и сигналов. Коллективная монография / Под ред. Р.Э. Пащенко // Харьков: ХООО "НЭО "Экоперспектива", 2006. - 348 с. 2. Пат. 93034 Україна, МПК G01S 1/00. Спосіб фрактального аналізу зображень з високою об'єктовою насиченістю для синтезу еталонних зображень кореляційно-екстремальних систем навігації літальних апаратів / В.А. Таршин, Р.Г. Сидоренко, О.М. Сотніков, Р.Е. Пащенко, В.А. Лупадін. -№ u201404979; заявл. 12.05.2014; опубл. 10.09.2014, Бюл. № 17. 3. Буданов П.Ф. и др. Фрактальный анализ процессов, структур и сигналов. Коллективная монография / Под ред. Р.Э. Пащенко. - Харьков: ХООО "НЭО "Экоперспектива", 2006. - 348 с. 4. Wang Z., Bovik А. С., Lu L. Why is image quality assessment so difficult? // Proc. IEEE Int. Conf. Acoustics, Speech, and Signal Processing, 2002. V. 4. P. 3313-3316. ФОРМУЛА КОРИСНОЇ МОДЕЛІ Спосіб виділення інформативних ділянок зображень на основі теорії фрактального аналізу, який полягає у локалізації інформативних областей зображень та виділенні ділянок зображень унікального топологічного складу з максимальною яскравістю шляхом побудови селективних зображень в заданому діапазоні фрактальної розмірності Dmin.≤D≤Dmax., який відрізняється тим, що додатково використовуються спільні результати фрактального та порівняльного аналізу різносезонних, різнодобових спотворень. 3 UA 100560 U Комп’ютерна верстка О. Рябко Державна служба інтелектуальної власності України, вул. Василя Липківського, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут інтелектуальної власності”, вул. Глазунова, 1, м. Київ – 42, 01601 4