CC BY
12УДК 004.946
Alexander A. Bolshakov1, Arthur A. Sgibnev2, Irina V. Veshneva3, Yuri N. Grepechuk4, Arkady V. Klyuchikov5
THE SYSTEM ANALYSIS OF HUMAN-MACHINE INTERACTION IN THE FORMATION OF VOLUMETRIC IMAGES IN VOLUMETRIC DISPLAYS ON THE BASIS OF STATUS FUNCTIONS
St Petersburg State Institute of Technology (Technical University), Moskovsky Pr., 26, St Petersburg, 190013, Russia Yuri Gagarin State Technical University of Saratov, Politech-nicheskaya st., 77, s. Saratov, 410054, Russia e-mail: nov@technolog.edu.ru
System analysis of the process of formation of volumetric images in volumetric displays is carried out. The comparative characteristic of the most popular volumetric displays being developed is given. This process is structured in the general form. The description of the main characteristics affecting the formation of a volumetric image at various successive stages is given, a semantic network for the description of this field is proposed. The criteria that must be taken into account when developing volumetric displays are formulated. The analysis of the possibility to assess the subjective perception of the quality of the formed volumetric image on the basis of the inclusion of a feedback channel into the system is carried out. The application of the mathematical model of combining subjective and objective estimations of the volumetric image quality on the basis of status functions is offered.
Keywords: ergatic systems, three-dimensional visualization, volumetric display, analysis, semantic network, perception, primary images, feedback, mathematical models, status functions.
DOI 10.15217/issn1998984-9.2017.40.102
А.А. Большаков1, А.А. Сгибнев2, И.В. Вешнева3, Ю.Н. Грепечук4, А.В. Ключиков.5
СИСТЕМНЫЙ АНАЛИЗ ЧЕЛОВЕКО-МАШИННОГО ВЗАИМОДЕЙСТВИЯ НА ОСНОВЕ
СТАТУСНЫХ ФУНКЦИЙ ПРИ ФОРМИРОВАНИИ ОБЪЕМНОГО ИЗОБРАЖЕНИЯ В ВОЛЮМЕТРИЧЕСКИХ ДИСПЛЕЯХ
Санкт-Петербургский государственный технологический институт (технический университет), Московский пр. 26, Санкт-Петербург, 190013, Россия
Саратовский государственный технический университет им. Гагарина Ю.А., ул. Политехническая, 77. г. Саратов, 410054, Россия e-mail: nov@technolog.edu.ru
Проведен системный анализ процесса формирования объемного изображения в волюметрических дисплеях. Приведена сравнительная характеристика наиболее популярных разрабатываемых объемных дисплеев. Осуществлена структуризация этого процесса в общем виде, приведено описание основных характеристик, влияющих на формирование объемного изображения на различных последовательных стадиях, предложена семантическая сеть для описания этой предметной области. Сформулированы критерии, которые необходимо учитывать при разработке объемных дисплеев. Проведен анализ возможности оценки субъективного восприятия качества формируемого объемного изображения на основе включения в систему канала обратной связи. Предложено применение математической модели объединения субъективной и объективной оценок качества объемного изображения на основе статусных функций.
Ключевые слова: эргатические системы, трехмерная визуализация, объемный дисплей, анализ, семантическая сеть, восприятие, первичные изображения, обратная связь, математические модели, статусные функции.
1 Большаков Александр Афанасьевич, д-р техн. наук, профессор, каф. систем автоматизиронного проектирования и управления СПбГТИ(ТУ), e-mail: aabolshakov57@gmail.com
Alexander A. Bolshakov, Dr Sci (Eng.), professor of the Department «Computer Aided Design and Management»SPbSIT(TU)
2 Сгибнев Артур Алексеевич аспирант каф. «Автоматизация, управление, мехатроника» СГТУ им. Гагарина Ю.А., e-mail: arthurvenbigs@mail.ru Arthur A. Sgibnev post-graduate student of the Department of Automation, Control, Mechatronics, SSTU
3 Вешнева Ирина Владимировна, канд. физ.-мат. наук, доцент каф. информационных систем и технологий в обучении факультета Компьютерных наук и информационных технологий Саратовского государственного национального исследовательского университета, ул. Астраханская, 83 г. Саратов, 410012, Россия, e-mail: veshnevaiv@mail.ru
Irina V. Veshneva Ph.D. (Phys.-Math.) associated professor Department of Information Systems and Technologies in education faculty of Computer Science and Information Technologies Saratov State National Research University, Astrakhanskaya st., s. Saratov, 83, 410012, Russia
4 Грепечук Юрий Николаевич, магистрант, каф. «Автоматизация, управление, мехатроника» Саратовского государственного технического университета СГТУ им. Гагарина Ю.А., e-mail: krosh.1693@mail.ru
Yuri N. Grepichuk, master of the department «Automation, management, mechatronics» SSTU
5 Ключиков Аркадий Викторович, магистрант, каф. «Автоматизация, управление, мехатроника» Саратовского государственного технического университета СГТУ им. Гагарина Ю.А., e-mail: krok9407@mail.ru
Arkady V. Klyuchikov, master of the department «Automation, management, mechatronics» SSTU Дата поступления - 17 июня 2017 года
Введение
Использование цифровых технологий, в том числе виртуальной реальности, является перспективным направлением для решения широкого спектра народно-хозяйственных задач [1]. Среди них следует выделить задачи разработки электронных обучающих систем [2-6] и тренажеров [7-9], в областях навигации, проектирования, медицины, игр, рекламы и т.д. [10-12]. Развитие соответствующих ресурсов и платформ [13-16] позволяет ожидать существенной трансформации системы университетского образования во всем мире. Осуществляется активная разработка прототипов интеллектуальных пространств, предназначенных для проведения коммуникативных мероприятий с использованием средств автоматической записи выступлений участников [17]. Другим важным аспектом является применение виртуальных комплексов в системах безопасности производств [18, 19], в среде обитания человека в целом, например, в урбанистике будущего [20]. Важно отметить, что эти разработки приводят к существенной трансформации различных аспектов функционирования социально-экономических систем [21]. Разработки в этих областях позволят достигнуть стратегического преимущества отдельных компаний, сообществ или государств.
В основе развития вышеописанных тенденций содержится технология человеко-машинного взаимодействия. При этом по сравнению с первыми эргатическими системами, в которых «пластичность» взаимодействия человека-оператора и машины достигалась приспособляемостью человека, в дальнейшем постепенное изменение человеко-машинного взаимодействия привело к необходимости обеспечения интерфейса взаимодействия полностью на основе «пластичности машины». Эти требования до сих пор в полной мере не реализованы. Главной причиной является неполнота технической реализации, что обусловливает необходимость разработки соответствующего математического, алгоритмического и программного обеспечения.
Современные эргатические комплексы предполагают использование объемных изображений [22-26], а также анализ действий и эмоционально-физического состояния человека [27].
Таким образом, актуальным является рассмотрение процесса формирования объемных изображений с позиций системного анализа для оценки качества на основе восприятия наблюдателем и разработки перспективных решений в области проектирования и использования волюметрических дисплеев. Работа осуществляется в рамках проекта по созданию объемного дисплея [28] с использованием метода, который описан в [29].
Постановка задачи
Для построения формируемых волюметрически-ми дисплеями объемных изображений, а также анализа их качества необходимо решить следующие задачи.
1. Описание разрабатываемых объемных дисплеев и задач объемной динамической визуализации.
2. Построение семантической сети для описания предметной области, связанной с объемной визуализацией. Структуризация процесса формирования объемных изображений на базе выделения основных стадий.
3. Формирование критериев качества процесса объемной визуализации.
4. Создание алгоритма интерпретации и преобразования данных объемной визуализации на основе статусных функций.
Описание разрабатываемых объемных дисплеев и задачи объемной динамическом визуализации
Одним из направлений развития трехмерной визуализации являются объемные дисплеи. Важными факторами, существенно влияющими на широкое применение объемных дисплеев, являются стоимость, воз-
можность одновременного неограниченного просмотра без использования специальных средств (различные очки и т.п.). Из-за появившихся в последнее время возможностей физической реализации технология вновь заинтересовала разработчиков. Способы формирования трехмерной визуализации могут быть технически реализованы с применением волюметрических дисплеев, изготовленных на основе технологий планарных слоев, а также на основе вращающегося экрана или изменения фокусного расстояния (рисунок 1). В связи с ограничениями в скорости передачи данных, они пока не получили широкого распространения.
Рисунок 1. Принципиальные схемы волюметрических дисплеев: а) с планарными слоями б) с вращающемся экраном в) с переменным изменением фокусного расстояния
Анализ основных характеристик создаваемых объемных дисплеев показывает (таблица 1), что для обеспечения высокой цветности и разрешения в существующих решениях требуется высокая скорость потока данных, которая не достижима для типовых сетей передачи информации (локальные сети, Интернет).
Таблица 1. Характеристики разрабатываемых объемных дисплеев
Название Цветность/ разрешение Примерный поток данных, Гбит/с Обзор, град. Стадия Кол-во зрителей одновременно Непосредственное наблюдение объема
HoloVision full 24b/ XVGA нет данных 50 на рынке 2-3 чел. плоское изображение
NettleBox full 24b / FHD+ нет данных 360 на рынке 1-2 чел. нет, с актив. очками
RealView full 24b/ нет свед. нет данных 180 разраб. нео- гр. да
RayMod-eller full 24b/ 128x96 63.70 360 прототип нео- гр. да
DepthCube x1403a 15b/ XVGA 21.23 170 прототип v2 нео- гр. да
Helix 3D 15b/ VGA 42.47 360 на рынке нео- гр. да
Light Field Display 8b/ SVGA 81.54 360 разраб. нео- гр. да
Transpost full 24b/ QVGA нет данных 360 разраб. нео- гр. да
Perspecta 3D 21b/ SVGA 67.27 360 на рынке нео- гр. да
Vermeer 8b/VGA 45.30 360 прототип нео- гр. да
Поэтому для успешного широкого использования цветной объемной динамической визуализации требуется решить ряд задач, устраняющих существующие противоречия.
Первое, и наиболее существенное из них - противоречие между требуемым качеством изображения и потоком данных, необходимым для его обеспечения. Несмотря на использование вычислительных и проекционных средств на грани возможностей современной техники, цветность и размер получаемого объемного изображения в этих устройствах остаются существенно ограниченными, затруднена или невозможна работа в режиме реального времени.
Второе - техническая, математическая и программная разработки для оценки качества формируемой трехмерной визуализации. Задача достаточно сложная, включающая оценку технической реализации волюме-трических дисплеев, а также субъективного восприятия сформированного изображения. Такая оценка возможно только при создании канала обратной связи, по которому передается сигнал оценки состояния человека. Техническая реализация возможна контактными (например, энцефалограмма) и бесконтактными методами (например, методами фотограмметрии [30]). Неинвазивная диагностика состояния является предпочтительной и возможна с использованием стереокамер высокого разрешения, позволяющих проводить обработку изображения методами фотограмметрии и технологий распознавания образов. Для этого необходимо разработать информационную систему с использованием канала обратной связи. Система должна включать модули распознавания качества восприятия объемного изображения на основе базы знаний (БЗ) состояний восприятия и базы моделей (БМ) возможных состояний. Результаты обработки оценок качества восприятия объемного изображения передаются в подсистему последовательных преобразований при формировании объемного изображения (рисунок 2).
Рисунок 2. Система формирования объемного изображения и оценки качества его восприятия
На основе полученных данных обработки оценки восприятия изображения вносятся коррективы в последовательность преобразований при формировании объемного изображения.
Построение семантической сети для описания предметной области, связанной с объемной визуализацией Структуризация процесса формирования объемных изображений на базе выделения основных стадий
Проведенный анализ позволил предложить семантическую сеть, описывающую предметную область, связанную с формированием объемных изображений с использованием объемных дисплеев. Ее обобщенный вариант представлен на рисунке 3. Ключевым понятием, согласно схеме, является 3D-дисплей, который создает объемное изображение, обладающее количественными и качественными множествами свойств.. В свою очередь,
качественное свойство имеет следующие типы: монокулярные и бинокулярные. Монокулярный тип имеет следующие характеристики: параллакс движения и вращение объекта. Бинокулярный тип, в свою очередь, обладает следующими характеристиками: конвергенция и бинокулярная диспарантность. Если изображение формируется из двухмерных, то согласно полному варианту семантической сети, оно описывается количественными свойствами, такими как глубина цвета, разрешение, размер, яркость, контрастность и т.д..
В дальнейшем полученная семантическая сеть используется для построения математической модели процесса объемной визуализации, что позволяет автоматизировать формирование описания конкретного варианта технической реализации объемного дисплея и соответствующих характеристик промежуточных изображений, получаемых на различных стадиях.
Рисунок 3. Обобщенный вариант семантической сети, описывающей предметную область объемной визуализации
В результате анализа определены основные стадии преобразования исходных изображений в конечное, объемное, которое осуществляется в волюметрических дисплеях (см. рисунок 4).
Исходные изображения X, достаточные для воспроизведения на их основе объемных, подаются на блок обработки и формирования первичных изображений P. К исходным относятся изображения объекта, которые получаются с использованием трехмерных моделей, двумерных его изображений в различных ракурсах или специально подготовленных «срезов», а также видеоинформации при создании анимированной визуализации.
Одной из важнейших в структурной последовательности формирования объемного изображения P является стадия создания первичных изображений, т.е. кластера двумерных изображений объекта, из которых далее формируется объемный образ (рисунок 3).
В результате передачи первичных изображений P с использованием устройства вывода получается составное изображение Р, причем для корректного объединения составных частей изображений требуется их синхронизация. В результате получается синхронизованное во времени и пространстве изображение ф, которое далее передается на оптическую систему для генерации окончательного объемного изображения У, которое непосредственно воспринимается наблюдателем (пользователем) с учетом его психофизиологических особенностей Z в виде изображения У'.
Рисунок 4. Обобщенная последовательность преобразований при формировании объемного изображения
Необходимо выявить множество характеристик двумерных изображений, которые влияют на конечный результат. Эти характеристики определяют значения входных и выходных переменных системы. При этом требуется учитывать, что используемые различные технические средства накладывают определенные ограничения на формируемые значения. Эти ограничения также влияют на конечное объемное изображение и определяют качество восприятия объема человеком.
Первичные двумерные изображения обычно характеризуются показателями, приведенным в таблице 2. К ним относятся: глубина цвета, разрешение, размер и яркость изображения.
Таблица 2. Описание характеристик первичных изображений (шкала: А - абсолютная, П - порядковая)
Ключевые характеристики Свойства Описание Диапазон/ возможные значения/ шкала
Глубина цвета Количество бит, используемых для воспроизведения и хранения цвета 8, 16, 32 бит П
Разрешение Количество точек на единицу площади От 320x240 до 8192x4320, А
Размер изображения Размер формируемого изображения от нескольких сантиметров до метров, А
Характеристики двумерных изображений X Яркость Отношение силы света, излучаемого поверхностью, к площади её проекции на плоскость, перпендикулярную оси наблюдения 1.. .1500 кд/м2 А
Контрастность Отношение яркостей или плотностей наиболее светлой и наиболее тёмной из точек на материале 40:1 .1000:1, А
Кадровая частота Количество кадров за единицу времени 16-60, А
Угол обзора Максимальный угол, при котором качество изображения существенно не изменяется 110-360° , А
Таким образом, основными параметрами являются количественные характеристики изображений (таблица 2), которые, в свою очередь, зависят от характеристик устройств вывода (мониторов, проекторов), а также устройств формирования первичных изображений.. Качество выходного объемного изображения У непосредственно зависит от степени технической реализуемости этих параметров. Основными критериями при выводе графической информации являются скорость ее передачи, разрешение, частота, цветопередача и угол обзора. В нашем случае эти критерии являются входными сигналами системы Т.
Вышеописанные характеристики влияют на качество плоских изображений, поэтому к критериям восприятия объема человеком следует отнести монокулярные (таблица 3) и бинокулярные признаки (таблица 4). Их реализация позволит в определенной мере формировать виртуальное объемное изображение.
Таблица 3 Монокулярные свойства восприятия объема (шкала: Н - номинальная, П - порядковая)
Ключевые характеристики Свойства Описание Диапазон/ (возможные значения)
Параллакс движения Наблюдается движение объекта относительно наблюдателя Да/нет, Н
Атмосферная перспектива Дальний объект выглядит более расплывчатым Да/нет, Н
Тени Наличие теней на объекте Да/нет, Н
Монокулярные свойства восприятия объема (11) Линейная перспектива Наблюдается перспектива Да/нет, Н
Взаимное перекрытие объектов (окклюзия) Имеется заслонение объектов Да/нет, Н
Вращение объекта Наличие вращения Да/нет, Н
Относительность размеров Более близкий объект больше по размеру Сильные отличия, заметные отличия,слабые отличия, П
Градиент текстуры Чем крупнее текстура, тем ближе объект Ярко выраженная текстура, имеется текстура, нет, П
Отнесем к входным переменным восприятие глубины I, т.е. способность человека воспринимать трехмерное изображение. Монокулярные признаки не являются количественными, их наличие учитывается при создании контента и усиливает восприятие объема. Примеры подобных свойств приведены на рисунке 5. К ним относятся Х1 - относительные размеры объектов, Х2 - градиент текстуры, Хз - взаимное расположение, х4 - линейная перспектива, х5 - атмосферная перспектива, х€ - параллакс движения; и бинокулярные: Ху - бинокулярная конвергенция, Х8 - нормальная бинокулярная диспаратность, окклюзия.
Также на объект исследования влияют психологические факторы и физиологические особенности отдельного человека Т. Поэтому еще одним аспектом разработки метода формирования трехмерного изображения является необходимость его апробации на различных группах пользователей (таблица 4).
точка схяда линия горизонта_\|/
/ // \\ ^ * //• \У~>
Рисунок 5. Некоторые из монокулярных признаков восприятия объема: а) параллакс движения; б) атмосферная перспектива,
относительность размеров; в) тени на объекте г) взаимное расположение объектов; д) линейная перспектива
Таблица 4. Бинокулярные характеристики
Ключевые характеристики Свойства Описание
Бинокулярные свойства восприятия объема 12. Реализуются оптической системой Конвергенция Сведение глаз при рассматривании близких объектов. Может качественно оцениваться порядковой шкалой: нормальная, осложненная, отсутствует.
Бинокулярная диспарат-ность Отличия между двумя изображениями, которые проецируются на глаза. Может качественно оцениваться порядковой шкалой: нормальная, осложненная, отсутствует.
В формировании объема участвует несколько устройств вывода, которые, проецируя первичные изображения на рабочую плоскость, формируют виртуальный объемный объект. Количество объектов вывода может достаточно существенно варьироваться (от 72 до 216 как, например, в [25, 26]). При выводе объемного изображения одной из основных задач является синхронизация устройств вывода, в качестве измеряемой переменной при этом целесообразно использовать время рассинхро-низации кадров.
Формирование объективного и субъективного критериев качества процесса объемной визуализации
Качество формируемого автостереоскопической системой изображения оценивается субъективно наблюдателем. При этом в подобной оценке важным являются ощущения объемности, степени четкости, цветности. Поэтому на первом этапе исследований предлагается использовать достаточно грубую порядковую шкалу с возможными значениями: удовлетворительное, неудовлетворительное, в дальнейшем для более точной оценки возможно применение оценок, например, вида: отличное, хорошее, удовлетворительное, неудовлетворительное. С учетом описанной структуры системы для визуализации объемных изображений введем следующее соотношение:
}" =р(х,11,11,8,г) (1)
где Г' - критерий качества получаемого объемного, в общем случае, динамического цветного изображения, определяемого на основе некоторой математической модели F, X - вектор характеристик входного изображения (таблица 2), векторы монокулярного /1 (таблица 3) и бинокулярного (таблица 4) восприятия /2, Э - вектор конструктивных характеристик системы (см. рисунок 3), Т - возмущающий вектор, учитывающий психологические факторы и физиологические особенности конкретного человека при восприятии объемного изображения.
Оценим качество получаемого изображения У' с использованием порядковой шкалы вида: удовлетворительное, неудовлетворительное, при необходимости, оценку можно детализировать в виде упорядоченного ряда: отличное, хорошее, удовлетворительное, неудовлетворительное.
В дальнейшем в качестве единого математического аппарата для описания предложенного критерия и характеристик процесса визуализации предлагается использовать нечеткие модели, что позволит учесть разнородность переменных в различных шкалах: от абсолютной до номинальной.
Работа трёхмерных дисплеев основывается не только на технически реализуемых характеристиках, таких как глубина цвета, разрешение, размер и яркость изображения, но и на принципах восприятия объёма человеком, т.е. на стереоскопическом зрении. Механизм
восприятия трёхмерности пространства осуществляется на основе использования различий в двухмерных изображениях, которые попадают на сетчатку глаза. Мозг сравнивает изображения одной сцены на двух сетчатках и с большой точностью оценивает относительную глубину сцены.
Способность человека ощущать стереоэффект зависит от пяти условий, подробно описанных в [25]. Эти условия обобщают монокулярные, бинокулярные признаки системы I, по которым можно оценить восприятие объема человеком Т.
1. Существует много косвенных признаков глубины (рисунок 5).
2. Использование проекций, фиксируемых зрением, в центральные ямки обеих сетчаток.
3. Стереоэффект определяется простым геометрическим фактом: если некоторый объект находится ближе точки фиксации, то две его проекции на сетчатках оказываются взаимно дальше, чем корреспондирующие точки.
4. Объект, проекции которого на сетчатках правого и левого глаза попадают на корреспондирующие точки, воспринимается как расположенный на аналогичном расстоянии от глаз, как и точка фиксации; если проекции этого объекта раздвинуты по сравнению с корреспондирующими точками, объект кажется расположенным ближе точки фиксации; если они, наоборот, сближены, объект кажется расположенным дальше точки фиксации.
5. При горизонтальном смещении проекций более, чем на 2° или вертикальном смещении более нескольких угловых минут возникает двоение.
Таким образом, на восприятие изображения человеком Z влияют различные психологические и физиологические факторы. К числу возможных факторов, влияющих на качество восприятия объема, следует отнести расстояние между глазами, расстояние от глаз до источника изображения, угол просмотра, наличие средств коррекции зрения и т.п.
Алгоритм интерпретации и преобразования данных объемной визуализации на основе статусных функций
Далее согласно показанной выше природе используемой информации с учетом ее субъективных и объективных аспектов предлагается применить математический аппарат статусных функций (СФ). При этом используем общий алгоритм построения нечеткой модели на основе СФ [31-33]. Алгоритм включает этапы: а) формирование базы правил, б) фаззификация, в) агрегация, г) активизация, д) аккумуляция, е) деффазификация.
а) База правил представляет конечное множество продукционных правил, согласованных относительно используемых в них переменных. Для формирования базы правил систем интерпретации и преобразования данных на основе метода СФ создается правило двойной оценки объекта и явления. Правило интерпретации данных имеет следующий вид:
ПРАВИЛО_/}': ЕСЛИ «Условие_/ и условие )»
ТО «Заключение^}'» (Я/}). (2)
где Я) (/ е{1, 2..... п}) обозначены коэффициенты
определенности или весовые коэффициенты соответствующих правил. Эти коэффициенты принимают значения из интервала [0, 1].
Условие по / использует оценку измеряемой части. Функция распределения применяется в форме орто-нормированного базиса координатных функций системы. Базисные координатные функции получаются в результате процедуры ортогонолизации гауссовых функций, которые являются максимально приближенными к функциям принадлежности теории нечётких множеств.
Часть условия в выражении (2) по переменной ) используется для формирования степени экспоненты статусной функции и характеризует интенциональное направление стремлений объекта. В нашем случае для этого используется возмущающий вектор Т, который является субъективной характеристикой и интенциональной оценкой восприятия изображения.
В процессе последовательного преобразования по рассмотренной выше схеме на рисунке 4 из исходного изображения объемного объекта, описываемого вектором X, в модуле обработки и формирования первичных изображений формируются отдельные фрагменты объемного изображения с различных ракурсов Р, количество которых определяется выбранной схемой пространственной фрагментации исходного изображения, затем устройством передачи изображений Р осуществляется передача на устройство синхронизации изображений 0>. Для заданных характеристик используемых устройств значения вектора монокулярных признаков 1х, представленного в таблице 2, техническим специалистом вполне однозначно определяются по заданному вектору входных изображений X в виде, например, таблиц соответствия с получаемыми значениями векторов Р и Р, что отражает определенные факты (в терминологии экспертных систем). База правил продукции СФ представляет конечное множество продукционных правил, согласованных относительно используемых в них лингвистических переменных.
Этап считается законченным, когда сформированы все правила интерпретации и преобразования данных на основе метода СФ.
б) Фаззификация входных переменных. Процедура определения значений функций принадлежности нечетких множеств (термов) на основе обычных (не нечетких) исходных данных. Формально процедура фаззи-фикации выполняется следующим образом.
До начала этого этапа предполагаются известными конкретные значения всех входных переменных системы систем интерпретации и преобразования данных, т.е. множество пар значений ^={(ах, у, (а2, у.....(ат, 1т),}. Далее рассматривается каждое из подусловий вида «Ь есть (ах', к')» правил системы нечеткого вывода, где Ь - наименование лингвистической переменной, а - ее значение на шкале базовой переменной г, а' - некоторый терм с известной функцией принадлежности р(г).
в) Агрегирование подусловий в нечетких правилах продукций. Это процедура определения степени истинности условий по каждому из правил системы нечеткого вывода.
При использовании алгоритма интерпретации и преобразования данных на основе метода СФ, степень истинности определяется из процедуры вычисления корреляции математического ожидания квадрата модуля СФ. При этом интенциональность возмущающего вектора Т используется опосредовано.
Для применения СФ составляем комплексную функцию, предполагая, что она описывает состояние человека, воспринимающего объемное изображение. Для описания используем две характеристики: собственно, характеристику и ее восприятие. Для этого, используем действительную и мнимую части.
Оптическая система (рисунок 4) с использованием ранее полученного вектора синхронизованных изображений Q формирует выходное изображение У. При этом весьма важно обеспечить синхронизацию передачи Q для формирования «согласованного» объемного изображения У. Причем вектор 12 (таблица 4), описывающий бинокулярные свойства наблюдателя, определяется на основе относительно несложных тестов или процедур и может описываться порядковой шкалой со значениями: нормальная, осложненная, отсутствует. Как отмечалось выше, целесообразно использовать нечеткую переменную с соответствующими термами.
Таким образом, предлагается использовать модель и алгоритм интерпретации и преобразования данных на основе СФ, описывающую процесс визуализации на базе автостереоскопического дисплея. Такое моделирование канала обратной связи позволит учитывать различные психологические факторы и физиологические особенности Z.
г) Для активизации систем интерпретации и преобразования данных на основе метода СФ на этапе формирования базы правил создается правило двойной оценки объекта и явления с учетом отличия алгоритма СФ от алгоритма Мамдани. Степень истинности каждого из под-заключении определяется в результате вычисления корреляции математических ожиданий квадратов модулей СФ.
д) Аккумуляция заключений нечетких правил продукций. Это процесс вычисления СФ для каждой из выходных переменных, характеризующих оценку качества множества W = {wi, W2..... Ws}. Цель аккумуляции заключается в том, чтобы объединить или аккумулировать все степени истинности заключений (подзаключений) для получения функции принадлежности каждой из выходных переменных.
Для аккумуляции систем интерпретации и преобразования данных на основе метода СФ используются аналоги минимаксных операций.
е) Для дефаззификации систем интерпретации и преобразования данных на основе метода СФ используются продукционные правила вычисления интегральных моментов, преобразования Фурье и вычисления передаточной функции.
Заключение
В статье представлены результаты работ по системному анализу процесса объемной визуализации. Приведена выявленная структура и основные этапы обработки изображений с использованием автостереоскопических дисплеев. Представлены основные переменные и описаны шкалы, в которых они измеряются. Предложены критерии оценки качества объемных изображений и математический аппарат для построения формального описания процесса визуализации, в т.ч. алгоритм интерпретации и преобразования данных объемной визуализации на основе статусных функций. Разработанное математическое обеспечение целесообразно использовать для исследования, проектирования и создания систем визуализации на базе объемных дисплеев. Практическую апробацию предложенного математического описания процесса объемной визуализации планируется осуществить с использованием создаваемого в настоящее время макета автостереоскопического дисплея, основанного на предложенном способе формирования объемных изображений [29].
Работа выполнена при поддержке грантов ИЦ Сколково (Г65/15 от 03.09.2015) и Фонда содействия инновациям (№ 26878 от 19.01.2017).
Литература
1. Указ Президента РФ от 01.12.2016 № 642 «О Стратегии научно-технологического развития Российской Федерации».
2. Зиятдинов Н.Н., Дмитриева Л.М., Сережкина А.Е., Дмитриев М.Е. Компьютерные технологии в науке и образовании // Вестник Казанского технологического университета. 2015. Т. 18. № 2. С. 357-361.
3 KravetsA.G., BelovA.G., SadovnikovaN.P. Models and methods of professional competence level research // Recent Patents on Computer Science. 2016. V. 9. № 2. P. 150-159.
4. Нейдорф Р.А., Обухова Е.Н. Технология формирования тестов текущего контроля знаний на основе парадигмы факторного тестирования // Известия СПбГ-ТИ(ТУ). 2016. № 34 (60). С. 108-114.
5. Kultsova M., Anikin A., Zhukova I., Dvoryankin A. Ontology-based learning content management system in programming languages domain // Communications in Computer and Information Science. 2015. V. 535. Р. 767-777.
6. Ахмедова Х.Г., Квятковская И.Ю. Использование информационных технологий для повышения качества университетского образования // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2015. № 1. С. 124-130.
7. Ершова О.В., Чистякова Т.Б. Программные комплексы для управляющего персонала электротермических производств // Известия СПбГТИ(ТУ). 2015. № 28 (54). С. 89-98.
8. Павлов Ю.Л., Зиятдинов Н.Н., Рыжов Д.А., Караванов А.А. Системный анализ и тренажер для управления технологическими печами // Вестник Казанского технологического университета. 2015. Т. 18. № 18. С. 186-188.
9. Чистякова Т.Б., Петров Д.Н. Компьютерный тренажер для обучения управлению процессом синтеза фуллеренов. // Математические методы в технике и технологиях ММТТ-28. 22-24 апреля 2015. г. Саратов: сб. трудов XXVIII Междунар. науч. конф. 2015. № 3 (73). С. 36-44.
10. Ковалев А.С., Кушников В.А. Разработка информационной системы для автоматизации процессов технической подготовки производства на машиностроительном предприятии // Перспективы развития информационных технологий. 2017. № 34. С. 113-119.
11. PodvalNy S.L., Ledeneva T.M. Intelligent modeling systems: design principles // Automation and Remote Control. 2013. Т. 74. № 7. С. 1201-1210.
12. Дворецкий Д.С., Дворецкий С.И., Толстых С.Г., Островский Г.М. Интегрированное проектирование промышленных автоматизированных технических систем и производств // Автоматизация. Современные технологии. 2015. № 2. С. 20-26.
13. Ронжин А.Л., Басов О.О., Соколов Б.В., Юсупов Р.М. Концептуальная и формальная модели синтеза киберфизических систем и интеллектуальных пространств // Известия ВУЗов. Приборостроение. 2016. Т. 59. № 11. С. 897-905.
14. Муромцев Д.Ю. Наука - производству // Вопросы современной науки и практики. Университет им.
B.И. Вернадского. 2016. № 1 (59). С. 210.
15. Голованов П.А., Лившиц М.Ю., Тупоносова Е.П. Сравнительный анализ деятельности российских и зарубежных вузов // Известия Самарского научного центра РАН. 2013. Т. 15. № 6-2. С. 339-343.
16. Катаев М.Ю., Кориков А.М., Мкртчян В.С. Концепция виртуальной образовательной системы // Вестник ТГПУ (TSPU Bulletin). 2015. 12 (165). С. 144-149.
17. Ронжин Ал.Л., Карпов А.А. Сравнительный анализ функциональности прототипов интеллектуальных пространств // Труды СПИИРАН. 2013. Вып. 1(24). C. 277290.
18. Buldakova T.I., Dzalolov A.Sh. Analysis of data processes and choices of data-processing and security technologies in situation centers. // Scientific and Technical Information Processing. 2012. Т. 39. № 2. С. 127.
19. Учаев Д.Ю., Брумштейн Ю.М., Ажмухадедов И.М., Князева О.М., Дюдиков И.А. Анализ и управление рисками, связанными с информационным обеспечением человеко-машинных асу технологическими процессами в реальном времени // Прикаспийский журнал: управление и высокие технологии. 2016. № 2 (34). С. 82-97.
20. Урбанистика будущего: мегагорода URL: http:// urbanurban.ru/blog/space/802/Urbanistika-buduschego-megagoroda (дата обращения: 02.04.2017).
21. НовиковД.А. Законы, закономерности и принципы управления // Инновации в менеджменте. 2016. № 7.
C. 44-53.
22. Большаков А.А., Сгибнев А.А. Системный анализ и моделирование процесса визуализации с ис-
пользованием псевдоголографического автостереоскопического дисплея // Математические методы в технике и технологиях ММТТ-29: сб. трудов XXIX Междунар. науч. конф.: в 12 т. / под общ. ред. А.А. Большакова. Саратов: Саратов. гос. техн. ун-т; Санкт-Петербург: СПбГТИ(ТУ), СПбПУ, СПИИРАН; Самара: Самарск. гос. техн. ун-т, 2016. Т. 12. С. 260-263.
23. Barry G. Blundell, Adam J. Schwarz Volumetric three-dimensional display systems. NY: John Wiley & Sons Inc., 2013. 330 p.
24. Nagano K. Jones A., [et al.] An Autostereoscopic Projector Array Optimized for 3D Facial Display // SIGGRAPH 2013 Emerging Technologies, 40 Conferernce 21-23 July. 2013.
25.An Automultiscopic Projector Array for Interactive Digital Humans /. Jones A., Unger J., Nagano K.., [et al.] // In SIGGRAPH 2015 Conferernce 9-13 August 2015. ACM Press, 2015.
26. Хьюбел Д. Глаз, мозг, зрение. М.: Мир, 1990.
239 с.
27. Храмов А.Е. Интерфейсы мозг-компьютер: современное направление разработок в нейронауке .// II Всероссийский семинар памяти профессора Ю.П. Волкова. Сб.тр.: Современные проблемы биофизики, генетики, электроники и приборостроения. Саратов: Саратовский государственный технический университет имени Гагарина Ю.А. 2015. С. 154-155.
28. Большаков А.А., Сгибнев А.А., Железов М.А., Мельников А.В. Разработка объемного дисплея для решения задач визуализации и диспетчеризации // Автоматизация в промышленности. 2016. Т. 7. С. 31-34.
29. Большаков А.А., Никонов А.В. Объемный дисплей и способ формирования трехмерных изображений: пат. 2526901 Рос. Федерация. № 2013103443/28; за-явл.25.01.2013; опубл. 27.08.2014; Бюл. №21.
30. Вешнева И.В., Сингатулин Р.А. Разработка информационно-измерительных систем для комплексов дистанционного обучения с обратной связью на основе фотограмметрических методов и статусных функций. Часть 2 // Вестник Саратовского государственного технического университета. 2015. Т. 3. № 1 (80) С. 125-132.
31. Вешнева И.В., Чистякова Т.Б., Большаков А.А. Метод обработки и интерпретации данных измерения взаимодействий в образовательной среде на основе статусных функций // Труды СПИИРАН. 2016. Вып. № 6 (49), С. 144-166.
32. Вешнева И.В. Алгоритм интерпретации и преобразования данных натурного эксперимента на основе метода статусных функций // Информационные технологии в образовании: VIII Междунар. научно-практ. конф. Саратов. 2016. С. 466-470.
33. Veshneva I., Singatulin R., Bolshakov A., Chistyakova T., Melnikov L. Model of formation of the feedback channel within ergatic systems for monitoring of quality of processes of formation of personnel competences // International Journal for Quality Research, 2015. Vol. 9. N 3. P. 495-512.
Reference
1. Ukaz Prezidenta RF ot 01.12.2016 № 642 «O Strategii nauchno-tehnologicheskogo razvitija Rossijskoj Federacii».
2. Zijatdinov N.N., Dmitrieva L.M., Serezhkina A.E., Dmitriev M.E. Komp'juternye tehnologii v nauke i obrazovanii // Vestnik Kazanskogo tehnologicheskogo universiteta. 2015. T. 18. № 2. S. 357-361.
3. Kravets A.G., Belov A.G., Sadovnikova N.P. Models and methods of professional competence level research // Recent Patents on Computer Science. 2016. V. 9. № 2. P. 150-159.
4. Nejdorf R.A., Obuhova E.N. Tehnologija formiro-vanija testov tekushhego kontrolja znanij na osnove paradig-my faktornogo testirovanija // Izvestija SPbGTI(TU). 2016. № 34 (60). S. 108-114.
5. Kultsova M., Anikin A., Zhukova I., Dvoryankin A. Ontology-based learning content management system in programming languages domain // Communications in Computer and Information Science. 2015. V. 535. R. 767-777.
6. Ahmedova H.G., Kvjatkovskaja I.Ju. Ispol'zovanie informacionnyh tehnologij dlja povyshenija kachestva univer-sitetskogo obrazovanija // Vestnik Astrahanskogo gosudarst-vennogo tehnicheskogo universiteta. Serija: Upravlenie, vy-chislitel'naja tehnika i informatika. 2015. № 1. S. 124-130.
7. Ershova O.V., Chistjakova T.B. Programmnye kompleksy dlja upravljajushhego personala jelektrotermich-eskih proizvodstv // Izvestija SPbGTI(TU). 2015. № 28 (54). S. 89-98.
8. Pavlov Ju.L., Zijatdinov N.N., Ryzhov D.A., Kara-vanovA.A. Sistemnyj analiz i trenazher dlja upravlenija tehno-logicheskimi pechami // Vestnik Kazanskogo tehnologichesk-ogo universiteta. 2015. T. 18. № 18. S. 186-188.
9. Chistjakova T.B., Petrov D.N. Komp'juternyj trenazher dlja obuchenija upravleniju processom sinteza fullerenov. // Matematicheskie metody v tehnike i tehnologijah MMTT-28. 22-24 aprelja 2015. g. Saratov: sb. trudov XXVIII Mezhdunar. nauch. konf. 2015. № 3 (73). S. 36-44.
10. Kovalev A.S., Kushnikov V.A. Razrabotka infor-macionnoj sistemy dlja avtomatizacii processov tehnicheskoj podgotovki proizvodstva na mashinostroitel'nom predprijatii // Perspektivy razvitija informacionnyh tehnologij. 2017. № 34. S. 113-119.
11. PodvalNy S.L., Ledeneva T.M. Intelligent modeling systems: design principles // Automation and Remote Control. 2013. T. 74. № 7. S. 1201-1210.
12. Dvoreckij D.S., Dvoreckij S.I., Tolstyh S.G., Os-trovskij G.M. Integrirovannoe proektirovanie promyshlen-nyh avtomatizirovannyh tehnicheskih sistem i proizvodstv // Avtomatizacija. Sovremennye tehnologii. 2015. № 2. S. 2026.
13. Ronzhin A.L., Basov O.O., Sokolov B.V., Jusupov R.M. Konceptual'naja i formal'naja modeli sinteza kiberfizich-eskih sistem i intellektual'nyh prostranstv // Izvestija VUZov. Priborostroenie. 2016. T. 59. № 11. S. 897-905.
14. Muromcev D.Ju. Nauka - proizvodstvu // Vo-prosy sovremennoj nauki i praktiki. Universitet im. V.I. Ver-nadskogo. 2016. № 1 (59). S. 210.
15. Golovanov P.A., Livshic M.Ju., Tuponosova E.P. Sravnitel'nyj analiz dejatel'nosti rossijskih i zarubezhnyh vu-zov // Izvestija Samarskogo nauchnogo centra RAN. 2013. T. 15. № 6-2. S. 339-343.
16. Kataev M.Ju., KorikovA.M., Mkrtchjan V.S. Kon-cepcija virtual'noj obrazovatel'noj sistemy // Vestnik TGPU (TSPU Bulletin). 2015. 12 (165). S. 144-149.
17. Ronzhin Al.L., Karpov A.A. Sravnitel'nyj analiz funkcional'nosti prototipov intellektual'nyh prostranstv // Trudy SPIIRAN. 2013. Vyp. 1(24). C. 277-290.
18. Buldakova T.I., Dzalolov A.Sh. Analysis of data processes and choices of data-processing and security technologies in situation centers. // Scientific and Technical Information Processing. 2012. T. 39. № 2. S. 127.
19. Uchaev D.Ju., Brumshtejn Ju.M., Azhmuhad-edov I.M., Knjazeva O.M., Djudikov I.A. Analiz i upravlenie riskami, svjazannymi s informacionnym obespecheniem cheloveko-mashinnyh asu tehnologicheskimi processami v real'nom vremeni // Prikaspijskij zhurnal: upravlenie i vysokie tehnologii. 2016. № 2 (34). S. 82-97.
20. Urbanistika budushhego: megagoroda URL: http://urbanurban.ru/blog/space/802/Urbanistika-budusche-go-megagoroda (data obrashhenija: 02.04.2017).
21. Novikov D.A. Zakony, zakonomernosti i principy upravlenija // Innovacii v menedzhmente. 2016. № 7. S. 4453.
22. Bol'shakov A.A., Sgibnev A.A. Cistemnyj analiz i modelirovanie processa vizualizacii s ispol'zovaniem pse-vdogolograficheskogo avtostereoskopicheskogo displeja // Matematicheskie metody v tehnike i tehnologijah MMTT-29: sb. trudov XXIX Mezhdunar. nauch. konf.: v 12 t. / pod ob-
shh. red. A.A. Bol'shakova. Saratov: Saratov. gos. tehn. un-t; Sankt-Peterburg: SPbGTI(TU), SPbPU, SPIIRAN; Samara: Samarsk. gos. tehn. un-t, 2016. T.12. S. 260-263.
23. Barry G. Blundell, Adam J. Schwarz Volumetric three-dimensional display systems. NY: John Wiley & Sons Inc., 2013. 330 p.
24. Nagano K. Jones A., [et al.] An Autostereoscopic Projector Array Optimized for 3D Facial Display // SIGGRAPH 2013 Emerging Technologies, 40 Conferernce 21-23 July. 2013.
25.An Automultiscopic Projector Array for Interactive Digital Humans /. Jones A., Unger J., Nagano K.., [et al.] // In SIGGRAPH 2015 Conferernce 9-13 August 2015. ACM Press, 2015.
26. H'jubelD. Glaz, mozg, zrenie. M.: Mir, 1990. 239 s.
27. Hramov A.E. Interfejsy mozg-komp'juter: sovre-mennoe napravlenie razrabotok v nejronauke .// II Vse-rossijskij seminar pamjati professora Ju.P. Volkova. Sb.tr.: Sovremennye problemy biofiziki, genetiki, jelektroniki i pribo-rostroenija. Saratov: Saratovskij gosudarstvennyj tehnicheskij universitet imeni Gagarina Ju.A. 2015. S. 154-155.
28. Bol'shakov A.A., Sgibnev A.A., Zhelezov M.A., Mel'nikovA.V. Razrabotka ob#emnogo displeja dlja reshenija zadach vizualizacii i dispetcherizacii // Avtomatizacija v pro-myshlennosti. 2016. T. 7. S. 31-34.
29. Bol'shakovA.A., NikonovA.V. Ob#emnyj displej i sposob formirovanija trehmernyh izobrazhenij: pat. 2526901 Ros. Federacija. № 2013103443/28; zajavl.25.01.2013; opubl. 27.08.2014; Bjul. №21.
30. Veshneva I.V., Singatulin R.A. Razrabotka in-formacionno-izmeritel'nyh sistem dlja kompleksov distan-cionnogo obuchenija s obratnoj svjaz'ju na osnove fotogram-metricheskih metodov i statusnyh funkcij. Chast' 2 // Vestnik Saratovskogo gosudarstvennogo tehnicheskogo universiteta. 2015. T. 3. № 1 (80) S. 125-132.
31. Veshneva I.V., Chistjakova T.B., Bol'shakov A.A. Metod obrabotki i interpretacii dannyh izmerenija vzaimode-jstvij v obrazovatel'noj srede na osnove statusnyh funkcij // Trudy SPIIRAN. 2016. Vyp. № 6 (49), S. 144-166.
32. Veshneva I.V. Algoritm interpretacii i preobrazo-vanija dannyh naturnogo jeksperimenta na osnove metoda statusnyh funkcij // Informacionnye tehnologii v obrazovanii: VIII Mezhdunar. nauchno-prakt. konf. Saratov. 2016. S. 466470.
33. Veshneva I., Singatulin R., Bolshakov A., Chistyakova T., Melnikov L. Model of formation of the feedback channel within ergatic systems for monitoring of quality of processes of formation of personnel competences // International Journal for Quality Research, 2015. Vol. 9. N 3. P. 495-512.
