CC BY
61
п(А) £ ЩА).
Таким образом, погрешности в реализации динамического процесса в усилителе приводят к статической ошибке при формировании кода на выходе аналого-цифрового преобразователя.
Список литературы
1. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. 1072 с.
3. Ландсберг Г.С. Оптика: учебное пособие для вузов. М.: Физмат-лит, 2006. 848 с.
Кузнецова Татьяна Рудольфовна, канд. техн. наук, доцент, rudik64@mail.ru, Россия, Тула, Тульский государственный университет
THE VIDEO PROCESSING IN THE INFORMATION-MEASURING SYSTEM
T.R. Kuznetsova
The problems in the processing of video information and measurement systems. It is shown that the dynamic error in the amplification yields a static error signal sampling. The dependencies to account for the errors of the video amplifier.
Key words: Measuring information photoelectric converter transfer function.
Kuznetsova Tatiana Rudolfovna, candidate of technical science, docent, rudik64@mail. ru, Russia, Tula, Tula State University
УДК 004.852, 004.855.5
СОВМЕЩЕНИЕ ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ И ВИРТУАЛЬНОЙ МОДЕЛИ МЕСТНОСТИ В ПЛОСКОСТИ КРЕНА
Е.Р. Муратов
В статье предлагается методика сокращения трудоемкости корреляционных алгоритмов совмещения телевизионных изображений с виртуальной моделью местности путем определения угла совмещения в плоскости крена не корреляционным методом. Знание истинного угла крена и исключение его вычисления из цикла корреляционного алгоритма на порядок сокращают трудоемкость последнего.
Ключевые слова: не корреляционное совмещение, компенсация ошибки крена, сокращение трудоемкости корреляционного совмещения.
В системах комбинированного видения (СУБ) летательных аппаратов ставится задача построения комбинированных изображений от сенсоров совместно с виртуальной моделью местности (ВММ). Данные изображения должны облегчить восприятие закабинной обстановки и сократить
253
время принятия решения пилотом в условиях затрудненного обзора. Сложность задачи построения комбинированных изображений вызвана ошибками при определении координат летательного аппарата и углов позиционирования сенсоров. Наиболее точные навигационные и инерциаль-ные система выдают данные с погрешностью: 35 - 45 м по координатам, 6 - 13 м по высоте и 0,1° - 0,2° (до 0,5°) по углам позиционирования сенсора. Расхождение изображений подстилающей поверхности и ВММ, особенно на малых высотах от 100 м и менее достигает ошибки до 1 радиана [1]. Согласно требованиям руководства Р-315 «По минимальным стандартам характеристик авиационных систем для систем улучшенного видения, систем искусственного видения, комбинированных систем искусственного видения и бортовых систем увеличения дальности видения» Авиационного Регистра Межгосударственного Авиационного Комитета (АР МАК), данное расхождение не должно превышать 5 мрад. Для обеспечения такой точности необходимо решать в реальном времени задачу совмещения изображений с ВММ. Как правило, эта задача решается с помощью корреляционных методов. Однако существуют и другие подходы к решению этой задачи, наиболее известные из них:
1) совмещение по линейным объектам, выделенным на подстилающей поверхности;
2) совмещение по характерным точкам;
3) совмещение с использованием морфологического анализа.
Корреляционное совмещение дает наилучшие результаты совмещения независимо от условий съемки, но не может быть выполнено в режиме реального времени. Приведенные три альтернативных метода позволяют создавать вычислительные алгоритмы, обеспечивающие совмещение изображений в режиме реального времени. Естественно, они обладают определенными недостатками. Основной недостаток первого подхода заключается в невозможности выделить достаточное количество линейных объектов в условиях плохой видимости. Во втором методе практически невозможно обеспечить установление правильного соответствия между характерными точками изображения от сенсора и ВММ. Ошибка при определении даже одной пары дает сильные искажения при совмещении. Морфологический анализ ориентирован на определенные условия и характер объектов. Например, совмещение по посадочным огням, что сильно сужает рамки его применения.
Корреляционное совмещение предполагает перебор всех возможных ракурсов ВММ. Для обеспечения обработки данных в реальном времени необходимо обеспечить построение порядка 105 -106 ракурсов
3 4
ВММ в секунду, что в 10 -10 раз превышает производительность классических вычислительных архитектур с графическим контроллером. Несмотря на это, можно утверждать, что в основе универсального алгоритма
совмещения для систем CVS летательных аппаратов должен быть корреляционный метод. Одновременно должны быть найдены способы сокращения полного перебора множества ракурсов (по порядку i06) до уровня, обеспечивающего совмещение изображений в пределах установленных временных ограничений. Один из возможных способов решения этой проблемы - снижение размерности пространства поиска.
Анализ реальных изображений показал, что из 6 параметров, по которым ведется перебор по точкам формируемой дискретной сетки, наибольшее расхождение при совмещении изображений обеспечивает погрешность определения крена. Правильное определение крена не корреляционными методами позволило бы сократить размерность пространства параметров до пяти. В предлагаемом алгоритме эта задача решается путем вычисления статистических величин.
Наиболее информативными элементами изображения, по которым возможно совмещение его с ВММ, являются контуры выделенных объектов на подстилающей поверхности. Методика выделения контуров и их векторизация подробно описаны автором в [2,3,4]. Векторизация полученных контуров выполняется с целью сокращения множества вершин [5]. Информативность изображения для последующего совмещения после такого преобразования существенно не уменьшается. Степень потери информации можно оценить с помощью методики представленной в статье [6]. Для выполнения не корреляционного совмещения необходимо иметь описание контура как в виде последовательности точек с координатами х, у, так и в виде наборов троек чисел L, a, ß. Здесь
L = -^(л'2 - Xi )2 + (У2 - yi )2 - длина ребра между соседними вершинами с координатами Xi, yi и X2, У2, a - угол наклона ребра к положительному направлению оси OX. Угол наклона рассчитывается по формуле
f X2 _ X Л
a = sign( У2 _ yi) • arccos—2-1 . При значениях (a = 0)&( X2 _ Xi) < 0,
V L J
угол а приравнивают к значению Р.
Угол ß тоже является углом наклона ребра к оси OX, но рассчитывается по формуле ß = _ sign (a) p-a. Угол ß введен из-за особенностей векторизации контура, при которой начало вектора составленного из координат вершин ребра может быть в одном случае в точке Xi, yi, а в другом в
точке X2 , y2 [3]. Далее производится попытка нахождения линии горизонта методом наименьших квадратов на области изображения, в которой она должна присутствовать согласно данным навигационных приборов с учетом погрешности измерений. В некоторых ситуациях горизонт не может быть выделен как прямая линия в силу характера рельефа местности или из-за условий видимости (погодные условия, здания, деревья и т.д.). В
этом случае совмещение производится по общей направленности объектов на подстилающей поверхности.
В основе определения направленности лежат расчеты величин математического ожидания, дисперсии и среднеквадратического отклонения для угловых разностей между ребрами элементов фигур.
Если составить гистограммы распределения углов наклона для всех ребер, то можно судить о взаимном повороте объектов на двух изображениях, отражающих один и тот же район подстилающей поверхности рис. 1.
Рис. 1. Гистограммы распределения углов наклона для ребер векторного
описания контуров: а) и б) повернутые относительно друг друга изображения, с) - гистограммы углов наклона ребер в диапазоне углов от -р до р
Из анализа рис. 1 можно сделать вывод о возможности определения угла поворота одного изображения относительно другого. Для этого необходимо оценить расстояние между соответствующими точками максимума на гистограммах. Для повышения достоверности выводов рассчитывается
к-1
длина контура Ьф = ^ Ц , где I - индекс очередной вершины в векторном
/=1
описании фигуры, к - количество вершин. Далее определяются значимые ребра, для которых выполняется условие > АЬ, где АЬ пороговое зна-
ЬФ
чение, которое задается значением 0,06 - 0,08 (6 - 8%). В вычислении статистических величин участвуют только значимые ребра контуров, что дает определенную гарантию принадлежности ребра к истинному объекту, а не элементу контура, полученного по шумовой составляющей изображения. Алгоритм нахождения угла взаимного разворота носит итеративный характер.
В связи с тем, что ошибка позиционирования сенсоров известна, то можно вычислить максимально возможное угловое расхождение по кре-
256
ну е^г, и координатам положения одной и той же точки на изображениях. Обладая такой информацией, алгоритм перебирает все комбинации пар ребер, отфильтровывая те, которые имеют большее чем взаимное угловое расхождение. Оставшиеся пары составляют множество ребер Г {г1,г2}, где г1 - ребра из векторного описания первого изображения, г2 - из второго. В данном множестве одно ребро первого изображения может быть в паре с несколькими ребрами второго изображения и наоборот.
Пусть {г1, г2} - пара ребер, а(1),а(2)- углы наклона ребер. Тогда для каждой такой пары вычисляются
Даі
а
(1)_„(2)
а
-р<а
а
СО _а (2)
а
2р , а(1) -а(2) >р;
Др)
а(1) - а(2) + 2р, а(1) - а(2) < р.
а(1) - р(2), - р < а(1) - р(2) < р;
а(1) - р(2 ^ - 2р , а(1) - р(2 ^ > р;
а(1) -р(2) + 2р ,
А £Да), |Даі|<екг , ті і
В = £Дрі, |дрі|<екг, пі
0,
1,
0,
1,
а(1) - р(2) > р.
| Даі | — е кг | Даі | < екг І Дрі | — е кг І Дрі I < екг
т = £ ті,
п = £ пі: і
М =
А + В
т + п
/II
А = £ (Даі - М) , Даі <екг , ті =
В= £ (Дрі - М )2, |ДРі|<Єкг, п =
в = .
| Даі | — екг |Дрі| < екг |Дрі| — е кг |Дрі| < екг
і і т = £ т;-,
і
і і п = £ ni,
т + п
Используя значения статистических величин М и Б, находим отклонение 8, которое будем использовать для компенсации угла поворота одного изображения относительно другого на текущей итерации алгоритма:
А
В
I Ааі,
і
= I АРі
і
|АРі
А + В
8
0, |Аа, -М| > В
1, |Аа, - М| < В
0, |Ар, - М| > В
1, |Ар, -М| < В ’
(т + п ) > 0
т
п
= I ть і
I п,', і
т + п
М, (т + п ) = 0
Для контуров г2 из множества Г выполняется поворот на угол 8.
Алгоритм завершает работу, если на очередной итерации 8 £ £, где £ требуемая точность совмещения, например £ =0.000175 рад (0,01°).
Исходным углом поворота одного изображения относительно другого будем считать А = 18п, где п номер итерации. Чем меньше макси-
п
мально возможное угловое расхождение, тем меньшее требуется количество итераций. Для максимального углового расхождения 16° обычно требуется не более 5-6 итераций. На рис. 2с представлен результат вычисления углового расхождения для телевизионного изображения (ТВ) и ВММ. Исходное ВММ изображение имеет избыточное количество объектов и углы обзора виртуальной камеры меньшие, чем у объектива телекамеры.
Представленное на рис. 2с совмещение выполнено за 4 итерации алгоритма, а результирующий угол для разворота ВММ представленном на рис. 2б относительно ТВ изображения представленного на рис. 2а составил - 9,89°.
а б с
Рис. 2. Совмещения по крену ТВ изображения и ВММ
Замер производительности алгоритма для совмещения данных изображений размерностью 420х420 пикселей по крену составила 0,097 мкс. Данное время было получено при выполнении алгоритма на одном ядре процессора ЛМБ РИепошП 3,1 Ггц. На каждой итерации были получены следующие углы компенсации взаимного разворота: первая итерация 8 = -6,82;
<
вторая итерация 8 = -2,13;
третья итерация 8 = -0,46;
четвертая итерация 8 = 0.
При совмещении корреляционным методом по шести степеням свободы (крен, тангаж, курс, высота и координаты), применение рассмотренного метода позволяет избавиться от внешнего цикла вложенности построения ракурсов для коррелятора. Исключение внешнего цикла вложенности снижает общие затраты на вычисления примерно в 10 - 40 раз в зависимости от диапазона и шага изменения угла крена.
Список литературы
1. Костяшкин Л.Н., Логинов А.А., Никифоров М.Б. Проблемные аспекты системы комбинированного видения летательных аппаратов //Известия ЮФУ Технические науки. 2013. №5. С. 61 - 65.
2. Муратов Е.Р. Выделение характерных особенностей на аэрофото-
снимках //Теория и практика современной науки. VIII Международная научно-практическая конференция. М: 2012. Т.1. «Спецкнига».
C. 305 - 309.
3. Image vectorization in real time / A.A. Loginov, E.R. Muratov, M.B. Nikiforov, A.I. Novikov. //European Science and Technology. Materials of the IV international research and practice conference. Munich Germany, 2013. Vol. I. P. 274 - 280.
4. Муратов Е.Р. Скелетизация контуров изображений в авиационных системах комбинированного видения // Техническое зрение в системах управления -2013. Научно техническая конференция. Тезисы докладов. М: Федеральное гос. бюджетное учреждение науки ИКИ РАН, 2013. С.158 -159.
5. Герман Е.В., Муратов Е.Р, Никифоров М.Б. Два подхода
к выделению и векторизации контурных линий объектов подстилающей поверхности. //Известия ЮФУ Технические науки. 2013. №5.
С. 56 - 61.
6. Ларкин Е.В., Муравлев С.Н. Оценка потерь информации при преобразованиях изображений // Математические методы в технике и технологиях: ММТТ-18. XVIII Международная научная конференция. Казань: Казанский гос. техн. ун-т, 2005. Т. 5. С. 156 - 157.
Муратов Евгений Рашитович, аспирант, myratov_er@mail.ru, Россия, Рязань, Рязанский государственный радиотехнический университет, кафедра «Электронные вычислительные машины»,
THE COMBINATION OF TELEVISION AND VIRTUAL IMAGES OF TERRAIN MODELS
IN THE PLANE ROLL
E.R. Myratov 259
The paper proposes a technique for reducing the complexity of the correlation image registration algorithms with a virtual terrain model, by specifying the angle of alignment in the plane of heel correlation method. Knowledge of the true roll angle and its exclusion from the definition of the cycle of combining correlation algorithm to reduce the complexity of the procedure for the latter.
Key words: non-correlation combination, compensation error roll, acronym combining the complexity of the correlation.
Myratov Evgeni Rashitovich, postgraduate, myratov eramail.ru, Russia, Ryazan, Ryazan State Radio Engineering University.
УДК 004.932
ПРИМЕНЕНИЕ КОНТУРНОГО АНАЛИЗА ДЛЯ СОВМЕЩЕНИЯ ИЗОБРАЖЕНИЙ
А.И. Новиков, В.А. Саблина, Е.О. Горячев
Показана возможность применения контурного анализа для решения задач распознавания контуров и их совмещения, а также для совмещения изображений различной природы при разработке многоспектральной системы технического зрения.
Ключевые слова: изображение, контур, контурный анализ, комплексная плоскость, матрица гомографии.
Совмещение изображений различной природы является одной из основных задач при разработке многоспектральной системы технического зрения. При совмещении изображений, полученных от сенсоров, размещенных на борту летательного аппарата и осуществляющих съемку в различных спектральных диапазонах (видимый, инфракрасный, радиоволно-вый), и изображений, синтезированных на основе цифровой карты местности возникает следующая проблема. Имеющаяся на борту воздушного судна навигационная информация о местоположении летательного аппарата не позволяет обеспечить приемлемую точность совмещения из-за погрешностей определения текущих координат судна. С другой стороны, использование известных корреляционных алгоритмов совмещения изображений приводит к недопустимому для системы реального времени увеличению временных затрат на обработку [1].
Таким образом, возникает задача исследования методов совмещения изображений различной природы, что необходимо для разработки алгоритмов совмещения, работающих в реальном времени. В качестве таких методов представляется целесообразным использовать методы контурного анализа [2].
