CC BY
9
9. ГОСТ Р 54766—2011 (ИСО 12647-2:2004) Технология полиграфии. Контроль процесса изготовления цифровых файлов, растровых цветоделений, пробных и тиражных оттисков. Ч. 2. Процессы офсетной печати.
Севрюгин Вадим Рудольфович, д-р техн. наук, проф., sewadimamail.ru, Россия, Ижевск, Ижевский государственный технический университет имени М. Т. Калашникова
RESEARCH OF FILMS WITH LOWER SILVER CONTENT FOR CTF
V.R. Sevryugin
The paper deals with the research of the films with lower silver content ability connected with the half-tone pattern reproduction. This research is based on the developed by author binary image reproduction theory of the pixel-by-pixel processes. The paper contain the procedure of the exposure selection and the estimation of quality parameters of image elements for a number offilms.
Key words: pixel-by-pixel imaging mode, filmsetting, sensitometry, detail reproduction theory, quality parameters of image elements.
Sevryugin Vadim Rudolfovich, doctor of technical sciences, professor, sewa-dim@,mail.ru, Russia, Izhevsk, Kalashnikov Izhevsk State Technical University
УДК 621.397.13
МЕТОДИКА ГЕОМЕТРИЧЕСКОЙ РЕКОНСТРУКЦИИ ПРОЕКЦИИ АСФАЛЬТОВОГО ПОКРЫТИЯ В ЗАДАЧАХ СТАТИСТИЧЕСКОГО АНАЛИЗА И КОМПРЕССИИ АЭРОВИДЕОИЗОБРАЖЕНИЙ ТРАНСПОРТНЫХ ПОТОКОВ
И.Е. Агуреев, Е.И. Минаков, Д.С. Калистратов, А.П. Киселев, Н.А. Фролов
Подчёркнута необходимость качественного распознавания и восстановления проекции асфальтового покрытия в задачах статистического анализа и компрессии видеоизображений транспортных потоков. Предложена методика геометрической реконструкции проекции дорожного покрытия автотрассы в потоке квазистационарных аэровидеоизображений. Представлены использованный математический аппарат и результаты моделирования указанной задачи.
Ключевые слова: аэровидеосъёмка, нестационарный источник, видеоизображение, асфальтовое покрытие, проекция, распознавание, реконструкция, статистический анализ, компрессия.
Одной из важнейших задач, возникающих в процессе цифровой обработки квазистацонарных изображений потоков автотранспортных средств [1, 2], полученных с помощью квадрокоптера (малогабаритный
200
вертолёт), является задача распознавания и геометрической реконструкции проекции автотрассы. Выделяя область проекции автотрассы, можно обособить интересующую часть изображения, чтобы в дальнейшем обрабатывать только её.
Такой подход выгоден как с точки зрения статистического анализа параметров транспортного потока (область анализа значительно сужается), так и с точки зрения компрессии изображений [3], поскольку с момента реконструкции проекции асфальтового покрытия кодировать и передавать на расстояние декодеру можно только интересующую часть кадра с проекцией автотрассы и проекциями движущихся по ней автомобилей.
Однако процесс распознавания и реконструкции проекции автотрассы оказывается затруднён вследствие наличия в изображениях фоновых объектов, идентичных с асфальтовым покрытием по цветовой гамме. В этих случаях идентифицировать проекцию автотрассы только по цветовому признаку оказывается невозможным.
Методика геометрической реконструкции проекций асфальтового покрытия. Выходом из этой ситуации служит использование системы временных и пространственных фильтров, применяемых к кадровым изображениям. В ходе подобной обработки за проекциями движущихся автомобилей начинает проявляться их фильтрационный след, который и показывает, где находится проекция асфальтового покрытия.
Однако даже в этом случае требуется довольно длительное время съёмки и обработки кадровой очереди, поскольку между выделенными областями остаются зазоры, которые чётко прослеживаются на бинарной маске проекции автотрассы (рис. 1).
Г ■ ■ Я и ■ ■ и ■
и ш
ПН ш ш ш ■■
В. ■■ 1 ■ п ™ ■ Ц-
■ ■■■ ■ я а р
Ш ш Ш
■ ■■■ ■ ■ и ■ 1ГЧН * И ш X ■ ■■
в ■■■ ■ ■ и ЛЗ Е-Г * г гг
1РТ г •7
■1 - ш
Рис. 1. Фрагмент бинарной маски проекции автотрассы
в блочном виде
201
Отсюда можно сделать вывод, что внутренние фрагменты проекции автотрассы удобнее выделять не отдельными пикселами, а крупными блоками. По этой причине в разработанной методике используются два вида коррекции маски проекции трассы: внутриблочная и межблочная.
При проведении внутриблочной коррекции решение о смене статуса блока принимается по статистическим данным его же вложенных пикселов. Внутриблочная коррекция, проводимая для каждого текущего блока, реализуется согласно формуле
1 N N
1 ^2XXX * А.
У,, =
N2 и Я
1 N N (1)
0 N2XXX < Р,
Я 1=1 7=1
где У - пиксельная бинарная маска; ¡, 7 - индексы пикселов; р1 - пороговый уровень вероятности смены статуса блока при проведении внутри-блочной коррекции. При этом очевидно, что результат выражения в левых частях неравенств принадлежит числовому диапазону [0,1].
Размерность квадратных блоков была подобрана экспериментально и, при использовании стабилизированных частей кадров форматом 900x500 пикселов составила 10 пикселов.
В ходе реализации указанной математической модели внутриблоч-ной коррекции алгоритмом последовательно перебираются все пикселы текущего блока, а по её результатам сразу весь текущий блок (то есть все его пикселы) может быть признан принадлежащим дорожной проекции (значение 1) либо не принадлежащим ей (значение 0). В ходе многократного моделирования было подобрано оптимальное значение р1, которое составило 0,65.
Таким образом, внутриблочная пикселная коррекция разделяет все блоки обрабатываемой части кадра на принадлежащие проекции асфальтового покрытия и не принадлежащие ей (рис. 2).
Рис. 2. Фрагмент бинарной маски проекции автотрассы в блочном виде после внутриблочной коррекции
202
Очевидно, что чем большим по размерам является блок, тем точнее будет проведена внутриблочная коррекция, поскольку с ростом размерности блока количество пикселов в нём (количество опорных точек для статистики) возрастает по квадратичной зависимости.
Стоит отметить также, что внутриблочная коррекция служит не только для выделения внутренней части проекции асфальтового покрытия, но и способствует также удалению «ложных» пикселных скоплений, изначально признанных принадлежащими проекции автотрассы.
Процесс формирования маски проекции автотрассы удалось ускорить при дополнительном использовании межблочной коррекции, проводимой сразу после внутриблочной и аналогично ей, за исключением того, что теперь уже перебираются не пикселы внутри блока, а соседние блоки. Межблочная коррекция ведётся согласно формуле
1 к=к+11=1+1 1 ¿Им,>^
(2)
мк, =
9 к=к 1
к=к-11=1 -1 ь=к+11=1+1
1 ЁЁ Мк,/ < ^2,
9 к=к
к=к-11=1 -1
где М - блочная бинарная маска; к,1 - индексы блоков; р2 - пороговый уровень вероятности смены статуса блока при проведении межблочной коррекции. В цикл перебора входит сам текущий блок, а также восемь его ближайших соседних блоков. Этим обуславливается наличие в расчётных формулах множителя 1/9. Значение р2 в ходе моделирования было подобрано равным 0,5.
Действие межблочной коррекции основано на том, что согласно статистике блоки, окружённые блоками проекции автотрассы, сами признаются принадлежащими этой проекции. Область асфальтовой проекции при этом дополнительно расширяется (рис. 3).
Рис 3. Фрагмент бинарной маски проекции автотрассы в блочном виде после межблочной коррекции
203
Заключение.
Таким образом, благодаря совместному применению внутриблоч-ной и межблочной коррекции бинарной маски автотрассы процесс её геометрической реконструкции удалось сократить почти вдвое. Это означает, что измерительная система на базе предложенного метода может почти в два раза быстрее перейти непосредственно к статистическому анализу транспортного потока. Кроме того, площадь проекции автотрассы согласно экспериментальным данным обычно составляет примерно 1/6 -1/4 часть от всего изображения. По этой причине объём кода, используемый для передачи интересующей части изображений с момента восстановления проекции асфальтового покрытия, сокращается соответственно в 4-6 раз.
Список литературы
1. Агуреев И.Е., Минаков, Е.И. Калистратов Д.С. Метод ускоренной геометрической стабилизации изображений видеосигнала нестационарного источника аэровидеосъёмки // Известия Тульского государственного университета. Технические науки. 2014. Вып. 11. Ч. 2. С. 238-244.
2. Минаков Е.И., Калистратов Д.С. Метод геометрической стабилизации квазистационарных аэровидеоизображений в информационно-измерительных системах видеомониторинга // Вестник компьютерных и информационных технологий. 2016. № 4. С. 46-49.
3. Ричардсон Я. Видеокодирование. Н.264 и МРЕО-4: стандарты нового поколения. М.: Техносфера, 2005. 368 с.
Агуреев Игорь Евгеньевич, д-р техн. наук, проф., зав. кафедрой, agureev-igor@yandex. т, Россия, Тула, Тульский государственный университет,
Минаков Евгений Иванович, д-р техн. наук, проф., EMmakov@,bk.т, Россия, Тула, Тульский государственный университет,
Калистратов Дмитрий Сергеевич, канд. техн. наук, ассист., Kalistratowт, Россия, Тула, Тульский государственный университет,
Киселев Алексей Петрович, асп., Sctulka@,mail.т, Россия, Тула, Тульский государственный университет,
Фролов Николай Андреевич, асп., amkv13ogogo@mail.т, Россия, Тула, Тульский государственный университет
METHODS OF GEOMETRIC RECONSTRUCTION OF ASPHALT PAVEMENT PROJECTION IN THE TASKS OF THE STATISTICAL ANALYSIS AND COMPRESSIONAEROVIDEOIMAGES OF TRAFFIC FLOW
I.E. Agureev, E.I. Minakov, D.S. Kalistratov, A.P. Kiselyov, N.A. Frolov
The need of qualitative detection and recovery of asphalt pavement projections in the problems of statistical analysis and compression of video with transport streams is shown. The technique of geometrical reconstruction of the highway pavement projections in quasi-stationary aerovideoimage series is given. The mathematical apparatus and the results of the simulation of this problem are presented.
Key words: aerovideocapture, non-stationary source, videoimage, asphalt surface, projection, identification, reconstruction, statistical analysis, compression.
Agureev Igor Evgenyevich, doctor of technical sciences, professor, head of chair, agureev-igor@yandex. ru, Russia, Tula, Tula State University,
Minakov Evgeny Ivanovich, doctor of technical sciences, professor, EMina-kov@bk.ru, Russia, Tula, Tula State University,
Kalistratov Dmitry Sergeyevich, candidate of technical sciences, assistant, Kalistra-tow@list.ru, Russia, Tula, Tula State University,
Kiselyov Alexey Petrovich, postgraduate, Sctulka@,mail.ru, Russia, Tula, Tula State University,
Frolov Nikolay Andreevich, postgraduate, aniky13ogogo@mail. ru, Russia, Tula, Tula State University
