Улучшение качества видео методом сверхразрешения Текст научной статьи по специальности «Компьютерные и информационные науки»

Информационно-управляющие системы

2. Прудков В. В., Крат М. В. Программное обеспечение автономной отработки интерфейсных модулей сопряжения блока управления перспективных космических аппаратов // Решетневские чтения : материалы XII Междунар. науч. конф. ; Сиб. гос. аэро-космич. ун-т. Красноярск, 2008. С. 355-356.

3. Прудков В. В. Особенности построения программного обеспечения автономной отработки подсистем блока управления перспективных КА // Решетневские чтения : материалы XIII Междунар. науч. конф. ; Сиб. гос. аэрокосмич. ун-т. Красноярск, 2009. С. 531-532.

V. V. Prudkov, A. V. Pichkalev JSC «Academician M. F. Reshetnev «Information Satellite Systems», Russia, Zheleznogorsk

THE RESULTS OF THE SOFTWARE DEVELOPMENT OF INDEPENDENT WORKING OFF OF SUBSYSTEMS OF THE PERSPECTIVE SPACE VEHICLES CONTROL BLOCK

The results of the development and application of workplace software of independent working off of subsystems of the perspective space vehicles control block is described.

© Прудков В. В., Пичкалев А. В., 2010

УДК 004.932.4

А. Л. Русаков

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск

УЛУЧШЕНИЕ КАЧЕСТВА ВИДЕО МЕТОДОМ СВЕРХРАЗРЕШЕНИЯ

Рассмотрен алгоритм сверхразрешения для улучшения качества видео; основные сложности реализация алгоритма. Приведен обзор ряда методов вычисления оптического потока.

В настоящее время существует необходимость получения качественного изображения объекта наблюдения (предмета обстановки, лица человека, номера машины) в более высоком разрешении. Видеосъемка в условиях плохой освещенности, съемка дешевой камерой, неправильный баланс белого цвета и тому подобные нюансы в той или иной степени влияют на качество исходного видеоматериала.

Процесс восстановления изображения высокого разрешения, состоящего из нескольких изображений одного и того же объекта, называют сверхразрешением. Общую модель сверхразрешения можно описать следующим образом: изображения низкого разрешения являются результатом проекции исходного изображения высокого разрешения, сопровождаемого изменением размера (sampling) и процессами ухудшения качества (например, размытие, квантование), вызванными несовершенством оптических систем, средств получения изображений (фото- и видеокамеры) и алгоритмов сжатия.

Получение изображения низкого разрешения состоит из следующих шагов:

- геометрического преобразования;

- изменения разрешения изображения (наличие этого этапа отличает алгоритмы сверхразрешения от алгоритмов восстановления изображений);

- размытия изображения (применения фильтров);

- добавления шума.

Таким образом, для получения изображения высокого разрешения необходимо устранить искажения на каждом 4-ом шаге, следуя в обратном порядке. Помимо устранения шума, можно также поднять насыщенность цвета, осветлить слишком темное изображение и др.

Практическая реализация сопряжена с решением множества технических проблем, одной из которых исходя из описания модели является следующая: изображения низкого разрешения должны слабо отличаться друг от друга (в случае изображения одного объекта, не изменяющегося со временем, это условие почти всегда выполняется). Однако, если рассмотреть возможность практического применения методов сверхразрешения в системах видеонаблюдения, становится очевидно, что видеоданные, как правило, отображают одновременное, не упорядоченное движение множества объектов и не пригодны для использования без предварительной обработки, позволяющей свести задачу получения изображения высокого разрешения из видеоданных к задаче получения изображения высокого разрешения из набора изображений более низкого разрешения (то есть к стандартной задаче сверхразрешения). Для этого предлагается использовать алгоритм поиска характеристических точек (так называемых «углов Харриса»), а также алгоритм отслеживания движения между соседними кадрами.

Решетневские чтения

На сегодняшний день существует несколько основных методов вычисления движения на соседних кадрах (вычисления оптического потока):

- метод Лукаса-Канаде;

- метод Хорна-Шунка;

- метод вычисления оптического потока для группы пикселей (блоков).

Последние два метода вычисляют так называемый «плотный поток», т. е. для каждого пикселя изображения (или блока) находят вектор движения (смещение или переход элемента во втором кадре относительно первого). Однако на практике не для всех элементов можно вычислить плотный оптический поток (например, если рассматривать движение белого листа бумаги: во втором кадре многие белые пиксели останутся белыми, изменения будут заметны только на краях листа, расположенного перпендикулярно направлению движения). По этой причине методы, вычисляющие плотный оптический поток, должны включать методы интерполяции для вычисления потока в сложных ситуациях, что негативно сказывается на производительности метода в целом. Альтернативой «плотному потоку» является «разреженный поток» - методы, отслеживающие движение не всех элементов изображения, а лишь некоторого набора точек, обладающих определенными свойствами, однако результатом будет относительно надежное и достоверное вычисление смещения объекта. В качестве основного метода для отслеживания движения

применяется метод Лукаса-Канаде - типичный метод вычисления «разреженного потока».

Таким образом, алгоритм сверхразрешения для видеопоследовательности может быть разбит на несколько этапов:

1) работа с каждым кадром в отдельности (устранение шума, цветовая коррекция и т. д.);

2) работа с последовательностью кадров (поиск характерных точек и вычисление оптического потока);

3) анализ текущего и соседних кадров для получения более детальной информации;

4) накопление кадров;

5) непосредственно увеличение разрешения видео.

Основным режимом работы алгоритма является

повышение разрешения несжатого видео или получение отдельных снимков необходимой части видеопоследовательности в режиме реального времени. Непосредственно после запроса алгоритм переходит в режим накопления и предварительных вычислений. Эти вычисления могут проводиться не в режиме реального времени. Затем алгоритм переходит в режим работы в реальном времени: при появлении каждого следующего кадра изменения учитываются в результирующем изображении повышенного разрешения. Результатом работы алгоритма является видеопоследовательность повышенного разрешения, причем частота кадров равна частоте кадров изначального видеопотока.

A. L. Rusakov

Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk

THE VIDEO QUALITY IMPROVEMENT WITH THE HELP OF THE SUPER-RESOLUTION METHOD

The algorithm of the super-resolution for video quality improvement is considered. The basic complexities algorithm realization are considered. The review of some methods of calculation of an optical stream is presented.

© Русаков А. Л., 2010

УДК 519.876.2

Т. Р. Садыков

ООО «Научно-производственное объединение „ОптимаИнформ"», Россия, Уфа

НЕОБХОДИМОСТЬ ЕДИНООБРАЗНОГО ПОДХОДА К ЗАДАЧЕ РАСПОЗНАВАНИЯ ЖЕСТОВ ДЛЯ УПРАВЛЕНИЯ ЧЕЛОВЕКО-МАШИННЫМ ИНТЕРФЕЙСОМ

Рассматриваются современные проблемы средств ввода информации и управления в человеко-машинных интерфейсах жестами. Кроме того, затронута сама проблема взаимодействия жестами. В результате определен набор параметров для эффективного моделирования систем ввода информации.

Для начала рассмотрим объективно проблему эффективно с учетом всех условий среды. Для этого

управления оператором интерфейса. Не все мышцы необходимо определить критерии эффективности для

человека анатомически предназначены для частых устройств ввода в самом общем случае - как средств

(например, сердце и пальцы) периодических сокра- информационного обмена (или ввода команд) в чело-

щений в силу их строения, веса или длины. веко-машинных интерфейсах. Беглый анализ различ-

Таким образом, необходимо найти предметные ных источников не дал результатов. Следовательно,

области, в которых управление жестами - наиболее для решения данной задачи необходимо описать и по-