CC BY
20преобразований, фрактальное сжатие, сжатие на основе вейвлетов. Различные модификации алгоритма дискретно-косинусных преобразований лежат в основе сжатия изображения, применяемого в формате JPEG.
Дискретное косинусное преобразование представляет собой разновидность преобразования Фурье и так же, как и оно, имеет обратное преобразование. Графическое изображение можно рассматривать как совокупность пространственных волн, причем оси X и Y совпадают с шириной и высотой картинки, а по оси Z откладывается значение цвета соответствующего пикселя изображения. Дискретное косинусное преобразование позволяет переходить от пространственного представления картинки к ее спектральному представлению и обратно [1]. Воздействуя на спектральное представление картинки, состоящее из «гармоник», т. е. отбрасывая наименее значимые из них, можно балансировать между качеством воспроизведения и степенью сжатия.
Формулы прямого и обратного дискретного косинусного преобразования представлены ниже:
ДКП<
1
N-1N-1
х ^^ pixel(x, y) cos
x=0 y=0
4in
(2x + 1)in
C (i)C ( j ))
2 N
cos
(2 y +1) jn 2 N
C ( x) =
1
72
,x = 0,
1, x > 0.
Фрактальное сжатие основывается на идее о том, что в природе часто встречаются самоподобные элементы. Суть метода заключается в поиске самоподобных элементов на изображении и кодировании различных частей изображения через афинные преобразования над его другой частью, называемой доменной. Упрощенная схема кодирования выглядит так:
1. Изображение делится на небольшие неперекрывающиеся квадратные области, называемые ранговыми блоками. По сути, разбивается на квадраты.
2. Строится пул всех возможных перекрывающихся блоков, в четыре раза больших ранговых - доменных блоков [2].
3. Для каждого рангового блока по очереди «примеряем» доменные блоки и ищем такое преобразова-
ние, которое делает доменный блок наиболее похожим на текущий ранговый.
4. Пара «преобразование - доменный блок», которая приблизилась к идеалу, ставится в соответствие ранговому блоку. В закодированное изображение сохраняются коэффициенты преобразования и координаты доменного блока. Содержимое доменного блока нам ни к чему, нам все равно с какой точки стартовать.
Алгоритм сжатия на основе вейвлетов основывается на том, что соседние пиксели изображения в реальности отличаются на достаточно малую величину. Основным методом реализации данного алгоритма является преобразование Хаара. Оно заключается в том, что берется полусумма и полуразность соседних точек изображения. Так как соседние пиксели корре-лированы, то значения полуразности будут очень маленькими. Значения полусуммы будут средней яркостью двух соседних пикселей. Для осуществления преобразования Хаара используется матрица Я:
Г 1 1 ^
h=
V2 V2 1 1 V2 л/2.
Для обратного преобразования Хаара достаточно транспонировать матрицу H [3]. Увеличить степень сжатия можно, применив к изображению преобразование Хаара многократно.
Библиографические ссылки
1. Леффлер С., Лигтенберги А., Мошиц Г. Практическая реализация алгоритмов быстрого ДКП. 1989.
2. Уэлстид С. Фракталы и вейвлеты для сжатия изображений в действии. М. : Триумф, 2003.
3. Штарк Г.-Г. Применение вейвлетов для ЦОС. М. : Техносфера, 2007.
References
1. Loeffler C., Ligtenberg A., Moschytz G. Practical Fast 1-D DCT Algorithms with 11 Multiplications. 1989.
2. Uelstid S. Fractals and wavelets for image compression in action. M. : Triumph, 2003.
3. Stark G.-G. The use ofwavelets for DSP. M. : Technosphere, 2007.
© Лисица А. С., 2014
УДК 004.932
АЛГОРИТМЫ ПОВЫШЕНИЯ КАЧЕСТВА ВИДЕОДАННЫХ ПРИ ИСКУССТВЕННОМ ОСВЕЩЕНИИ
А. С. Лисица, И. С. Алексеев
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
Е-mail: [email protected]
Рассматриваются методы повышения качества видеопоследовательности в реальном времени. Рассматриваются алгоритмы повышения цветового качества (Retinex), метод улучшения цветов, основанный на теории нечетких множеств (Fuzzy Intensification), алгоритм автоматического улучшения цветов (Automatic color enhancement).
Ключевые слова: видеообработка, повышение качества, Retinex, Automatic color enhancement, Fuzzy Intensification.
Программные средства и информационные технологии
ALGORITHM TO ENHANCE VIDEO DATA QUALITY UNDER ARTIFICIAL LIGHT
A. S. Lisitca, I. S. Alekseev
Siberian State Aerospace University named after academician M. F. Reshetnev 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660014, Russian Federation E-mail:[email protected]
The methods to improve the quality of video sequences in real time are reviewed. We consider algorithms for improving the color quality (Retinex), a method of improving colors, based on the theory of fuzzy sets (Fuzzy Intensifica-tion),algorithm for automatic color enhancement(Automatic color enhancement).
Keywords: video processing, improving quality, Retinex, Automatic color enhancement, Fuzzy Intensification.
При работе с видеопотоками часто возникает задача повышения качества цветовой передачи. Для устранения последствий сжатия видео применяются алгоритмы деблокинга, и высокачастотные фильтры -для устранения эффекта Гиббса.
Алгоритм повышения качества цветопередачи Retinex заключается в том, что кадр видеопоследовательности разбивается на составляющую отражения и составляющую освещенности [1]. Так как проблемы в изображении связаны с освещением сцены, то, получив компоненту, отвечающую за освещение, и преобразовав ее, можно повысить качество изображения. Для каждого цветового канала вычисляем компоненту, отвечающую за отражение:
R = log St (x, y) - log St (x, y) ® F(x, y)),
^ x (xmn ) = e
(xmax xmin ) 2 fh
где fh - параметр крутизны кривой; хтах - максимальное значение цвета в канале.
Обратный переход из нечеткой области в пространственную :
- (-2ln [¿у (xmn) ] f2)1/2,
очень хорошо работает с затемненными участками, локально повышая контрастность и яркость в темных областях.
Существуют алгоритмы автоматического улучшения цветов, которые могут устранить изобилие одного цвета [3].
Такая проблема наблюдается в старых фотографиях либо при искусственном освещении.
Алгоритм способен эффективно извлекать визуальную информацию, основываясь на механизмах адаптации зрительной системы человека [4]. Согласно алгоритму каждый пиксель р результирующего изображения Я вычисляется отдельно по каждому каналу с в соответствии с равенством
X
r (I(p) - I(j))
F (х, у) = К • е1
где F(xy) - функция окружения; S(x,y) - распределение цветового канала
Существуют модификации алгоритма Retinex, значительно ускоряющие работу данного алгоритма. Одна из таких модификациций заключается в том, что вместо исходного изображения работа ведется над компонентой освещения, представляющей собой фактически размытое исходное изображение. Работа ведется в пространстве УИУ [2].
Еще одним алгоритмом для повышения качества является метод, основанный на нечетких множествах. Его суть заключается в том, что уровень яркости представляется в виде совокупности нечетких одноэлементных множеств:
R (p) =
j=ij d(P,j)
\ 1 rmax j=Im, j Ф pd (o, j)
где - преобразованная функция принадлежности.
Для цветных изображений функция принадлежности берется для каждого из каналов. Данный метод
где 1(р) -1 (/) - разница междутекущим пикселом р и некоторым пикселом изображения /; d(pj) - функция расстояния, которая взвешивает величину локального и глобального взноса; г(-) - функция, которая отвечает за яркость пикселя.
Рассмотренные алгоритмы в совокупности с методами деблокинга и шумоподавления имеют возможность значительно повысить качество видеопоследовательности.
Проведенное исследование показало, что при искусственном освещении алгоритм автоматического улучшения цвета может исправить баланс цветов для более адекватного восприятия. Комбинация описанных алгоритмов позволяет повышать качество сжатых изображений для нормального их восприятия.
Библиографические ссылки
1. Джобсон Д. Дж., Рахман З., Вуделл Г. А. Свойства и производительность Retinex.
2. Девир, Триденски Л. Повышение качества цветных изображений при динамическом сжатии.
3. Барнард Кобус, Фунт Брайан Использование вейвлетовв модификацииRetinex.
4. Рабинер П., Гоулд Б. Теория и применение цифровой обработки сигналов. М. : Мир, 1978.
References 3. Kobus Barnard, Brian Funt, "Investigations into
1. Jobson D. J., Rahman Z., Woodell G. A Properties Multi-Scale Retinex.
and Performanceof a Center/Surround Retinex. 4. Rabiner P., Gould B. Theoryand application
2. ZviDevir, Liliya Tridensky, Dynamic Range ofdigitalsignal processing. M. : Mir, 1978. Compression while Improving the Visual Quality of
Color Images. © Лисица А. С., Алексеев И. С., 2014
УДК 658.51; 629.783; 629.7.012; 004.942
УПРАВЛЕНИЕ СТРУКТУРОЙ ИЗДЕЛИЯ В PLM-СИСТЕМАХ
М. В. Лихачев
ОАО «Информационные спутниковые системы» имени академика М. Ф. Решетнева» Российская Федерация, 662972, г. Железногорск Красноярского края, ул. Ленина, 52
E-mail: [email protected]
Описана роль подсистемы управления структурой изделия в моделях данных современных систем управления жизненным циклом изделия. Описаны принципы создания и использования структуры изделия.
Ключевые слова: САПР, структура изделия, АСУТП, управление данными об изделии.
PRODUCT STRUCTURE MANAGEMENT IN PLM SYSTEMS
M. V. Lihachev
JSC "Information Satellite Systems" named after academician M. F. Reshetnev" 52, Lenin str., Zheleznogorsk, Krasnoyarsk region, 662972, Russian Federation E-mail: [email protected]
The purpose and primary functions of product structures at modern product lifecycle management systems are described. Basic principles of product structure management, creation and utilization are reviewed.
Keywords: CAD, PLM, PDM, product structure, data model.
Структура данных современной PLM-системы. Концепция цифрового изделия. Совокупность всех данных об изделии, документов, описывающих изделие, хранящихся в информационной системе, называется цифровым изделием.
В первом приближении основной информационной структурой цифрового изделия является древовидная структура изделия, или компонентная структура [2]. Данная структура порождается на этапе конструирования изделия. В терминах ЕСКД - это аналог совокупности всех конструкторских спецификаций. Применение электронной структуры изделия (ЭСИ) или компонентной структуры регламентируется ГОСТ 2.053-2006 [1].
При рассмотрении других этапов жизненного цикла целесообразно использовать другие древовидные структуры (структура требований, функциональная, логическая, структура ЭМИ, технологическая, сервисная и т. п.).
Таким образом, информация в рамках цифрового изделия может быть представлена в виде нескольких древовидных структур, соответствующих разным этапам жизненного цикла, элементы которых связаны горизонтальными связями для обеспечения отслежи-ваемости данных и корректного проведения изменений. Рассмотрим принципы построения данных структур.
Компонентная структура изделия. Потребителем информации, содержащейся в компонентной структуре, являются службы предприятия, ответственные за планирование производства, закупку материалов и комплектующих, а также технологическую подготовку производства и собственно производство. Данные задачи решаются в системах класса ERP/MRP и САПР ТП. Задачей PLM-системы является передача информации о структуре изделия в ERP. Как правило, реализуется двусторонний обмен информацией: в ERP-систему передается информация о структуре изделия и составе материалов и покупных изделий, а назад в PLM-систему передается информация о стоимости и себестоимости деталей и узлов и складских запасах [3]. При этом необходимо обеспечить процесс синхронизации библиотек материалов, комплектующих и пр. между несколькими информационными системами. Для решения данной задачи существует класс программных продуктов MDM (Master Data Management) [4].
Другим важным вопросом является место САПР техпроцессов в информационной системе предприятия. Она может входить как в состав PLM-системы, так и в состав ERP. Единого мнения по этому вопросу в настоящее время не существует.
Данные вопросы заслуживают отдельного детального рассмотрения. В рамках данной статьи ограни-
