Цифровая обработка изображений на основе дискретных систем

Леонова Екатерина Борисовна
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

В данной работе был предложен математический метод для обработки изображений на основе дискретной системы с целью определения смещений на последовательности кадров. Разработан алгоритм определения поля скоростей, на основе которого написана программа в среде Matlab. Проведена экспериментальная апробация разработанной программы на тестовых и радионуклидных изображениях.

Благодаря развитию технологий человечество стало способным получать изображения не просто «копируя действительность» с помощью фотоаппарата, но и «реконструируя» изображение из информации, полученной с помощью современной техники: компьютерные телескопы, электронные микроскопы, компьютерные томографы и т.д. Но очень часто не достаточно просто получить картинку, необходимо также произвести дальнейшие манипуляции над изображением, чтобы добиться поставленной перед исследователем цели. Таким образом, всё большее распространение и развитие получают различные методы обработки изображений.
На выходе, в результате обработки изображений, мы можем получать не только модифицированное изображение, как в случае ретуши фотографий, подготовки к полиграфическому тиражированию, коррекции видеоряда. Но и различного рода информацию, которая применяется для решения множества разнообразных прикладных и научных задач: контроль популяции диких животных при помощи аэросъёмки, распознавание рукописного текста, автопилотирование машин и роботов, определение типа клеток и их подсчёт с помощью электронного микроскопа, создание 3D изображений и многое другое.
Условно обработку изображений можно разделить на два направления:
Обработка статичных изображений;
Обработка видео (последовательности кадров).
Как в первом, так и во втором случае может рассматриваться последовательность изображений, но если исследователей интересует содержание изображений, то будем говорить об обработке каждого изображения в отдельности. Примером результатов такой обработки может быть классификация объектов на изображении (корреляция изображения или отдельных объектов на нём с заданными образцами), выделение контуров объектов, и т.п.
Обработкой же последовательности кадров будем называть ситуации, когда для решения поставленных задач необходимо получить информацию об изменениях, что происходят при переходе от одного кадра к другому. В данном случае, чаще всего, говорят об идентификации направления и скорости перемещения объекта на изображениях.
Информация подобного рода необходима, например, при решении задач управления передвижением беспилотных машин и роботов. На её основе могут делаться выводы о том, насколько близко к камере находится объект, как он взаимодействует с другими объектами на изображении, т.е. благодаря этим данным машина может получить информацию о пространственной структуре окружающей среды и своём положении в ней и, таким образом, ориентироваться в пространстве вокруг.
Также, зная направление и скорость перемещения объекта на последовательности изображений, можно производить автоматизацию корректировки положения интересующей нас области на картинках. Данная операция необходима, когда для дальнейшей обработки изображений требуется сохранение пространственного положения объекта, а при создании изображений по тем или иным причинам сохранение статичного положения объекта невозможно. Например, при проведении радионуклидного исследования, которое занимает достаточно длительный период времени, возможны непроизвольные смещения пациента или же его внутренних органов, что приводит к ошибкам при дальнейшей обработке этой последовательности изображений с целью оценки функционального состояния органов человека.
При использовании различных методов обработки последовательности кадров с целью определения смещения объектов на выходе получают результаты, представленные в двух видах: поле скоростей или поле перемещений. В обоих случаях мы имеем поле векторов, которое представляет собой область, размером соответствующую рассматриваемому изображению, на которой изображены вектора. В первом случае, они указывают направление и скорость смещения каждого пикселя (или области пикселей). Во втором случае, они указывают, куда именно переместился объект (пиксель), т.е. вектор соединяет точки его начального и конечного положения в результате перемещения. При этом, зная частоту дискретизации по кадрам, можно преобразовать поле скоростей в поле векторов и наоборот.
Метод оптического потока (ОП) является одним из наиболее распространенных подходов к выделению движущихся объектов на изображениях. Он предоставляет достаточно эффективный и гибкий аппарат для анализа смещений объектов на последовательностях изображений.
В методе ОП [8], [9], [10] изначально предполагается, что изображаемая поверхность плоская, и что освещение равномерно по всей поверхности объекта. Яркость в точке изображения пропорциональна отражению поверхности в соответствующей точке объекта. Кроме того, предполагается, что отражение меняется плавно и не имеет пространственных разрывов. Это последнее условие гарантирует нам, что яркость изображения является дифференцируемой.
Это подводит нас к главному предположению ОП, которое говорит о том, что яркость конкретной точки при перемещении остаётся неизменной. Пусть – это яркость изображения в точке в момент времени . Перемещение описывается следующей системой дифференциальных уравнений:
(1)
Таким образом, уравнение, связывающее изменения яркости изображения в точке с движением яркостного образа, выглядит следующем образом:
(2)
Конечно, нельзя гарантировать выполнение данного условия в полной мере, потому что со временем источник освещения может менять своё положение в пространстве, может появиться дополнительный источник света и т.п. Но экспериментально показано, что такое предположение работает довольно хорошо, благодаря чему уже не одно десятилетие исследователи имеют возможность использовать его для определения ОП.
Из формулы (2) получаем формулу (3):
(3)
Теперь мы имеем одно линейное уравнение с двумя неизвестными :
(4)
где – это обозначения для частных производных яркости изображения по соответственно.
Полученное уравнение содержит две неизвестные и не может быть однозначно разрешено. Следовательно, необходимо ввести дополнительное ограничение. С этого момента происходит деление методов нахождения ОП на разнообразные подходы, среди которых особое место занимают метод Лукаса-Канаде (Lukasa-Kanade) [8] и метод Хорна-Шанка (Horn-Schunck) [9]. Оба метода по-прежнему не теряют своей актуальности, и на работы их создателей по-прежнему ссылаются исследователи, занимающиеся вопросом ОП. Первый метод относится к локальным – для вычисления и используются значения в соседних точках некоторой окрестности. Полученные и характеризуют всю область, для которой они были вычислены (блок пикселей). А метод Хорна-Шанка относится к глобальным методам, который позволяет вычислять и для каждого отдельного пикселя изображения.
К дифференциальным методам также относится работа Нагеля. Нагель был одним из первых, кто использовал производные второго порядка для измерения оптического потока [11,12]. Также как и в методе Хорна-Шанка, в [11,12]] используется глобальное ограничение гладкости.
Методы регионального сопоставления [13] определяют скорость как сдвиг, который дает наилучшее соответствие между областями изображения в разное время. Поиск наилучшего соответствия означает максимизацию меры сходства, такой как нормализованная перекрестная корреляция или минимизация меры расстояния, например, сумма квадратов разности (SSD).
Метод сопоставления Анандан (Anandan) [14], основан на пирамиде Лапласа и стратегии сопоставления крупных, а затем и более мелких смещений с помощью SSD. Пирамида Лапласа [15] позволяет вычислять большие перемещения между кадрами и помогает улучшить структуру изображения, что часто считается важным. Затем Анандан использует ограничение гладкости для результирующих оценок скорости.
Синг (Singh) [16] предлагает стратегию SSD и использует пирамиду Лапласа, как в [14]. Это способствует уменьшению требуемых вычислительных мощностей. Наконец, Сингх предлагает собственные значения обратной ковариационной матрицы в качестве меры доверия.
Следующий класс методов оптического потока основан на выходной энергии фильтров, настроенных на скорость [1,17-22]. Они также называются частотными методами, так как используемые фильтры основаны на преобразовании Фурье [23-25]. Интересно, что было показано, что некоторые энергетические методы эквивалентны корреляционным методам и дифференциальному подходу Лукаса – Канаде [25].
Метод, разработанный Хигером [26], сформулирован как нахождение близкой к некоторому значению пространственно-временной энергии в частотном пространстве с помощью метода наименьших квадратов. Локальная энергия извлекается с помощью Габор (Gabor) фильтров, настроенными на различные пространственные ориентации и различные временные частоты. Эти фильтры применяются к каждому уровню пирамиды Гаусса.
Фазовые методы определяют скорость в терминах фазового состояния выходов полосового фильтра. К этим методам относятся методы нулевого пересечения (zero-crossing) [27], поскольку нулевые пересечения можно рассматривать как горизонтальные фазовые пересечения.
Обобщенное использование фазовой информации для оптического потока было впервые разработано Флитом и Джепсоном [28]. Данный метод определяет скорость в терминах мгновенного движения, перпендикулярного горизонтально-фазовым контурам на выходе полосовых фильтров, настроенных на скорость. Полосовые фильтры используются для разложения входного сигнала в соответствии со значением скорости и её направлением.
Ваксман, Ву и Бергхольм [29] применяют пространственно-временные фильтры к бинарным краевым картам для отслеживания краев в реальном времени.
В связи с активным развитием нейронных сетей также широкое распространение в задачах детектирования движений на последовательности изображений в последние годы получили нейронные сети [30-34]. Интересно, что обучение таких сетей рекомендуется проводить с помощью синтетических изображений [35].
При проведении динамических исследований в радионуклидной диагностике [2] информацию записывают непрерывно или через короткие промежутки времени и отображают на целой серии кадров. Интервалы между кадрами выбирают с учетом скорости изучаемых биологических процессов. С помощью полученной на выходе последовательности кадров, происходит функциональная оценка работы внутренних органов человека. Для этого, в том числе, широко используются различные математические методы, на корректность работы которых могут повлиять различные непроизвольные смещения пациента или его внутренних органов.
При написании данной работы перед нами ставилась задача по детектированию подобных смещений (определению поля скоростей) при обработке последовательных изображений на основе дискретных систем. Для успешного выполнения данной задачи перед нами ставились следующие цели:
предложить математический метод для обработки изображений, с целью определения поля скоростей;
разработать алгоритм определения поля скоростей на основе предложенного метода;
написать программу, реализующую разработанный алгоритм;
провести экспериментальную апробацию разработанной программы.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Последние выполненные заказы

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Кормчий В.
    4.3 (248 отзывов)
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    #Кандидатские #Магистерские
    335 Выполненных работ
    Мария М. УГНТУ 2017, ТФ, преподаватель
    5 (14 отзывов)
    Имею 3 высших образования в сфере Экологии и техносферной безопасности (бакалавриат, магистратура, аспирантура), работаю на кафедре экологии одного из опорных ВУЗов РФ... Читать все
    Имею 3 высших образования в сфере Экологии и техносферной безопасности (бакалавриат, магистратура, аспирантура), работаю на кафедре экологии одного из опорных ВУЗов РФ. Большой опыт в написании курсовых, дипломов, диссертаций.
    #Кандидатские #Магистерские
    27 Выполненных работ
    Евгений А. доктор, профессор
    5 (154 отзыва)
    Более 40 лет занимаюсь преподавательской деятельностью. Специалист в области философии, логики и социальной работы. Кандидатская диссертация - по логике, докторская - ... Читать все
    Более 40 лет занимаюсь преподавательской деятельностью. Специалист в области философии, логики и социальной работы. Кандидатская диссертация - по логике, докторская - по социальной работе.
    #Кандидатские #Магистерские
    260 Выполненных работ
    Родион М. БГУ, выпускник
    4.6 (71 отзыв)
    Высшее экономическое образование. Мои клиенты успешно защищают дипломы и диссертации в МГУ, ВШЭ, РАНХиГС, а также других топовых университетах России.
    Высшее экономическое образование. Мои клиенты успешно защищают дипломы и диссертации в МГУ, ВШЭ, РАНХиГС, а также других топовых университетах России.
    #Кандидатские #Магистерские
    108 Выполненных работ
    Екатерина Б. кандидат наук, доцент
    5 (174 отзыва)
    После окончания института работала экономистом в системе государственных финансов. С 1988 года на преподавательской работе. Защитила кандидатскую диссертацию. Преподав... Читать все
    После окончания института работала экономистом в системе государственных финансов. С 1988 года на преподавательской работе. Защитила кандидатскую диссертацию. Преподавала учебные дисциплины: Бюджетная система Украины, Статистика.
    #Кандидатские #Магистерские
    300 Выполненных работ
    Петр П. кандидат наук
    4.2 (25 отзывов)
    Выполняю различные работы на заказ с 2014 года. В основном, курсовые проекты, дипломные и выпускные квалификационные работы бакалавриата, специалитета. Имею опыт напис... Читать все
    Выполняю различные работы на заказ с 2014 года. В основном, курсовые проекты, дипломные и выпускные квалификационные работы бакалавриата, специалитета. Имею опыт написания магистерских диссертаций. Направление - связь, телекоммуникации, информационная безопасность, информационные технологии, экономика. Пишу научные статьи уровня ВАК и РИНЦ. Работаю техническим директором интернет-провайдера, имею опыт работы ведущим сотрудником отдела информационной безопасности филиала одного из крупнейших банков. Образование - высшее профессиональное (в 2006 году окончил военную Академию связи в г. Санкт-Петербурге), послевузовское профессиональное (в 2018 году окончил аспирантуру Уральского федерального университета). Защитил диссертацию на соискание степени "кандидат технических наук" в 2020 году. В качестве хобби преподаю. Дисциплины - сети ЭВМ и телекоммуникации, информационная безопасность объектов критической информационной инфраструктуры.
    #Кандидатские #Магистерские
    33 Выполненных работы
    Лидия К.
    4.5 (330 отзывов)
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии ... Читать все
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии и педагогики. Написание диссертаций, ВКР, курсовых и иных видов работ.
    #Кандидатские #Магистерские
    592 Выполненных работы
    Анастасия Б.
    5 (145 отзывов)
    Опыт в написании студенческих работ (дипломные работы, магистерские диссертации, повышение уникальности текста, курсовые работы, научные статьи и т.д.) по экономическо... Читать все
    Опыт в написании студенческих работ (дипломные работы, магистерские диссертации, повышение уникальности текста, курсовые работы, научные статьи и т.д.) по экономическому и гуманитарному направлениях свыше 8 лет на различных площадках.
    #Кандидатские #Магистерские
    224 Выполненных работы
    Елена С. Таганрогский институт управления и экономики Таганрогский...
    4.4 (93 отзыва)
    Высшее юридическое образование, красный диплом. Более 5 лет стажа работы в суде общей юрисдикции, большой стаж в написании студенческих работ. Специализируюсь на напис... Читать все
    Высшее юридическое образование, красный диплом. Более 5 лет стажа работы в суде общей юрисдикции, большой стаж в написании студенческих работ. Специализируюсь на написании курсовых и дипломных работ, а также диссертационных исследований.
    #Кандидатские #Магистерские
    158 Выполненных работ

    Другие учебные работы по предмету

    Кооперативные игры на гиперграфах
    📅 2019год
    🏢 Санкт-Петербургский государственный университет