CC BY
27
УДК 53.08; 004.932
РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНОГО ИССЛЕДОВАНИЯ СПЕКТРОВ МАТЕРИАЛОВ И СЛОЖНЫХ ФОНОВ
С. Л. Погорельский, Е.А. Макарецкий, В.М. Понятский, А.В. Овчинников, А.С. Гублин, А.А. Шилин
Описаны методика и результаты экспериментального исследования в диапазоне длин волн 460...960 нм коэффициентов спектральной яркости лакокрасочных покрытий, строительных материалов и растительных образований для различных сезонов. Полученные данные позволяют сформировать рекомендации по выделению фрагментов изображений на сложном фоне с помощью многоспектральных систем.
Ключевые слова: гиперспектральные системы, спектральная яркость отражения.
В последнее время предлагаются новые подходы к созданию систем мониторинга, основанные на принципиально новых технологиях гиперспектрального мониторинга [1]. Практическое применение гиперспектральных систем показало способность обнаруживать объекты при невысоком пространственном разрешении, а также малоконтрастные объекты на сложном фоне [2].
Для решения задач гиперспектрального мониторинга необходимо формирование экспериментальной базы данных по спектральным характеристикам различных объектов, природных и антропогенных фонов. В настоящее время основное внимание уделяется формированию базы данных методами аэро- и космической съёмки [1, 2], а наземным измерениям уделяется значительно меньше внимания.
Целью проведённых авторами экспериментальных исследований спектров отражений с помощью разработанной экспериментальной установки является создание базы данных по спектрам отражения покрытий, объектов, материалов и наземных фонов природного и антропогенного происхождения.
Методика эксперимента заключалась в исследовании спектров отражения путём измерения спектральных коэффициентов яркости поверхностей и фонов при естественном освещении в 12 спектральных полосах диапазона 460.. .960 нм.
Как известно [3], коэффициент яркости поверхности в данном направлении и при данных условиях освещения есть отношение яркости этой поверхности к яркости идеального рассеивателя, находящегося в тех же условиях освещения. Под идеальным рассеивателем подразумевается ортотропная поверхность, полностью отражающая по закону Ламберта весь падающий на неё лучистый поток.
Таким образом, коэффициент яркости r равен:
r = B2/ B1, (1)
где Bi - яркость идеального рассеивателя; В2 - яркость изучаемой поверхности.
В качестве идеального рассеивателя использовался калибровочный экран с известной спектральной яркостью отражённого излучения. Угловая характеристика диффузного отражения калибровочного экрана должна в максимальной степени соответствовать ортотропной поверхности.
Для измерения коэффициентов яркости производилось формирование цифрового спектрального многоканального видеоизображения сцены через интерференционные светофильтры, установленные перед объективом цифровой видеокамеры. Фильтры сменялись с небольшим интервалом по времени, чтобы избежать изменения условий освещения сцены.
Результатом формирования спектрального многоканального изображения являлись серии из 12 цифровых изображений, на каждом из которых зафиксировано изображение измеряемого объекта и калибровочного экрана (идеального рассеивателя).
85
В процессе обработки серии изображений оператор выделял на изображениях серии прямоугольные области измерения (объекта) и калибровочного экрана, для которых производилось измерение яркости путём усреднения яркости пикселей по области:
N M . KL.
z z 4 ^ ^ Щ
в 1=i=!i=!_, в2 = 'z!z=!_, (2)
NM KL
где Bfj - яркость пикселя калибровочного экрана с координатами ij; N,M- размеры области анализа калибровочного экрана; Bfj - яркость пикселя объекта с координатами ij; K,L - размеры области анализа объекта. Коэффициент спектральной яркости рассчитывался по соотношению (1).
В процессе измерений должна быть обеспечена линейность преобразования яркости излучения в электрический цифровой сигнал цифровой видеокамерой в пределах её динамического диапазона. Для этого измерения производились при различных значениях диафрагмы объектива видеокамеры, а перед началом измерений в зависимости от условий освещения устанавливалась выдержка (время накопления) цифровой видеокамеры.
По результатам измерений с помощью разработанной программы производилась предварительная и тематическая обработка изображений.
Предварительная обработка включала:
- создание электронной папки эксперимента с описанием времени и места эксперимента, объектов измерений, погодных условий, условий освещения;
- сохранение серии изображений в папку эксперимента на жёсткий диск ЭВМ (серия включает четыре комплекта изображений по 12 изображений при четырёх значениях диафрагмы объектива);
- переименование и систематизация изображений в папке.
Тематическая обработка включала:
- оценку качества изображений в папке эксперимента по критериям насыщения (нелинейности преобразования) и зашумления; для этого программой обработки было предусмотрено выделение участков на изображении, имеющих яркость, выше установленной (уровень устанавливался в пределах 200.. .255);
- сортировку и отбор в серии кадров для построения графика спектральной яркости (отбор проводился последовательно по длинам волн, на экран выводились изображения для различных значений диафрагмы, по которым выбирался кадр, имеющий максимальный уровень яркости без превышения заданного уровня в зонах интереса -калибратор, объект, заданный фон);
- нормализацию изображений по яркости калибровочного экрана; при нормализации использовалась зависимость спектрального диффузного отражения калибровочного экрана ¿>oz з измеренная на образцовом спектрофотометре; нормализованная
%
яркость равна В= —1—, где В¡у - измеренная яркость; Вщ - нормализованная яр-
%
кость;
- измерение локальной или интегральной яркости объекта и фона; зона усреднения (интегрирования) могла задаваться при обработке от 3x3 пикселей до полного размера кадра; координаты области сохранялись;
- построение графика спектральной яркости объектов и фона; график отображались в прямоугольных координатах с выводом следующих зависимостей от длины волны: измеренные яркости калибратора, объекта и фона; нормализованные яркости калибратора, объекта и фона;
- расчёт контраста объекта на фоне в различных участках спектра; контраст рассчитывается по соотношению:
К =
Воб - Вф
Воб + Вф
(3)
где Воб - яркость объекта; Вф - яркость фона.
Измерения характеристик покрытий проводились на местности при естественном освещении одновременно с измерениями характеристик фонов.
Экспериментально измерялись коэффициенты спектральной яркости различных лакокрасочных покрытий, строительных материалов (кирпич, бетон, деревянные доски и плиты), а также растений и природных образований. Примеры результатов измерений спектральной яркости различных покрытий и материалов приведены на рис. 1 - 4.
Рис. 1. Результаты измерений коэффициента спектральной яркости лакокрасочных покрытий: 1 - эмаль УР-2К М (3) зелёно - защитная; 2 - эмаль ХС-5146 (2) зелёно-защитная; 3 - эмаль ХС-5146 (2) серо-жёлтая; 4 - эмаль ХС-5146 (2) светло серо-жёлтая; 5 - окраска ОХТЭК-1ПМ
светло-серая; 6 - эмаль УР-2К М (3) белая
>5 0,7
I0'6
О.
% 0,5 ^ 0,4
I
щ
3
0,2
0
1 0,1
О
з-о,: -е-
V
/К
А е. У I
470 485 520 595 630 650 740 785 810 850 880 940 Длина волны, нм
Рис. 2. Результаты измерений коэффициента спектральной яркости нового красного кирпича (1), старой кладки из красного кирпича (2), светлого (персикового)
нового кирпича
Полученные результаты показывают, что спектры всех красок практически равномерны во всём измеренном диапазоне длин волн. Краски различных марок, но одинакового цвета (эмаль ХС-5146 (2) и эмаль УР-2К М (3)) зелёно-защитного цвета имеют близкие спектральные характеристики.
87
0,45
¥
0,05
0
470 485 520 595 630 650 740 785 810 850 880 940 Длина волны, нм
Рис. 3. Результаты измерений коэффициента спектральной яркости гладкого бетонного бордюрного блока (1) и бетонного столба (2)
Результаты измерений коэффициента спектральной яркости двух типов камуфляжной ткани приведены на рис. 4. Несмотря на внешнюю похожесть тканей, спектральные их характеристики существенно отличаются.
0,8
470 485 520 595 630 650 740 785 810 850 880 940 Длина волны, нм
Рис. 4. Результаты измерения коэффициента спектральной яркости
камуфляжных тканей
Из полученных результатов видно, что в видимом диапазоне ткани имеют низкий коэффициент спектральной яркости (0,05.. .0,08), но в диапазоне более 700 нм коэффициент спектральной яркости тканей резко возрастает, достигая 0,45 для первого образца и 0,7 - для второго.
При экспериментальном исследовании спектральных характеристик растений и природных образований измерялись коэффициенты спектральной яркости различных деревьев (сосна, ель, берёза, липа, дуб, клён), кустарников (калина, жёлтая акация, орешник), смешанного леса, лугов, водной поверхности, грунтовых дорог для условий весны, лета и осени.
На рис. 5 приведены результаты измерения спектральной яркости смешанного леса (лес включал берёзы, липы, ели, кустарник).
Измерения, проведённые в различные временные периоды, позволяют проследить существенное общее увеличение спектральной яркости с марта по июль (до 6 раз). Кроме того, заметно возрастание спектральной яркости в области длин волн 500.600
нм. В июне-июле спектральная яркость смешанного леса практически не меняется, в сентябре яркость снижается и спектр в видимой части спектра смещается из зелёной области в область более длинных волн.
Рис. 5. Результаты измерения коэффициента спектральной яркости смешанного леса: 1 — 25 марта; 2 — 28 мая; 3 — 23 июля; 4 — 30 сентября
На рис. 6 приведены результаты измерений коэффициента спектральной яркости луга для различных сезонов.
Рис. 6. Результаты измерения коэффициента спектральной яркости луга: 1 — 25 марта; 2 —13 мая; 3 — 28 мая; 23 июля
Полученные при экспериментальных исследованиях результаты качественно хорошо согласуются с результатами Е.Л. Кринова [3]. В целом исследование спектральных характеристик растительных образований показало, что все измеренные спектры растительности имеют общий тип изменения с ростом длины волны:
- на длинах волн 470.. .520 нм - возрастание в 1,5.. .2 раза;
- в интервале 520. 595 нм - спектральная яркость практически неизменна;
- в интервале 595.650 нм - постепенный спад на 30.40%;
- в интервале 650.740 нм - резкое возрастание спектральной яркости в 3.6
раз;
- в интервале 740.940 нм - спектральная яркость изменяется слабо.
Такой характер измерения спектральной яркости существенно отличается от характера изменения спектральной яркости исследованных красок (рис. 1) и подавляющего большинства автомобильных красок (равномерный спектр во всём диапазоне длин волн). Этот признак может использоваться для выделения окрашенных объектов на фоне местности.
Следует заметить, что спектральная характеристика одной из исследованных камуфляжных тканей (рис. 4) очень близко соответствует спектральной характеристике р астительности.
Полученные результаты позволяют разработать рекомендации по использованию спектральных признаков при выделении объектов на сложном фоне в многоспектральных системах.
Список литературы
1. Шовенгердт Р. А. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. 560 с.
2. Молчанов А. С. Состояние, развитие и применение гиперспектральных технологий в аэрокомплексах и системах воздушной разведки // Сборник тезисов докладов научно-технической конференции «Гиперспектральные приборы и технологии». Красногорск, 2013. С. 21-23.
3. Кринов Е.Л. Спектральная отражательная способность природных образований. Изд-во АН СССР. Москва Ленинград. 1947. 272 с.
Погорельский Семён Львович, канд. техн. наук, заместитель директора, khkedr a tnla.net, Россия, Тула, АО «КБП»,
Макарецкий Евгений Александрович, д-р техн. наук, профессор, makaretskyamiail.ru, Россия, Тула, Тульский государственный университет,
Овчинников Александр Викторович, канд. техн. наук, доцент, admin telexamail. ru, Россия, Тула, Тульский государственный университет,
Гублин Александр Сергеевич, канд. техн. наук, доцент, guhlinasa yandex. ru, Россия, Тула, Тульский государственный университет,
Понятский Валерий Мариафович, канд. техн. наук, доцент, начальник отдела, pwmruayandex.ru, Россия, Тула, АО «КБП»,
Шилин Аркадий Александрович, канд. техн. наук, начальник сектора, arkadiy.shilinamail.ru, Россия, Тула, АО «КБП»
EXPERIMENTAL RESULTS OF THE SPECTRA OF MATERIALS AND COMPLEX BACKGROUNDS
S.L. Pogorelsky, E.A. Makaretsky, A. V. Ovchinnikov, A.S. Guhlin, V.M. Ponyatsky, A.A. Shilin
The technique and results of experimental research in the wavelength range of460 ... 960 nm of spectral brightness coefficients of paint and varnish coatings, building materials and plant formations for different seasons are described. The data obtained make it possible to formulate recommendations for identifying objects against a complex background using multispectral systems.
Key words: hyperspectral systems, spectral brightness of reflection.
Pogorelsky Semyen Lvovich, candidate of technical sciences, deputy director, khkedratнla. net, Russia, Tula, JSC «KBP»,
Makaretskiy Eugene Alexandrovich, doctor of technical science, professor, makaretsky@,mail. ru, Russia, Tula, Tula State University,
90
Ovchinnikov Aleksandr Victorovich, candidate of technical sciences, docent, admin telexamail. ru, Russia, Tula, Tula State University,
Gublin Aleksandr Sergeevich, candidate of technical sciences, docent, admin telex a mail. ru, Russia, Tula, Tula State University,
Ponyatskiy Valeriy Mariafovich, head of department, pwmruai yandex. ru, Russia, Tula, JSC «KBP»,
Shilin Arkadiy Alexandrovich, head of sector, arkadiy. shilinamail. ru, Russia, Tula, JSC «KBP»
УДК 004.932; 53.08
ИССЛЕДОВАНИЕ АЛГОРИТМОВ ВЫДЕЛЕНИЯ ФРАГМЕНТОВ ИЗОБРАЖЕНИЯ НА СЛОЖНОМ ФОНЕ МЕТОДАМИ ГИПЕРСПЕКТРАЛЬНОЙ ОБРАБОТКИ
С.Л. Погорельский, Е.А. Макарецкий, В.М. Понятский, А.А. Шилин
Приведены результаты исследования методов выделения фрагментов изображений на сложном фоне при использовании многоспектрального изображения. Рассмотрены задачи выбора числа информационных каналов и оптимизации отношения сигнал-фон и контраста изображения при весовой обработке информации каналов.
Ключевые слова: гиперспектральная обработка, обработка изображений, повышение контраста.
Одним из основных показателями качества оптико-электронных приборов наблюдения является условная вероятность обнаружения образов наблюдаемых полезных фрагментов человеком-оператором [1]. На обнаружение интересующих фрагментов изображения в конечном счёте влияет контраст наблюдаемого изображения, который может быть существенно различен в различных областях спектра.
Существуют многочисленные методы оценки свойств спектральных каналов и их комплексирования [2-4], но они отличаются большой вычислительной сложностью. При использовании гиперспектрального (многоспектрального) метода наблюдения часто возникает задача поиска простых алгоритмов, позволяющих в режиме реального времени производить сравнение качества каналов и выделение фрагментов изображений на сложном фоне по контрасту. В этом случае эффективной может быть весовая обработка сигналов.
Общая постановка задачи. Есть непрерывный спектр сигнала выбранных фрагментов изображения с распределение мощности по спектру S(1) и спектр фона с распределением мощности по спектру F(1), где S(1) и F(1) - детерминированные функции. Он измеряется в виде набора спектральных полос сигнала S(1) = [Si,S2,........Sn] и фона F(1) = Fi,F2,........Fn], где Si,Fi - соответственно выходные полезный и фоновый сигналы i - го спектрального канала, описывающие математическое ожидание спектральной плотности. В пределах каждого спектрального интервала A1j сигналы формируются интегрально по спектру, ширина спектральных интервалов может быть различна.
Выходной сигнал многополосной системы формируется в виде взвешенной суммы спектральных сигналов:
n
s(1) = Z Si a (i)
/=1 91
