CC BY
32Информационные системы и технологии
циями электронного документооборота, не являясь при этом проработанными готовыми решениями.
Эффективная реализация функций ЭДО в интегрированной САПРТП. Для того чтобы интеграция САПРТП и РБМ-системы стала эффективной, необходимо реализовать следующие решения:
1) функционал, необходимый для согласования технологической документации, с возможностями ее генерации и сохранения в системе РБМ с запуском процессов согласования;
2) запрет на редактирование документов техпроцесса при необходимости их доработки. В этом случае технолог должен вносить изменения в электронный техпроцесс (через интерфейс САПРТП) и формировать новые версии документов. Таким образом, интегрированная САПРТП должна управлять созданиями новых версий технологических документов в РБМ-системе;
3) функционал для работы с ИИ, позволяющий просматривать их списки и содержимое, а также информацию о том, были ли они учтены или ждут рассмотрения. Сами документы ИИ должны храниться в РБМ-системе. Интегрированная САПРТП должна позволять вносить изменения в утвержденный КТД после поступления ИИ (и только), обеспечивая возможность создавать новые версии документов КТД, пересогласовывать их по тем же или другим выбранным схемам, генерировать и посылать на согласование новые документы, перемещать в папку удаленных документы, ставшие ненужными;
4) функционал, необходимый для обеспечения соответствия данных в базе системы и в утвержденных документах КТД, позволяющий определять, были ли внесенные в техпроцесс изменения зафиксированы в документах утвержденного КТД.
A. A. Bikchentaev, I. V. Matlak JSC «Academician M. F. Reshetnev «Information Satellite Systems», Russia, Zheleznogorsk
A PROJECT OF WORKFLOW FUNCTIONAL REALIZATION IN CAD TP SYSTEM INTEGRATED WITH PDM SYSTEM
Basing on the analyses of technological documentation workflow and CAD TP systems integrated with PDM systems the authors design solutions for efficient workflow functions realization in such systems.
© EHKHern-aeB A. A., MamaK H. B., 2011
УДК 004.932.2
А. Н. Болгов
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск
ДЕТЕКТИРОВАНИЕ ГРАФИЧЕСКИХ ПРИМИТИВОВ С ПОМОЩЬЮ ПРЕОБРАЗОВАНИЯ ХАФА И ЕГО МОДИФИКАЦИЙ
Рассмотрены алгоритмические и математические основы преобразования Хафа и его модификаций в применении их для поиска графических примитивов.
Системы компьютерного зрения и распознавания образов широко входят в обыденную жизнь современного человека. Если изначально такие системы применялись исключительно в военных и медицинских целях, то сейчас существует широкий спектр задач, где компьютерное зрение позволяет эффективно решать задачи управления и оповещения.
Такие системы выполняют преобразование исходных многомерных данных (цветных растровых изображений) в набор обобщенных выходных данных (классов объектов, гипотез, функций принадлежности). На начальных этапах такого преобразования часто требуется найти графические примитивы (окружности, эллипсы, прямоугольники, кривые, прямые и пр.) на сложном зашумленном изображении и построить карту графических примитивов [1].
Под графическим примитивом понимается простейший геометрический объект, отображаемый на экране дисплея. Основное назначение примитивов -обеспечить программистов и пользователей удобным набором средств для формирования геометрических объектов. Описание графического примитива обычно содержит метрическую и атрибутивную части. Метрическая часть позволяет сопоставить те величины, в которых задан графический примитив для отображения его на дисплее (например, пиксели) и те величины, которые характеризуют его физическое или логическое представление (например, метры). Атрибутивная часть передает геометрические параметры, характеризующие форму и расположение графического примитива [2].
Решетневские чтения
Преобразованная информация используется в качестве входных данных для охранных систем, систем оптического распознавания бумажных документов, картографических систем и систем моделирования трехмерных сцен и объектов. На рынке существует ряд продуктов, выполняющих задачу сбора данных по графическим примитивам. Однако алгоритмы и подходы, применяющиеся в таких системах, не позволяют корректно проанализировать кадр, схему или изображение, полученные в сложных условиях освещения. Программный продукт, разрабатываемый на основе данного исследования, должен устранить этот пробел за счет применения гибко настраиваемых фильтров и механизмов предварительной обработки изображений, а также эффективных алгоритмов преобразования изображения и поиска графических примитивов на основе данных, полученных на предварительных этапах.
Идея преобразования Хафа состоит в поиске кривых, которые проходят через достаточное количество точек интереса. Рассмотрим семейство кривых на плоскости, заданное параметрическим уравнением
F(ai, a2,
, *, y) = 0,
где F - некоторая функция; aь a2, ..., an - параметры семейства кривых; х, у - координаты на плоскости. Параметры семейства кривых образуют фазовое пространство, каждая точка которого (конкретные значения параметров aь a2, ..., an) соответствует некоторой кривой. Ввиду дискретности машинного представления и входных данных (изображения), требуется перевести непрерывное фазовое пространство в дискретное. Для этого в фазовом пространстве вводится сетка, разбивающая его на ячейки, каждая из которых соответствует набору кривых с близкими значениями параметров. Каждой ячейке фазового пространства можно поставить в соответствие число (счетчик), указывающее количество точек интереса на изображении, принадлежащих хотя бы одной из кривых, соответствующих данной ячейке. Анализ счетчиков ячеек позволяет найти на изображении кривые, на которых лежит наибольшее количество точек интереса [3; 4].
Эффективность преобразования Хафа во многом зависит от зашумленности изображения и размерности получаемого в результате обработки фазового пространства. Для улучшения базового преобразования существует ряд модификаций [1]: быстрое преобразование Хафа; случайное преобразование Хафа; вероятностное преобразование Хафа; иерархическое преобразование Хафа; использование градиента яркости изображения для выделения краев; «размытие» фазового пространства.
Перечисленные выше методики имеют ряд преимуществ и недостатков, что приводит к их определенной «специализации» в области применения. Также следует отметить, что некоторые модификации преобразования Хафа эффективны для нахождения одних видов примитивов, но совершенно не подходят для поиска других. Для нахождения точечных особенностей применяется ряд подходов, в числе которых преобразование Хафа на основе анализа найденных отрезков, детектор Харриса и масочный детектор [5].
Информация, полученная в ходе анализа изображения с помощью преобразования Хафа и его модификаций, может быть использована для моделирования исследуемого объекта по его снимкам, для применения в сфере медицины, охранной деятельности, промышленных разработках автоматов или роботов.
Библиографические ссылки
1. Гонсалес Р., Вудс Р. Цифровая обработка изображений : пер. с англ. М. : Техносфера, 2005.
2. Сойфер В. А. Методы компьютерной обработки изображений. М. : Физматлит, 2003.
3. Дегтярева А., Вежневец В. Преобразование Хафа (Hough transform) [Электронный ресурс]. 15.05.2008. URL: http://cgm.computergraphics.ru/con tent/view/36/. Дата обращения: 12.09.2011.
4. Hough P. Machine Analysis of Bubble Chamber Pictures // Proc. of Intern. Conf. High Energy Accelerators and Instrumentation. 1959. P. 153-163.
5. Harris C., Stephens M. A combined corner and edge detector // Proc. of the 4th Alvey Vision Conf. 1988. P. 147-151.
A. N. Bolgov
Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk
DETECTION OF GRAPHICS PRIMITIVES BY HOUGH TRANSFORM AND ITS MODIFICATIONS
The algorithmic and mathematical foundations of the Hough transformation and its modification to recognize graphics primitives are reviewed in this work.
© Болгов А. H., 2011
a
