CC BY
0
В данном случае можно избавиться от перенасыщенной картинки и сделать ее более естественной.
Исходя из рассмотренных выше методов обработки изображений можно сказать, что не существует универсального метода улучшения качества изображения, поэтому к разным изображениям необходимо применять те методы обработки, которые дадут лучший результат. Также при применении метода необходимо учесть интенсивность применяемого эффекта. Например, если фотография сделана в солнечную погоду на улице и слишком переосвещено, то можно понизить яркость на 30, а если фотография сделана в помещении, то можно понизить яркость на 10-15. Такие же условия обработки применимы к остальным методам улучшения качества изображения, где в зависимости от недостатков изображения применяется определенная интенсивность метода обработки.
Список литературы
1. Digital image processing [Электронный ресурс] URL: https/en.wikipedia.org/wiki/AppHcations of image processing (дата обращения: 10.05.2023).
2. Гистограмма [Электронный ресурс] URL: https://ru.wikipedia.org/wiki/Гистограмма (фотография) (дата обращения: 10.05.2023).
3. Базовые методы обработки изображений [Электронный ресурс] URL: http://mechanoid.su/cv-base.html (дата обращения: 10.05.2023).
4. Гамма-коррекция [Электронный ресурс] URL: https://ru.wikipedia.org/wiki/Гамма коррекция (дата обращения: 10.05.2023).
5. Шумоподавление посредством усреднения изображений [Электронный ресурс] URL: https://www.cambridgeincolour.com/ru/tutorials-ru/image-averaging-noise.htm (дата обращения: 10.05.2023).
6. Реализация RGB-алгоритма изменения контраста изображения [Электронный ресурс] URL: https://habr.com/ru/articles/139428 (дата обращения: 10.05.2023).
Назаров Нурлан Бахтиярович, магистр, [email protected]. Россия, Тула, Тульский государственный университет,
Набродова Ирина Николаевна, канд. техн. наук, доцент, [email protected], Россия, Тула, Тульский государственный университет
A METHOD FOR IMPROVING IMAGE QUALITY BASED ON THE ANALYSIS OF INFORMATION FROM THE CAMERA
N.B. Nazarov, I.N. Nabrodova
The methods of image processing are considered, as well as the algorithms for their work, which can be used to create an automated system for improving image quality. Cases of application of these methods were also considered.
Key words: histogram, non-linear correction, linear correction, noise and noise reduction, gamma correction, logarithmic correction, brightness, contrast.
Nazarov Nurlan Bakhtiyarovich, master, [email protected]. Russia, Tula, Tula State University,
Nabrodova Irina Nikolaevna, candidate of technical sciences, docent, [email protected]. ru, Russia, Tula, Tula State University
УДК 621.396
DOI: 10.24412/2071-6168-2023-11-130-131
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ВОЗМУЩАЮЩИХ ВОЗДЕЙСТВИЙ НА ДВИЖУЩУЮСЯ ЦЕЛЬ СО СТОРОНЫ МИКРОПРОФИЛЯ МЕСТНОСТИ
В.Л. Румянцев, Д.В. Смыляев, А.Н. Карпов
Приведены результаты моделирования микропрофиля местности на ходовую часть движущейся цели. Статистические свойства возмущающих воздействий дорог описаны корреляционными функциями и спектральными. Для нахождения алгоритма моделирования использован метод формирующего фильтра. Оценка эффективности указанного алгоритма производена методом сравнения требуемой спектральной плотности с оценкой спектральной плотности, полученной по выборке случайного процесса в результате ее цифровой обработки.
Ключевые слова: микропрофиль местности, формирующий фильтр, спектральная плотность, преобразование Фурье.
Стремление повысить точность математического моделирования ошибок пеленга движущихся целей выдвинуло в качестве одной из основных проблем решение задачи моделирования возмущающих воздействий на ходовую часть цели со стороны статистически-шероховатой подстилающей поверхности.
В работах [1-3] показано, что по характеру неровностей и степени их влияния на элементы ходовой части и подрессоренную массу цели, профиль местности можно разделить на три составляющие: макропрофиль, микропрофиль и шероховатости. Макропрофиль определяет траекторию движения цели и приводит к медленным изменениям математических ожиданий смещения угла пеленга и центра тяжести цели ш(Г), га/Г), вносящим нестационарность в процесс флуктуаций положения радиолокационного центра отражения.
130
Микропрофиль характеризуется неровностями, вызывающими значительные колебания подрессоренной массы по углам рыскания ф(Г), тангажа Ф(), крена Г() и является определяющим фактором изменения координат блестящих точек цели. Шероховатости, в основном, сглаживаются гусеницами и существенного влияния на ходовую часть не оказывают.
В общем случае ординаты микропрофиля дороги, а следовательно, и его возмущающие воздействия q(t) являются нестационарными случайными процессами. Однако, как показано в работах [1, 2], на ограниченных участках дорог при постоянной скорости движения воздействия q(t) можно рассматривать как стационарные, обладающие при центрировании свойством эргодичности.
В связи с этим, статистические свойства возмущающих воздействий дорог достаточно полно могут быть описаны корреляционными функциями Л^т), спектральными плотностями ^(ю) и одномерными законами распределения. При этом, практически для всех встречающихся типов дорог, корреляционные функции и соответствующие им спектральные плотности возмущающих воздействий микропрофиля по левой и правой колеям могут быть аппроксимированы выражением вида
2
^ (х) = ст2 £ Ае
,=1
-ю!„ / т/
cos ю* т+—sin ю* / т /
1*1
ю,-
/ Ч 4ст2 2
Sq (Ю)=-А-Ю,
% ,-=1
И)2+(ю*)
(1)
(2)
(ю, )2 + (ю* ) - 4ю2 (ю* )
ю2 +
где - дисперсия возмущающих воздействий микропрофиля дороги; ю' = ю0 • у; ю* = ю0 • V; V - скорость
движения цели; ю0, ю0 - коэффициенты корреляционной связи при единичной скорости уо; А, - коэффициенты, 2
причем £ А- = 1. ,=1
Экспериментальные значения коэффициентов, входящих в выражения (1), (2) для некоторых типов подстилающих поверхностей, приведены в таблице.
Значение коэффициентов корреляционной связи микропрофиля местности
№ п/п Тип дороги „2 п-4 ,,2 -10 ,м у А\ А2 ' -1 ю01, м ' -1 ю02, м * -1 ю01, м * -1 ю02,м
1. Танковая трасса 10-13 1 0 0,014- 0 0,0125-0,14 0,235
0,11 0
2. Разбитая грунтовая дорога 3-10 0,55 0,45 0,085 0,08 0,75-0,9 0
3. Проселочная изношенная дорога 4-5 1 0 0,2-0,4 0 0
0,94
4. Проселочная мало изношенная 1,9 1 0 0,47 0 0
дорога 0,75-0,9
5. Изношенное гравийное 3,4-4,2 1 0 0,5-0,7 0 0,2-2,7
шоссе 0,75-0,9
6. Сильно изношенное 3,3-4 0,65- 0,35- 0,3-0,5 0,25-0,3 0,75
булыжное шоссе 0,85 0,15 0
7. Мало изношенное булыжное 1,43-1,5 0,75 0,25 1,5 0,15 0
шоссе
Изношенное асфальтовое 0,55-0,65
8. шоссе 1,22- 1 0 1,17-1,3 0 0
Мало изношенное 2,36 0
9. асфальтовое шоссе 0,38- 0,15 0,55 2,5 0,32 1,1-1,3
10. Изношенное цементно- 0,61 0,65
бетонное шоссе 1,22-2 0-0,65 0,35- 0,15-0,2 0,15-0,2 0
11. Мало изношенное цементобетонное 0,5 0
шоссе 0,5-1,2 1 0 0,15 0 0
На рис. 1 в качестве иллюстрации представлены некоторые кривые спектральных плотностей Sq(ю), построенные по соотношению (2) на основе данных таблицы.
Анализ результатов позволяет сделать вывод, что основная энергия возмущающих воздействий q(t) при скоростях движения цели от 0 до 10 м/с приходится на диапазон частот от 0 до 3 Гц. Дорожные возмущения не оказывают существенного влияния на ходовую часть цели на больших частотах.
Дорожные возмущения не оказывают существенного влияния на ходовую часть цели на больших частотах. Это объясняется малыми высотами коротких неровностей. Задача цифрового моделирования возмущающих воздействий микропрофиля с указанными статистическими характеристиками сводится к нахождению алгоритмов, позволяющих получить на ЦВМ реализации нормального случайного процесса со спектральной плотностью, аппроксимируемой дробно-рациональной функцией вида (2).
Для нахождения таких алгоритмов целесообразно воспользоваться методом формирующего фильтра [4, 5]. Этот метод предполагает синтез линейной системы, преобразующей дельтакоррелированный случайный процесс (белый шум) в стационарный случайный процесс с заданной спектральной плотностью Sq(ю).
м2с 10
О 0,2 0,3 0,5
Ю со, Гц
Рис. 1. Спектральные плотности возмущающего воздействия на цель разбитой грунтовой дороги
Запишем выражение (2) в виде:
^ (ю) =
р н
я (»)
(3)
где Р(ю), Я(ю) - полиномы относительно ю.
Для определения корней полиномов в соответствии с выражением (3) необходимо решить следующее алгебраическое уравнение:
4<»1 К*
(ю2 + к2)2 _4(ю*)
к*
(ю2 + К*)2 _4(ю?)
= 0,
(4)
где к2 = (ю!)2 +(ю?) , к22 =(ю2)2 + (ю2) .
После несложных вычислений корни уравнения (4) можно записать в виде:
с + _ с2
(5)
где а =
А1ю1К12 + А2ю2К22; Ь = К2К22 (4ю1К22 + А2Ю2К12); с = А1ю1К12 (ю1)2 _(ю?)
+А2Ю2 к|
(ю2 )2 _(ю2 )
( Пуск Л
I
Ввод исходных данных
Вычисление значений I - 1,2
-3-1-
Расчет коэффициентов
Вычисление
с,. Л,
Задание нач. условий 11 шага моделирования
Моделирование N
значений с/0(г)
Рис. 2. Блок-схема моделирования возмущающих воздействий микропрофиля местности
Переписав (5) в тригонометрической форме и осуществив ряд дополнительных преобразований [6], получим корни полиномов, лежащие в верхней полуплоскости:
Ю1 = С5 + }й5; Ю2 = _С5 + ¡й5, (6)
с5 = 4
г
1 _
аЬ _ с аЬ
ds = 4
(
1 _
аЬ + с аЬ
а
На основе выражения (6) систему линейных стохастических дифференциальных уравнений формирующего фильтра нетрудно записать в виде
Л,
+2ш, dqjo +
dt
2
dt
(®2 )2+(®2)
qi (t ) = qo (t);
d2q2t)+2»i ^+("i+»l) q (t )=\ ^+2J,M1+^ ()
dt2 dt \ > 4 dt2 dt a
V /
где q(t) - искомый случайный процесс, qi(t) - вспомогательная функция, qo(t) - дельтакоррелированный случайный процесс.
Блок-схема алгоритма цифрового моделирования значений возмущающих воздействий микропрофиля дороги представлена на рис. 2.
Оценка эффективности указанного алгоритма производилась методом сравнения требуемой спектральной плотности с оценкой спектральной плотности, полученной по выборке случайного процесса в результате ее цифровой обработки на основе финитного преобразования Фурье и ядра Хана [5, 6]. Исследования показали, что уже при 200 элементах выборки требуемая спектральная плотность попадает в 20 % доверительный интервал выборочной оценки с вероятностью > 0,9.
Таким образом, разработанный алгоритм позволяет учитывать различие типов подстилающих поверхностей с точки зрения их влияния на ходовую часть объекта при моделировании динамики его движения.
Список литературы
1. Кулемин Г.П., Разсказовский В.Б. Рассеяние миллиметровых радиоволн поверхностью Земли под малыми углами. Киев: Наук. Думка, 1987. 205 с.
2. Штагер Е.А. Рассеяние радиоволн на телах сложной формы. М.: Радио и связь, 1986. 181с.
3. Beckman P., Spizzichino A. The scattering of еlectromagnetic waves from rough surfaces. Oxford, Pergamon
Press, 1963.
4. Понятский В.М. Разработка алгоритмов параметрической идентификации динамического объекта на основе теории фильтрации Калмана // Известия Тульского государственного университета. Вып 2. 1999. С. 256-259.
5. Левин Б.Р. Теоретические основы статистической радиотехники. М: Радио и связь, 1989. 653 с.
6. Степанов В.Л., Ганэ В.А., Куклев Е.А. Системы управления при скачкообразных воздействиях. Мн.: Наука и техника, 1985.
Румянцев Владимир Львович, д-р техн. наук, профессор, начальника отдела, [email protected]. Россия, Тула, Центральное конструкторское бюро аппаратостроения (ЦКБА),
Смыляев Дмитрий Вячеславович, адъюнкт, [email protected], Россия, Пенза, Пензенский Артиллерийский Инженерный Институт имени Главного Маршала Артиллерии Н.Н.Воронова,
Карпов Александр Николаевич, адъюнкт, Россия, Пенза, Пензенский Артиллерийский Инженерный Институт имени Главного Маршала Артиллерии Н.Н.Воронова
MATHEMATICAL MODEL OF DISTURBING INFLUENCES ON A MOVING TARGET FROM THE MICRO PROFILE OF
THE TERRAIN
V.L. Rumyantsev, D. V. Smyshlyaev, A.N. Karpov
The results of modeling the micro profile of the terrain on the undercarriage of a moving target are presented. Statistical properties of disturbing effects of roads are described by correlation functions and spectral ones. To find the simulation algorithm, the method of the forming filter is used. The efficiency of this algorithm is evaluated by comparing the required spectral density with the spectral density estimate obtained from a random process sample as a result of its digital processing.
Key words: micro profile of the terrain, forming filter, spectral density, Fourier transform.
Rumyantsev Vladimir Lvovich, doctor of technical sciences, professor, head of the department, Russia, Tula, Central Design Bureau of Hardware Engineering (CCBA),
Smyshlyaev Dmitry Vyacheslavovich, adjunct, [email protected], Russia, Penza, Penza Artillery Engineering Institute named after Chief Marshal of Artillery N.N. Voronov,
Karpov Alexander Nikolaevich, adjunct, Russia, Penza, Penza Artillery Engineering Institute named after Chief Marshal of Artillery N.N. Voronov
