CC BY
26
УДК 621.39
В.В. БАРАННИК, Ю.Н. РЯБУХА, А.А. КРАСНОРУЦКИЙ, В.Ж. ЯЩЕНОК
МЕТОДОЛОГИЯ СОВЕРШЕНСТВОВАНИЯ ОБРАБОТКИ ВИДЕОИНФОРМАЦИИ ПРИ УПРАВЛЕНИИ В КРИЗИСНЫХ СИТУАЦИЯХ
Описывается возможность повысить качество сервиса дистанционных видеоуслуг с применением беспилотных комплексов при управлении в кризисных ситуациях. Предлагается выполнить начальную функцию дешифрирования аэрофотоснимка на борту летательного аппарата. Это позволит снизить информационную интенсивность с учетом сохранения семантически значимой для дешифрирования информации. Вводится понятие де-шифровочного кодирования. Показывается структурная схема технологии дешифровоч-ного кодирования видеоинформации на борту летательного аппарата и обосновываются ее составляющие.
1. Введение
Процесс управления кризисными ситуациями неотъемлемо связан с дистанционным предоставлением качественных видеоуслуг, функции которых возложены на беспилотный комплекс. Оценка характеристик сервиса дистанционного предоставления видеоуслуг в процессе управления кризисных ситуаций, т.е. когда требуется обеспечить живучесть, скрытность и полную достоверность информации, является проблематичной. Связано это с ростом информационной интенсивности и низкой пропускной способностью бортовых каналов связи [1]. Время доставки видеоданных с борта летательного аппарата с определенной информационной интенсивностью определяется в основном временем подготовки и передачи данных по каналу связи и достигает порядка 40 мин.
Существующие методы снижения информационной интенсивности не обеспечивают требования по сохранению разрешающей способности аэрофотоснимка в условиях, когда требуется обеспечить живучесть, скрытность и полную достоверность информации при управлении в кризисных ситуациях [2].
Таким образом, цель исследования состоит в разработке методологии совершенствования обработки видеоинформации для повышения эффективности сервиса предоставления дистанционных видеоуслуг при управлении в кризисных ситуациях.
2. Основная часть
К бортовому комплексу аэромониторинга предъявляется ряд технических требований, среди которых: обеспечить заданную информационную интенсивность видеоинформации, заданную разрешающую способность для выполнения определенных задач и заданную достоверность получаемой информации, обусловленную процессом ее формирования, обработки и передачи. В условиях управления кризисными ситуациями особое место отводится требованиям относительно временных задержек доставки информации с борта летательного аппарата [3].
Бортовой комплекс аэромониторинга, с одной стороны, характеризуется рядом ограничений: габаритные размеры, мощность бортового генератора, относительно низкая пропускная способность радиоканалов передачи данных. С другой стороны, рост информационной интенсивности аэрофотоснимков и низкая пропускная способность каналов передачи данных ведут к повышению временной задержки в доведении информации и обеспечении ее достоверности [2, 3]. Все это снижает эффективность сервиса дистанционных видеоуслуг при управлении в кризисных ситуациях с применением беспилотных комплексов.
Для того чтобы, с одной стороны, сохранить достоверность и разрешающую способность аэрофотоснимка, а с другой - обеспечить требуемую оперативность доставки видеоинформации, предлагается выполнить начальную функцию дешифрирования на борту летательного аппарата. Это позволит снизить информационную интенсивность и сохранит семантически значимую для дешифрирования информацию.
В бортовых комплексах необходимо использовать методы обработки видеоданных, которые направлены на повышение информативности аэрофотоснимка и уменьшение суммарного времени дешифрирования данных в целях принятия решения в интересах аэромониторинга.
Существующие методы обработки видеоинформации имеют существенные недостатки: обеспечивается возможность доведения видеоинформации в установленные временные сроки, но с частичным разрушением семантической составляющей. Наоборот, при повышении семантической составляющей повышается информационная интенсивность видеопотока и, в конечном итоге, увеличивается время доведения видеоинформации. Кроме того коды и конструкции, которые базируются на известных методах, характеризуются повышенной уязвимостью при прохождении видеоданных по радиоканалам. В настоящее время недостаточно усовершенствованы методы доведения видеоданных в режиме реального времени по радиоканалу с борта летательного аппарата без разрушения семантической составляющей.
Исходя из этого, в бортовых комплексах необходимо применять принципиально новый подход к обработке видеоданных. С одной стороны, такой подход будет направлен на сохранение информативности аэрофотоснимка, а с другой - не будет требовать повышения пропускной способности канала связи.
Значит, необходимо разработать метод Робр , который позволит снизить информационную интенсивность Int ^ min, формируемую на борту летательного аппарата, и сохранит требуемую разрешающую способность р « р(тр) и достоверность аэрофотоснимка с соблюдением требуемых высот полета H > Н(тр) беспилотного комплекса.
Предлагается создать такой формат представления видеоданных, для которого одновременно будет обеспечиваться:
- представление информации видеосцен в удобном виде для дешифровщика, что обеспечит снижение времени работы дешифровщика;
- снижение информационной интенсивности аэрофотоснимков при условии сохранения семантической составляющей, что обеспечит доведение видеоданных в режиме реального времени по радиоканалу с борта летательного аппарата.
Основной упор предлагается перенести на снижение общего времени принятия решения дешифровщиком. Дешифрирование включает в себя несколько этапов: локализация объектов, оценка их структурных характеристик и идентификация семантической нагрузки объектов. Данные этапы дешифрирования объектов на аэрофотоснимке предлагается перенести непосредственно на беспилотный комплекс и уже полезную информацию об объекте мониторинга передавать по каналу связи на наземный пункт управления для окончательного принятия решения по дешифровке объекта. Эффективность дешифрирования зависит от сохранения ключевой информации об объекте. Ключевым моментом в процессе дешифрирования аэрофотоснимка являются контуры идентифицируемого объекта. Исходя из этого, дешифровщику необходимо предоставить такие контуры и классифицировать их по степени важности. Таким образом, предлагается построить такой подход, который обеспечил бы, с одной стороны, повышение эффективности описания ключевых объектов дешифрирования аэрофотоснимков с сохранением их информационной составляющей и разрешающей способности; с другой -предоставление качественной услуги для уменьшения времени на идентификацию объектов, которые интересны при управлении в кризисных ситуациях.
В основу такого подхода предлагается положить технологию дешифровочного кодирования. Суть ее заключается в выделении значимой информации в аэрофотоснимке непосредственно бортовым оборудованием. Значит, дешифровочное кодирование - это получение знаний о дешифровочных признаках и эффективное синтаксическое описание аэрофотоснимков по этим знаниям.
На рис.1 приведена структурная схема дешифровочного кодирования видеоинформации на борту летательного аппарата.
Рис.1
Технология дешифровочного кодирования видеоинформации на первом этапе содержит сегментацию исходного изображения на блоки-сегменты размерностью 32х32. После этого каждый сегмент последовательно поступает на этап технологии интеллектуальной обработки аэрофотоснимков для выделения ключевых признаков дешифрирования.
Здесь происходит обнаружение и локализация семантически значимой информации в сегменте; выделение семантической сложности путем анализа сегментов аэрофотоснимка на предмет идентификации контуров насыщенности; выполнение алгоритма обработки сегментов изображения, который учитывает степень информативности обработанных сегментов. Результатом такой обработки есть формирование набора знаний о дешифровоч-ных признаках интересующих объектов на аэрофотоснимке.
Адаптер осуществляет настройку выявляемых синтаксических закономерностей в аэрофотоснимке с учетом знаний о ключевых дешифровочных признаках.
После этого набор знаний о сегменте вместе с сегментом изображения поступает для обработки технологией эффективного синтаксического описания аэрофотоснимков по ключевым дешифровочным признакам. Такая технология позволит компактно представить сегмент изображения R и набор знаний о нем, а также подготовить данные для выполнения двоичного кодообразования. В дальнейшем сформированный таким образом код отправится в канал связи для излучения. Таким образом, дешифровщик получает или только необходимую информацию об интересующих его объектах на аэрофотоснимке (при наличии априорной информации о ландшафте), или же аэрофотоснимок с набором знаний с эффективным описанием значимых дешифровочных признаков интересующих объектов на аэрофотоснимке.
На рис.2 приведена структурная схема технологии интеллектуальной обработки аэрофотоснимков для выделения ключевых признаков дешифрирования.
Технология Роибр интеллектуальной обработки аэрофотоснимков для выделения ключевых признаков дешифрирования Gкл построена по принципу мышления дешифровщика при обработке аэрофотоснимка. Дешифровщик, идентифицируя объект, обращает внимание на контуры и яркостные особенности интересующего объекта, а также анализирует и делает
привязку к местности (ландшафту). Исходя из этого, сегмент изображения исем рассматривается на базе множества исин семантического содержания (качественная составляющая) и множества синтаксического содержания исходного аэрофотоснимка.
Для предоставления контурной информации об объекте и классификации по степени
важности сегмент изображения проходит через каскад методов маскирования Бм для выделения контурной информации. Существует множество методов маскирования изображения: метод Собела, Прюита, Шару, Лапласа, Хрящева, Лапласиана, маска по Канни. Анализ методов маскирования на основе комплексных показателей оценки качества контурной информации показал, что наилучшими для маскирования аэрофотоснимка являются
методы Собела и Лапласиана [4]. После получения маски М® сегментов аэрофотоснимка
для получения сведений о ландшафте предлагается обработка сегмента ортогональным преобразованием с выделением спектральной составляющей аэрофотоснимка. Результатом данного действия есть трансформанта М^Р. Впоследствии эта информация понадобится для эффективного синтаксического описания аэрофотоснимка по ключевым дешиф-ровочным признакам.
В дальнейшем к полученным маскам сегментов аэрофотоснимка применяются правила оценки F (исем) . В качестве такого правила предлагается применить так называемый подход оценочных метрик. Используются характеристики структурных особенностей двоичных масок. Если в позиции сегмента присутствует контурный элемент, то ей присваивается 1, т.е. это семантически значимая позиция сегмента. В то же время если в позиции сегмента отсутствует контурный элемент, то ей присваивается 0, т.е. это семантически незначимая позиция сегмента, обычно это фоновый элемент. Далее необходимо оценить вес метрики. Весовой указатель метрики - это наличие 1 в строках или столбцах сегментированного изображения. Сумма весовых указателей позиций в сегменте и будет указывать на высшую информативность или значимость того или иного сегмента аэрофотоснимка. Таким ообразом, производится оценка информативности сегмента снимка по его маске (контурной информации). Теперь остается определить, где на аэрофотоснимке информация более важная по информативности. Необходимо ввести определенные правила, которые направлены на оценку степени информативности (значимости) сегмента снимка по заданному пороговому уровню. Также предлагается ввести правило, с использованием которого будет идентифицироваться сегмент как достаточно значимый с точки зрения его семантической составляющей. Если степень информативности (значимости) близка к минимуму порогового уровня, то этот сегмент снимка идентифицируется как менее значимый, но достаточно информативный. Если степень информативности находится за пределами минимума порогового уровня (а это может быть 0), то принимается решение о фоновой составляющей сегмента фотоснимка. Таким образом, здесь выполняется выбор пороговых правил принятия решений F (исем) в целях сортировки выделенных контуров к информативным Минф (значимым) или незначимым, т.е. определяется важность маскированного семантического содержания сегмента аэрофотоснимка. Результатом является
маска Минф множества информативных оценок семантического содержания аэрофотоснимка. Здесь же и выбирается метод оценки количества информации Р (исем ) в двоичном представлении маски в целях определения степени информативности семантического содержания сегмента аэрофотоснимка. Определяется соответствие множества информативных масок Минф соответствующего множества Мм метрик оценки степени информативности семантической составляющей аэрофотоснимка.
После анализа оценочными метриками информация, т.е. множество Мм метрик оценки степени информативности семантического содержания сегмента аэрофотоснимка, поступает на этап технологии решающих правил. Данный блок, обращаясь к базе знаний, куда, в свою очередь, введена информация о структурных, статистических и спектральных харак-
-й-
ЧО
теристиках объектов мониторинга, формирует правила принятия решений относительно уровня информативности семантического содержания аэрофотоснимка F (исем ) . Технология решающих правил принимает решение относительно классификации множества информативно-значимых масок Мм . Здесь каждой маске ставится в соответствие определенный класс информативности в виде множества Мкл кластеризации для информативных оценок семантического содержания сегмента аэрофотоснимка. Далее применяются методы оценки процентных метрик относительно максимально и минимально возможных уровней абсолютных метрик. Продуктом данной технологии является кластеризованное множество М^нф информативных оценок семантического содержания сегмента аэрофотоснимка.
С учетом ограничений, которые накладываются на время обработки и пропускную способность канала передачи данных, вводятся правила определения ограничений и требований относительно степени информативного синтаксического описания сегмента аэрофотоснимка с учетом его семантической иннформативности, т.е. в результате применения
правил F (исин )огр происходит отображение кластеризованого множества М^нф информативных оценок в множество М^ф выборок информативных оценок семантического содержания сегмента аэрофотоснимка с учетом ограничений.
Следующий каскад технологии интеллектуальной обработки аэрофотоснимков для выделения ключевых признаков дешифрирования предполагает выделение количественных характеристик Y(r), задающих закономерности, выявляемых для синтаксического описания с выборок Минф информативных оценок семантического содержания этого сегмента.
Сформированные таким образом знания о каждом сегменте аэрофотоснимка в виде количественных показателей поступают в технологию эффективного синтаксического описания аэрофотоснимка по ключевым дешифровочным признакам, результатом которого является формирование множества кодовых конструкций W информативных (эффективных) синтаксических описаний семантического содержания.
Завершающим этапом предложенной технологии является двоично-кодовое представление L для кодовых конструкций W эффективного синтаксического описания семантического содержания сегментов аэрофотоснимка.
3. Выводы
1. Показано, что повышение качества сервиса дистанционных видеоуслуг в процессе управления кризисных ситуаций, т.е. когда требуется обеспечить живучесть, скрытность и полную достоверность информации, возможно с применением технологии дешифровочного кодирования видеоинформации на борту летательного аппарата. Это позволит снизить информационную интенсивность, формируемую на борту летательного аппарата, с сохранением требуемой разрешающей способности аэрофотоснимка.
2. Показано, что повысить оперативность доведения видеоданных при существующих бортовых каналах передачи информации можно путем применения технологии интеллектуальной обработки аэрофотоснимков для выделения ключевых признаков дешифрирования. Такая технология формирует набор знаний о дешифровочных признаках объектов и эффективное синтаксическое описание аэрофотоснимка по этим знаниям.
Список литературы: 1. Комарова Л.О. Методи управлшня шформацшно-комуткацшними кластерами в кризових ситуащях: Монограф1я [Текст] / Л.О.Комарова // К.:ДУТ, 2014. 395 с. 2. Кашкин В.Б. Цифровая обработка аэрокосмических изображений: Конспект лекций. Красноярск: ИПК СФУ, 2008. 121 с. 3. Баранник В.В. Метод повышения доступности видеоинформации аеромониторинга / В.В. Баранник, О.С. Кулица //Радиоэлектронные компьютерные системы. 2013. N°3. С. 17 - 20. 4. Власов А.В. Анализ методов обнаружения границ объектов на изображениях и их классификация / А.В. Власов, В.В. Баранник, А.В. Яковенко // Сучасна спещальна техтка. 2012. Вип. 3 (30). С. 17 - 27.
Поступила в редколлегию 11.02.2015
Баранник Владимир Викторович, д-р техн. наук, профессор, начальник кафедры Харьковского университета Воздушных Сил имени Ивана Кожедуба. Научные интересы: системы, технологии преобразования, кодирования, защиты и передачи информации, семантической обработки изображений. Адрес: Украина, 61023, Харьков, 23, ул. Сумская, 77/79, тел. 8 050-3038971.
Красноруцкий Андрей Александрович, канд. техн. наук, докторант научно-организационного отдела Харьковского университета Воздушных Сил имени Ивана Кожедуба. Научные интересы: кодирование, семантическая обработка изображений. Адрес: Украина, 61023, Харьков - 23, ул. Сумская, 77/79.
Рябуха Юрий Николаевич, канд. техн. наук, соискатель Харьковского университета Воздушных Сил имени Ивана Кожедуба. Научные интересы: кодирование, семантическая обработка изображений. Адрес: Украина, 61023, Харьков, ул. Сумская, 77/79. Ященок Владимир Жоржевич, канд. техн. наук, доцент кафедры Харьковского университета Воздушных Сил имени Ивана Кожедуба. Научные интересы: кодирование, семантичес-кач обработка изображений. Адрес: Украина, 61023, Харьков, ул. Сумская, 77/79.
