CC BY
50
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 10/2017 ISSN 2410-700Х_
УДК 004.932.2
Свертилов Никита Вячеславович
Бакалавр, студент МГТУ им. Н.Э.Баумана laavrusha@gmail. com
АНАЛИЗ ПРИМЕНИМОСТИ МЕТОДОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ДЛЯ ИССЛЕДОВАНИЯ ГЕОРАДАРНЫХ ДАННЫХ
Аннотация
Существующие на данный момент системы обработки поступающих с геолокатора радарограмм требуют непосредственного управления и анализа подготовленным оператором. Такой подход значительно замедляет сканирование исследуемой среды. Одним из возможных вариантов решения данной проблемы может стать обработка радарограмм с помощью методов обработки изображений, что позволит значительно ускорить исследование с помощью автоматизации некоторых процессов. В данной статье анализируется применимость подобного метода исследования радарограмм.
Ключевые слова
георадар, обработка изображений, фильтрация изображений, сегментация изображений
В настоящее время подповерхностное радиолокационное зондирование нашло широкое применение в геофизике, инженерно-геологических и геотехнических исследованиях.
Для проведения георадиолокационного исследования используется специальное электронное устройство - георадар. При использовании георадара ученые могут получить непрерывный разрез исследуемой среды. Глубина действия устройства может достигать 20 метров, оно оснащено флэш-памятью, на которую в дальнейшем записываются данные измерений, что дает возможность проводить детальный анализ данных с использоваием специализированного программного обеспечения.
Однако такой процесс является крайне трудоёмким и на исследование большого количества радарограмм может уйти очень много времени.
Для ускорения и частичной автоматизации исследования радарограмм удобно рассматривать их как изображения. Это представляется возможным, поскольку, как и изображение, радарограмма является двумерной матрицей и значения амплитуд принятых радиосигналов на ней можно трактовать как яркости. В результате становится возможным использование методов обработки изображений.
Рассматривая РД как изображение можно определить главную задачу - выделение контрастных линий, перепадов яркости, потому что именно они соответствуют границам слоев. Для этих целей необходимо использование методов обработки изображений, позволяющих преобразовывать изображения для улучшения визуального представления и выделения контуров объектов на изображениях.
Методы обработки изображений можно разделить на два основных класса: фильтрация и сегментация.
1. Фильтрация изображений
Изображения, подлежащие распознаванию, могут быть зашумлены. Причиной тому могут быть искажения, вносимые в изображение предметами, активно отражающими свет (стекло, железо, водные поверхности), неравномерная прозрачность воздушного слоя, пыль, попавшая в объектив, качество используемой аппаратуры и др. Поэтому необходима дополнительная предварительная фильтрации изображения.
При фильтрации яркость каждой точки цифрового изображения заменяется другим значением яркости, которое признается менее искаженным помехой. Выделяют два вида фильтрации: пространственную и частотную.
В основе частотных методов преобразования изображений лежит идея Фурье-преобразования, смысл которого заключается в представлении исходной функции в виде суммы тригонометрических функций различных частот, умноженных на заданные коэффициенты. Если функция периодическая - такое представление называют рядом Фурье. В противном случае, непериодическая функция, имеющая конечную
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 10/2017 ISSN 2410-700Х_
площадь под графиком, может быть выражена в виде интеграла от тригонометрических функций, помноженных на некоторую весовую функцию - такое представление называется преобразованием Фурье. Важное свойство Фурье-преобразования заключается в том, что функцию, представленную таким образом, можно вернуть к исходному виду после осуществления над ней необходимых преобразований. Приведённый подход позволяет обработать функцию в частотной области и впоследствии вернуться к её исходному виду без потери данных. Методы преобразования Фурье также могут применяться для решения задач фильтрации изображений. В практическом приложении реализация частотных подходов может быть аналогична пространственным методам фильтрации.
Пространственные методы обработки и повышения качества изображений применяются к растровым изображениям, которые представлены в виде двумерных матриц. Пространственная фильтрация изображений — метод предварительной фильтрации изображения, при которой обработка происходит посредством применения некоторого оператора последовательно к каждой точке изображения. В качестве операторов выступают особые матричные выражения, которые в литературе называют масками, ядрами или окнами. Зачастую маски представляют собой некий двумерный массив, а методы обработки изображений, основывающиеся на таком подходе, принято называть обработкой или фильтрацией по маске.
2. Методы сегментации изображений
Итоговый результат анализа изображений зачастую определяется качеством сегментации, а степень детализации выделяемых характеристик зависит от поставленной задачи. Следовательно, отдельного метода или алгоритма, подходящего для решения всех типов задач сегментации, не существует. Каждый из существующих методов имеет свои достоинства и недостатки и, в большинстве случаев, обычно выбирают один или несколько алгоритмов, которые модифицируются под уникальные условия конкретной задачи.
В общем смысле, сегментация решает две глобальные задачи:
• разделение изображения на части для осуществления дальнейшего анализа.
• изменение формы описания элементов изображения, что даёт возможность представить точки как высокоуровневые структуры, которые обеспечивают эффективность дальнейшего анализа изображения.
Выделяются различные классификации методов, но большинство из них основываются на двух следующих свойствах сигнала яркости - это разрывность и однородность.
Разделение изображения на части основывается на резких перепадах значений яркости. Изменение формы описания элементов изображения базируется на разделении изображений на однородные области с учетом критериев, которые выбираются заранее.
К методам, основанных на разрывности яркости, относятся обнаружение точек, линий и перепадов. При обнаружении точек и линий с помощью применения особых масок организуется соответствующий поиск. В качестве методов обнаружения перепадов используются производные и градиенты от функций яркости, однако подобные методы базируются на более общих идеях.
Проанализировав описанные выше методы обработки изображений можно установить, что методы фильтрации, а именно пространственной фильтрации наиболее применимы для анализа радарограмм, поскольку оператор, описывающий шумовое воздействие, обычно заранее неизвестен.
Список использованной литературы
1. Гонзалес Р., Вудс Р. Цифровая обработка изображений. - М.: Техносфера, 2006. - 1072с.
2. Лабунец Л.В. Автоматизированная интеллектуальная обработка сигналов в системах подповерхностной радиолокации. - РАДИОТЕХНИКА И ЭЛЕКТРОНИКА, 2015, том 60, № 4, с. 386-398
© Свертилов Н. В., 2017
