CC BY
71
Актуальные проблемы авиации и космонавтики. Информационные технологии
В ПП «Система управления проектной документацией» для всех отчетов используется тип ПП позволяет генерировать 16 отчетов: «техническое задание», «пояснительная записка», «спецификация», «программа и методика испытаний», «текст программы», «описание программы», «ведомость держателей подлинников», «формуляр», «описание применения», «руководство системного программиста», «руководство программиста», «руководство пользователя»,
«описание языка», «ведомость эксплуатационных документов», «руководство по техническому обслуживанию», «акт о передаче программного продукта». Все документы выполнены в соответствии со стандартом ГОСТ 19.102-77 по порядку разработки документации, структуре документов и жизненному циклу ПП.
© Антипова С. А., 2012
УДК 004.932
Р. П. Баранов, А. В. Белоконь Научный руководитель - М. Н. Фаворская Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
ОПРЕДЕЛЕНИЕ И ПРИОРЕТИЗАЦИЯ ПРИЗНАКОВ ОБЪЕКТОВ НА ИЗОБРАЖЕНИИ В СИСТЕМАХ РАСПОЗНАВАНИЯ
Рассмотрены основные группы признаков объектов на графических изображениях. На реальных примерах рассмотрены варианты построения иерархий приоритетов.
Известно, что визуальные данные являются наиболее информативным источником для познания окружающего мира. В современном мире информационных технологий использование визуальной информации об окружающем мире дает широкий спектр возможностей для реализации функций анализа окружения в интеллектуальных системах. В свою очередь интеллектуальные системы, использующие визуальные данные для своего функционирования, глубоко вошли в нашу жизнь и широко применяются как в производственной, так и в бытовой сфере. Примером этого могут служить биометрические системы распознавания лиц, системы распознавания подписей или поисковые системы сети Internet. В этих системах подготовительным этапом для анализа визуальной информации является создание формализованного описания изображения с целью выявления и дальнейшей обработки объектов интереса.
Для определения объектов на изображении используют различные методы и подходы: от выделения контуров до цветовой сегментации. Однако для выделения объекта на изображении чаще всего используют бинаризованные изображения. Бинаризованное изображение без постобработки содержит информацию только о силуэте объектов и их положении на изображении. Однако при дальнейшей обработке бинаризованного изображения осуществляется получение различных геометрических характеристик, таких, как площадь объекта, ориентация объекта относительно краев изображения и других объектов, а также контур объекта. Также возможно извлечение и других геометрических признаков.
Все признаки изображений условно делятся на три группы по принципу их формирования: геометрические, цветовые и текстурные признаки. Чаще всего в качестве геометрических признаков используют контур объекта и скелет объекта [2]. В целях достижения инвариантности относительно размера их переводят в векторное представление. Для достижения инвари-
антности относительно поворота векторное представление переводят в сигнал, и в дальнейшем применяют методы обработки сигналов. В большинстве случаев в качестве обработки используются корреляционные методы.
Для определения цветовых признаков используют различные подходы. Ярким примером такого подхода выступает представление объекта как нового изображения и дальнейшее построение гистограмм распределения цветов с вычислением гистограммных характеристик. В роли таких характеристик могут выступать как средние значения интенсивности по каналам цветовой модели, так и стандартное отклонение. Далее происходит разбиение изображения объекта на регионы по принципу схожести цветовых характеристик и запоминание их взаимного расположения. Такое описание цветовых признаков является наиболее удачным, ввиду инвариантности полученных признаков относительно размера или ориентации объекта на изображении.
Часто для определения типов объектов используются текстурные признаки. В этом случае объект представляется также как и ранее, в виде отдельного изображения, характеризуемого предполагаемой текстурой. Текстура представляет собой фрагмент изображения, характеризующийся регулярным повторением в пределах области, которая велика по сравнению с размером самого фрагмента [3]. В качестве признаков текстурных фрагментов чаще всего используют зернистость текстуры, характеризуемую пространственной автокорреляционной функцией, а также число перепадов яркости в окрестностях точки объекта. Используя данные признаки возможно как проводить сегментацию изображений, так и выявлять объекты со схожими текстурами.
Приоретизация признаков объектов напрямую зависит от распознаваемых объектов. Рассмотрим задачу идентификации человека по его личной подписи. В рамках данной задачи объектом будет являться под-
Секция «Информационные системы и технологии»
пись. Как правило, подпись представляет набор рукописных букв, а так же дополнительных элементов (росчерков, наложений и т. д.) [1]. Не трудно заметить, что основную структуру подписи будет составлять набор геометрических фигур. Это значит, что высокий приоритет будут иметь именно геометрические признаки. Среди геометрических признаков самый высокий приоритет будет у скелета подписи и его характеристик, т. к. он представляет основную структуру подписи. В качестве второстепенных геометрических признаков можно выделить базовые векторные характеристики, такие как: координаты центра подписи, угол наклона подписи, отношения длины подписи к ее ширине и т. п. В качестве цветовых характеристик можно выделить степень нажима, то есть определение участков схожих по цвету на изображении подписи. Однако в данном случае цветовые характеристики не будут особо влиять на результат и поэтому им отдается низкий приоритет. Текстурные признаки при решении данной задачи учитывать менее целесообразно, т. к. текстура объекта, как правило, состоит из одного цвета.
В свою очередь для задач поиска изображений по содержанию в мультимедийных базах данных [4] иерархия приоритетов будет выглядеть иначе. В первую очередь это связано с отсутствием строго детерминированного объекта поиска. Также поиск осуществляется на основе индекса, который строится с учетом характеристик всех трех групп. В качестве дополнительных характеризующих критериев в структуру индекса могут входить метаданные изображений. Так
для поданного на вход поискового алгоритма изображения в общем случае не следует однозначно определять приоритетный признак, если не задано условие полностью автоматической работы без параметров. Это связано с повышением степени гибкости поискового алгоритма. Однако в случае автоматического поиска по образу наивысшим приоритетом будут обладать геометрические и цветовые критерии, имеющие основополагающую роль при описании взаимного расположения объектов интереса на изображении.
В настоящее время с применением описанных подходов приоретизации признаков ведется разработка программного продукта распознавания подписей и поисковой системы изображений.
Библиографические ссылки
1. Баранов Р. П. Идентификация личной подписи человека // Решетневские чтения : материалы XV Междунар. науч. конф. В 2 ч. Ч. 2. Красноярск, 2011. С. 603-604.
2. Местецкий Л. М. Непрерывная морфология бинарных изображений: фигуры, скелеты, циркуляры. М. : Физмалит, 2009
3. Прэтт У. Цифровая обработка изображений : пер. с англ. М. : Мир, 1982. Кн. 2. 480 с.
4. Проскурин А. В., Белоконь А. В. Интеллектуальная база процедурных текстур // Цифровая обработка сигналов и ее применение : труды 14-й Междунар. конф. В 2 т. Т. 2. М., 2012. С. 295-298.
© Баранов Р. П., Белоконь А. В., 2012
УДК 004.92
Ю. В. Борисов, А. С. Лисица Научный руководитель - А. Г. Зотин Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
АНАЛИЗ ПРИМЕНИМОСТИ GENESIS 3D ДЛЯ ПОСТРОЕНИЯ МОДЕЛИ ПОМЕЩЕНИЙ
Рассмотрен движок Genesis3D, выявлены его особенности в построении моделей помещений, скорость обработки графики, совместимость с системами трехмерного моделирования.
В настоящее время трехмерное моделирование занимает одно из первых мест в развитии компьютерных технологий. Достаточно актуально автоматизированное построение моделей помещений. Особенно интересно направление создание трехмерной модели внутреннего устройства помещений: музеев, университетов, офисов. На основе этих моделей можно создать интерактивные 3Б карты и при размещении там различных дополнительных объектов и текстур, можно автоматизировать создание виртуальных музеев, театров, университетов.
При разработке системы моделирования помещения необходимо чтобы используемый движок мог выполнять следующие функции: строить трехмерные объекты на основе линий; работать с математическими объектами; максимально оптимизировать скорость обработки; обрезать невидимые плоскости, линии и полигоны.
Оепе5153Б - это система визуализации окружаю-
щей среды в реальном времени. Он был выпущен в виде исходного кода в 1988 г. компанией Eclipse для Microsoft Windows (http://www.genesis3d.com).
Для реализации системы моделирования помещения целесообразно использовать Genesis3D, поскольку он обладает следующими особенностями: быстрый рендеринг закрытых помещений; для повышения быстродействия движок сам отсекает невидимые линии; поддерживает конвертацию моделей из системы 3D Studio Max, Autodesk Maya в собственный формат; работает с математическими объектами; поддерживает динамическое текстурирование, размытие.
Genesis3D оптимально подходит для реализации трехмерной модели помещений в среде разработки Embarcadero RAD Studio 2010, C++ Builder. Его недостатки, связанные с рендерингом открытых поверхностей, не снижают его достоинств.
© Борисов Ю. В., Лисица А. С., 2012
