CC BY
11
6. Документация на пакет програм скшченно-елементного анал1зу Comsol версш 3.5 a. -COMSOL Inc., 2009. - 1 електрон. опт. диск (DVD-ROM) 12 см. - Системш вимоги: Pentium-266; 32 Mb RAM; DVD-ROM Windows 98/2000/NT/XP. - Назва з титул. екрану.
7. Fong K.L.J. A study of curvature effects on guided elastic waves / K.L.J. Fong. - PhD thesis. Imperial College London, 2005. - 209 р.
8. Lowe M.J.S. Matrix techniques for modelling ultrasonic waves in multilayered media / M.J.S. Lowe // IEEE Trans. Ultrason. Ferroelec. Fr. Contr. - 1995. - Vol. 42(4). - Pp. 525-542.
9. Викторов И.А. Физические основы применения ультразвуковых волн Рэлея и Лэмба в технике / И.А. Викторов. - М. : Изд-во "Наука", 1966. - 168 с.
10. Rose J.L. Ultrasonic Waves in Solid Media / J.L. Rose // Cambridge University Press. - 1999. - 476 р.
Лютак И.З. Разработка алгоритма и структуры данных для вычисления параметров распространения ультразвуковых мод Лэмба
На основании метода конечных элементов разработан подход для проведения вычисления параметров распространения ультразвуковых направленных волн. Суть подхода заключается в разработке такой структуры данных сохранения результатов расчетов, чтобы алгоритм получил свойства масштабируемости и модульности. Приведены основные элементы модели вычисления распространения ультразвуковых направленных волн. За основу модели взят алгоритм собственных колебаний с циклической симметрией, что реализован в пакетах конечного элементного анализа. Такой алгоритм является стабильным и верифицированным. Представлены результаты расчета волнового числа от частоты для одиннадцати мод (симметричных и антисимметричных).
Ключевые слова: ультразвуковая волна, метод конечных элементов, моды Лэмба, модуль Юнга.
Lyutak I.Z. The Development of the Data Algorithm and Structure for the Calculation of Eventual Elements of Expansion of Lemb Method Ultrasonic Fashions
The approach for calculating the parameters of propagation of guided ultrasonic waves is designed. The essence of the approach is the development of such data structure to save the results of calculations; the algorithm has acquired properties scalability and modularity. The main elements of the model calculations of ultrasonic directed waves propagation are shown. It is based on models that implement an algorithm in packages with finite element analysis of natural oscillations with cyclic symmetry. This algorithm is stable and verified. The wave number is calculated with frequencies for eleven modes (symmetric and antisymmetric).
Key words: ultrasonic wave, finite element method, lamb modes, Young modulus.
УДК 004.932.2 Асист. Н.В. Пйонтко1;
проф. М.П. Картнський2, д-р техн. наук
ШФОРМАЦ1ЙНА ТЕХНОЛОГ1Я АВТОМАТИЧНО! СЕГМЕНТАЦИ ЧАСТКОВО СПОТВОРЕНИХ ЗОБРАЖЕНЬ
Розроблено шформацшну технологвд автоматично! сегментаци частково спотво-рених зображень, яка базуеться на двох критершх сегментаци: один на баз1 вейвлет-пе-ретворення, а шший - модифжований критерш на баз1 сингулярного розкладу матрищ. Модифшовано метод сегментаци на шдстав1 методу визначення межь шляхом застосу-вання комбшованого критерш. Запропоновано адаитацвд методу автоматично! щенти-фшаци змазаних зображень для щентифшаци типу спотворення сегменпв частково спотворених зображень. Оцшено ефектившсть роботи технологи, яка становить 89 %.
Ключовi слова: частково спотвореш зображення, сегментацш, критери сегментаци.
1 Тернопщьський НТУ iM. 1вана Пулюя;
2 Унгверситет в Бельську-Бялш та Вища державна техшчна школа в Новому CoH4i (Польща)
Вступ. Спотворення зображень е неминучим явищем, яке супроводжуе будь-який процес 'х отримання. Задача вiдновлення таких спотворень е одшею iз фундаментальних. Цю тематику висвилено у багатьох дослщженнях, однак iстотним недолiком iснуючих на цей час методов е те, що у всiх iз них вва-жаеться, що усе зображення було шддане однаковому типу i ступеню спотворення, що на практищ не завжди виконуеться. Наприклад, при фотозйомщ ру-хомих об'ектiв сам об'ект може бути чгтким, тодi як фон буде змазаним, або навпаки. Аналопчне явище спостерiгаеться, коли певний об'ект не потрапляе у фокус об'ектива. Таким чином, постае задача ввдновлення таких частково спот-ворених зображень, а також видшення спотворених i не спотворених областей таких зображень - задача сегментаци частково спотворених зображень, як один iз найважливiших еташв на шляху !х вiдновлення.
Формально, задачу сегментаци частково спотворених зображень можна сформулювати таким чином: рiзнi областi зображення I мають рiзнi типи та па-раметри спотворень, тобто кнуе кшька (Ы) операторiв спотворення Иь..., Иы i складових шуму Л,. ■ ■, ЛЫ, котрi застосованi до рiзних областей зображення, що не перетинаються. Тобто частково спотворене зображення I можна представити у виглядi N областей (сегменпв, кластерiв) О1,..., ОЫ:
и^О, = I л Ог п 0} = 0 VI = 1..Ы, I * Ог = П * И, +Л. (1)
Таким чином, задача полягае у тому, щоб кожному шкселю вхвдного зображення був поставлений у вiдповiднiсть сегмент iз певно!' множини сегмен-тiв, кожен з яких володiе однаковим типом та параметрами спотворення.
Огляд дослщжень та публжацш. У [1] розглянуто метод сегментаци частково спотворених зображень iз використанням чотирьох критерив та методу сег-ментування за допомогою баесового класифжатора. У робот! використано чотири критерií сегментаци: а) похщна локально!' потужностi спектра, в основi якого ле-жить застосування вжонного перетворення Фур'е; б) критерiй на основi ощнюван-ня гiстограми градаента зображення; в) критерiй оцшювання насиченосп кольору у рiзних частинах зображення; г) локальна автокореляцшна конгруентнiсть, яка застосовуеться для класифкаци типу спотворення, розмиття i змазування.
У дослщженш [2] запропоновано використання сингулярного розкладу зображення. Критерiй сегментаци обчислюеться так: для кожного вшна певного розмiру рахуеться його сингулярний розклад, i як критерiй для сегментування застосовуеться вiдношення сум перших кiлькох елеменпв лiвого сингулярного вектора вiкна до уах елементiв зазначеного вектора. Для сегментування iз використанням розробленого критерда застосовуеться пiдхiд на базi глобального порогового значення, яке визначаеться наперед експериментально.
У [3] автори сконцентрували свою роботу на удосконаленш методiв, роз-роблених у [1]. У робот! розроблено: критерш на основi насиченостi кольору, який на вщмшу вiд [1], де використовуеться максимальне значення насиченостi кольору, використовуе кольорову модель СГБЬЛБ; критерiй на основi "форми" розподшу абсолютно!' величина градiента; критерiй на базi похщно!' локально!' потужностi спектра, аналогiчно до [1]. В основу методу сегментаци в [3] покла-дено використання методу опорних векторiв для класифшацп кожного пiкселя.
Критери сегментаци частково спотворених зображень. Аналiз кну-ючих дослiджень показуе, що розроблення iнформацiйноí технологií сегмента-цií частково спотворених зображень полягае у виршент двох задач: 1) розробленш критерiíв сегментацií частково спотворених зображень; 2) розробленш методу сегментацп, що базуеться на розроблених критерiях. У розробленш ш-формацiйнiй технологií запропоновано використання трьох критерií сегментацп, два з яких дають змогу встановити стушнь спотворення у конкретному шк-селi зображення, а останнш дае змогу iдентифiкувати тип спотворення.
Критерш сегментацп частково спотворених зображень \з використан-ням вейвлет-перетворення. Цей критерш базуеться на тому, що процес спотворення (розмивання i змазування) володiе ефектом, схожим iз отриманим пiсля застосування фiльтрiв низьких частот. Критерiй сегментацií частково спотворених зображень iз використанням вейвлет-перетворення детально описано в [4]. Суть його зводиться до побудови карти границь Emap на базi застосування вейвлет-перетворення для вхщного зображення I для отримання першого масштабу. Обчислення ентропií у квадратному вгкш певного розмiру для кожного елемента iз Emap дае матрицю I', яка пiсля збiльшення в два рази по кожнш розмiрностi iз використанням бiкубiчноí iнтерполяцií дае матрицю I" тако1 ж розмiрностi як вхiдне зображення I, при цьому кожен 11 елемент е вiдносним чи-сельним значенням ступеня спотворення у кожному пiкселi I.
Критерш сегментацп частково спотворених зображень \з використанням сингулярного розкладу матриц1. Оскшьки будь-яке зображення I можна представити як матрицю розмiрностi NxM, то до не!' можна застосувати сингу-лярний розклад у вигляда:
I = V ^, (2)
де: Х- матриця розмiрностi NxM, в якiй елементи головно! дiагоналi - це власш значення, а iншi елементи доршнюють нулю; V та V дв унiтарнi матрицi, якi складаються iз правих i лших власних сингулярних векторiв вiдповiдно до (2), можна представити у такому вигляда:
г
I = ^^Г, (3)
1=1
де: и, та V, - колонки векторi iз V та V вiдповiдно; Я, - власне значення; г - ранг матриц I, який визначаеться як юльккть не нульових елементш у матриц Х
При виборi тальки певно! кiлькостi значущих власних значень г1<г (реш-та обнуляеться) ввдбуваеться втрата iнформацií, створюеться певна апроксима-цiя вхiдного зображення I. Аналопчним чином працюе i спотворення, зберка-ючи шформацда про форми об'ектав, але усуваючи детальну шформацда про íх межi (створюючи певну апроксимацда). Таким чином, кiлькiсть значущих власних значень Я, на спотворених зображеннях буде меншою, нiж на чиких. Вiдомим е критерiй С [2] на базi сингулярного розкладу матрищ
к ¡г
С = ХЯ/ХЯ, (4)
, =1 ,=1
де: С - значения критерш; 1 - власне значення; г - ранг матрищ-зображення I; к -певне значення кшькост "значущих" власних значень, к<г; к - вибираеться експе-риментально, таким чином к е параметром критерш Анал1зуючи критерш (4), очевидно, що його значення будуть бiльшими для спотворених зображень 1 мен-шими для чгтких, оскшьки у спотворених зображеннях перш1 к власних значень будуть мати значно бiльший влив на вигляд зображення значення, шж решта.
Отже, маючи критерш 1з (4), можна його застосувати для встановлення розмиття в певному тксел1 зображення, необхщного для сегментаци частково спотворених зображень. Для цього необхщно здшснювати обчислення у певному вкш, причому розм1ршсть вкна, як 1 в критери, розглянутому вище, потр1б-но встановити експериментально. Приклад застосування цього критерш для зображення, представленого на рис. а, подано на рис. б. Варто зазначити, що для прикладу було вибрано к=3, а розм1ршсть вкна К=25. На рис. можна поба-чити, що пкселям 1з ч1тких областей поставлено у вщповщшсть менш1 значення (темш тксел1), а спотвореним - бшьш1 (св1тл1 пксел1), що в1дповщае вик-ладкам вище.
а) б) в)
Рис. Вiзуалiзацiя результату застосування критерт сегментаци частково спотворених зображень iз використанням сингулярного розкладу матрищ:
а) вхiдне зображення; б) вiзуалiзацiя значень критерт iз [2]; в) вiзуалiзацiя значень
модифжованого критерт
Анал1зуючи рис. б, а також шш1 результати застосування критерш частково спотворених зображень 1з використанням сингулярного розкладу матриц можна пом1тити наявшсть значних 1 р1зких перепад1в значень критерш в межах ч1тких областей чи спотворених, що виражаеться наявшстю свгтлих або темних лшш при в1зуал1заци. Наявшсть тако! особливост не дуже сприяе подальшому розробленню методу сегментаци на основ1 критерпв. Цей недолк оригшально-го критерiю пропонуемо вир1шувати застосуванням згладжувального фшьтра на основ1 середнього значення у вкш, розм1ршсть якого визначаеться тд час чисельних експерименпв. Цей фшьтр застосовуеться тсля обчислення оригь нального критерiю. На рис. в показано результат в1зуал1заци застосування мо-дифкованого критерш.
Критерт гдентифжаци змазаних зображень. Виходячи 1з анал1зу роз-роблених на цей час метод1в сегментаци частково спотворених зображень, можна зробити висновок, що невщ'емною 1'х складовою е наявшсть критерш щен-тифкацп типу спотворення, а саме щентифкаци одного 1з двох тишв спотво-рення: змазування 1 розмивання.
У [5] описано метод автоматично! щентифкаци змазаних зображень. Цей метод розроблений на припущенш, що усе зображення зазнало однакового
типу спотворення, однак цей метод можна адаптувати до задачi сегментацц час-тково спотворених зображень, якщо обчислювати значения критерш iз методу [5] для деякого частково спотвореного зображення I у квадратному вгкш певно-го розмiру для кожного пiкселя (х, у). Пiсля застосування методу сегментацп, який використовуе два розглянутих вище критерп спотворення для побудови сегментацп [О1,..., Одт] видного зображення I, пропонуемо обчислювати се-редне значення цього критерш для кожного сегменту О, пiсля чого порiвнюва-ти його iз деяким експериментально визначеним Сы л^оы, якщо отримане значення бшьше, шж Сы лгеньм, то О, е змазаним, iнакше розмитим.
Метод сегментацп частково спотворених зображень. У [6] розроблено метод сегментацп частково спотворених зображень, котрий шляхом застосуван-ня методу видшення границь iз [7] здшснюе первинне розбиття зображення на сегменти, яю обмеженi видшеними межами, а далi iтеративно, використовуючи критерш сегментацп на базi вейвлет-перетворення, уточнюе сегментацiю, шляхом об'еднання сусвдшх сегментiв, котрi зазнали однакового типу та ступеня спотворення.
Пропонуемо удосконалити метод iз [6] шляхом використанням двох вище розглянутих критерив сегментацп, об'еднавши íх таким чином:
С = аа ■ С + ас2 • С2, (5)
де: С1 - критерiй сегментацп iз використання вейвлет-перетворення; С2 - критерш iз використанням сингулярного розкладу матрицi; аС1 та аСг - коефщенти, що визначаються експериментально.
Вибiр параметрiв критерпв та методiв, ощнювання результатiв. Критерп сегментацц так само як i метод сегментацп мають ряд параметрiв, якi необхiдно пвдбрати для досягнення найкращого результату, шляхом апробацп рiзних наборш параметров на тестовому наборi зображень задля досягнення найвищого середнього значення ефективностi сегментацц зображень.
Для цього розроблено програмну реалiзацiю розглянутих у роботi критерив i методiв у середовищi розроблення МЛТЬЛБ i використано бшьше 100 тестових частково спотворених зображень. Критерп ефективностi сегментацп зображення пропонуемо визначати згiдно з формулою:
С = Ncoггect (6)
N¡01а1
де: Се - значення критерш ефективносп сегментацп; N¡^1 - загальна кшьюсть пiкселiв на зображенш; ^01г.еа - кiлькiсть пiкселiв, що були просегментоваш правильно. Процедура обчислення ^0ггеа така: для видного зображення I, для якого наперед вщоме еталонне розбиття на сегменти [О1, О2, ..., Ом], здшснюеться автоматичне програмне видшення множини сегментов [О' О2', ..., Ок] Для кожного сегмента О, шукаеться вiдповiдний йому сегмент О', для яких кшьшсть сшльних пiкселiв найбiльша, тобто \О^О'\ ®тах. Знайшовши таку пару сегмештв, необидно обчислити Л=\О' \ О,\. Nc0ггect=E^¡\+E\Оk'\, де Ок' - сегменти iз множини О' для яких не було знайдено вщповщного елемента iз О.
Обчислення значень ефективносп сегментацií на Ha6opi тестових час-тково спотворених зображень зпдно з (6) свдаить, що середне значения ефек-тивностi становить 89 %, причому ефективнiсть сегмеитацií 43 % тестових зображень становить вище шж 95 %. Виходячи iз цих результапв, можна ствер-джувати, що було досягнуто вищо1 ефективностi сегментацií частково спотворених зображень поршняно з iснуючими на цей час методами (ефективнкть яких у середньому 80-85 %).
Висновки. Модифiковано критерiй сегментацií частково спотворених зображень iз використанням сингулярного розкладу матрищ, шляхом застосу-вання усереднювального фшьтра. Модифiковано метод сегментацií на пiдставi методу визначення границь шляхом застосування комбiнованого критерiю. Зап-ропоновано адаптащю методу автоматично!' iдентифiкацií змазаних зображень для iдентифiкацií типу спотворення сегментiв частково спотворених зображень, а також ощнено ефективнiсть його роботи, яка становить 89 %, причому ефективнкть сегментацií 43 % тестових зображень становить вище шж 95 %, що е бшьшим показником, нiж в iснуючих на цей час шдходах.
Лiтература
1. Liu R. Image Partial Blur Detection and Classification / R. Liu, Z. Li, J. Jia // IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2008. - Pp. 197-200.
2. Su B. Blurred Image Region Detection and Classification / B. Su // ACM Multimedia. - 2011.
- Pp. 1397-1400.
3. Wei X. Detecting and classifying blurred image regions / X. Wei // Multimedia and Expo (IC-ME), IEEE International Conference, 2013. - Pp. 97-100.
4. Piontko N. Segmentation of partially-blurred images using wavelet transform / N.V. Piontko, M.P. Karpinski // В1сник Нащонального ушверситету "Львгвська полггехнжа". - Сер.: Комп'ютер-Hi системи проектування. Теорш i практика. - Львш : Вид-во НУ "Льв1вська полпехшка". - 2013.
- № 777. - С. 118-122.
5. Спос1б автоматично! щентифжащ! змазаних зображень: патент на корисну модель 82878 : МПК (2013.01) G06K 9/00 G06K 9/46 (2006.01) / Н.В. Пйонтко, М.П. Каршнський; влас-ник патенту Терношльський нащональний технчний университет 1м. I. Пулюя (Укра!на), Акаде-мiя техМчно-гумашстична в Бельску-Бялей (Польща), № u 2012 11096; заявл. 24.09.12; опубл. 27.08.2013, Бюл. № 16. - 6 с.
6. Пйонтко Н. Сегментування частково спотворених зображень на шдстав1 методу визначення границь / Н.В. Пйонтко // Науковий вюник Чернвецького университету 1м. Юрш Федько-вича. - Сер.: Комп'ютерн системи та компонента. - 2012. - Т. 4, вип. 3. - С. 22-27.
7. Arbelaez P. Contour Detection and Hierarchical Image Segmentation / P. Arbelaez, M. Maire, C. Fowlkes, J. Malik // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2011. - Vol. 33, № 5. - Pp. 898-916.
Пйонтко Н.В., Карпинский М.П. Информационная технология автоматической сегментации частично искаженных изображений
Разработана информационная технология автоматической сегментации частично искаженных изображений, основанная на двух критериях сегментации: один на базе вейвлет-преобразования, а другой - модифицированный критерий на базе сингулярного разложения матрицы. Модифицирован метод сегментации на основе метода определения границ путем применения комбинированного критерия. Предложена адаптация метода автоматической идентификации смазанных изображений для идентификации типа искажения сегментов частично искаженных изображений. Осуществлена оценка эффективности работы технологии, которая составляет 89 %.
Ключевые слова: частично искаженные изображения, сегментация, критерии сегментации.
Piontko N. V., Karpinski M.P. Information Technology of Automatic Segmentation of Partially Blurred Images
Information technology for automatic segmentation of partially blurred image is developed. The technology is based on two criteria of segmentation. The first one is based on the wavelet transformation and the second one is the modification of the criterion based on the matrix singular value decomposition. Segmentation method has been modified via applying complex segmentation criterion. The method of automatic identification of blurred images has been adapted for identification of blur type for blurred segments. The estimation of the efficiency has also been performed. The efficiency of the technology is assessed to be 89 %.
Key words: partially blurred images, segmentation, segmentation criteria, wavelet transformation.
УДК004:351 Доц. А.С. Батюк1, канд. техн. наук;
доц. М.Б. Bimep2, канд. фЬ.-мат. наук; Г.Б. Лот3, канд. пед. наук
ТЕХНОЛОГ1Я ФОРМУВАННЯ 1НФОРМАЦ1ЙНОГО ПРОСТОРУ В СИСТЕМ1 ЕЛЕКТРОННОГО УРЯДУВАННЯ УКРА1НИ
Сформульовано принципи побудови електронного уряду. Описано головт напря-ми його функцюнування: мiжурядова взаемодш, надання послуг шдприемцям, надання послуг громадянам. Зазначено причини вщсутност надежного ршня штеграци юну-ючих електронних шформацшних ресурив державних оргашв Украши в рамках систе-ми електронного урядування. Проаналiзовано зарубiжний досвщ виршення ще! проб-леми. Розроблено методолопчш засади побудови штегровано! системи е-урядування на осж^ об'ектно-орiентованих i хмарних технологiй. Запропоновано новi пiдходи до щентифжаци та аутентифшаци громадян у системi е-урядування.
Ключовi слова: електронне урядування, електронний цифровий пiдпис, шформа-цiйнi ресурси, iнтеграцiя, взаемодiя.
Актуальшсть. Електронний уряд (за визначення бвропейсько!' KOMicii) -це застосування шформацшних, комушкацшних технологiй у державних адмь нiстративних органах у поeднаннi з оргашзацшними змiнами та новими методами для покращення послуг державного сектора i демократичних процесiв, а та-кож змiцнення полiтики держави [1].
Необхiдно вiдрiзняти уряд, обладнаний електронним iнтерфейсом (он-лайновий уряд, government on-line), ввд електронного уряду [2]. Електронне урядування не е мехашчним поеднанням iнформацiйно-комунiкацiйних техно-логш з публiчним адмiнiструванням. Це - нова технолопя державного управ-лшня, яка забезпечуеться за рахунок штеграци шформацшних ресурсш i систем оргашв влади у единий iнформацiйний проспр. Мета цього простору - прозора та ефективна взаемодiя усiх учаснитв процесу: держави, пiдприемцiв i громадян, зокрема завдяки пiдтримцi та впровадженню системи зворотного зв'язку.
Оскшьки Украша перебувае зараз на початковш стадií формування заз-наченого простору, дослвдження у цiй сферi е надзвичайно актуальними.
1 НУ " Львгвська полггехнка";
2 1нформацшно-аналггачний департамент Мшстерства фшансгв Укра!ни;
3 Заступник директора з навчально-методично! робоги - Вщокремлений шдроздш " Львгвська фшя Ки!вського нацюнального унгверситету культури i мистецтв"
