книги / Методы и средства цифровой обработки пространственно-временных сигналов

Включает отатьи, поовященные развитию и использованию ма­ тематического аппарата для решения вадач обработки простран­ ственно-временных сигналов.

Особое внимание уделено разработке и экспериментальной оценке новых алгоритмов клаооификации объектов и привязки изоб­ ражений. Рассматриваются вопросы улучшения качества простран­ ственно-временных сигналов посредством сегментации, повышения разрешающей способности твердотельных приемчиков, адаптивной обработки.

Предназначен для инкенеров-иооледователей и специалистов по цифровал методам обработки пространотвешю-времонных сигна­ лов, математике, теории управления и вычислительной технике.

Помет быть рекомендован студентам радиотехнических, электротех­ нических и приборостроительных специальностей.

Рецензент: кафедра вычислительной техники Уральского лесо­

проф., д -р техн.наук Ю.И.Алимов (ДОМ УНЦ АН С00Р)з чл .-кор. АН

И.И.Канатов, В.Л.Литвинов, В.П.Ситов (Ленинградский электро­ технический институт)

АЛГОРИТМ ВЫДЕЛЕНИЯ ЛОКАЛЬНЫХ ОБЪЕКТОВ НА ОДНОРОДНОМ ФОНЕ

При решении задач робототехнического зрения возникает проблема выделение локальных объектов на однородном фоне.

Под ло’ чльным объектом будем понимать ограниченную область изображения со взаимосвязанными элементами и одинаковой, отлич­ ной от фона, яркостью. При этом ни конфигурация, ни положение объекте заранее непредсказуемы. Для рассматриваемо.о класса задач характерным является одновременное обнаружение объекта на фоне с иввеотными статистичоокими характеристиками и опреде­

дов позволяет использовать известную статистику для исключений мешающей информации. Довольно часто для решения подобной зада­ чи достаточно вычитания “эталонного" спектра. С другой стороны, любой локальный объект при спектральном преобразовании сказыва­ ется "размытым" по всему полю пространственных частот и стано­ вится неразличимым по амплитудному признаку от шумовых компо­ нент. Поэтому появление на таком зашумленном фоне локального объекта малой протяженности не может быть идентифицировано простш анализом распределения энергии на изображении. Харак­ терной особенностью спектральных преобразований Уолша (ПУ) яв­ ляется большая чувствительность к изменению местоположения объекта. Существует целый ряд методов, обеспечивающих Инвари­

Чем медное ШДОЛЯ6АЩЙ объект, тем меньше его энергетичес­ кий вклад в. октавную составляющую спектра. Ооновой модульных преобравоввдай является одрегэление на кеадой отдельной итерации абсолютного эначания спектра Уолша, вычисляемого при помо­

между двумя совместными задачами - идентификацией и нахождени­ ем местоположения объекта, Настоящая работа посвящена алгорит­ му. позволяющему найти компромиоо в разрешении отой проблемы.

В основе предлагаемого алгоритма лежит возможность выявления локальных объектов по коррелироввнности .их двумерного спектра в баэиое Уолша и маосива1 преобразованного по Уолшу относитель­ но первой строки и первого столбца вышеупомянутого спектра*

Покажем. Что для любого локального объекта спектр будет

разряды двоичного кода номера оточета. иоратное лреоорааование Уолша

спектров Уол-а, составляющие которого имеют одинаковые нонуле*

зультат суммирования соседних по номеру функций Уолша» Чтобы

кочастотной части спектральной области* Необходимо также заме­

Замена |/ на П~У~1 осуществлена потому, что суммирова­ ние необходимо начинать с объединения наибольшего возможного количества рассматриваемых функций Уолша в соответствии с ( 6)* При этом каждая функция может входить только в одну единствен­ ную сумму <7 а ). Условия (7 б) характерны для локальных объек­ то в . В этом случаэ основную информацию об объекте несет суш а наибольшего количества 2 V функций Уолша. Она будет "зашум­ лена" искажениями, вносимыми суммами меньшего порядка, которые могут изменить амплитуду спектральных составляющих, но не из­ менят их знак (для ПУ это, по существу, фаза преобразования

[ г ] ) .

Таким образом, информация об объекте сосредотачивается в низкочастотной части опсгтра. Близость полученного спэктра к виду функции Уолша может бить оценена корреляционным методом. Рассмотрим двумерный маосив, сформированный прямым произведе­ нием первой отроки и первого столбца спектра объекта в базисе Уолша. Используя ранео введенные обозначения, оломэнт такого двумерного массива можно вычислить по следующей формуле:

°^7

Видно, что этот массив сохранит знаковую (фазовую) структуру опектра в соответствии о первым столбцом и первой строкой. Пусть ( $1 , йд ) . - взаимно корреляционная функция сформированного массива и исходного спектра. Тогда, если для низкочастотной части спектра

т ^ Ш У > т ,

тоположения объекта. Координаты объекта соответствуют количест­ ву гнекоперемен п нулевых отрезков в первой отроке и первом столбце. Однако необходимо учитывать наличие шумовых составля­ ющих и серого фона. Для этого требуется пороговая обработка спектра с симметричной зоной нечувствительности, зависящая от уровня серого фона оС00 . Очевидно, чем в меньшей части спек­ тра сосредоточена информация об объекте,, тем меньше влияние шумов. С другой стороны, чем больше анализируемая область спек­ тра, тем точнее можно определить местоположение объекта. Сле-

довательно, процедуру обнаружения следует сделать итеративной. Пуоть на первой стадии итерации анализируется малая область

отрезков можно определить координаты правой нижней точки квадра­

Заметим, что при расчете на ЭВМ предложенного алгоритма необходимо хранение в памяти лишь первой строки и первого стол­ бца спектра. Формирование массива по правилу Уолша и вычисление значения ВКФ между !шм и спектром изображения могут быть выпол­ нены построчно-столбцевым методом и не требуют выделения допол­ нительной памяти. Таким обризом, предложенный алгоритм при по­ мощи малых вычислительных затрат позволяет определить местопо­ ложение и размеры мвлопротлженных объектов.

1.ЯРОСЛАВСКИЙ Л.П., Введение в цифровую обработку изобра­ жений. М. , 1979. 312 о.

2.А.В.ОПИЕНХАЙМ, ДНЕ.С. ЛИМ. Важность фазы при обработке сигналов / ТИИЭР. 1961. Т.69, # 6 . С.5 - 17,

СВЕРХБЫСТРОЕ МНОГОМЕРНОЕ ПРЕОБРАЗОВАНИЕ РАДСЧА-ХАРТЛИ. ПРИМЕНЕНИЕ В СИСТЕМАХ СЕЛЕКЦИИ ДНИЖУ1ДОСЯ ОБЪЕКТОВ

За последние годы получены многочисленные быстрые алгорит­ мы (БА) различных одномерных ортогональных преобразований (ОП). Мнотомерным ОП уделялось мало вк..мвнп, так как считалось, что

- 7 -

одномерный БЛ автоматически давт "многомерный алгоритм", приме­ нением одномерного по всем независимым координатным направлени­ ям (быстрая "строчно-столбцовая" обработка многомерных сигналов). Ив исследований [ 1 - 4 ] , видно, что в многомерном случае* имекггся дополнительные возможности, позволяющие значительно снизите