Видеосистема бесконтактного контроля разновысотности объектов Текст научной статьи по специальности «Компьютерные и информационные науки»

Секция радиоэлектронных технологий и информационной безопасности

УДК 681.3.01:621.397

С.Л. Балабаев, В.Г. Радецкий, К.Е. Румянцев ВИДЕОСИСТЕМА БЕСКОНТАКТНОГО КОНТРОЛЯ РАЗНОВЫСОТНОСТИ ОБЪЕКТОВ

Новые высокоскоростные ЭВМ позволяют реализовать сложнейшие алгоритмы статистической и математической обработки данных. Одним из приоритетных направлений в этой сфере является бесконтактный контроль качества и геометрических размеров объектов производства в различных отраслях промышленности. Это направление реализовано в системах компьютерного (машинного) зрения и отражено в научных трудах В.А. Сойфера [1], Э. Прэтт [2], Т. Павлидиса [3], Т.Хуанга [4], Л.П. Ярославского [5,6], С.Л. Балабаева, В.А. Зиброва, КБ. Румянцева [7].

В статье рассмотрены подходы к выбору метода и разработке алгоритма бесконтактного контроля разновысотности цилиндрических объектов, расположенных

( ).

строго заданном порядке, и визуально могут рассматриваться как «соты» из семи , -ника, а седьмой - в его геометрическом центре. Исследуемые объекты находятся в . , сцены непосредственно перед фотокамерой.

Целью исследований является разработка бесконтактного метода контроля отклонения высот цилиндрических объектов от заданного уровня, в качестве которого может быть взята высота одного «этадонного» объекта. Перспективным методом бесконтактного контроля местоположения и геометрических размеров объектов является телевизионный метод, при котором изображение объекта регистрируется с помощью телевизионной камеры или фотокамеры. Камера располагается в .

анализа в ЭВМ.

Анализ полученного изображения фрагмента сцены представляет собой шесть самостоятельных задач:

♦ улучшение качества изображения (повышение контрастности, коррекция геометрических искажений);

♦ выделение границ объектов;

♦ локализация гран иц искомых объектов;

♦ поиск оптимальной математичес кой модели кривых на изображении;

♦ реконструкция трехмерной с цены по серии фотоизображений;

♦ вычисление геометрич еских параметров объектов;

♦ метрологическое обоснов ание расчета разновысотности.

Существует несколько вариантов съемки измеряемых объектов. Первый ва- ( ) « -» . , снимке видны проекции верхних плоскостей объектов и их боковых сторон. Во втором случае важно обратить внимание на выбор высоты съемки. Действительно,

, « »,

( , ), ведет к росту погрешности измерений. При этом необходимо помнить, что чем выше поднята камера, тем больше рассеяние света от осветительного прибора, и менее разборчивы элементы сцены. Напротив, при незначительном подъеме камеры существует риск того, что в изображение будет попадать малое количество ци-« », .

При выборе камеры необходимо руководствоваться двумя основными критериями: разрешающей способностью камеры и ее классом защиты. Разрешающая способность должна гарантировать получение разборчивого изображения и в то же время обеспечивать информационную емкость для обработки полученных с ее помощью изображений за приемлемое время. Кроме того, корпус камеры должен иметь степень пыле- и влагозащищенности не менее 1Р65 для возможности работы .

Важным этапом обработки изображений является фильтрация шумов. Существует много алгоритмов, позволяющих понизить уровень шума на изображениях, полученных с фото- и видеокамер. Ключевым моментом при решении этой задачи является вычисление профиля шума. Определить профиль шума можно несколькими методами, наиболее перспективным из которых представляется метод, основанный на усреднении дисперсии в блоках.

Основной принцип работы этого алгоритма заключается в следующем. Все изображение разбивается на блоки одинакового размера. Уровень шума оценивается на блоках, расположенных на гладких участках изображения, т.е. не содержа-

- . , , блоки с минимальной дисперсией. В каждом из полученных блоков вычисляется дисперсия и для оценки выбирается некоторое количество блоков с минимальной дисперсией и следующими ограничениями:

1.

минимально возможному значению яркости (в пространстве УИУ это 255 и 0 со), ( , , -, ) .

2. , краях часто встречаются области без шума, например, черные полосы. Ширина границы определяется в зависимости от размера изображения (она должна занимать примерно 10%). Усредненное значение дисперсии по этим блокам и выдается в качестве результата.

При повышении качества изображений на этапе предварительной обработки возникает вопрос критерия оптимальности изображения. Существуют две точки зрения на эту проблему: объективная и субъективная. С субъективной точки зрения оптимальное качество изображения определяется удобством рассмотрения как всего изображения в целом, так и его деталей. Однако в связи с индивидуальными особенностями зрительной системы каждого человека такой подход к определению оптимальности качества изображения может давать различные результаты, зависящие от наблюдателя.

Помимо визуальной (субъективной) оценки качества изображения существует объективный подход к решению этой проблемы. Он основан на вычислении количественных характеристик изображения, и дает непредвзятые результаты при обработке изображений машинным способом. В качестве таких характеристик могут

( , ), гистограммные признаки (форма гистограммы дает представление о том, насколько контрастно изображение, насколько оно многотоново и т.п.), частотные (струк-) , .

Предварительная обработка изображения измеряемых объектов с целью улучшения его качества подразумевает решение двух частных задач: повышение контрастности и коррекция геометрических искажений, вносимых фиксирующей камерой и внешней водной средой. Известные методы повышения качества изображения описывают лишь общие положения и подходы. Поэтому в каждом конкретном случае необходима их доработка с целью адаптации к условиям конкрет-. , -стности изображений используются методы линейного контрастирования, гамма-контрастирования и бинаризации по порогу. В тематической литературе описаны и другие методы и алгоритмы повышения контрастности изображений. Все они, в ,

контрастированию на методы, основанные:

♦ на попиксельном «прохождении» изображения и изменении значения яркости текущего пиксела в зависимости от его собственного значения, и значения предыдущих пикселов;

♦ оконном сканировании изображен ия происходит анализ значений яркостей пикселов, попадающих в окно, и, на основании данных анализа, делается заключение об изменении яркости каждого из пикселов, входящих в окно.

В литературе описаны методы эффективной борьбы с геометрическими ис, - -ния и объектива фотоприемного устройства и проявляющимися как видимое « » . , -венных преобразований, получили название «бочкообразного» и «инверсного боч-» .

Выделение искомых объектов обеспечивает удаление не представляющих интереса фрагментов изображения. Задача выделения границ объектов на изображении может быть решена шестью методами: Канни, Превита, Лапласа - Г аусса, «пе-», . , -ны и программно реализованы в прикладных и профессиональных пакетах обра-. -ектов потребует проведения дополнительных исследований. Действительно, существующие методы носят настолько общий вид, что для применения их к задаче нахождения необходимых именно в данном случае кривых потребуется видоизменять алгоритм реализации этих методов.

Перспективными методами локализации границ объектов являются методы обучающейся нейронной сети и преобразования Хафа. Преобразование Хафа позволяет выделять на изображениях прямые и другие аналитические объекты, даже если изображения объектов зашумлены или имеют разрывы. Однако при решении конкретной прикладной задачи можно разрабатывать новый алгоритм преобразо-, . -альным является создание "целевого" алгоритма с использованием преобразования

,

группы цилиндрических объектов.

В рамки задачи поиска оптимальной математической модели ломаных кривых на изображении входит восстановление геометрически правильных кривых по их разорванным искаженным участкам. Решение задачи предполагает последовательное проведение двух самостоятельных этапов. На первом этапе проводится соединение разорванных линий, являющихся граничными линиями одного объекта в замкнутую линию, на втором этапе осуществляется воссоздание геометрически правильной математической модели этой линии. При решении этой задачи особенно остро встает вопрос обеспечения требуемого соответствия выбранной модели относительно границ реального объекта на исходном изображении. Для поиска оптимального решения этого вопроса потребуется проведение дополнительных .

,

объектов посредством измерения параметров их фотографических изображений занимается фотограмметрия. Общеизвестно, что при проецировании на фоточувст-вительную поверхность трехмерных объектов создается их плоская проекция. При этом информация об одной из координат каждой точки трехмерного объекта теря-, , , . , изображение фрагмента сцены не может быть воспроизведено по одному снимку.

Один из способов получения информации о глубине состоит в регистрации ( ) . этом случае точки сцены дают изображения, относительное положение которых зависит от расстояния до точки наблюдения. Сопоставляя эти изображения, можно реконструировать трехмерную структуру сцены.

Из вышеизложенного следует, что для оценивания трехмерных координат некоторой точки по стереопаре необходимо решение задач калибровки на основании знания внутренних параметров камер, взаимного расположения камер, поиска сопряженных точек путем определения на изображениях координаты соответствую-

( ). решение этих задач потребует поиск новых методов и алгоритмов, основанных на применении одной видео- или телевизионной камеры, которая перемещается по оптимальной траектории в водной среде, минимизируя время и погрешность изме-.

Задача вычисления геометрических параметров реконструированных трехмерных сцен сводится к задаче масштабирования 3Б изображения, т.е. вычисления разновысотности исследуемых объектов в единицах машинного представления ( ), -ницы измерения реального мира с учетом масштаба изображения. Для вычисления разновысотности объектов в пикселах производится сопоставление вертикальных координат верхних плоскостей цилиндрических объектов. Для пересчета разницы в единицы измерения реального мира необходимо знать внутренние параметры камеры и расстояние до измеряемых объектов.

Последняя задача решает проблему нахождения оптимальной методологии

- « »,

на всей площади. Очевидно, что для достижения высокой производительности системы необходимо разработать такую траекторию передвижения фиксирующей

,

площади измеряемых объектов, и при этом не будет наблюдаться снижения точности измерений разновысотности объектов.

Предложенный алгоритм решения поставленной задачи включает в себя передовые алгоритмы и методы обработки изображений, применяемые в системах компьютерного зрения и распознавания образов. Модификация этих алгоритмов применительно к поставленной задаче позволит повысить скорость их выполнения и минимизировать погрешность вычислений при контроле разновысотности ци-.

БИБЛИОГРДФИЧЕСКИЙ СПИСОК

1. Методы компьютерной обработки изображений / Под ред. Сойф ера В А. 2-е изд., испр.

- М.: ФИЗМАТ ЛИТ, 2003. - 784 с.

2. Прэтт Э. Цифровая обработка изображений: Пер. с англ. / Под ред. Д.С. Лебедева. -М.: Мир, 1982. - Кн. 1. - 312 с.

3. . . - .:

связь, 1986. - 398 с.

4. :

фильтры / 7.С. Хуанг, Дж.-О. Эклунд, Г. Дж. Нуссбаумер и др.; Под ред. Т.С. Хуанга; Пер. с англ. / Под ред. Л.П. Ярославского. - М.: Радио и связь, 1984. - 220 с.

5. Ярославский Л.П., Мерзляков КС. Методы цифровой голографики. - М.: Наука, 1977.

6. . . : цифровую оптику. - М.: Наука, 1982. - 220 с.

7. . ., . ., . .

размеров изделий прокатно-метадлургического производства. Монография/ Под ред. К.Е. Румянцева. - Шахты: Изд-во ЮРГУЭС, 2004. - 154 с.

УДК 681.3.06

В.В. Котенко, С.В. Поликарпов, И.Б. Левендян ПРИМЕНЕНИЕ ВИРТУАЛЬНЫХ ИНФОРМАЦИОННОТЕЛЕКОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ ПРИ РЕШЕНИИ ЗАДАЧ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ

Наметившееся в последнее время интенсивное развитие информационных технологий в области шифрования сталкивается с достаточно серьезными проблемами, к которым в первую очередь следует отнести: 1) невозможность обеспечения условий теоретической недешифруемости в рамках известных подходов; 2) отсутст-

вие подходов к количественной информационной оценке качества шифрования. Исследования, проведенные авторами, показали, что отмеченные проблемы могут быть решены путем внедрения информационной технологии виртуализации процессов .

отнести: 1) возможность количественной оценки эффективности шифрования, в том

; 2) -лей сообщений, ключей и криптограмм, участвующих в процессе шифрования; 3) учет влияний информационных характеристик (в первую очередь избыточности) источников сообщений; 4) обеспечение условий теоретической недешифруемости с потенциальной возможностью обеспечения абсолютной защиты.

Начатые исследования данной технологии применительно к оценке качества известных современных шифров показали, что эффективность алгоритма RIJNDAEL составляет D = -0,008493086, что соответствует более высокому качеству защиты по сравнению с алгоритмом SERPENT, у которого D = -0,010397745. Отрицательные значения D означают, что эти алгоритмы не обеспечивают условия