<<
>>

2.2 Фильтрация изображения

Каждый кадр изображения обрабатывается независимо друг относительно друга. При этом следует понимать, что на вход каждого оптико электронного датчика поступает непрерывный поток изображений, каждый кадр которого далее описывается во времени с привязкой к конкретному оптико-электронному датчику.

Для того, чтобы обеспечить корректную фильтрацию изображений, необходимо знать параметры оптико-электронных датчиков такие как коэффициенты дисторсии радиальной и тангенциальной, характеристики шума приемника изображения в зависимости от его чуствительности и выдержки. А также ряд вспомогательных параметров, определяющих динамический диапазон яркости, соотношение сторон кадра, и эффективное фокусное расстояние, выраженное в размерности единиц изображения - в пикселях.

Модель фильтрации изображения в общем виде записывается [44]:

где с - выходное изображение , m, n- размер окна обработки.

Для дискертного изображения свертка преобразуется к виду [45]:

где u, v-размеры ядра свёртки.

Испольуется ряд известных ядер свёртки, применение которых определяется условиями функционирования устройства и целью фильтрации. Частным случаем фильтрации также считают выделение контуров на основе специальных масок.

При работе в формате различных цветовых каналов свёртка выполняется над каждой из трёх компонент цвета по отдельности.

Для решения задачи фильтрации были в результате экспериментальных исследований выбраны следующеи ядра свертки, выбираемые после расчета величины шума:

Для вычисления перепадов яркости при выделении контуров и оценки резкости изображения используют следующие ядра свёртки операторов Собеля, Превитта:

Для ряда оперций, представленных в третьей главе используют фильтрацию на основе следующего преобразования:

значение интенсивности j-ой компоненты i-го пикселя, W - кольцевой буфер, внутри которого происходит обработка.

Для снижения шума статических объектов применяют фильтрацию, базирующуюся на расчете результирующей яркости пикслея на основе анализа серии последовательных кадров изображений [46]:

После применения рассмотренных математических выражений в заданной алгоритмом последовательности на дальнейшую обработку поступают кадры с уменьшенным влиянием шума.

Коррекция систематических искажений - радиальной и тангенциальной дисторсии, веньентирования подробно изучены и рассмотрены в работах Труфанова [], и записываются следующим образом.

Определяют дисторсию, как смещение точки изображения на величину (∆x,∆y) от ее истинного неискаженного положения: где k1- коэффициент дисторсии [47].

Определить истинное положение точки (x, у) при определяемом в результате калибровки коэффициенте k1

Далее выполняют коррекцию изображения путем расчета истинных значений координат по выражению (2.12) и интерполяции отсутствующих значений для дискертной матрицы отсчетов яркости [48].

Далее рассмотрим подмодель калибровки параметров оптико­электронного датчика и системы оптико-электронных датчиков.

2.2

<< | >>
Источник: Фролов Михаил Михайлович. МЕТОД, АЛГОРИТМЫ И МОДУЛЬНОЕ ОПТИКО-ЭЛЕКТРОННОЕ УСТРОЙСТВО ТРЕХМЕРНОГО ТЕХНИЧЕСКОГО ЗРЕНИЯ С МНОЖЕСТВЕННЫМИ ИСТОЧНИКАМИ ИЗОБРАЖЕНИЙ. ДИССЕРТАЦИЯ на соискание ученой степени кандидата технических наук. Курск - 2019. 2019

Еще по теме 2.2 Фильтрация изображения:

  1. 2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ОБРАБОТКИ ИЗОБРАЖЕНИЙ УСТРОЙСТВОМ ТРЕХМЕРНОГО ТЕХНИЧЕСКОГО ЗРЕНИЯ С МНОЖЕСТВЕННЫМИ ИСТОЧНИКАМИ ИЗОБРАЖЕНИЙ
  2. МЕТОД, АЛГОРИТМЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ И СТРУКТУРНО-ФУНКЦИОНАЛЬНАЯ ОРГАНИЗАЦИЯ ОПТИКО-ЭЛЕКТРОННОГО УСТРОЙСТВА ТРЕХМЕРНОГО ТЕХНИЧЕСКОГО ЗРЕНИЯ С МНОЖЕСТВЕННЫМИ ИСТОЧНИКАМИ ИЗОБРАЖЕНИЙ
  3. Ввод изображения оптико-электронным датчиком
  4. 2.4 Сегментация и построение контуров изображений объектов
  5. Структурно-функциональная организация оптико­электронного устройства трехмерного технического зрения с множественными источниками изображений
  6. Фролов Михаил Михайлович. МЕТОД, АЛГОРИТМЫ И МОДУЛЬНОЕ ОПТИКО-ЭЛЕКТРОННОЕ УСТРОЙСТВО ТРЕХМЕРНОГО ТЕХНИЧЕСКОГО ЗРЕНИЯ С МНОЖЕСТВЕННЫМИ ИСТОЧНИКАМИ ИЗОБРАЖЕНИЙ. ДИССЕРТАЦИЯ на соискание ученой степени кандидата технических наук. Курск - 2019, 2019
  7. СОДЕРЖАНИЕ
  8. Характеристика порошка Ni
  9. 4.1 Аппаратно-программный стенд для проведения экспериментальынх исследований
  10. Передача данных по коммуникационной сети
  11. Характеристика порошка Cu
  12. Выводы