Анализ растровых пространственно-временных сигналов и синтез специализированных процессоров для быстродействующей обработки изображений в системах технического зрения тема диссертации и автореферата по ВАК РФ 05.13.14, доктор технических наук Сальников, Игорь Иванович

  • Сальников, Игорь Иванович
  • доктор технических наукдоктор технических наук
  • 2000, Пенза
  • Специальность ВАК РФ05.13.14
  • Количество страниц 247
Сальников, Игорь Иванович. Анализ растровых пространственно-временных сигналов и синтез специализированных процессоров для быстродействующей обработки изображений в системах технического зрения: дис. доктор технических наук: 05.13.14 - Системы обработки информации и управления. Пенза. 2000. 247 с.

Оглавление диссертации доктор технических наук Сальников, Игорь Иванович

Введение.

1. Выбор и обоснование метода обработки растровых пространственно-временных сигналов.

1.1. Основные условия.

1.2. Параметры характеристической функции.

1.3. Характеристическая функция.

1.4. Методика выбора средств реализации алгоритма обработки РПВС.

1.5. Выводы.

2. Растровые формирователи изображений в устройствах когерентно-оптической обработки.

2.1 Анализ влияния параметров растровых формирователей изображений на согласованную управляемую оптическую фильтрацию временных сигналов.

2.2. Методы динамического контроля искажений растровых формирователей изображений.

2.3 Выводы.

3. Корреляционные свойства пространственно-временных сигналов при дискретно-разностном преобразовании.

3.1 Дискретно-разностное преобразование.

3.2. Корреляционные функция при ДРП.

3.3. Функция плотности вероятности для ДРП.

3.4. Выводы.

4. Сравнительный анализ методов формирования порогового уровня при бинаризации изображения.

4.1. Пороговый уровень на основе динамического диапазона.

4.2. Пороговый уровень на основе анализа гистограммы.

4.3. Пороговый уровень по средней яркости по всему полю.

4.4. Пороговый уровень по средней яркости по фрагментам.

4.5. Основные требования к процессу бинаризации.

4.6. Метод максимума производной.

4.7. Сравнение методов формирования порогового уровня.

4.8. Выводы.

5. Сегментация бинарных растровых пространственно-временных сигналов.

5.1. Основные определения.

5.2. Этапы сегментации растрового бинарного изображения.

5.3. Алгоритм работы быстродействующего сегментатора.

5.4. Структурная схема сегментатора.

5.5. Переименование в предыдущей строке.

5.6. Цепочечные переименования.

5.7. Количество одновременно размечаемых JIO.

5.8. Оценка точности работы сегментатора.

5.9. Выводы.

6. Методы измерения пространственных параметров растровых изображений.

6.1. Координаты геометрических границ JIO.

6.2. Координаты центра тяжести бинарного изображения.

6.3. Периметр локальной области.

6.4. Коэффициент формы.

6.5. Общие принципы вычисления пространственных параметров изображений объектов.

6.6. Выводы.

7. Результаты экспериментальных исследований.

7.1.Управляемый когерентно-оптический фильтр временных сигналов с использованием термопластического модулятора света.

7.2. Управляемый когерентно-оптический фильтр временных сигналов с использованием жидкокристаллического модулятора.

7.3. Телевизионное бинарное устройство сегментации и определения координат центра тяжести изображений ТУБУС-97.2.

7.4. Выводы.

Рекомендованный список диссертаций по специальности «Системы обработки информации и управления», 05.13.14 шифр ВАК

Введение диссертации (часть автореферата) на тему «Анализ растровых пространственно-временных сигналов и синтез специализированных процессоров для быстродействующей обработки изображений в системах технического зрения»

Диссертация посвящена разработке методов анализа растровых пространственно-временных сигналов и особенностям использования таких сигналов при синтезе быстродействующих устройств обработки изображений в системах технического зрения.

В настоящее время системы технического зрения (СТЗ) успешно развиваются и представляют собой достаточно сложные аппаратно-программные комплексы средств для решения задач выработки рациональных символических описаний визуальной обстановки, составленных на основе анализа данных об изображении [1,2, 121]. Перед СТЗ ставятся совершенно отличные от изображающих телевизионных систем задачи, которые в общем случае можно разделить на следующие: обнаружение появления нового объекта; классификация и распознавание объекта; слежение за перемещающимся объектом с динамическим целеуказанием. СТЗ относятся к пассивным системам наблюдения. Работающие в видимом диапазоне электромагнитных волн и использующие естественные источники излучения, они имеют неоспоримое преимущество перед активными системами -определить факт наблюдения противной стороной практически невозможно. Широкое использование пассивных средств наблюдения связано с успехами в развитии систем радиопротиводействия, направленных на обнаружение и подавление активных систем. Поэтому все большее внимание уделяется пассивным средствам обнаружения и идентификации объектов [90].

Достоинства пассивных систем наблюдения сопровождаются определенными сложностями - наблюдение приходится вести с малыми уровнями входного сигнала, в большом динамическом диапазоне освещенностей, при флуктуациях атмосферы и при наличии сложного фона [105]. Ограничение дальности действия пассивных систем наблюдения, работающих в оптическом диапазоне, связано :

- с воздействием фона, особенно яркости облаков и атмосферы;

- с возможностью распространения в пределах прямой видимости;

- с малыми уровнями рассеянного на объекте света.

Использование малой длины волны видимого диапазона ЭМ-волн позволяет строить изображения не только для обнаружения целей, но и для их идентификации. При этом требования к СТЗ существенно возрастают и в алгоритмах обработки входного сигнала необходимо учитывать его пространственно-временной характер, который усложняется растровым принципом передачи сигнала изображения от приемной части к устройству анализа и обработки.

Во всех приведенных задачах, решаемых СТЗ, входным сигналом, формируемым телевизионным датчиком, является растровый пространственно-временной сигнал (РПВС).

СТЗ, решающие задачу принятия решения о появлении в поле зрения нового объекта, чаще всего выполняют непрерывное сравнение текущего кадра с предыдущим и решаемая задача соответствует задаче бинарного обнаружения сигнала в шумах [2,3,72]. СТЗ по обнаружению новых объектов нашли широкое применение в охранных системах при дистанционном наблюдении за объектом или охраняемой зоной.

Более сложную задачу решают СТЗ при классификации и распознавании новых объектов [83,100,101, 152-163]. При этом СТЗ должны не только обнаружить факт появления нового объекта, но и описать его какие-то характеристики, а также классифицировать объект, то есть отнести его к известному классу.

Основными характеристиками при классификации новых объектов в СТЗ являются пространственные параметры их изображений в пределах телевизионного растра. Это могут быть габаритные размеры изображения объекта, площадь, периметр, оси симметрии, координаты центра тяжести, различные пространственные коэффициенты и т.д. [4,101,164-171].

Распознавание относится к следующей ступени анализа изображений и отличается от классификации более полным описанием пространственных характеристик [91-99,113]. Распознавание выполняется в виде сравнения с эталонными изображениями, при этом используются различные меры близости: разностная, среднеквадратическая и корреляционная, которые характеризуют интегральный подход в распознавании образов и используются при наличии шумов и помех [5,6,73]. Другой подход в распознавании образов заключается в поэлементном анализе изображения и соответствующем кодировании - это структурно-лингвистический подход, который более всего приспособлен к распознаванию текстовых изображений, особенно рукописных текстов [6,7].

Системы динамического целеуказания представляют собой СТЗ, решающие задачу циклического измерения координат характерных точек на изображении объекта. Это могут быть координаты геометрического центра или координаты центра тяжести изображения. При этом СТЗ включается в контур более мощной следящей системы. При динамическом целеуказании изображение объекта, как правило, перемещается в зоне обзора СТЗ. При этом может изменяться его средняя яркость, пространственное расположение бликов, а также размеры изображения объекта. Поэтому, при проектировании подобной системы желательно выбрать такой пространственный параметр анализируемого изображения объекта, который был бы инвариантен или статистически устойчивым к указанным выше изменениям. В работе [8] обосновывается использование энергетического параметра, к которому наиболее близок центр тяжести изображения наблюдаемого объекта.

В качестве датчиков анализируемых изображений в СТЗ наибольшее распространение получили телевизионные растровые формирователи видеосигнала. Это связано прежде всего с тем, что телевизионные системы имеют значительный исторический опыт и разрабатывались под потребности восприятия изображений человеком, а глаз человека чрезвычайно чувствителен к качеству изображения. В технике накоплен огромный опыт в разработке высококачественных телевизионных формирователей видеосигнала, как с точки зрения разрешающей способности, так и с точки зрения динамического диапазона восприятия уровней освещенности [9,140,172-175].

Растровый характер изображений, поступающих на вход СТЗ, приводит к существенной трудности — к необходимости выявления пространственной связанности элементов изображения в ортогональном строчной развертке направлении. Видеосигнал с выхода телевизионного датчика представляет собой "разрезанное на куски" и изменяющееся во времени изображение. И, если выявление пространственной связанности по направлению строчной развертки не представляет трудностей, то для определения связанности элементов изображения в ортогональном направлении требует запоминание предыдущей строки.

При наблюдении за динамическим объектами возникает проблема быстродействия СТЗ, при этом, использование растрового пространственно- временного сигнала для анализа изображения существенно увеличивает объем обрабатываемой информации. При наблюдении за высокоскоростными целями изображение объекта может находиться в течение одного или нескольких кадров. Примерами решаемых задач могут служить следующие :

- динамическое измерение отклонений направляющей платформы при сходе летательного аппарата, которые влияют на точность попадания. При этом, измерение осуществляется по нескольким кадрам изображения;

- слежение за объектами в космическом пространстве, при этом при огромных угловых скоростях изображение объекта в пределах малого угла зрения может находиться кратковременно, а когда увеличивают угол зрения, то размеры изображения объекта становятся столь малыми, что невозможно провести идентификацию [119,123];

- наблюдение состояния атмосферы при прохождении лазерного луча с целью определения момента квазиоднородности, когда расхождение луча минимально [78,106,114,122];

- адаптивная коррекция волнового фронта, с целью обеспечения функционирования информационных оптических систем в условиях случайных фазовых искажений [117. 127].

При работе СТЗ по высокоскоростным целям решаются следующие задачи [73]: - выделение изображения объекта на фоне;

- сегментирование изображения, то есть определение границы пространственно-связанных элементов;

- измерение геометрических пространственных характеристик изображения;

- принятие того или иного решения.

В связи с многовариантностью задач, остро ставится вопрос о времени обработки. Традиционное направление в обработке изображений - разработка алгоритмов направленных на достижение конечного эффекта - формирования контура, измерения пространственных характеристик, измерение геометрических параметров изображений [61,99]. При этом используется, как правило, программная реализация [104,176-182].

В работе поставлена задача — реализация устройств обработки изображений при условии работы в реальном времени, в темпе поступления отсчетов входного сигнала, без запоминания кадра. Это накладывает особенности на вопросы синтеза алгоритмов.

На быстродействие СТЗ в значительной степени влияют методы и средства обработки входного изображения, в разработке которых к настоящему времени накоплен значительный научно-технический опыт и они продолжают успешно развиваться [110,125,126,136]. Из всего многообразия методов и средств обработки изображений с точки зрения достижения СТЗ максимального быстродействия заслуживают внимание следующие: когерентно-оптические, использующие интегральные пространственные преобразования; цифровые, основанные на использовании средств вычислительной техники. Принцип работы систем когерентно-оптической обработки информации

КООИ) основан на линейном интегральном преобразовании Фурье, выполняемом линзой в когерентном свете [10,11,103,111].

С точки зрения информационной производительности системы КООИ не имеют себе равных, так как с одной стороны, время выполнения преобразований равно времени прохождения когерентного светового потока через все устройства, а с другой стороны, использование пространственных параметров светового потока позволяет в пределах реальных размеров апертур устройств КООИ получать значительные потоки данных [89].

Например, при расстоянии прохождения светового потока Ь=Ю,3 м время обработки будет равно 1 не. А при числе элементов разрешения в пределах апертур

3 3 устройств КООИ 10 х10 и динамическом диапазоне изменения яркости элементов разрешения равном хотя бы 256, можно говорить о потоке данных в 10б Гбайт/сек. В цифровых устройствах обработка таких потоков данных в реальном времени без предварительного запоминания пока невозможна.

Для уменьшения длины оптического пути систем КООИ, используется интегральная технология, то есть разрабатываются оптические схемы на базе тонкопленочных конструкций [28,183-188].

При сравнении систем КООИ с системами цифровой обработки информации по информационной производительности получается, что для пространственного сигнала дискретизированного в растр размером 512x512 элементов, что вполне реализуемо в устройствах ввода изображения телевизионного типа, в системе КООИ реализуется информационная производительность при выполнении только одной арифметической операции, например перемножения двумер

1 7 ных массивов данных, 2,6-10 (оп./с).

Если учесть, что для выполнения интегральных преобразований цифровыми методами необходим целый ряд арифметических операций, то получится еще более внушительная цифра информационной производительности систем

КООИ. В [29] приводится пример высокопроизводительной вычислительной системы, где упоминается производительность в 10й оп./с.

Причина высокой информационной производительности систем КООИ заключается в параллельности выполняемых пространственных преобразований. За счет того, что каждый элемент входного изображения связан со всеми элементами в выходной плоскости, в которой наблюдается аддитивное (т.к. система линейная) наложение полей от всех источников входной плоскости [30]. То есть мы имеем пространственную связь элементов типа "все - со всеми".

Подобная вычислительная структура в системах цифровой обработки информации настоящее время невозможна. Для входного двумерного массива данных объемом 512x512 элементов число связей оценивается величиной более Ю10. Реализовать столько независимых связей по принципу "все -со всеми" современная технология пока не позволяет, тем более что эти связи должны находиться в объеме. Следует заметить, что методы КООИ в СТЗ пока не нашли широкого применения из-за отсутствия эффективных средств ввода и регистрации обрабатываемых сигналов. Однако, при успешном решении этой проблемы, можно ожидать широкое использование методов КООИ в СТЗ, так как за ними остается главное их достоинство - высокая производительность вычислительных операций. В СТЗ успешно применяются методы цифровой обработки информации (ЦОИ) [13,141-147,189-195], благодаря бурному развитию технологии производства микросхем, которая подошла к разрешающей способности на кристалле в 0,18 мкм и количеству ключевых схем на одном кристалле до 250 тысяч [14].

В самом общем виде средства и методы ДОИ можно разделить на два типа: программные и аппаратные. Методы цифровой программной обработки информации (ЦПОИ) имеют целый ряд достоинств[138]: использование универсальных ЭВМ; изменение, настройка и коррекция работы системы выполняется достаточно гибко, путем изменения программного обеспечения, при этом аппаратные средства остаются неизменными; возможность архивации как данных, так и управляющих программ; возможность подключения самого разнообразного вспомогательного программного обеспечения.

Однако быстродействие систем ЦОИ с использованием программных методов ограничено и уступает методам на основе аппаратной логики.

Методы цифровой аппаратной обработки информации (ЦАОИ) предполагают наличие последовательности вычислительных устройств, реализующих необходимый алгоритм обработки. Этот подход вполне допускает использование параллельных методов обработки данных, если по исходному алгоритму возможно распараллеливание вычислительных операций. Эти факторы позволяют достичь максимального быстродействия, ограничение которого связано лишь задержками в распространении обрабатываемого сигнала в цифровых устройствах.

К недостаткам реализации систем ЦАОИ можно отнести следующие: низкая надежность устройств, собранных на жесткой аппаратной логике; невозможная или очень трудная перестройка алгоритма обработки данных; огромные аппаратные затраты при использовании универсальных цифровых микросхем.

Однако, указанные недостатки в настоящее время уходят в прошлое. Это связано с появлением программируемых логических интегральных схем (ПЛИС), основной особенностью которых является программируемое^ не последовательности операций (команд) как в микропроцессорах, а программи-руемость структуры, то есть формирования в ПЛИС в соответствии с алгоритмом последовательности устройств обработки данных. При работе такой системы отсутствует фаза чтения команды, а время выполнения всех заданных алгоритмом операций определяется задержками в отдельных логических блоках ПЛИС [15,16,139].

В связи с непрерывным ростом информационной производительности современных ПЭВМ открывается возможность не только широкого моделирования процессов обработки изображений, но и включения ПЭВМ в состав СТЗ.

При этом можно выделить два основных аспекта в ее использовании:

• управление устройствами, входящими в состав СТЗ;

• выполнение алгоритма обработки видеосигнала.

При втором способе использования требуется высокая информационная производительность ПЭВМ.

Быстродействие алгоритмов и устройств анализа пространственно-временных сигналов в настоящее время является краеугольным моментом в вопросе проектирования систем обработки изображений.

При использовании методов КООИ растровый характер входного анализируемого изображения приводит к необходимости восстанавливать из видеосигнала пространственную картину изображения и модулировать один или несколько пространственных параметров когерентного светового потока, что выполняется специальными устройствами ввода обрабатываемого сигнала.

Методы ЦОИ более приспособлены к обработке видеосигнала растрового изображения, так как видеосигнал уже представляет собой одномерный поток данных, при этом наибольшим быстродействием обладают системы ЦОИ, выполненные на аппаратной логике. При этом алгоритмы обработки должны учитывать связанность элементов изображения не только по строке, но и по кадру. Для достижения наибольшего быстродействия необходимо обходиться без запоминания всего кадра, а все вычислительные операции по соответствующему алгоритму необходимо выполнять за интервал существования одного элемента растра, то есть за интервал дискретизации.

Все перечисленное потребовало проанализировать особенности использования растровых пространственно-временных сигналов в различных устройствах обработки изображений с целью оптимизации их характеристик при построении реальных систем технического зрения.

Работы в этой области ведутся как в нашей стране, так и за рубежом, и сегодня с точки зрения достижения максимального быстродействия одними из наиболее перспективных представляются два направления :

- использование когерентно-оптических методов обработки информации при анализе одномерных временных сигналов;

- использование цифровых методов на базе аппаратной логики с реализацией на ПЛИСах.

Выбор того или иного метода обусловлен специфичностью их свойств и, прежде всего, исходным представлением обрабатываемого пространственно-временного сигнала, а также их специфическими функциональными возможностями. Необходимо разработать методику, которая использовала бы основные параметры обрабатываемого сигнала - динамический диапазон, число отсчетов входного сигнала , а также параметры реализуемого алгоритма - количество вычислительных операций, число отсчетов получаемого результата. При этом необходимо эти параметры связать в некоторую характеристическую функцию. Тогда критерием выбора метода обработки необходимо сделать принадлежность значения рассчитанной характеристической функции интервалу значений, характерному для каждого метода.

При обработке одномерных временных сигналов, когда решается задача выполнения интегрального преобразования свертки над одномерным массивом данных с использование заданной импульсной переходной характеристикой (ИПХ), использование методов КООИ является весьма перспективным. Особенно, если выполняется согласованная фильтрация и требуется в адаптивном режиме перестраивать такой фильтр.

Методы фильтрации одномерных сигналов, а также использование пространственных транспарантов с записью импульсной переходной характеристикой достаточно известны [11,32,116]. Однако, представляет интерес практическое использование пространственно-временных модуляторов света в согласованном управляемом оптическом фильтре (УОФ). Кроме того, применение растровых формирователей изображений в таких фильтрах открывает возможность многоканальной обработки, то есть свертки входного сигнала с несколькими (ИПХ). Необходимо рассмотреть специфические причины возникновения перекрестных помех в таком многоканальном фильтре, рассмотреть влияние параметров растровой записи ИПХ на ошибки формирования отклика с целью оптимизации характеристик УОФ.

Растровые формирователи изображений на основе телевизионных устройств широко используются в измерительных СТЗ, в которых требования к точности формирования растра на порядок выше, чем в обычных телевизионных устройствах. Для измерения растровых искажений вполне пригодными оказались методы КООИ, которые чрезвычайно чувствительны к пространственным изменениям параметров когерентного светового потока. Телевизионные формирователи, основанные на твердотельных фотоприемных матрицах приборов с зарядовой связью, свободны от геометрических растровых искажений [129-131,134], но если для РПВС используется ЭЛТ, то возникают разнообразные растровые искажения. При этом, основными методами контроля растровых искажений являются визуальные, основанные на замере различных пространственных параметров растра непосредственно на экране ЭЛТ. Точность измерения геометрических искажений растра подобными методами невысока из-за паралакса и субъективности оценок параметров искажений [44].

Если использовать интегральное преобразование Фурье тестового изображения, визуализированного на экране контролируемой ЭЛТ, то открывается возможность объективного измерения таких искажений растра как масштабные, нелинейные и смещения. Использование простых тестовых сигналов позволит достаточно просто реализовать измерение масштабных и нелинейных искажений, а использование сложных сигналов при соответствующей обработке позволит измерить смещение растра [74]. Необходимо проанализировать такой метод и оценить его характеристики.

При использовании цифровых методов обработки информации выполняется предварительная дискретизация и квантование исходного сигнала [104]. Использование разностного преобразования при обработке изображений позволяет убрать низкочастотные области и выделить контур изображения, тем самым подчеркнуть пространственные характеристики анализируемого изображения [10,61]. Если сделать шаг разности переменным, и связать его с пространственными характеристиками изображения, то возникает ряд свойств, которые необходимо исследовать.

При цифровой обработке растровых изображений в СТЗ наибольшее распространение получили бинарные телевизионные изображения, которые существенно упрощают методы и средства обработки при сохранении информации о пространственных параметрах изображений объектов [1,4,61]. Существует много методов формирования порогового уровня при бинаризации изображения. Необходимо рассмотреть их в сравнительном плане, оценить их характеристики - важные для пространственных измерений параметров изображений объектов, и по выбранному критерию определить оптимальные параметры формирования порогового уровня.

В условиях изменяющейся помеховой обстановки необходимо использовать адаптивный алгоритм, подстраивающийся к изменению параметров как анализируемого сигнала, так и помех.

Разрабатываемые алгоритмы анализа растровых изображений должны быть максимально быстродействующими и выдавать результат в темпе поступления входного видеосигнала, то есть в реальном времени.

Для измерения пространственных параметров изображений объектов в СТЗ широко используется сегментация исходного изображения, которое представляет собой бинарную пятенную картину [4,61]. Для достижения максимального быстродействия устройств сегментации разрабатываются алгоритмы [196-203], основанные на анализе текущих элементов растрового изображения без запоминания кадра. В этой связи представляет интерес алгоритм, предложенный Кутаевым Ю.Ф. [67,68], в котором в темпе поступления отсчетов растрового бинарного изображения формируются параметры, характеризующие пространственную связанность элементов телевизионного растра. Одновременно с сегментацией выполняется формирование координат габаритных границ пространственно связанных локальных областей бинарного изображения. Алгоритм сегментации Кутаева Ю.Ф. реализован на программном уровне. Так как сегментация является базовой операцией при измерении пространственных параметров изображений объектов в СТЗ, необходимо обобщить результаты по сегментации бинарных изображений и с целью достижения максимального быстродействия реализовать алгоритм Кутаева Ю.Ф. средствами цифровой микросхемотехники. Кроме того, представляет интерес рассмотрение вопросов точности работы сегментатора в условиях шумов и помех.

Измерение пространственных характеристик изображений объектов является одной из основных задач, решаемых СТЗ. При этом, в условиях флюктуирующего изображения важную роль играют статистически устойчивые пространственные характеристики. Такими характеристиками являются координаты центра тяжести и периметр бинарного изображения [61]. Измерение таких пространственных характеристик в реальном времени необходимо выполнять совместно с работой сегментатора. С учетом этого, необходимо было разработать алгоритмы измерения координат центра тяжести и периметра, работающие с растровым бинарным изображением и ориентированные на аппаратную реализацию. Отсутствие теоретических основ анализа растровых изображений сдерживает решение не только проблемы выбора метода анализа пространственно-временных сигналов, но и проблемы синтеза устройств обработки, работающих в реальном времени.

Таким образом, при разработке систем технического зрения, анализирующих изображения объектов в реальном времени, возникла актуальная научная проблема, решить которую требовалось на принципиально новой методологической основе. В качестве такой основы в диссертации автором с единых научных позиций разработана теория метода выбора средств анализа РПВС и синтеза устройств обработки, работающих в реальном времени с заданными параметрами вычислительного процесса.

Научная проблема, решаемая в диссертации, формулируется следующим образом: разработка теоретических основ построен™ специализированных процессоров для быстродействующей обработки растровых пространственно-временных сигналов в системах технического зрения.

Целью работы является разработка методов анализа растровых пространственно-временных сигналов и использование особенностей этих сигналов при создании быстродействующих устройств измерения пространственных параметров изображений объектов в системах технического зрения.

В соответствии с поставленной целью определены основные задачи диссертации:

- разработать теоретические основы выбора метода и средств обработки растровых пространственно-временных сигналов (РПВС) на базе некоторой обобщенной характеристики, включающей в себя основные параметры вычислительного процесса;

- проанализировать условия использования когерентно-оптических методов (КООИ) для построения быстродействующих устройств обработки РПВС;

- разработать метод оптимизации параметров растровой записи импульсной переходной характеристики (ИПХ) по критерию минимума среднеквадратической ошибки на основе анализа специфических перекрестных помех управляемого оптического фильтра, возникающих из-за дифракции когерентного света на растровой структуре записи ИПХ в пространственно-временных модуляторах света;

- разработать и исследовать методы контроля параметров растровых формирователей изображений средствами КООИ, оценить точность работы таких методов;

- рассмотреть свойства дискретно-разностного преобразования при переменном шаге разности, оценить влияние связи между интервалом корреляции и шагом разности на корреляционные и вероятностные характеристики обрабатываемого сигнала;

- проанализировать методы формирования порогового уровня при бинаризации растрового телевизионного изображения, при этом оценить следующие характеристики: среднеквадратическую ошибку формирования порогового уровня, среднеквадратическую ошибку определения координат границы бинарного изображения, полную вероятность ошибочного формирования бинарного изображения и быстродействие;

- разработать алгоритм выбора метода формирования порогового уровня при бинаризации растрового телевизионного изображения для различных критериев;

- обобщить результаты по сегментации бинарных изображений и с целью достижения максимального быстродействия переложить алгоритм сегментации Кутаева Ю.Ф. на аппаратные средства без запоминания кадра;

- проанализировать влияние шумов и помех на точность работы сегментатора бинарных растровых изображений;

- разработать алгоритмы измерения координат центра тяжести и периметра, работающие совместно с сегментатором растровых бинарных изображений и ориентированные на аппаратную реализацию для достижения максимального быстродействия.

Структура и краткое содержание диссертации. Диссертация состоит из введения, семи глав, заключения и списка использованных источников из 203 наименований. Она содержит 242 страницы текста, 3 таблицы, 90 рисунков и 13 фотографий.

Похожие диссертационные работы по специальности «Системы обработки информации и управления», 05.13.14 шифр ВАК

Заключение диссертации по теме «Системы обработки информации и управления», Сальников, Игорь Иванович

7.4. Выводы по главе

1. Приведены результаты разработки и исследования характеристик управляемого оптического фильтра (УОФ) на основе термопластического модулятора света (ТПМС) для согласованной фильтрации электрических сигналов, вводимых с помощью ультразвукового модулятора света (УЗМС) в систему когерентно-оптической обработки информации (КООИ). Подтверждена работоспособность такого фильтра. Перестраиваемость УОФ и возможность многоканальной обработки, когда на ТПМС может быть одновременно записано несколько импульсных переходных характеристик, являются достоинствами разработанного УОФ.

2. Исследованы характеристики ТПМС, отмечается высокая дифракционная эффективность фазовой модуляции светового потока. Однако частотно-контрастная характеристика ограничена разрещающей способностью 25 пер/мм. При исследовании динамических характеристик ТПМС получен неутешительный результат - время перестройки УОФ измеряется несколькими минутами, что связано с инерционностью механизма прогрева и охлаждения термопластика.

3. Разработана и исследована схема УОФ с жидкокристаллическим модулятором света (ЖКМС), который свободен от указанного выше недостатка ТПМС - необходимости нагрева и охлаждения активного материала.

Основной задачей при разработке УОФ было объединение преимуществ УЗМС, используемого для оперативного ввода электрического сигнала, и ЖКМС, используемого для создания управляемого оптического фильтра.

Исследованные характеристики УОФ с ЖКМС позволяют отметить его определенные достоинства: малое время перестройки УОФ - порядка нескольких секунд и низкие питающие напряжения. Таким образом, использование в качестве устройства записи импульсных переходных характеристик ЖКМС позволяет существенно улучшить перестраиваемость фильтра с сохранением остальных характеристик.

4. Приведено описание системы технического зрения ТУБУС-97.2, работающей с бинарным телевизионным изображением и реализующей алгоритм сегментации, приведенный в главе 5, а также алгоритм измерения координат центра тяжести, приведенный в главе 6 [63,64]. Разработанное устройство показало работоспособность алгоритмов и высокие динамические характеристики. Реализация на жесткой логике позволила получить систему обработки телевизионного изображения, работающую в реальном времени.

Дальнейшим развитием данного направления явилась разработка устройства, аналогичного ТУБУС-97.2, но реализованного на ПЛИСах, что позволило существенно уменьшить массо-габаритные параметры и увеличить надежность работы устройства.

ЗАКЛЮЧЕНИЕ

В диссертационной работе решена крупная научно-техническая проблема, заключающаяся в разработке теоретических основ построения быстродействущих устройств обработки растровых пространственно-временных сигналов с использованием как когерентно-оптических, так и цифровых методов обработки в зависимости от особенностей анализа сигналов, и позволяющие формировать пространственные параметры изображений объектов в реальном времени, то есть в темпе поступления отсчетов видеосигнала с видеодатчика в системах технического зрения.

При этом, полученные результаты позволили с единых методологических позиций найти научно-обоснованное решение целого ряда практических задач по разработке быстродействующих устройств анализа растровых пространственно-временных сигналов для систем технического зрения.

При решении указанной проблемы выполнено следующее: 1. Разработаны теоретические основы выбора метода реализации алгоритма обработки пространственно-временных сигналов для быстродействующих систем анализа изображений, основанного на формировании характеристической функции вычислительного процесса Хвп, в которой учитываются основные параметры обрабатываемого сигнала -динамический диапазон, число отсчетов входного сигнала , а также параметры реализуемого алгоритма - количество вычислительных операций, число отсчетов получаемого результата и время выполнения преобразования.

Для различных методов обработки информации, приемлемых для реализации алгоритмов быстродействующей обработки растровых пространственно-временных сигналов, таких как методы аналоговой обработки, когерентно-оптической, цифровой аппаратной и цифровой программной, были определены интервалы изменения характеристической функции. Критерием выбора метода обработки является принадлежность значения рассчитанной характеристической функции интервалу значений, характерному для каждого метода.

2. В результате проведения исследований разработаны теоретические основы использования когерентно-оптических методов (КООИ) для построения быстродействующих устройств обработки растровых пространственно-временных сигналов.

При этом решены следующие задачи: • для анализа одномерных пространственно-временных сигналов создан и исследован многоканальный управляемый оптический фильтр (УОФ), использующий для ввода временных сигналов ультразвуковой модулятор света, а для формирования управляемой импульсной переходной характеристики (ИПХ) использующий растровую запись в пространственно-временном модуляторе света (ПВМС). При этом вторая координата используется для формирования многоканальной записи ИПХ;

• разработан метод оптимизации параметров растровой записи ИПХ по критерию минимума среднеквадратической ошибки на основе анализа специфических перекрестных помех УОФ, возникающих из-за дифракции когерентного света на растровой структуре записи ИПХ в ПВМС.

3. Созданы и исследованы методы контроля параметров растровых формирователей изображений средствами КООИ. Показано, что использование простых тестовых сигналов в виде синусоиды позволяет измерить масштабные искажения и нелинейные искажения растра с потенциальной методической ошибкой 0,2%, а также смещение растра с потенциальной методической ошибкой 0,002%. Применение сложных сигналов в качестве тестовых позволяет измерить все виды растровых искажений с высокой точностью.

4. Получено теоретическое обобщение дискретно-разностного преобразования (ДРП) сигналов при условии переменного шага разности. Взяв шаг разности в качестве параметра преобразования, был выявлен целый ряд особенностей ДРП при сравнении шага разности с различными параметрами исходного сигнала:

• показано, что при равенстве шага разности ДРП интервалу корреляции наблюдается улучшение отношения сигнал/шум в 2 раза, что имеет практическое значение в системах обнаружения и распознавания образов, использующих корреляционную меру близости между анализируемым изображением и эталоном;

• разработан метод спектрального анализа сигналов, использующий свойства гистограммы сигнала после ДРП и характеризующийся максимальным быстродействием;

• использование простых вычислительных операций: вычитания, сложения, сравнения и запоминания позволяет реализовывать устройства обработки с максимальным быстродействием.

5. Разработаны теоретические основы выбора метода формирования порогового уровня при бинаризации растрового телевизионного изображения из следующих методов: на основе половины динамического диапазона, на основе гистограммы распределения яркости элементов изображения, на основе средней яркости по всему полю, на основе средней яркости по фрагментам, с использованием скользящего интегрирования и с использованием точек с максимумом производной. При этом :

• использованы следующие критерии выбора метода: - минимум среднеквадратической ошибки формирования порогового уровня, минимум среднеквадратической ошибки определения координат границы бинарного изображения, минимум полной вероятности ошибочного формирования бинарного изображения и максимум быстродействия;

• установлено, что самым простым в реализации является метод, основанный на формировании динамического диапазона, однако он характеризуется большой зависимостью случайной ошибки от отношения сигнал/шум;

• показано, что наилучшими характеристиками по критерию минимума среднеквадратической ошибки обладают метод скользящего интегрирования и метод максимума производной. Метод скользящего интегрирования характеризуется большой ошибкой смещения, что влияет на пространственное положение границ бинарного изображения. Однако этот метод проще в реализации по сравнению с методом максимума производной.

6. Развита концепция обработки растровых пространственно-временных сигналов по текущим отсчетам входного видеосигнала для реа-изации принципа обработки в реальном времени, то есть в темпе поступления отсчетов видеосигнала. При этом учитывается основная особенность растрового представления РПВС - это преобразование пространственных связей между элементами изображения в неявные временные связи, особенно в ортогональном строчной развертке направлении.

7. Разработаны теоретические основы быстродействующей пространственной сегментации бинарного изображения в устройствах цифровой обработки информации анализа растровых изображений. Показано, что сегментация в измерительных системах технического зрения является базовой операцией при извлечении пространственных характеристик изображения объектов, таких как: габаритные границы, площадь, координаты центра тяжести, периметр, коэффициент формы и т.д. При этом решены следующие задачи:

• на основании ряда аксиоматических определений для основных понятий сегментации растрового бинарного изображения доказан ряд утверждений, позволивших с общих позиций подойти к разработке аппаратного алгоритма сегментации;

• доказано, что используемый формат анализа связности при разметке бинарной пятенной картины является полным и достаточным;

8. Разработан аппаратный алгоритм сегментации, который, с целью достижения максимального быстродействия, ориентирован на реализацию аппаратными средствами и использует в своей основе алгоритм сегментации Кутаева Ю.Ф. Особенностью такого алгоритма является использование малоразмерных памятей для выполнения специфических функций -хранения параметров анализируемого изображения, а не всего изображения.

Найдены решения специфических вопросов переименования номеров при слиянии локальных областей: - двойного переименования номеров в предыдущей строке; цепочечного переименования, когда сливаются (объединяются) несколько локальных областей.

9. Разработана методика оценки точности работы сегментатора, в которой учтено воздействие низкочастотных и высокочастотных шумов и помех. При этом решены следующие задачи:

• показано, что высокочастотная помеха наибольшее воздействие оказывает вблизи границы бинарного изображения, а воздействие низкочастотных помех с учетом растрового характера изображения может привести к "расщеплению" изображения. Для таких случаев получены зависимости вероятностей ошибок от отношения сигнал/шум и других параметров;

• для совместного воздействия высокочастотных и низкочастотных помех оценена вероятность случая сшивания двух расщепленных частей одного изображения, когда в результате действия низкочастотных помех расщепленное изображение может быть размечено сегментатором правильно, то есть как одно, если в результате действия высокочастотной помехи появится хотя бы один элемент, который окажется сшивающим. Показано, что вероятность такого случая зависит от смещения относительно границы бинарного изображения, отношения сигнал/шум и от других параметров. При этом максимум вероятности сшивания наблюдается в центре бинарного изображения.

10. Разработаны алгоритмы измерения пространственных параметров растровых изображений, работающие совместно с сегментатором и ориентированные на аппаратную реализацию. Исследованы условия и особенности измерения следующих пространственных параметров бинарных пространственно-связанных изображений: координат геометрических границ, координат геометрического центра, габаритных размеров, на основании которых выполняется размерная селекция изображений, а также координат центра тяжести и периметр. Для каждого алгоритма представлена структурная схема устройства на основе аппаратной логики, что позволяет достичь максимального быстродействия.

11. Приведены результаты экспериментальных исследований, выполненных автором за период с 1977 г. в области создания различных устройств обработки информации.

Приведены результаты разработки и исследования характеристик управляемого оптического фильтра, предназначенного для согласованной фильтрации временных сигналов. Особенностью такого фильтра является использование ультразвукового модулятора света для ввода обрабатываемого сигнала и использование растровых пространственно-временных модуляторов света, обладающих памятью, для многоканальной записи импульсных переходных характеристик согласованного фильтра.

Исследовалась возможность использования для такого фильтра термопластического и жидкокристаллического модуляторов света. Приведены результаты анализа характеристик, отмечены достоинства и недостатки этих типов модуляторов. Подтверждена работоспособность управляемого оптического фильтра, достоинством которого является высокое быстродействие, быстрая перестраиваемость и возможность многоканальной обработки при анализе одномерных временных сигналов.

12. Автором проведены исследования в области цифровых методов обработки изображений. Создано устройство ТУБУС-97.2, в котором реализованы с использованием аппаратной логики разработанные алгоритмы сегментации и измерения пространственных параметров бинарного телевизионного изображения.

Полученные технические характеристики показали полную работоспособность разработанных алгоритмов и высокое быстродействие.

Дальнейшим развитием данного направления явилась разработка устройства ТУБУС-99.3 реализованного на ПЛИСах, что позволило существенно уменьшить массо-габаритные параметры и увеличить надежность работы устройства.

Список литературы диссертационного исследования доктор технических наук Сальников, Игорь Иванович, 2000 год

1. Техническое зрение роботов. Под ред. А.Пью. М.: Машиностроение, 1987.

2. Красильников H.H. Теория передачи и восприятия изображений. М.: Радио и связь, 1986.

3. Жуков А.Г., Горюнов А.Н., Кальфа A.A. Тепловизионные приборы и их применение. М.: Радио и связь, 1983.

4. ХорнБ.К.П. Зрение роботов. М.: Мир, 1989.

5. Оптические методы обработки информации. Под ред. Гуревича С.Б. JL: Наука, 1974.

6. Васильев В.И. Распознающие системы. Справочник. Киев.: Наукова думка, 1983.

7. Русын Б.П. Структурно-лингвистические методы распознавания изображений в реальном времени. Киев.: Наукова думка, 1986.

8. Кутаев Ю.Ф. Сравнение локаторов по критерию энергетической эффективности. М.: Оптический журнат , 1994, N 3, с. 65-68.

9. Петраков A.B. Автоматические телевизионные комплексы для регистрации быстропротекающих процессов, М.: Энергоатомиздат, 1987.

10. Сороко JI.M. Основы голографии и когерентной оптики. М.:Наука, 1971.

11. Кондратенков Г.С. Обработка информации когерентными оптическими системами. М.: Советское радио, 1972.

12. Воробьев В.И. Оптическая локация для инженеров. М.: Радио и связь,1983.

13. Путятин Е.П., Аверин С.И. Обработка изображений в робототехнике. М.: Машиностроение, 1990.

14. Мальцев П.П., Гарбузов H.H., Шарапов А.П., Кнышев Д.А. Программируемые логические ИМС на КМОП-структурах и их применение. М.: Энергоатомиздат, 1998.

15. Березнев А.Г. САПР ПЛИС фирмы XILINX. Мир ПК, 1994, N4, с.54.

16. The Programmable Logic. Data Book. XILINX, San Jose, USA, 1998.

17. Стенин B.E. Применение микросхем с зарядовой связью. М.: Радио и связь, 1989.

18. Громов Н.В., Тарасов B.C. Телевизоры. Справочная книга. JL: Лениздат, 1971.

19. Гришин М.П., Курбанов Ш.М., Маркелов В.П. Автоматический ввод и обработка фотографических изображений на ЭВМ. М.: Энергия, 1976.

20. Цуккерман И.И. и др. Цифровое кодирование телевизионных изображений. М.: Радио и связь, 1981.

21. Большаков И.А., Гуткин Л.С., Левин Б.Р., Стратонович Р.Л. Математические основы современной радиоэлектроники. М.: Советское радио, 1968.

22. Ромер В. Зернистость фотографических изображений. "Журнал научной и прикладной фотографии и кинематографии", 1960, т.5, N 3, с.225.

23. Брандт 3. Статистические методы анализа наблюдений,- М.: Мир, 1975.

24. Сиберт У.М. Цепи, сигналы, системы. М.: Мир, 1988.

25. Янке Е., Эмде Ф., Леш Ф. Специальные функции. М.: Наука, 1968.

26. Гуткин Л.С. Теория оптимальных методов радиоприема при флюктуационных помехах. М.: Советское радио, 1972.

27. Шмаков П.В. Телевидение. М.: Связь, 1970.

28. Морозов В.Н. Оптоэлектронные матричные процессоры. М.: Радио и связь, 1986.

29. Богатырев Р. Белые и черные. Компютерра, 1996, N4, с.55.

30. Гудмен Дж. Введение в Фурье-оптику. М.: Мир, 1970.

31. Систолические структуры. Под ред. У.Мура, Э.Маккейба, Р.Уркхарта. М.: Радио и связь, 1993.

32. Васильев A.A., Касасент Д., Компанец H.H., Парфенов A.B. Пространственные модуляторы света. М.: Радио и связь, 1987.

33. Сальников И.И. Отчет по НИР "Лиана", Пенза.: Per. N 81007410, 1980.

34. Сальников И.И. Термопластический модулятор в управляемом оптическом фильтре электрических сигналов. Тезисы доклада на 3-м Всесоюзном семинаре молодых ученых,г. Ростов,1982. 35. Гущо Ю.П. Фазовая рельефография. М.: Энергия, 1974.

35. Магдич Л.Н., Молчанов В Л. Акустические устройства и их применение. М.: Сов.радио, 1978.

36. Пикин С.А., Блинов Л.М. Жидкие кристаллы,- М.: Наука, 1982.

37. Efron U., Soffer B.H.,Litle M.J. Применение кремниевых световых модуляторов с жидкими кристаллами для обработки оптической информации. Proc.Soc.Photo-Opt.Instrum.Eng.,1983.

38. Экспериментальная радиооптика. Под ред. Зверева В.А. и Степанова Н.С. М.: Наука, 1979.

39. Сальников И.И. Отчет по НИР "Лотос",- Пенза.: Per. N 01830024377,1984 г.

40. Сальников И.И. Управляемый когерентнооптический фильтр электрических сигналов. Тезисы доклада. 1-я ВНТК по оптической обработке информации. Ленинград, 1988.

41. Сальников И.И. Методы синтеза пространственных сигналов на ТВ- экране. Тезисы доклада. М.: ВНТК,"Микропроцессоры-85", МИЭТ, 1985.

42. Сальников И.И., Ядринцев A.B. Цифровая обработка сигнала с выхода фотоматрицы ПЗС. Тезисы доклада. М.: ВНТК, "Микропроцессоры-85", МИЭТ, 1985.

43. Кривошеев М.И. Основы телевизионных измерений. М.: Связь, 1976.

44. Пресс Ф.П. Формирователи видеосигнала на приборах с зарядовой связью. М.: Радио и связь, 1981.

45. Вакман Д.Е. Сложные сигналы и принцип неопределенности в радиолокации. М.: Сов.радио, 1965.

46. Варакин Л.Е. Теория сложных сигналов. М.: Сов.радио, 1970.

47. Оптическая обработка радиосигналов в реальном времени. Под ред. Кулакова С.В. М.: Радио и связь, 1989.

48. Тоноровский И.С. Радиотехнические цепи и сигналы. -М.: Сов.радио, 1971.

49. Сташин В.В, Урусов A.B., Мологонцева О.Ф. Проектирование цифровых устройств на однокристальных микроконтроллерах. М.: Энергоатомиздат. 1990.

50. Память, UPGRADE, 1995, N4, с. 14.

51. Шипулин С.Драпов В. ПЛИС новая элементная база. - Радиолюбитель. 1995, N9, с.43.

52. Князьков B.C., Бикташев P.A. Архитектура параллельных вычислительных систем. Пенза.: Полиграфист, 1993.

53. Хургин Я.И., ЯковлевВ.П. Финитные функции в физике и технике.- М.: Наука, 1971.

54. Левин Б.Р. Статистическая радиотехника. М.: Сов.радио,т. 1,1974

55. Дж.Бендат, А.Пирсол. Измерение и анализ случайных процессов. М.: Мир, 1974.

56. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров и учащихся втузов. М.: Наука. 1986.

57. Выгодский М.Я. Справочник по высшей математике. М.: Наука, 1966

58. Прудников А.П., БрычковЮ.А., Маричев О.И. Интегралы и ряды. М.: Наука, 1981.

59. Смирнов В.А. Приближенные методы расчета помехоустойчивости и искажений в системах передачи информации. М.: Связь, 1975.

60. У.Прэтт. Цифровая обработка изображений. М.: Мир, 1982.

61. Зотов В.Л. Полупроводниковые устройства восприятия оптической информации. М.: Энергия, 1970.

62. Сальников И.И., Кутаев Ю.Ф. Быстродействующее устройство измерения геометрических характеристик бинарного телевизионного изображения. М.: Журнал "Приборы и техника эксперимента", N6, 1995.

63. Сальников И.И. Быстродействующий анализатор пространственных характеристик бинарного телевизионного изображения. М.: Журнал "Приборы и техника эксперимента", N1, 1998.

64. Кутаев Ю.Ф. Q-разложение для оптоэлектронной обработки сигналов.

65. В сб. "автоматика и управление в полиграфических системах "- М.: Изд.МТАП "Мир книги", 1993.

66. Кожемяко В.П., Тимченко Л.И., Кутаев Ю.Ф., Ивасюк И.Д. Основы теории пирамидально-сетевого преобразования изображений. Киев: ИСДО, 1994.

67. Кутаев Ю.Ф. Эффективный метод пятенной сегментации бинарного изображения. В сб." Оборудование и технология изготовления печатных форм". М.: Изд. МГАП "Мир книги", 1995.

68. Кутаев Ю.Ф., Шахназарянц Г.В., Сидоров A.C. Алгоритм пятенной сегментации телевизионного двухградационного изображения в реальном времени. В сб." Оборудование и технология изготовления печатных форм". М.: Изд. МГАП "Мир книги", 1995.

69. Смолов В.Б. Функциональные преобразователи информации. Л.: Энергоиздат, 1981.

70. Котельников В.А. Теория потенциальной помехоустойчивости,- М.: Госэнергоиздат, 1956.

71. Белецкий Я. Энциклопедия языка СИ. М.: Мир, 1992.

72. Бакут П.А., Жулина Ю.В., Иванчук H.A. Обнаружение движущихся объектов. М.: Сов.радио, 1980.

73. Методы статистической обработки изображений и полей: Межвуз. сб. научных трудов. Новосибирск, НЭИ, 1985, - 130 с.

74. Винокуров В.И., Ваккер P.A. Вопросы обработки сложных сигналов в корреляционных системах. М.: Сов.радио. 1972, 216 с.

75. Зиновьев А.Л., Филиппов Л.И. Методы аналитического выражения радиосигналов. М.: ВШ, 1966, 103 с.

76. Грибанов Ю.И., Мальков B.JT. Спектральный анализ случайных процессов. М.: Энергия, 1974, 240 с.

77. Функции с двойной ортогональностью в радиоэлектронике и оптике. Под ред. Размахнина М.К. и Яковлева В.П. М.: Сов.радио, 1971, 256 с.

78. Ахманов С.А. Дьяков Ю.Е., Чиркин A.C. Введение в статистическую радиофизику и оптику. -М.: Наука, 1981,640 с.

79. Тверский В.И. Дисперсионно-временные методы измерений спектров радиосигналов. М.: Сов.радио, 1974, 240 с.

80. Френке Л. Теория сигналов. М.: Сов.радио, 1974, 344 с.

81. Ширман Я.Д. Разрешение и сжатие сигналов. М.: Сов.радио, 1974, 360 с.

82. Фалькович С.Е., Хомяков Э.Н. Статистическая теория измерительных радиосистем. М.: Радио и связь, 1981, 288 с.

83. Селекция и распознавание на основе локационной информации. Под ред. Горелика А.Л. М.: Радио и связь, 1990, 240 с.

84. Коваленко H.H., Филиппова A.A. Теория вероятностей и математическая статистика. М.: ВШ, 1973, 368 с.

85. Куропаткин П.В. Оптимальные и адаптивные системы. М.: ВШ, 1980, 287 с.

86. Ковтонюк Н.Ф., Сальников E.H. Фоточувствительные МДП-приборы для преобразования изображений. — М.: Радио и связь, 1990, 160 с.

87. Воллернер Н.Ф. Аппаратурный спектральный анализ сигналов. М.: Сов.радио, 1977, 208 с.

88. Плотников В.Н., Белинский A.B., Суханов В.А., Жигулевцев Ю.Н. Цифровые анализаторы спектра, М.: Радио и связь, 1990, 184 с.

89. Современное состояние и перспективы оптических методов передачи, хранения и обработки информации. Под ред. Гуревича С.Б и Гаврилова Г.А. Л.: ЛФТИ, 1984, 258 с.

90. Караваев В.В., Сазонов В.В. Статистическая теория пассивной локации. М.: Радио и связь, 1987, 240 с.

91. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986, 264 с.

92. Патрик Э. Основы теории распознавания образов. М.: Радио и связь, 1980, 408 с.

93. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978, 412 с.

94. Кисилев Н.В. Методы построения систем распознавания и классификации негауссовых сигналов.-Л.: ЛГУ, 1986, 188 с.

95. Розенфельд А. Распознавание и обработка изображений. М.: Мир, 1972, 230 с.

96. Горелик А.Л., Скрипкин В.А. Построение систем распознавания. М.: Сов.радио, 1974, 224 с.

97. Тимохин В.И. Применение ЭВМ для решения задач распознавания образов. Л.: ЛГУ, 1983, 216с.

98. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений. -М.: ВШ, 1983, 295 с.

99. Миленький A.B. Классификация сигналов в условиях неопределенности. М.: Сов.радио, 1975, 328 с.

100. Шибанов Г.П. Распознавание в системах автоконтроля. М.: Машиностроение, 1973, 424 с.

101. Кауфе Ф. Взаимодействие робота с внешней средой. М.: Мир, 1985, 285 с.

102. Юу Ф.Т.С. Введение в теорию дифракции, обработку информации и голографию. М.: Сов.радио, 1979, 304 с.

103. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986,400 с.

104. Жуков А.Г., Горюнов А.Н., Кальфа A.A. Тепловизионные приборы и их применение. М.: Радио и связь, 1983, 168 с.

105. Лукьянов Д.П., Корниенко A.A., Рудницкий Б.Е. Оптические адаптивные системы. М.: Радио и связь, 1989, 240 с.

106. Анисимова И.Д., Викулин И.М., Заитов Ф.А. Курмашев Ш.Д. Полупроводниковые фотоприемники.- М.: Радио и связь, 1984, 216 с.

107. Оптическая обработка изображений. Сборник научных статей. -J1.: Наука, 1985, 137 с.

108. Аблеков В.К., Зубков П.И. Фролов A.B. Оптическая и оптоэлектронная обработка информации. М.: Машиностроение, 1976, 256 с.

109. Василенко Г.И., Тараторин A.M. Восстановление изображений. М.: Радио и связь, 1986,304 с.

110. Гуревич С.Б., Константинов В.Б., Соколов В.К., Черных Д.Ф. Передача и обработка информации голографическими методами. М.: Сов.радио, 1978, 304 с.

111. Балякин И.А., Егоров Ю.М., Родзивилов В.А. Приборы с переносом заряда в радиотехнических устройствах обработки информации. М.: Радио и связь, 1987, 176 с.

112. Федотов Н.Г. Методы стохастической геометрии в распознавании образов. М.: Радио и связь, 1990, 144 с.

113. Малашин М.С., Каминский Р.П., Борисов Ю.Б. Основы проектирования лазерных локационных систем. М.: ВШ, 1983, 207 с.

114. Применение методов Фурье-оптики. Под ред. Старка Г. -М.: Радио и связь, 1988, 536 с.

115. Василенко Г.И., Цибулькин Л.М. Голографические распознающие устройства. М.: Радио и связь, 1985, 312 с.

116. Матвеев И.П., Сафронов А.Н., Троицкий И.Н., Устинов Н.Д. Адаптация в информационных системах. М.: Радио и связь. 1984, 344 с.11 8. Катыс Г.П. Оптико-электронная обработка информации. М.: Машиностроение, 1973, 448 с.

117. Бакут П.А., Мандросов В.И., Матвеев И.Н. Теория когерентных изображений. М.: Радио и связь, 1987, 264 с.

118. Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии. М.: Радио и связь, 1987, 296 с.

119. Катыс Г.П. Обработка визуальной информации. М.: Машиностроепние, 1990, 320 с.

120. Сигналы и помехи в лазерной локации. Под ред. Зуева В.Е. М.: Радио и связь, 1985, 264 с.

121. Гинзбург В.М. Формирование и обработка изображений в реальном времени. М.: Радио и связь, 1986, 232 с.

122. Адамчик А., Стругальский 3. Жидкие кристаллы. М.: Сов.радио, 1979, 160 с.

123. Макс Ж. Методы и техника обработки сигналов при физических измерениях. М.: Мир, 1983, 256 с.

124. Елизаренко A.C., Соломатин В.А., Якушенков Ю.Г. Оптико-электронные системы в исследованиях природных ресурсов. М.: Недра, 1984, 215 с.

125. Батраков A.C., Бутусов М.М. ,Гречка Г.П. Лазерные измерительные системы. М.: Радио и связь, 1981,456 с.

126. Гусев О.Б., Кулаков С.В., Разживин Б.П., Тигин Д.В. Оптическая обработка радиосигналов в реальном времени. — М.: Радио и связь, 1989, 136 с.

127. Приборы с зарядовой связью. Под ред. Барба Д.Ф. М.: Мир, 1982, 240 с.

128. Приборы с зарядовой связью. Под ред. Хоувза М. и Моргана Д. М.: Энергоиздат, 1981,376с.

129. Секен К., Томпсет М. Приборы с переносом заряда. -М.: Мир, 1978, 144 с.

130. СБИС для распознавания образов и обработки изображений. Под ред. К.Фу. М.: Мир, 1988, 248 с.

131. Морозов В.Н. Оптоэлектронные матричные процессоры. -М.:Радио и связь,1986,112 с.

132. Кузнецов Ю.А., Шилин В.А. Микросхемотехника БИС на приборах с зарядовой связью. М.: Радио и связь, 1988, 160 с.

133. Бутаков Е.А., Островский В.И., Фадеев И.Л. Обработка изображений на ЭВМ. М.: Радио и связь, 1987, 240 с.

134. Очин Е.Ф. Вычислительные системы обработки изображений. Л.: Энергоатомиздат, 1989, 136с.

135. БлейхутР. Быстрые алгоритмы цифровой обработки сигналов. — М.: Мир, 1989, 448 с.

136. Хокни Р., Джессхоуп К. Параллельные ЭВМ. М.: Радио и связь, 1986, 392 с.

137. Сверхбольшие интегральные схемы и современная обработка сигналов. Под ред. С.Гуна, Х.Уайтхауса, т, Кайлата. М.: Радио и связь, 1989. 472 с.

138. Новаковский C.B., Котельников A.B. Новые системы телевидения. М.: Радио и связь, 1992. 88с.

139. Гришин Ю.П. Казаринов Ю.М., Катиков В.М. Микропроцессоры в радиотехнических системах. М.: Радио и связь. 1982, 280 с.

140. Калабеков Б.А. Микропроцессоры и их применение в системах передачи и обработки сигналов.- М.: Радио и связь, 1988, 368 с.

141. Вершинин O.E. применение микропроцессоров для автоматизации технологических процессов. -Л.: Энергоатомиздат, 1986, 208 с.

142. Жинтелис Г.Б. Карчяускас Э.К., Мачикенас Э.К. Автоматизация проектирования микропро-граммируемых структур. Л.: Машиностроение, 1985, 216 с.

143. Ушкар М.Н. Микропроцессорные устройства в радиоэлектронной аппаратуре. М.: Радио и связь, 1988, 128 с.

144. Юэн Ч., Бичем К., Робинсон Дж. Микропроцессорные системы и их применение при обработке сигналов. М.: Радио и связь, 1986, 296 с.

145. Клингман Э. Проектирование специализированных микропроцессорных систем. М.: Мир. 1985,363 с.

146. Григорьев В.Л. Видеосистемы ПК фирмы IBM. -М.: Радио и связь, 1993, 192 с.

147. Фролов A.B. Фролов Г.В. Программирование видеоадаптеров. М.: Диалог-МИФИ, 1995, 144с.

148. Борзенко А. IBM PC: устройство, ремонт, модернизация. М.: Компьютер Пресс, 1995, 298 с.

149. Новиков Ю.В., Калашников O.A. Гуляев С.Э. Разработка устройств сопряжения для персонального компьютера типа IBM PC. М.: ЭКОМ, 1997, 244 с.

150. Глазунов A.C., Кирюхин В.И., Макалеев Ф.И., Подколозин ВюФ., Янушковская Л.А. Инструментальный комплекс проектирования систем распознавания. М.: Вопр. кибернетики. N 126, 1990, С.64-79.

151. Pap J. Анализ и моделирование движения объекта по его снимкам. Los-Angeles.: Proc. Soc. Photo-Opt. - 1988. - 892. - C.46-54.

152. Мошкин В.И., Петров A.A., Титов B.C., Якушенков Ю.Г. Техническое зрение роботов. М.: Машиностроение, 1990. - 272 с.

153. Zhao Y, Haralick R. Распознавание формы объекта на бинарных изображениях, основанное на автоматическом морфологическом разбиении объектов. New York.: ICASSP'89, 1989. - С. 1691-1694.

154. Gorman J., Ulmer R. Распознавание форм объектов по их частичным контурам. -New York, IEEE, Apr. 9-12, 1989. -C.959-964.

155. Fan T., Medioni G.Nevada R. Распознавание трехмерных объектов с помощью описания их поверхностей. Washington.: 1988. - Dec.5-8, С.474-481.

156. Левин В.И. Автоматная модель и методы распознавания зрительных образов. М.: Изв.АН СССР . Техн. Кибернетика. - 1991. - N3, - С.101-112.

157. Гук В.Н., Левертов А.И., Ковалев В.И. Устройство считывания номера транспортного средства.- М.: Автоматика, телемеханика и связь, 1990. -N7. - С.12-13.

158. Спец-ЭВМ для распознавания целей. -New York, ICASSP'89, May 23-26, 1989. С. 1564-1567.

159. Kami H., Temma T., Asai К. Распознавание знаков с помощью двухэтапного дискриминантного анализа. -New York, Proc.Soc.Photo-Opt. Instrum.Eng. 1987.- 754. - С. 14-23.

160. Pretzer D. Разработка систем автоматического распознавания военных объектов. -New York, Proc.Soc.Photo-Opt. Instrum.Eng. 1987.- 750. - C.210-215.

161. Tian Q., Fainman Y., Lee S. Сравнение алгоритмов распознавания, основанных на собственных векторах, для их использования в гибридных системах. 9-Int.Conf. Pattern Recogn., Rome, !988. -С.547-549.

162. Ishitaiii Hisashi, Baba Yasuko. Исследование метода получения информации для управления из данных визуального изображения. J.Soc. Nav. Arcliit. Jap. 1990.- 168, С.267-274.

163. Weinshall Daplia. О получении качественной информации о глубине и форме объекта по стереопаре его снимков. Washington.: 1988. -Dec.5-8, С. 144-148.

164. Shakunaga Takeshi, Kaneko Hiroshi. Определение формы из угловых данных при перспективной проекции. Washington.: 1988. - Dec.5-8, С.671-678.

165. Hoetter M. Дифференциальные оценки параметров обобщенного движения при перемещениях ТВ-камеры. Signal Process.- 1989,- 16,N3.-C.249-265.

166. Arcelli С., Caniti G. Однопроходный алгоритм скелетизации силуэтных пзобюражений с использованием преобразования 4-расстояния. IEEE Trans. Pattern Anal. And Mach. Intell. 1989.- 11, N4. -C.411-414.

167. Biswas S., Pal S. Приближенное кодирование цифровых контуров. IEEE Trans.Syst. Man and Cybern. 1988. - 18,N 6. С. 1056-1066.

168. Moose Р.Н., Al-Bassioni А. Алгоритм квантования для обнаружения сигналов. New York., May 23-26.- 1989.-С.872-875.

169. Adkins Kenneth С., Shalkhauser M., Biyk Steven В. Алгоритмы цифровой компрессии при передаче сигналов ТВ высокой четкости.-New York, IEEE, May 1-3, 1990. С. 1022-1025.

170. Кормилин В.А., Мартышевский Ю.В. Контроллер ввода бинарного телевизионного изображения.-М.: ПТЭ, 1991.-N2,C.-225.

171. Mosley J.D. Датчики изображения на ПЗС. EDN.- 1990. 35, N17. С. 116-126.

172. Технические и программные средства комплексов ввода и цифровой обработки изображений. Под. Ред. Прохорова H.JT. Сб. научных трудов Ин-та электр. управл. машин. - М.: 1989.- 124 с.

173. Parui S.К., Datta A. A parallel algorithm for decompasition of binary objjects through skeletonization. Pattern Recogn. Lett. 1991. - 12, N4. -C.235-240.

174. Sonehara Noboru. Сисутэму то сэйге. Syst.and Contr. 1991. - 35, N1. - С. 11 -18.

175. Haig T.D.,Attikiouzel Y. Улучшенный алгоритм определения границ в оцифрованном изображении. London.: ECCTD'89. 1989. - C.l 18-122.

176. Mehrotra R., Grosky W., Kung F. Распознавание плоских объектов на основе решающих деревьев. .-New York, IEEE, Aug. 8-12, 1988. С. 1380-1 383.

177. Nakano Koji, Masuzawa Toshimitsu. Эффективный паралельный алгоритм на двумерной решетке.- Trans.Inst. Electron. 1990. -73, N4. - 403-414.

178. Полиноминальный подход к обработке изображений и квадрадеревьев. — Washington.: 1989. -March 22-24, С.596-600.

179. Di Gesu Vito Обзор пирамидальных машин обработки изображений. Inf.Sci. 1989. - 47, N1. -С. 17-34.

180. Акаев A.A., Майоров С.А. Оптические методы обработки информации. М.: ВШ, 1988. - 237 с.

181. Patrick Т., Rowel) R., Berdanier В. Интегральная оптоэлектронная система для наблюдения и измерения расстояний. Texas Ins. Inc. Пат.4561 775, США, 31.12.85.

182. Sihgh J.,De La Rue R. Наблюдения эффектов интермодуляции в интегральном оптическом спектральном анализаторе. IEEE Proc. 1986, 113, N1, С.105-111.

183. Thylen L.,Stensland L. Безлинзовый интегрально-оптический спектроанализатор. IEEE J. Quantum Electron. 1982, -18,N3. С.381-385.

184. Козанне А., Флере Ж., Мэтр Г., Руссо М. Оптика и связь. М.: Мир, 1984., - 504 с.

185. Гауэр Дж. Оптические системы связи. . М.: Радио и связь, 1989., - 504 с.

186. Ярославский Л.П. Введение в цифровую обработку изображений. М: Сов.радио, 1979. - 312 с.

187. Eliason Е., McEwen А. Адаптивные фильтры с прямоугольной апертурой, удаляющие случайный шум с дискретных изображений. Photogramm. Eng and Remote Sens. - 1990. - 56, N 4. - С.453-458.

188. Morales О. Аппаратурные средства для ускорения выполнения быстрого преобразования Фурье. IEEE Reg. 5 Conf. New York, 1988. - С. 112-115.

189. Модульная архитектура систем для обработки изображений с переменной разрешающей способностью. -New York, Proc.Soc.Photo-Opt. Instrum.Eng. 1987.- 856. - C.710-716.

190. Кучеренко К.П., Огин Е.Ф. Мультигистограммый процессор ранговой фильтрации изображений.- М.: Радиотехника, -1989,- N 4. С.54-57.

191. Cappellini V. Новые тенденции обработки сигналов. Atti Fond G.Ronchi. 1989.-44,N1. - С.29-47.

192. Кабанов Е.Ф. Смирнов М.О. Антипов О.Н., Внуков Е.Ф., Бут Т.Д. Многопроцессорные системы для обработки изображений. -Сб. научных трудов M3H.-1989.-N195.-C.38-44.

193. Farshid A., Bikash S., Aggarawal J. Hierarchial segmentation of 3-D range images. IEEE Int.Conf. Syst., 14-17 Nov., 1989. New York, C.156-161.

194. Ермаков О.И., Дьяков О.Н. Контрастная чувствительность метода пороговой сегментации изображений. М.: МИЭТ, Системы автоматиз. управл., контроля и обработки инф. 1990. - С.130-141.

195. Cohen L. Новый подход к векторному квантованию изображений для сжатия данных и обнаружения текстур. 9-Int.Conf. Pattern Recogn., Rome, 14-17 Nov.,1988. C.1250-1254.

196. Brink А. Применение пороговой операции к полутоновому изображению по корреляционному критерию. Pattern Recogn. Lett.- 1989,- 9, N 5. С.335-341.

197. Healy D. Улучшенный метод сегментации на основе выделения контуров. Proc. Soc. Photo-Opt. Instrum. Ehg.- 1987,- 845. C.71-77.

198. Acharya R., Laurette R. Применение математической морфологии при анализе изображений. ISCASSP'88,-New York,- Apr. 11-14, 1988.-С.952-955.

199. Wolberg G. Преобразование изображений на основе выделения остовов. Visual. Comput. 1989. -5, N1-2.-С.95-108.

200. Алексеев В.Л. Сегментация текстур на изображении. Киев.: Нейроподобные сети и нейрокомпьютеры. - ИК АН УССР, 1991, С.26-36.

201. Создание быстродействующих процессоров для обработки растровых пространственно-временных сигналов является актуальной научно-технической проблемой, решение которой обуславливает дальнейшее совершенствование и развитие информационных технологий.

202. Автором были предложены и исследованы различные типы оильтров для просIранственло-врсменных сигналов, а также разработаны аппаратные решения по их реализации. Рассмотренные варианты имеют ряд достоинств и были использованы в I ШР < Карма-. ¡; частности:

203. Методика выбора средств реализации алгоритмов обработки пространственно-временных сигналов для быстродействующих систем анализа . основанная на формировании характеристической -функции вычислительного процесса .

204. Метод оптимизации параметров импульсной характеристики при растровом представлении сигналов на основе анализа перекрестных помех в многоканальной схеме.

205. Метод контроля параметров растровых формирователей.

206. Методы. предложенные Сальниковым И.И., позволяют создать быстродействующие устройства обработки для растровых пространственно-временных сигналов.

207. Заключение подготовил ведущий научный сотрудник ННФ «Виктор -Н1».к.т.н. С'тешоков I I.С.

208. Заключение обсуждено и одобрено на заседании НТС 1 7.06.00. протокол № 2. /2.0 DO1. Секретарь 1ТГС 1 . к.т.н1. А оду кари мо в М. К.

209. Измепителъ", и НИР "Клин", 1938 г,) и используютсята: то по ее гремя в работах ОКЕ "Топаз" по Госзаказу РФ.

210. F-. 7 i — ^ „ — - - 7' - г т - тхничеокито зрении' представленной на соиойаниэ ученой степенисбпвбстки нзоблажений в системендоктора технический наук

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.