CC BY
327. Типы сетевых атак, их описание и средства борьбы. [Электронный ресурс]. Режим доступа: http://lagman-join.narod.ru/spy/CNEWS/ cisco_attacks.html/ (дата обращения: 21.06.2017).
8. Гуц А.К. Теория игр и защита компьютерных систем: учебное пособие / А.К. Гуц, Т.В. Вахний. Омск: Издательство ОмГУ, 2013. 160 с.
9. Anti-Malware - независимый информационно-аналитический центр. [Электронный ресурс]. Режим доступа: http://www.anti-malware.ru/about/ (дата обращения: 21.06.2017).
СЕГМЕНТАЦИЯ РАДИОЛОКАЦИОННОГО ИЗОБРАЖЕНИЯ В БОРТОВОЙ РАДИОЛОКАЦИОННОЙ СТАНЦИИ Антошкин А.Р.
Антошкин Алексей Романович — магистрант, кафедра вычислительной прикладной математики, факультет вычислительной техники, Рязанский государственный радиотехнический университет, г. Рязань
Аннотация: рассматриваются теоретические и практические вопросы разработки алгоритма сегментации радиолокационного изображения для бортовой радиолокационной станции. В общих чертах в статье объясняются принцип работы алгоритма пространственной сегментации, процесс разделения изображения на однородные непересекающиеся контуры, которые формируются на основании общего признака. На примере рассмотрен массив радиолокационного изображения, проанализированы методы обработки изображения. На основе проведенного исследования автором предлагается алгоритм сегментации с перечислением шагов.
Ключевые слова: радиолокационное изображение, бортовая радиолокационная станция, сегментация.
В компьютерном зрении, сегментация — это процесс разделения цифрового изображения на несколько сегментов (множество пикселей, также называемых суперпикселями). Цель сегментации заключается в упрощении и/или изменении представления изображения, чтобы его было проще и легче анализировать [1]. Сегментация используется для выделения объектов и их границ на изображениях. Выражаясь точнее, пространственная сегментация является процессом присвоения каждому пикселю изображения меток таким образом, что пиксели с одинаковыми метками имеют общие визуальные характеристики. В результате на изображении имеется множество сегментов или контуров, выделенных из изображения, пиксели которых похожи по цвету, яркости, текстуре или по иному свойству [1].
Существует множество методов сегментации изображений [2, 3]. Реализованный в проекте алгоритм сегментации отличается от известных тем, что он применяется для радиолокационных изображений и в нем выполняется формирование единого массива меток, принадлежащих к тому или иному сегменту (однородной области). Также построение сегментов осуществляется поэлементно, это обусловлено большой информативностью одного элемента разрешения на поверхности земли (в среднем сотни квадратных метров). В данном алгоритме не участвует информация о высоте земной поверхности в каждом элементе разрешения массива РЛИ, поэтому невозможна совместная обработка данных о высоте и амплитуде отраженного сигнала.
Все расчеты по выделению (сегментации) объектов в стробе ведутся в системе координат (азимут - наклонная дальность) РЛ изображения £(/, , хранящегося в памяти как прямоугольный массив (на рис. 1 массив РЛ изображения представлен в виде градаций уровня серого). Размерность массива ограничена зоной обзора по азимуту и зоной приема по дальности. Последовательность действий при выделении объектов следующая:
1 После наложения прицельного перекрестия оператором на сопровождаемый объект выделяется прямоугольный строб для формирования контуров объектов в его пределах [4, 5]. Центр строба соответствует положению прицельного перекрестия. Прямоугольная форма строба определена для удобства расчетов.
Рис. 1. РЛ изображение
II. Путем визуальной оценки объектов на РЛ изображениях линейные размеры (АХ
стр '
A Y ), соответственно горизонтальный и вертикальный, строба S (к, l) , определяются формулами:
AX =
стр
X
MAX 20
+ L, AYcmp =
Y
MAX 20
+ L,
где Xmax - количество азимутальных отчетов в зоне обзора формируемых алгоритмом
первичной обработки сигнала, Ymax ' количество стробов дальности в зоне приема, L =0 или 1 в зависимости от результата деления, соответственно нечетное и четное число (для того, что бы
размеры сторон строба были нечетными), к = 0,1,..., к
l = 0,1,...,lmax -1, =AYc
1, к = AX„
стр
соответственно горизонтальные и вертикальные
размеры строба.
Ш. Границы строба ( ХстрШОШ , Х стрЬЕКГ ' У стр иР > УстрПОШЫ X соответственно правая
левая, верхняя и нижняя, выделенного строба определяются по формулам:
X cmpRIGHT X ПП + '
AX„
" стр
2
X = X -X стрLEFT X ПП
AX „
' стр
2
У = У +■
У стрир Y ПП ^
AY
стр
У
2 - стрООШЫ пп 2
IV. Следующим шагом сегментация выполняет разделение матрицы РЛ изображения на непересекающиеся подобласти:
AY
_у _ стр
Y гггг '
ц.ч
ц.ч
и
1. Выделяется вспомогательный строб M(к, l) меток или номеров принадлежности к
тому или иному сегменту, соразмерный выделенному стробу S (к, l). Для установки начальных значений меток П в стробе M(к, l), организуется цикл по столбцу l = 0,1,..., lmiK — 2 для последовательного сравнения соседних значений элементов 0 -го ( к = 0 ) столбца строба S (к, l) . Если одновременно выполняются условия:
~(0, l) и ~(0, l + 1) >£ или ~(0, l) <£ и ~(0, l + 1) <£ ,
то элементу вспомогательного строба M(0, l + 1) присваивается значение элемента M (0, l ) , т.е. продолжение участка однородности, иначе выполняется инкремент метки
П = П + 1 и формируется следующий П -ый участок однородности по столбцу - элемент M(0, l +1) = П. Порог обнаружения границ сегментов ^ рассчитывается путем предварительных экспериментальных исследований
2. Организуется цикл по строке к = 0,1,...,кmax — 1, где вводятся вспомогательный массив вектор A(m) , в котором запоминаются значения старых меток A(m) = M(к, l + 1) на предмет принадлежности к сегменту с выбранной меткой и массив вектор B(m), для сохранения значений новых меток A(m) = M(к, l), где старые метки должны быть переписаны.
3. При условии не равенства счетчика цикла по строке к Ф ктх — 1 организуется цикл по
столбцу l = 0,1,...,lmx — 1 для последовательного сравнения соседних значений элементов
по строке к -го и (к + 1) -го столбца выделенного строба S (к, l) . В результате выполнения выше перечисленных действий получаются отдельные участки связности по строкам и столбцам, которые требуется объединить в однородные сегменты путем взаимного переприсвоения соответствующих меток. Для этого вводятся вспомогательные вектора A(r) и B(r) , где r = 0,1,...,m — 1.
4. Вводится вспомогательный массив вектор C(s) , для временного хранения значений
всех меток принадлежащих к одному и тому же сегменту, где S = 0,1,...,Smx — 1 - имеет смысл счетчика количества переприсвоенных меток, относящихся к одному сегменту. Размерность Smax определяется максимально возможной веткой переприсвоения: m^x = АХстр ■ АУстр . Далее массив C(s) сохраняет значения меток A(r) и B(r) , с
шагом S = S + 1. Цикл в^1полняется до тех пор, пока значение признака f окончания ветки переприсвоений меток, относящихся к одному сегменту, принимает значение «истина», т.е. f = true . Т.е. начальное значение признака f = false .
5. Для поиска остальных меток принадлежащих к формируемому сегменту, в цикле h = r + 1, r + 2,..., m — 2 рассматриваются все метки в массивах A и B , которые
располагаются после текущей B(m) . Здесь h - счетчик элементов векторов A(h) и B(h) .
V. В результате получается массив M , в котором содержатся метки соответствующие тому
или иному сегменту строба S РЛ изображения. По содержанию сегмент строба S может быть двух видов, как объектом, так и фоном.
Результат выделения объектов строба $ (рис. 2) показан на рис. 4.2 в увеличенном виде. Здесь показаны возможные значения меток, которые имеют одинаковые значения в каждом элементе сегмента массива м . Контуры объектов выделены красными замкнутыми линиями.
Рис. 2. Результат выделения объектов строба Список литературы
1. Shapiro Linda G. and Stockman George C. (2001): «Computer Vision». Р. 279—325. New Jersey. Prentice-Hall. ISBN 0-13-030796-3.
2. Кузьмин С.З. Основы проектирования систем цифровой обработки РЛИ. М.: Радио и связь, 1986. 352 с.
3. Анисимов Б.П., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображения. Уч. Пособие, 1983. 150 с.
4. Клочко В.К. Методы обработки сигналов и изображений. Автометрия, 1996. № 3.
5. Клочко В.К., Ермаков А.А. Алгоритмы фильтрации и сегментации трехмерных радиолокационных изображений поверхности. Автометрия, 2002. № 5.
АНАЛИЗ РИСКА АВАРИЙ И ЧС НА УСТАНОВКЕ КРЕКИНГА В ПРОГРАММНОМ КОМПЛЕКСЕ «ТОКСИ+Ш8К» Шайдуллина А.Ф.
Шайдуллина Алина Фаридовна — магистрант, кафедра экологии и промышленной безопасности, Московский государственный технический университет им. Н.Э. Баумана, г. Москва
Аннотация: в статье рассматривается актуальность использования программных комплексов, как средства прогнозирования аварий, расчета и оценки рисков на предприятии. В качестве объекта исследования выступают необходимые в наше время установки крекинга, на которых можно перерабатывать широкий ассортимент нефтепродуктов. Своевременная оценка рисков на предприятии позволит принимать своевременные меры по защите персонала и окружающей среды.
Ключевые слова: оценка рисков, установка крекинга, коллективный риск, индивидуальный риск, социальный риск, разлив нефти, пожар-вспышка, дерево исходов.
