Аналитическая модель обработки графических изображений в системах жизнеобеспечения города для выявления повреждений объектов

Авторы

Алексеев В. В.^*, Лакомов Д. В.^**

Тамбовский государственный технический университет, ул. Советская, 106, Тамбов, 392000, Россия

*e-mail: vvalex1961@mail.ru
**e-mail: LaDenV@yandex.ru

Аннотация

В статье исследована возможность применения модернизированного алгоритма Канни дополненного оператором Робинсона для поддержки принятия решений при анализе изображений и обнаружении нарушения целостности строительных и жилищно-коммунальных объектов. Оператор Робинсона, с помощью свёртывания исходного изображения по четырём направлениям, позволяет точнее искать контура, по сравнению с другими операторами (Робертса, Собеля, Прюитта, Лапласиана гауссиана), использующими два направления свёртки. Приведены результаты исследования работы данного метода при обработке изображений различных объектов жилищно-коммунального хозяйства в ИК-диапазоне для поддержки принятия решений о наличии повреждений. На основе этого исследования даны рекомендации по выбору параметров работы алгоритма. Выводы, сделанные в данной статье, могут быть использованы в системах технического зрения, а также в системах поддержки принятия решений, применяемых для выявления повреждений анализируемых объектов.

Ключевые слова

распознавание, изображение, образ, контур алгоритм, Канни, оператор, Робинсон, неопределённость

Библиографический список

1. Алексеев В.В., Иванова О.Г., Лакомов Д.В. Анализ применимости алгоритма Кэнни для распознавания изображений в условиях неопределённости // XVI Международная конференция «Информатика: проблемы, методология, технологии». Сборник трудов. (Воронеж, 11-12 февраля 2016) – Воронеж: Изд-во Научно-технические публикации, 2016. С. 42 – 45.

2. Местецкий Л.М. Математические методы распознавания образов. – М.: МГУ, 2004. – 144 с.

3. Дидрих В.Е., Мадроньеро П.Р. Применение контурного анализа для идентификации объектов в изображениях // XIII Международная научно-методическая конференция «Информатика: проблемы, методология, технологии». Сборник трудов. (Воронеж, 7–8 февраля 2013). – Воронеж: Воронежский государственный университет, 2013. Т. 2. С. 290 – 293.

4. Алексеев В.В., Громов Ю.Ю., Губсков Ю.А., Ищук И.Н. Методология дистанционной оценки пространственных распределений оптико-теплофизических параметров объектов, замаскированных под поверхностью грунта. – М.: Научтехлитиздат, 2014. – 248 с.

5. Карасев П.И., Губсков Ю.А. Процедура обработки графических изображений в системах видеонаблюдения // Вестник Воронежского института ФСИН России. 2015. № 2. С. 35 – 37.

6. Ким Н.В., Кузнецов А.Г., Крылов И.Г. Применение систем технического зрения на беспилотных летательных аппаратах в задачах ориентации на местности // Вестник Московского авиационного института. 2010. Т.17. № 3. С. 42 – 49.

7. Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера, 2005. – 1072 с.

8. Пытьев Ю.П. Методы морфологического анализа изображений. – М.: ФИЗМАТЛИТ, 2010. – 336 с.

9. Потапов А.А. Новейшие методы обработки изображений. – М.: ФИЗМАТЛИТ, 2008. – 494 с.

10. Сакович И.О., Белов Ю.С. Обзор основных методов контурного анализа для выделения контуров движущихся объектов // Инженерный журнал: Наука и инновации. 2014. № 12. С. 21 – 25.

11. Фурман Я.А. Введение в контурный анализ. Приложения к обработке изображений и сигналов. – М.: ФИЗМАТЛИТ, 2003. – 592 с.

12. Кравченко В.Ф. Цифровая обработка сигналов и изображений в радиофизических приложениях. – М.: ФИЗМАТЛИТ, 2007. – 553 с.

13. John Canny. A computational approach to edge detection // IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986, vol. PAMI-8(6), pp. 679 – 698.

14. Ким Н.В., Крылов И.Г. Групповое применение беспилотного летательного аппарата в задачах наблюдения // Труды МАИ. 2012. № 62. URL: http://trudymai.ru/published.php?ID=35507

15. Алексеев В.В., Карасев П.И., Лакомов Д.В. Анализ методов обработки изображений, применимых в условиях неопределённости // XVI Международная конференция «Информатика: проблемы, методология, технологии». Сборник трудов. (Воронеж, 11-12 февраля 2016) – Воронеж: Изд-во Научно-технические публикации, 2016. C. 37 – 41.

16. Алексеев В.В., Лакомов Д.В. Анализ применимости размытия при распознавании изображений в условиях неопределенности // III Международная научно-практическая конференция «Виртуальное моделирование, прототипирование и промышленный дизайн». Тезисы докладов. (Тамбов, 15-17 ноября 2016). – Тамбов: ТГТУ, 2016, Т.2. С. 138 – 141.

17. Алексеев В.В., Лакомов Д.В. Оператор Робинсона и его применение в алгоритме Кэнни для распознавания изображений в условиях неопределённости // XV Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. (Москва, 14 марта 2017). – М: ГППУ, 2017. С. 89 – 90.

18. Грузман И.С., Киричук В.С. и др. Цифровая обработка изображений в информационных системах – Новосибирск: Изд-во НГТУ, 2002. – 352 с.

19. Ковригин А.В. Применение принципов построения систем машинного зрения в задаче анализа изображений клеточных структур // Научный журнал КубГАУ. 2007. № 29 (5). URL: http://ej.kubagro.ru/2007/05/pdf/03.pdf

20. Смирнов А.В., Пескин А.Е. Цифровое телевидение: от теории к практике. – М.: Горячая линия – Телеком, 2005.- 349 с.

21. Джакония В.Е., Гоголь А.А., Друзин Я.В. и др. Телевидение. – М.: Горячая линия – Телеком, 2004. – 228 с.

22. Быков Р.Е., Фрайер Р., Иванов К.В., Манцветов А.А. Цифровое преобразование изображений – М.: Горячая линия-Телеком, 2003. – 229 с.

23. Muthukrishnan R., Radha M. Edge Detection Techniques for Image Segmentation // International Journal of Computer Science & Information Technology (IJCSIT), 2012, no. 3(6), pp. 259 – 267.

Скачать статью