Научная статья на тему 'О возможности применения водонаполненных аммиачноселитренных вв'

О возможности применения водонаполненных аммиачноселитренных вв Текст научной статьи по специальности «Компьютерные и информационные науки»

CC BY
44
8
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
РАСТРОВОЕ ИЗОБРАЖЕНИЕ / ПИКСЕЛЬ / ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЕ

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Шаронов А.В., Новоселов С.В.

Предложена оптимизация алгоритма поиска растровых изображений по образцу, основанного на применении дискретного двумерного вейвлет-преобразования. Показано, что алгоритм позволяет осуществлять поиск требуемого изображения, используя не все вейвлет-коэффициенты. При этом вычислительные затраты системы сокращаются в среднем в 11 раз по сравнению с предложенным ранее алгоритмом поиска до оптимизации

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «О возможности применения водонаполненных аммиачноселитренных вв»

© A.B. Шаронов, C.B. Новоселов, 2012

УДК 519.92

A.B. Шаронов, C.B. Новоселов

О ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ ВОДОНАПОЛНЕННЫХ АММИАЧНОСЕЛИТРЕННЫХ ВВ

Предложена оптимизация алгоритма поиска растровых изображений по образцу, основанного на применении дискретного двумерного вейвлет-преобразования. Показано, что алгоритм позволяет осуществлять поиск требуемого изображения, используя не все вейвлет-коэффициенты. При этом вычислительные затраты системы сокращаются в среднем в 11 раз по сравнению с предложенным ранее алгоритмом поиска до оптимизации.

Ключевыю слова: растровое изображение, пиксель, вейвлет-преобразование.

Введение. Задача распознавания изображений является одной из наиболее актуальных задач при анализе результатов аэрофотосъемки и поиске требуемых аэрофотоснимков. В [1] предложен эффективный алгоритм распознавания изображений и поиска изображения по образцу, использующий двумерное вейвлет-преобразование. Однако, исходя из показателей временных затрат системы на поиск изображения, можно сделать вывод о том, что при решений оперативных задач реального времени, эти показатели не всегда удовлетворяют требуемой быстродействию получения результата. В этой связи интерес представляет задача оптимизации алгоритма, который не только осуществлял поиск изображения по сжатому образцу, экономя ресурсы информационной системы, но и позволял бы сделать это в оперативной обстановке дефицита времени, удовлетворяя требованию оперативного получения результата в системах реального времени. В статье предлагается метод оптимизации существующего алгоритма, заключающийся в выборе наиболее значимых вейвлет-коэффициентов сжатого изображения.

Постановка задачи. Рассматривается задача оптимизации алгоритма поиска изображения по образцу, основанного на двумерном вейвлет-преобразовании [2], таким образом, чтобы удовлетворить следующим условиям:

• алгоритм должен успевать найти требуемое изображение по предъявляемому пользователем образцу в условиях оперативной обстановки и дефицита выделенного времени на поиск;

• качество поиска, то есть предъявленные результаты должны быть максимально приближены к уровню качества поиска неоптимизи-рованного алгоритма поиска, разработанного ранее.

Построение алгоритма восстановления фрагмента рельефа подстилающей поверхности на основе вейвлет-преобразования. В [3] показано, что в вейвлет-коэффициентах сжатого изображения, наибольших по модулю, содержится основная часть информации о нем. Поэтому логично предположить, что поиск требуемого изображения можно проводить, сравнивая образец с эталонами, из которых мы ищем изображение, только по неко-

торой части вейвлет-коэффициентов, упорядоченных по модулю. При этом, мера сравнения будет вынисляться так же, как и в исходном алгоритме по-иска:

I =

X(*- * а?

о

(1)

где и — вейвлет-коэффи-

циенты искомого изображения и предъявляемого образца соответственно, О — число выбранных коэффициентов ля сравнения.

Модифицированный алгоритм работает следующим образом:

1. Предъявляемый пользователем образец подвергается вейвлет-преоб-разованию.

2. Производится упорядочивание вейвлет-коэффициентов верхней левой части образца.

3. Выбирается определенная часть вейвлет-коэффициентов, наибольших по модулю. То, какая часть коэффициентов будет выбрана зависит от жесткости требований к оперативному выполнению поиска.

4. Производится сравнение попарно преобразованного образца с изображениями, также сжатыми вейв-лет-преобразованием и хранящимися в таком виде в базе данных. При этом мера различия Ь* вынисляется только для части вейвлет-коэффициентов, выбранных в п. 3.

5. Изображение, мера различия у которого с образцом оказалась наименьшей, выбирается из базы данных.

6. Выбранные изображения восстанавливаются обратным вейвлет-преобразованием.

Пример работы оптимизированного алгоритма. Для подтверждения работоспособности оптимизированного алгоритма решается задача поиска исходного изображения по эскизу в базе данных, в которой хранится несколько эталонов (рис. 1) [4].

1.1а

1.16

1.2а

1.26

1.3а

1.36

1.4а

1.46

Рис. 1. Эталоны изображений, хранящиеся в базе данных: а — исходные, б — сжатые

Для поиска изображения пользователь предъявляет нарисованный от руки эскиз, который представлен на рис. 2.

Рис. 2. Эскиз, предъявляемый пользователем для поиска изображения

Далее система работает по пунктам оптимизированного алгоритма, описанным в предыдущем разделе, и мы получаем меры сравнения для каждого эталона с образцом. При этом после упорядочивания вейвлет-коэф-фициентов по убыванию модуля, взято 30 % наибольших из них.

Результаты вычислений мер сравнения сведены в таблицу (табл. 1).

Анализ результатов, приведенных в табл. 1, показывает, что предъявляемому эскизу больше всего соответствует эталон 4.

Временные затраты на реализацию сформированного алгоритма. Пусть в базе данных информационной системы хранится q изображений размерностью (nxrí), тогда временные затраты T(to, l, q, n) на поиск изображений вычисляются следующим образом

T(to, l, q, n) = to • l • q n , (2)

1

где t0 = — — время одной элементар-

h

ной операции, с; h — частота микропроцессора, Гц;

l = ala + rnlm (3)

l — число всех элементарных операций, затрачиваемых на сравнение каждого пикселя 2-х изображений, a —

число сложении, т — число умножений, 1а и 1т — число элементарных операций, затрачиваемых на сложение и умножение соответственно.

Сравним теперь временные затраты на решение задачи поиска изображений по сжатым вейвлет-преоб-разованием образцам в зависимости от количества изображений, хранящихся в базе данных. Для упрощения вычислений предположим, что все изображения имеют размерность (п х п), где п = 128, а используемый микропроцессор имеет частоту 1 ГГц, тогда время одной операции будет 1 нс. При этом для оптимизированного алгоритма сравнивающего 30 % наибольших вейвлет-коэффициентов, п приблизительно равно 38.

Вычисленные меры различия эталонов и эскиза

Номер Рисунок Мера

эталона эталона различия

1 109.065

2 щ 139.140

3 63.340

4 Ш 51.147

Если считать, что сложение в среднем состоит из 5 элементарных операций, а умножение — из 25 [5], а исходя из формулы (1) при сравнении двух пикселей должно выполняться две

Рис. 3. Изменение общего количества затраченного времени Т от числа изображений ц в базе для алгоритма (пунктир) и оптимизированного алгоритма (сплошная линия) сравнения изображений

Рис. 4. Зависимость общего количества затраченного времени Т от процента оставляемых вейвлет-коэффициентов

операции сложения и одна операция умножения, то в соответствие с (3) l = 2-5 + 1-25 = 35

Подставляя значения в формулу (2) получим следующие зависимости для расчета временных затрат:

• для алгоритма со сравнением полных изображений

7\(g) = 0,573q (мс)

• для алгоритма со сравнением изображений, сжатых вейвлет-пре-образованием 72(q) = 0,036q (мс).

График временных затрат представлен на рис. 3.

Если построить зависимость времени работы алгоритма от процента оставляемых вейвлет-коэффициентов, то получится график, представленный на рис. 4.

Выводы. Анализ результатов решения модельной задачи показывает, что предложенная оптимизация алгоритма поиска изображения, основанного на двумерном вейвлет-преобразо-вании, позволяет достичь поставленные цели, а именно сокращение времени поиска требуемого изображения и сохранение качества поиска. Если оставлять только 30 % вейвлет-коэффициентов, то временные затраты на работу оптимизированного алгоритма сокращаются приблизительно в 11 раз по сравнению с исходным алгоритмом.

При этом качество поиска остается практически на том же уровне, что и в неоптимизирован-ном алгоритме.

СПИСОК ЛИТЕРАТУРЫ

1. Шаронов А. В., Новоселов С. В. Применение вейвлет-преобразования для поиска изображений по образцу // Вестник ГТУ ГА.

2. Шокуров А.В., Михалёв А.В. Оптимальное использование вейвлет-компонент // Успехи мат. Наук, 2007. — Т. 62. - № 4. — С. 171.

3. Шокуров А.В. Кодирование изображений с последующим возможным опти-

мальным декодированием.-С. 226—230.

// Ссылка: http: // mech. math. msu. su/ ~fpm/ps/k07/k075/k07511.pdf.

4. Ссымка: http: // image 062. mylivepage. ru/

5. Гашков С. Б. Системы счисления и их применение. - МЦНМО, 2004. — 52 с.

КОРОТКО ОБ АВТОРАХ -

Шаронов A.B. — доктор технических наук, профессор, заведующий кафедрой «Информационные технологии» МАИ.

Новоселов C.B. — аспирант кафедры «Информационные технологии» МАИ. k308@mai.ru.

А

НОВИНКИ ИЗДАТЕЛЬСТВА «ГОРНАЯ КНИГА»

Сооружение укрупненных скважнн с использованием взрывного воздействия на рабочий горизонт и перспективы их применения в горной промышленности

Приходько Н.К. Страниц: 2012 ISBN: 978-5-98672-293-1 UDK: 622.24

Изложены технологические преимущества укрупненных скважин, сооружаемых с использованием взрывов, и перспективы их использования в нефтегазодобывающей промышленности. Приведены новые способы герметизации ствола зарядных скважин на момент проведения в них взрыва, которые успешно использованы при производстве подземных ядерных взрывов и обеспечили безопасность проведения взрыва, а также возможность быстрого и малозатратного перевода зарядных скважин с применением химических ВВ, особенно при подрыве зарядов повышенной мощности.

Особое внимание уделено возможности использования укрупненных скважин при внедрении бессточных технологий при разработке обводненных нефтяных, газовых месторождений, при добыче природного газа, растворенного в агрессивных пластовых водах, которые не извлекаются на поверхность. Рассмотрена возможность использования укрупненных скважин и в других областях горного дела.

ЗДОРУЖЕННГ:, УКРУПНЕННЫХ СКВАЖНН С I K7I0.1 ЬЭОВАН И СМ ВЗРЫВНОГО ВОЗДЕЙСТВИЯ НА РАКОЧаШ ГОРИЗОНТ II ПЕРСПЕКТИВЫ ИЛ ПРИМЕНЕНИЯ

в ГОРНОЙ «ром biiiLiы шости

'-V -

^ АТОМНАЯ ЭНЕРГЕТИКА

i Надоели баннеры? Вы всегда можете отключить рекламу.