Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования

В работе исследованы теоретические возможности разработки комплекса программно-аппаратных средств формирования электронных карт местности на основе аэрофотоснимков, получаемых с помощью беспилотного летательного аппарата. Обоснован состав, структурная схема и режимы работы комплекса; разработаны...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2009
1. Verfasser:	Сальников, И.И.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Інститут проблем штучного інтелекту МОН України та НАН України 2009
Schlagworte:	Распознавание образов. Цифровая обработка сигналов
Online Zugang:	https://nasplib.isofts.kiev.ua/handle/123456789/8196
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования / И.И. Сальников // Штучний інтелект. — 2009. — № 4. — С. 555-565. — Бібліогр.: 3 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	nasplib_isofts_kiev_ua-123456789-8196
record_format	dspace
spelling	nasplib_isofts_kiev_ua-123456789-81962025-02-09T09:49:47Z Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования Апаратно-програмний комплекс формування електронної карти місцевості за даними аерокосмічного зондування Сальников, И.И. Распознавание образов. Цифровая обработка сигналов В работе исследованы теоретические возможности разработки комплекса программно-аппаратных средств формирования электронных карт местности на основе аэрофотоснимков, получаемых с помощью беспилотного летательного аппарата. Обоснован состав, структурная схема и режимы работы комплекса; разработаны теоретические основы преобразования изображений при формировании электронной карты местности; программное обеспечение анализа аэрофотографических изображений и формирования электронной карты местности; определены возможности реализации части преобразований изображений аппаратными средствами на основе использования сигнальных процессоров и программируемых логических интегральных схем; разработана структурная схема лабораторного макета интеллектуальной цифровой фотокамеры с радиоканалом для передачи результата на землю. У роботі досліджено теоретичні можливості розробки комплексу програмно-апаратних засобів формування електронних карт місцевості на основі аерофотознімків, що отримуються за допомогою безпілотного літального апарата. Обґрунтовано склад, структурну схему та режими роботи комплексу; розроблено теоретичні засади перетворення зображень під час формування електронної карти місцевості; розроблено програмне забезпечення аналізу аерофотознімків та формування електронної карти місцевості; визначено можливості реалізації частини перетворень зображень апаратними засобами на основі використання сигнальних процесів та програмованих логічних інтегральних схем; розроблено структурну схему лаборатор- ного макета інтелектуальної цифрової фотокамери з радіоканалом для передачі результату на землю. 2009 Article Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования / И.И. Сальников // Штучний інтелект. — 2009. — № 4. — С. 555-565. — Бібліогр.: 3 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/8196 621.397 ru application/pdf Інститут проблем штучного інтелекту МОН України та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Распознавание образов. Цифровая обработка сигналов Распознавание образов. Цифровая обработка сигналов
spellingShingle	Распознавание образов. Цифровая обработка сигналов Распознавание образов. Цифровая обработка сигналов Сальников, И.И. Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования
description	В работе исследованы теоретические возможности разработки комплекса программно-аппаратных средств формирования электронных карт местности на основе аэрофотоснимков, получаемых с помощью беспилотного летательного аппарата. Обоснован состав, структурная схема и режимы работы комплекса; разработаны теоретические основы преобразования изображений при формировании электронной карты местности; программное обеспечение анализа аэрофотографических изображений и формирования электронной карты местности; определены возможности реализации части преобразований изображений аппаратными средствами на основе использования сигнальных процессоров и программируемых логических интегральных схем; разработана структурная схема лабораторного макета интеллектуальной цифровой фотокамеры с радиоканалом для передачи результата на землю.
format	Article
author	Сальников, И.И.
author_facet	Сальников, И.И.
author_sort	Сальников, И.И.
title	Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования
title_short	Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования
title_full	Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования
title_fullStr	Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования
title_full_unstemmed	Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования
title_sort	аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
publishDate	2009
topic_facet	Распознавание образов. Цифровая обработка сигналов
url	https://nasplib.isofts.kiev.ua/handle/123456789/8196
citation_txt	Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования / И.И. Сальников // Штучний інтелект. — 2009. — № 4. — С. 555-565. — Бібліогр.: 3 назв. — рос.
work_keys_str_mv	AT salʹnikovii apparatnoprogrammnyjkompleksformirovaniâélektronnojkartymestnostipodannymaérokosmičeskogozondirovaniâ AT salʹnikovii aparatnoprogramnijkompleksformuvannâelektronnoíkartimíscevostízadanimiaerokosmíčnogozonduvannâ
first_indexed	2025-11-25T14:08:53Z
last_indexed	2025-11-25T14:08:53Z
_version_	1849771672522981376
fulltext	«Штучний інтелект» 4’2009 555 10С УДК 621.397 И.И. Сальников Пензенская государственная технологическая академия, г. Пенза, Россия iis@pgta.ru Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования В работе исследованы теоретические возможности разработки комплекса программно-аппаратных средств формирования электронных карт местности на основе аэрофотоснимков, получаемых с помощью беспилотного летательного аппарата. Обоснован состав, структурная схема и режимы работы комплекса; разработаны теоретические основы преобразования изображений при формировании электронной карты местности; программное обеспечение анализа аэрофотографических изображений и формирования электронной карты местности; определены возможности реализации части преобразований изображений аппаратными средствами на основе использования сигнальных процессоров и программируемых логических интегральных схем; разработана структурная схема лабораторного макета интеллектуальной цифровой фотокамеры с радиоканалом для передачи результата на землю. Введение В настоящее время в связи с развитием информационных технологий появилась реальная возможность формирования электронных карт местности по аэрофотоснимкам, получаемым с помощью беспилотных летательных аппаратов. Потребность в электронных картах как в городской, так и сельской местности очень велика. Этим объясняется бурное развитие геоинформационных систем (ГИС), для которых в настоящее время источником данных является топографическая съемка местности. Примером служат программные продукты ArcMAP, EasyTracePro, ArcView, ArcCAD, MapInfo и другие. В выполняемой в настоящее время работе поставлена задача разработать комп- лекс программно-аппаратных средств для формирования электронных карт по данным аэрофотосъемки, выполняемой с помощью беспилотных летательных аппаратов. Воз- можность положительного решения данной задачи объясняется следующими достиг- нутыми успехами в области информационных технологий: – появлением цифровых фотоаппаратов с числом точек разрешения в кадре более 10 млн и возможностью получения данных уже в цифровом виде; – значительным увеличением объема карт памяти объемом более 8 Гбайт; – развитием беспилотных летательных аппаратов, которые могут летать в автоматичес- ком режиме до 1 часа, фотографируя земную поверхность; – разработкой навигационных систем GPS/ГЛОНАСС, которые позволяют выполнять точную привязку беспилотного летательного аппарата к местности. Цель работы и постановка задачи. Целью является исследование теоретических возможностей и разработка комплекса программно-аппаратных средств формирования электронных карт местности на основе аэрофотоснимков, получаемых с помощью беспилотного летательного аппарата. Сальников И.И. «Искусственный интеллект» 4’2009 556 10С Для достижения данной цели необходимо решить следующие задачи: – обосновать состав, структурную схему и режимы работы комплекса; – разработать теоретические основы преобразования изображений при формировании электронной карты местности; – разработать программное обеспечение анализа аэрофотографических изображений и формирования электронной карты местности; – определить возможность реализации части этапов формирования электронных карт местности аппаратными средствами на основе использования сигнальных процессоров и программируемых логических интегральных схем; – разработать структурную схему лабораторного макета интеллектуальной цифровой фотокамеры (ИЦФК) с радиоканалом для передачи результата на землю. Основные этапы преобразования фотоизображения местности В результате проведенных исследований в рамках поставленной задачи выявилась следующая последовательность преобразования фотоизображений местности для формирования электронной карты: – выполняется цветовое разделение исходного изображения и подавление зеленых и желтых цветов, которые характеризуют растительный фон – траву, деревья, кусты, огороды в населенных пунктах и т.д.; – выполняется превращение цветного изображения в черно-белое, с сохранением яркостной информации по объектам, представляющим интерес для электронной карты местности; – формируется бинарное изображение с целью выявления силуэтов выделяемых объектов, для чего используется либо фиксированный порог, подбираемый опытным путем оператором, либо автоматический порог, определяемый тем или иным адаптивным алгоритмом; – выполняется сегментирование силуэтного изображения с целью выделения локальных областей пространственно-связанных элементов; – после сегментирования необходимо выполнить размерную селекцию, с помощью которой устраняются малоразмерные локальные области, а локальные области с размерами, большими заданных, остаются без искажений; – измеряются для каждой локальной области координаты центра тяжести как устойчивые интегральные характеристики; – выполняется анализ каждой локальной области с выявлением геометрических размеров и осей симметрии; – по измеренным координатам осей симметрии реальный силуэт объекта заменяется условным графическим изображением объектов на электронной карте – строений, дорог, приусадебных участков, водоемов, рек, ручьев и т.п. с учетом цвета объектов и цвета фона. Выделение цветовых слоев Исходное изображение местности, полученное с помощью аэрофотосъемки летом, изобилует зелеными и желтыми тонами, которые дают ложные изображения объектов. На рис. 1 представлены результаты анализа сечения яркости S(x) для исходного изо- бражения (рис. 1а) и для изображения после подавления зелено-желтых цветов, то есть выделения красно-синих цветов (рис. 1б). Видно, что отношение сигнал/фон улучшается. Аппаратно-программный комплекс формирования электронной карты местности... «Штучний інтелект» 4’2009 557 10С а) б) Рисунок 1 – Улучшение отношения сигнал/фон для красно-синего слоя Формат цветового изображения определяется 3-байтным кодом каждого пикселя, причем младший байт кодирует красный цвет R, средний байт – зеленый цвет G, а старший байт – синий цвет. Для преобразования цветного изображения в черно-белое необходимо во все 3 байта записать одинаковые коды, равные максимальному коду из трех для цветного изображения. Бинаризация фотоизображения Процесс бинаризации полноградационного изображения представлен на рис. 2. Пороговое сравнение (рис. 2б) вы- полняется для временного видеосигнала S(t), а растровое преобразование исход- ного изображения приводит к получению бинарного изображения Sб(x,y) в виде пя- тенной картины. Бинарное изображение имеет важ- ную особенность для систем анализа и обработки изображений – четко выра- женную границу, которая для полногра- дационного изображения имеет расплыв- чатый характер, так как ее положение в достаточной степени условно и зависит от выбранного критерия определения. Определим границу бинарного изобра- жения как геометрическое место точек, для которых наблюдается смена значения бинарной пространственной функции: г г б г г г г 1, для , ( , ) 0, для ( 1), ( 1) x x y y S x y x x y y         , (1) где (xг,yг) – координаты границы бинарного изображения. Рисунок 2 – Бинаризация полноградационного изображения а) б) Сальников И.И. «Искусственный интеллект» 4’2009 558 10С Положение границы для бинарного изображения будет определяться: пороговым уровнем Sп, который может быть постоянным в пределах анализируемого растра или может меняться в зависимости от изменения свойств сигнала, то есть быть адаптивным; скоростью изменения исходного сигнала S(x,y) или S(t) в окрестности порогового уровня (рис. 2б), то есть от частотных свойств исходного сигнала; наличием шумов и помех, изменяющих пространственное положение границ изображения объектов. В работе [2] рассмотрены в сравнительном плане различные методы формирования порогового уровня для бинаризации растрового изображения: – уровень, равный половине динамического диапазона исходного сигнала S(x,y); – выбор порога по бимодальной гистограмме – минимум между двумя максимумами; – уровень, делящий площадь гистограммы исходного сигнала пополам; – уровень, равный среднему значению всего пространственного сигнала; – адаптивный порог по максимуму производной исходного сигнала S(x,y). Скользящее интегрирование Для целей формирования адаптивного порогового уровня наиболее простым является скользящее интегрирование. Под скользящим интегрированием подразумева- ется вычисление среднего значения в перемещающемся интервале. При этом интервал интегрирования по-прежнему равен интервалу корреляции Tис= 0: ис ' ' ис 1( ) ( ) t T cp t S t S t dt T    . (2) а) б) в) Рисунок 3 – Скользящее интегрирование для сигналов различной формы На рис. 3 представлены примеры скользящего интегрирования для сигналов раз- личной формы – колоколообразной, прямоугольной и треугольной, а также различной амплитуды. При использовании результата интегрирования в качестве оценки порогового уровня Sср(t) = <Sп> формируется бинарное изображение Sб(t), адаптивное к положению исходного сигнала и не зависящее от его амплитуды (варианты 1, 2). Для данного ме- тода бинаризации необходим некоторый минимальный пороговый уровень Sс,min, опре- деляемый шумами и заданной вероятностью ложного формирования элементов бинар- ного изображения. Так как в отсутствие полезного сигнала при малом пороговом уровне будет формироваться бинарное изображение от шумов. Кроме того, пороговый уровень не может быть больше максимального значения сигнала Sс,max. Для выполнения этих условий необходимо использовать экспоненциальную функцию, связывающую оценку порогового уровня и измеренное среднее значение: min,max,max,п })/)(7,0exp{1()( cccpc SStSStS  . (3) Аппаратно-программный комплекс формирования электронной карты местности... «Штучний інтелект» 4’2009 559 10С Наблюдаемое явление «затягивания» среднего значения и, как следствие, поро- гового уровня, приводит к эффекту подавления малых сигналов сильными, когда сигнал с малой амплитудой располагается по направлению интегрирования за сиг- налом с большой амплитудой (рис. 3, вариант 3). Этот эффект связан с инерционностью интегратора, вычисляющего текущий пороговый уровень. При этом малый сигнал, находящийся по направлению интегрирования до большого сигнала, бинаризируется полностью (рис. 3, вариант 2). Скользящее интегрирование, несмотря на указанный недостаток, значительно бли- же к адаптивным методам бинаризации и вполне может быть использовано. По крайней мере, если в изображении есть главный максимум, то он будет бинаризироваться с малы- ми ошибками. Часть малых локальных максимумов пропадет, если они будут находиться в зоне «затягивания» среднего значения главного максимума. Рассмотренный метод сколь- зящего интегрирования наиболее прост в реализации, но его недостаток заключается в отсутствии учета пространственно-амплитудной структуры полезного сигнала. Метод максимума производной В качестве порогового уровня предлагается использовать значения функции ярко- сти с максимумом производной. Этот метод будет относиться к дифференциальным ме- тодам, которые характеризуются возрастанием опасности ошибок формирования элементов бинарного изображения при на- личии высокочастотных шумов. Отметим последовательность действий, необходи- мых при реализации метода максимума производной для формирования порогово- го уровня и бинарного изображения. Для реализации этого метода потребуется две памяти объемом на одну строку каждая, чтобы в одну для данной строки выполня- лась запись, а из другой – чтение, затем для следующей строки назначение этих памя- тей должно меняться между собой. В об- щем виде алгоритм бинаризации изобра- жения по методу максимума производной будет следующим: 1. Для текущей j-строки длительностью Tс выполняется скользящее интегрирование с интервалом интегрирования Tис. Формируется сглаженная оценка Scp (t) (рис. 4), которая используется для определения порогового уровня. 2. Выполняется формирование производной dScp (t)/dt, по которой определяются ло- кальные максимумы и минимумы, то есть точки, где производная равна нулю dScp (t)/dt = 0 и происходит смена знака (рис. 4, точки 1-6). 3. Формируются интервалы с постоянным знаком производной Td,i, то есть интервалы между соседними максимумом и минимумом (рис. 4, 1 – 5 или 2 – 6), и между минимумом и максимумом (рис. 4, 5 – 2, или 6 – 4). 4. На интервале Td,i с постоянным знаком производной определяется максимум производной max{Scp'(t = t m,i)}. 5. Для моментов времени t = t m,i, когда наблюдаются максимумы производной max{Scp'(t = t m,i)}, берется отсчет среднего значения, который и используется в качестве порогового уровня на интервале Td,i с постоянным знаком производной, то есть: )}({max ', tS tt cpi im  )( при),( ,,,iп, idimimcp TtttSS  (4) Рисунок 4 – Бинаризация по методу максимума производной Сальников И.И. «Искусственный интеллект» 4’2009 560 10С 6. Для текущей j-строки выполняется запоминание всех отсчетов порогового уровня, то есть ступенчатой функции <Sп> . 7. Одновременно записывается в память исходный сигнал для текущей j-строки, который будет читаться на следующем интервале Tc, то есть для (j + 1)-строки. 8. Для текущей j-строки выполняется чтение из памяти исходного сигнала Sj-1 (t) и сформированного порогового уровня <Sп,i,j-1 > для предыдущей (j–1)-строки. При этом выполняется пороговое сравнение и формируется бинарный видеосигнал Sб(t) (рис. 4), задержанный по времени на интервал Tc. Ошибки определения порогового уровня для метода максимума производной наиболее полно рассмотрены в [2]. Здесь мы отметим, что среднеквадратическая ошибка, учитывающая как систематическую, так и случайную ошибки формирования бинар- ного изображения, имеет минимальное зна- чение при некотором оптимальном интер- вале интегрирования. Наличие минимума можно объяснить тем, что при малых интер- валах интегрирования Tис  ti дисперсия шума уменьшается с увеличением Tис, как и происходит при отсутствии операции взя- тия производной. При дальнейшем увели- чении Tис расширяется корреляционная функция, увеличивается интервал корреля- ции и растет значение интеграла в беско- нечных пределах. На рис. 5 приведены за- висимости нормированной среднеквадрати- ческой ошибки для скользящего интегрирования (1) и метода максимума производной (2) при различных отношениях сигнал/шум Ψ = 5; 10, но при небольших значениях интер- вала интегрирования (NФ  10). Метод скользящего интегрирования (рис. 5, 1) характе- ризуется большой ошибкой смещения, что повлияет на положение границ бинарного изображения. Однако этот метод проще в реализации по сравнению с методом максимума производной (рис. 5, 2). Сегментация бинарного изображения В результате бинарной обработки исходного фотоизображения получается кар- тина силуэтного изображения, где каждый объект представляет собой бинарную пятенную картину. Наряду с силуэтами полезных для электронной карты объектов – дорог, строений, водохранилищ, рек, линий электропередач и т.п. после бинаризации проявляются ложные силуэты, не связанные с объектами, а связанные с изменением яркости. Далее необходимо выполнить размерную селекцию силуэтных изображений, чтобы отселектировать малоразмерные объекты. Для этих целей необходимо предва- рительно разделить изображения объектов, то есть выполнить сегментацию (рис. 6). Сегментация как метод цифровой обработки изображений представляет собой выделение группы элементов растрового изображения по признаку пространственной связанности и присвоения им общего номера [3], то есть разделение на локальные области (ЛО). Для разработки алгоритма сегментации необходимо определить формат анализа связанности. В работе [3] используется 4-связанный формат анализа принадлежности те- кущей точки размечаемой области. В [2] доказано, что достаточным и полным является 5-связанный формат в виде примыкающих к текущему элементу Si,j элемента Si–1,j для текущей j-строки и элементов Si–1,j–1, Si,j–1, Si+1,j–1 для предыдущей (j–1)-строки (рис. 7в). Рисунок 5 – Нормированная среднеквадратическая ошибка оценки порогового уровня Аппаратно-программный комплекс формирования электронной карты местности... «Штучний інтелект» 4’2009 561 10С Используем следующие обозначения элементов бинарного изображения, входя- щих в формат анализа, представленного на рис. 7в: текущий элемент растра Si,j = e и при- мыкающие к нему элементы растра Si–1,j–1 = a, Si,j–1 = b, Si+1, j–1 = c, Si–1,j = d, а также присваиваемые им номера – Na, Nb, Nc, Nd при выполнении разметки. Позиционное поло- жение элементов растра abcde включается в формат кода варианта связанности КВС в виде: 0123 ВС 2222  dcbaK , (5) где a, b, c, d, е { 0;1 }. На основании анализа всех вариантов связанности было получено общее выра- жение для функции назначения номера текущего элемента:  },min{)10,(},min{)113,()0,([ acdcne NNnFNNnFNnFeN ])8,()141264,()2,()15139751,( abcd NnFNnFNnFNnF  , (6) где n – текущее значение КВС,       ВС ВС ВС при,0 при,1 ),( Kn Kn KnF – фильтрующая функция, выделяющая различные варианты КВС. Из (6) вытекают следующие операции, необхо- димые при назначении номера для каждого текущего элемента е: 1. Анализ значения текущего элемента и назначение номера, если е = 1, то  , , , ,e n a b c dN N N N N N N  . 2. Формирование KВС в соответствии с (5). 3. Формирование нового номера Nn , который используется, как только начинается разметка новой ЛО, а признаком начала разметки новой ЛО является KВС = 0. 4. Сохранение результатов разметки для текущей строки, запоминание размеченных ЛО и чтение этого результата разметки при анализе следующей строки. При этом читаемые из памяти номера будут выполнять роль номеров Na, Nb, Nc в формате ана- лиза связанности. 5. Для текущей строки сформированный номер Ne запоминается на текущем тактовом интервале и читается на следующем тактовом интервале. Теперь уже этот читаемый номер будет выполнять роль номера Nd. 6. Для KВС = 3 11 наблюдается явление слияния двух ЛО, при этом необходимо сравнить номера элементов Nc и Nd, примыкающих к текущему элементу е. Выби- рается меньший, то есть Ne = min{Nc,Nd}. 7. Для KВС = 10 также наблюдается явление слияния двух ЛО, но при этом необходимо сравнить номера элементов Nc и Na, примыкающих к текущему эле- менту е. Выбирается также меньший, то есть Ne = min{Nc,Na}. Рисунок 6 – Процесс сегментации пятенной картины Рисунок 7 – Определение формата анализа связанности а) в) б) Сальников И.И. «Искусственный интеллект» 4’2009 562 10С 8. Для всех вариантов KВС = 1 5 7 9 13 15 выбирается номер Nd, хотя из анализа KВС можно было бы выбрать другие номера ЛО, например, для KВС = 5 можно было бы выбрать Ne = Nb, но лучше выбрать Nd, так как этот номер находится в текущей строке и может принадлежать переименованной ЛО. 9. Для KВС = 2 выбирается единственный номер Nc, а для KВС = 8 также единственный номер Na . 10. Для вариантов KВС = 4 6 12 14 используется номер Nb. 11. Для KВС = 3 10 11, когда наблюдается слияние двух ЛО (рис. 7в, 1), необ- ходимо не только выбрать из двух номеров меньший, но и переименовать всю часть ЛО, имеющую больший номер в ЛО с меньшим номером – это самый сложный мо- мент в алгоритме сегментации. 12. Для выявления факта окончания номера ЛО необходимо использовать три признака: неиспользования данного номера для разметки; использования данного но- мера в процессе разметки; и когда данный номер использовался для предыдущей стро- ки, а для текущей строки он не использовался, то есть использование данного номера закончилось. Это проверка на выполнение необходимого условия окончания ЛО. Размерная селекция Одновременно с разметкой пятенной картины должно выполняться измерение геометрических размеров ЛО с номером N(q), под которыми подразумеваются раз- меры некоторого прямоугольника, в который вписана пространственно-связанная ЛО. При этом координаты сторон прямоугольника следующие: для левой стороны – Xл (q), правой – Xп (q), верхней – Yв (q) и нижней – Yн (q). В устройствах цифровой обработки фактически оперируют не координатами, а кодами, соответствующими этим координатам. Положение текущего элемента Si,j в пределах растра определяется его индексами: i – по элементам строки, j – по строкам в пределах кадра. Связь между координатой и кодом выражается через коэффи- циент соответствия Кx = X/i , Кy = Y/j, [мм/дв.ед]. Координаты геометрических границ ЛО могут быть описаны следующим образом: Xл (q) = iл (q) Кx, где iл (q) = min{ i  I (q) }, Xп (q) = iп (q) Кx, где iп (q) = max{ i  I(q) } Yв (q) = jв (q) Кy, где jв (q) = min { j  J(q) } Yн (q) = jн (q) Кy, где jн (q) = max{ j  J(q) }. (7 ) При слиянии двух ЛО необходимо преобразовать координаты границ. Правило пре- образования аналогично при разметке текущей ЛО: – в качестве Xл (q) выбирается самая левая из двух координат; – в качестве Xп (q) выбирается самая правая из двух координат; – в качестве Yв (q) выбирается самая верхняя из двух координат; – в качестве Yн (q) выбирается самая нижняя из двух координат. После формирования геометрических координат границ выполняется размерная селекция изображений объектов по признаку непревышения максимальных значений размеров Xmax, Ymax и неприуменьшения минимальных значений размеров Xmin, Xmin по соответствующим координатам. В устройстве размерной селекции для каждой закончившейся q-локальной области вычисляются размеры X(q) и Y(q), которые затем сравниваются с максимальными и минимальными размерами, которые задают некоторый интервал значений. Если X(q) и Y(q) удовлетворяют размерной селекции, то формируется сигнал разрешения для Аппаратно-программный комплекс формирования электронной карты местности... «Штучний інтелект» 4’2009 563 10С Рисунок 8 – Определение оси симметрии данной локальной области РЛО:        )()()()(если,0 )()(если,1 РЛО max )()( minmax )()( min max )( minmax )( min)( YYYYXXXX YYYXXX qqqq qq q , (8) причем для получения РЛО(q) = 1 все условия объединяются по «И», а при невыполнении хотя бы одного условия разрешение не формируется, то есть РЛО(q) = 0. Только при РЛО(q) = 1 возможна выдача измеренных пространственных параметров для дальнейшего использования. Анализ сегментированных изображений объектов После этапа сегментации и размерной селекции сегментированных изображений необходимо заменить реальные бинарные изображения условными обозначениями, используемыми в картографии. Реальные изображения строений и дорог характеризу- ются, как правило, значительными искажениями, основными из которых являются: наличие разрывов, ложной бахромы на границах, пропадание части изображений объек- тов, произвольной ориентацией в пределах растра. Задачей следующего этапа является разработка метода, позволяющего вписывать прямоугольник в изображение строения. Чтобы можно было вписать прямоугольник, необходимо измерить характерные точки на изображении, которые менее всего подвер- жены искажениям. Такими точками могут быть коор- динаты центра тяжести XЦТ,j (q), так как они являются интегральными характеристиками. На рис. 8 представ- лено изображение строения в виде силуэта с неровны- ми краями. После сегментации выделяется (q)-локаль- ная область, которая имеет геометрические границы в виде прямоугольника. Выполняется анализ растра внут- ри этого прямоугольника. Определяется начальная точка ( ) 0 qX или начальный интервал ( ) 1 qX , на котором яркость изображения изменяется сначала 0→1, а затем 1→0. Затем измеряется интервал ( ) 2 qX для следующей строки. Если ( ) ( ) 2 1 q q XX X     , то это означает, что анализ следует продолжить. Если ( ) ( ) 1 q q j j XX X     , то для данной строки вычисляется координата центра тяжести ( ) , q ЦТ jX , а также для всех других строк, где выполняется это условие. Для вычис- ления координат центра тяжести строки ( ) , q ЦТ jX в пределах ( )q jX необходимо про- суммировать абсолютные координаты всех пикселей силуэта, а затем поделить на число пикселей, то есть ( ) ( ) , ,( ) 1 ji X q q ЦТ j i jq ij X X X     , тогда получим абсолютное значение коор- динаты центра тяжести на j-строке. После окончания ЛО определяется длина оси сим- метрии LX (q) , для чего необходимо выполнить аппроксимацию оси симметрии до пере- сечения с границами ЛО. Далее, определив средние поперечные размеры, силуэт с искажениями заменяют прямоугольником, имеющим такие же размеры и ориентирован- ным по оси симметрии. Сальников И.И. «Искусственный интеллект» 4’2009 564 10С Программное средство преобразования фотоизображения в электронную карту местности На рис. 9 представлена фотография сельской местности, сделанная с борта бес- пилотного летательного аппарата. Реально фотоснимки из цифрового фотоаппарата цветные и формируются в JPEG-формате. На настоящем этапе разработано программное средство формирователя электронных карт местности ФЭКМ-2009, которое использует пакет C++ Builder и имеет основное окно и дополнительные окна для фрагментов. Основными модулями программного средства являются следующие: – модуль цветового разделения изображений, который позволяет убрать доминирующие цвета фона – зеленый и желтый; – модуль формирования бинарного изображения с адаптивным порогом, позволяющий формировать белые силуэты основных элементов электронной карты (строений, дорог, прудов, рек) на черном фоне; – модуль сегментации бинарного изображения с целью выделения деталей изображения местности, а также размерной селекции. Этот модуль позволяет убрать точечные помехи, не искажая силуэты полезных объектов; – модуль распознавания основных объектов изображения местности, который заменяет искаженные изображения объектов условными обозначениями объектов, принятыми на электронных картах. На рис. 9б приведен пример сформированного силуэтного изображения карты местности, приведенной на рис. 9а и на которой объекты представляют собой белые пятна с искаженными границами. В результате работы модуля распознавания формиру- ется изображение (рис. 9в), на котором общий фон – зеленый, строения – коричневые, а дорога – серая. а) б) в) Рисунок 9 – Пример анализа фотоизображения местности В дальнейшем предполагается оптимизировать процесс анализа и обработки аэрофотоснимков на разработанной программной модели формирования электронных карт местности с целью минимизации программных и вычислительных ресурсов. Это необходимо для определения возможности реализации части этапов формирования электронных карт аппаратными средствами на основе использования сигнальных процессоров и программируемых логических интегральных схем, размещаемых на летательном аппарате. Предполагается основную обработку изображений выполнять на борту летательного аппарата, а результат обработки – электронную карту местности – передавать на землю по радиоканалу. Аппаратно-программный комплекс формирования электронной карты местности... «Штучний інтелект» 4’2009 565 10С Рисунок 10 – Схема устройства анализа изображения На рис. 10 представлена схема устройства анализа и преобразования изображения, получаемого с цифровой фотокамеры (ЦФК). Структурная схема аппаратно-программно- го комплекса формирования электронных карт местности должна иметь в своем составе:  цифровую фотокамеру; устройство обработки изображений с выделением и рас- познаванием деталей изображений местности; память на исходные изображения и результат обработки;  устройство сжатия видеоданных для оперативной передачи их на систему сбора и обработки информации (ССОИ); радиосредства формирования канала передачи дан- ных на ССОИ. Для развития поставленной задачи необходимо:  определить объем передаваемых данных и сформулировать требования к радиоканалу передачи данных;  провести выбор и обоснование элементной базы для реализации алгоритмов анализа изображений, формирования электронной карты, а также для реализации канала передачи данных. Литература 1. Бендат Дж. Измерение и анализ случайных процессов / Дж. Бендат, А. Пирсол. – М. : Мир, 1974. 2. Сальников И.И. Растровые пространственно-временные сигналы в системах анализа изображений / Сальников И.И. – М. : Физматлит, 2009. – 246 с. 3. Хорн Б.К.П. Зрение роботов / Хорн Б.К.П. – М. : Мир, 1989. І.І. Сальніков Апаратно-програмний комплекс формування електронної карти місцевості за даними аерокосмічного зондування У роботі досліджено теоретичні можливості розробки комплексу програмно-апаратних засобів формування електронних карт місцевості на основі аерофотознімків, що отримуються за допомогою безпілотного літального апарата. Обґрунтовано склад, структурну схему та режими роботи комплексу; розроблено теоретичні засади перетворення зображень під час формування електронної карти місцевості; розроблено програмне забезпечення аналізу аерофотознімків та формування електронної карти місцевості; визначено можливості реалізації частини перетворень зображень апаратними засобами на основі використання сигнальних процесів та програмованих логічних інтегральних схем; розроблено структурну схему лаборатор- ного макета інтелектуальної цифрової фотокамери з радіоканалом для передачі результату на землю. Статья поступила в редакцию 20.05.2009. Устройство цифровой обработки изображений (УЦОИ) (на ПЛИС) Память кадров изображения (ПКИ) Устройство управления (УУ) (на МК) Радиоинтерфейс (РИФ) Радиоканал КСИ ССИ ЦФК А Д Sk(t)

Аппаратно-программный комплекс формирования электронной карты местности по данным аэрокосмического зондирования

Institution

Ähnliche Einträge