CC BY
62
Список литературы
1. Борисов А.Н. Обработка нечеткой информации в системах принятия решений / А.Н. Борисов, А.В. Алексеев, Г.В. Меркурьева. - М.: Радио и связь, 1999. - 304 с.
2. Nakamori C.D. Integrated model based system for large scale system
3. Токарев В.Л. Основы теории обеспечения рациональности решений / В.Л. Токарев Тула: Изд-во ТулГУ, 2000. - 120 с.
4. Геловани В. А. Экспертные системы / В.А.Геловани,
О.В. Ковригин. - М.: Знание, 2007. - 32 с.
5. Поспелова Д.А.Экспертные системы: состояние и перспективы/ Под ред. Д.А.Поспелова - М.: Наука, 2008. - 151 с.
6. Элти Дж. Кумбс М. Экспертные системы: концепции и примеры / Элти Дж. Кумбс М.. - М.:Финансы и статистика, 2007. - 191 с.
7. Simon H.A. Artificial intelligence: an empirical science// Artif. Intell. 2005, N1. - p.95 - 127
8. Балакришнан А.В. Теория фильтрации Калмана: /
А.В.Балакришнан Пер. с англ. - М.: Мир, 2005. - 168 с.
9. Заде Д. Понятие лингвистической переменной и его применение к принятию приближенных решений. / Д.Заде - М.: Мир, 2006. - 168 с.
A. Gladkikh
Situation recognition by modeling method
The method, that implements situation estimation in the decision making problem (for game against nature) on basis of processing quantitative as well as qualitative data is described. It’s considered common method of the situation estimation of the complex system, which function in multitype data environment.
Получено 28.12.10 г.
УДК 629.7.06
О.Ю. Горбунова, асп., (4872) 41-29-84, [email protected] (Россия, Тула, ТулГУ)
ФОРМИРОВАНИЕ ПАНОРАМНОГО ИЗОБРАЖЕНИЯ
Рассмотрено формирование панорамного изображения при наличии тумана и дымки. Ключевые слова: аэрозольные среды, кадр, панорама.
Изображение представляет собой двумерную картину распределения яркости. Для формирования изображения сначала необходимо найти соответствие между точками сцены и точками изображения, а затем выяснить, от чего зависит яркость в каждой конкретной точке изображения.
Яркость участков поверхности объекта пропорциональна яркости сцены. Коэффициент пропорциональности зависит от свойств оптической системы. Поскольку в ЭВМ можно передать лишь конечное число измерений, необходима пространственная дискретизация. Измерения проводятся в узлах квадратного растра или решетки. Затем изображение представляется в виде прямоугольного массива целых чисел.
Для обеспечения простоты совмещения снимков в панораму требуется определенное количество изображений. Необходимое количество картинок и степень перекрытия определяются полем зрения используемого объектива. Наиболее распространено наложение кадров на 30 процентов, а количество снимков от 2 до 30 (круговая панорама).
Для совмещения отдельных снимков разработан алгоритм формирования панорамного изображения, блок-схема которого представлена на рис.1.
( 4 Сшивка панорамы изображения
\________________
Рис.1. Блок-схема формирования панорамного изображения
Алгоритм формирования панорамного изображения включает в себя следующие этапы.
1. Задается необходимое количество снимков для сшивки панорамы. Факторы, влияющие на качество составных панорамных изображений:
- погрешности объективов;
- неточности позиционирования фотоаппарата;
- погрешности фокусировки и экспонирования;
- внешние факторы.
Определение необходимого количества снимков рассчитывается по формуле
N = • HFOV , (1)
100 - B
где А - поле зрения конечной панорамы (здесь 360°); В - перекрытие отдельных снимков (здесь 30 %); ИГОУ - горизонтальное поле зрения пейзажного формата, определяется по формуле
ИГОУ = 2 • агщ ), (2)
где Г - фокусное расстояние.
2. На изображении ищутся точечные особенности с помощью дифференцированного метода Г аусса. Для каждой точки изображения определяется функция сглаживания:
Ь (X, у, а) = О (X, у, а) • I (х, у), (3)
О (х, у, а) = —^~ е ~(х 2 + у 2)/2а 2, (4)
2ра
где I (х, у) - цвет точки с координатами (х, у); О (х, у, а) - функция Гаусса; а- среднее квадратичное отклонение нормально распределенной случайной величины.
Для двух сравниваемых изображений приводимые точки находятся по-разному. На втором изображении получают более плотное облако особенностей, чем на первом. Это связано с тем, что изменение точки наблюдения ведет к изменению освещенности и влияет на нахождение приводимых точек при тех же параметрах, что и на первом изображении. Этот
эффект снижается с уменьшением окрестности поиска локального экстре-
мума, что приводит к более плотному облаку особенностей на втором снимке.
3. По полученным на предыдущей стадии точечным особенностям на паре изображений ищутся соответствия. Для нахождения большего числа сопоставлений поиск происходит с помощью двух методов: кросскор-реляционного и метода нормированного евклидового расстояния. Находится базисная точка. Для этого рассчитывается средний цвет пикселей на этом участке по формуле
I = г, 1=\ , (5)
ср п2 w
где ^ 1 - цвет точки окрестности; п - линейный размер участка.
Затем находится наиболее отличающаяся точка по формуле
Р = тах \1ср -11, ,1 . (6)
Это и будет искомая базовая точка на первом изображении. Для поиска соответствующей ей точки на втором изображении сравниваются все точки на участке размерности т х т, где т = 2п.
4. Проводится перерасчет сопоставленных пар на исходных изображениях, учитывается возможное неточное сопоставление.
5. Применяется фильтрация, позволяющая избавиться от большинства ложных сопоставлений. Среди найденных соответствий могут быть ложные, так называемые выбросы. Если построить векторное поле соответствующих пар, где началом вектора являются координаты точки на первом изображении, а концом - координаты на втором, то правильные соответствия будут иметь определенную закономерность, а выбросы этой закономерности подчиняться не будут. Пороговая разница в цвете может задаваться в пределах от 0 до стах. Чтобы избавится от необходимости учитывать цифровой формат представления видеоданных, целесообразно перейти от абсолютного значения параметра Сс к относительному:
С
дСс =—^-100%.
с
(7)
тах
Относительная пороговая разница в цвете (для черно-белого изображения - «световой порог») влияет на чувствительность системы к изменению цвета (яркости). Чрезмерное уменьшение светового порога приводит к ложным срабатываниям сопоставления пикселей. Это может происходить по нескольким причинам, в том числе наблюдение в зоне детектирования атмосферных явлений (дождь, туман, изменение освещенности, «дрожание» воздуха и т.д.). В этом случае необходимо провести корректировку яркости изображений с учетом влияния рассеяния света аэрозольной средой для уменьшения искажения изображений.
6. Сшивка панорамы.
Пример получения панорамы представлен на рис.2.
а
б
Рис. 2. Примеры сшивки кадров без коррекции (а) и коррекцией яркости изображения (б)
Исходные изображения при тумане и дымке имеют меньшую яркость, относительная пороговая разница в цвете слишком мала, одной базисной точке первого изображения соответствуют несколько приводимых
точек второго изображения, в обработку попадает большое количество ложных сопоставлений, что приводит к появлению неопределенности в виде нескольких закономерностей, и сшивка изображений происходит со сдвигом (рис. 2, а). Использование скорректированной яркости изображения объекта позволяет с высокой достоверностью определить приводимые точки на соседних кадрах и получить достоверное изображение (рис. 2, б).
Список литературы
1. Горбунова О.Ю., Филиппова Е.В. Программная реализация метода сшивки изображений в панораму. Приборы и управление: сборник статей молодых ученых. Вып.8; под общ. ред. Е.В. Ларкина. Тула: Изд-во ТулГУ, 2010. С. 34 - 39.
O. Gorbunova
Formation of the panoramic image
Formation of the panoramic image in the presence of a fog and smokes is considered.
Key words: aerosol environments, a shot, a panorama.
Получено 28.12.10 г.
УДК 621.391.63:681.7.068
А.С. Гублин, асп., (4872) 23-90-71,
[email protected] (Россия, Тула, ТулГУ)
МОДЕЛИРОВАНИЕ ХАРАКТЕРИСТИК ФАЗОВЫХ ВОЛОКОННЫХ СЕНСОРОВ
Рассмотрен вопрос моделирования характеристик фазовых волоконных сенсоров. Представлена математическая модель, описывающая фазовый волоконный сенсор. Приведены результаты моделирования.
Ключевые слова: волоконно-оптические сенсор, фазовая чувствительность, моделирование характеристик.
Волоконно-оптические сенсоры на сегодняшний день представляют динамично развивающуюся отрасль оптоэлектроники. К основным преимуществам измерительных систем на основе волоконно-оптических сенсоров следует отнести широкий диапазон измеряемых величин, высокую точность измерений, невосприимчивость волоконных сенсоров к электромагнитному излучению, пожаробезопасность, возможность осуществления
