Способ анализа изображений

(51) МПК (2006) НАЦИОНАЛЬНЫЙ ЦЕНТР ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ(71) Заявитель Государственное научное учреждение Институт электроники Национальной академии наук Беларуси(72) Авторы Есман Александр Константинович Гончаренко Игорь Андреевич Кулешов Владимир Константинович(73) Патентообладатель Государственное научное учреждение Институт электроники Национальной академии наук Беларуси(57) Способ анализа изображений, заключающийся в сканировании входного изображения,аналого-цифровом его преобразовании, предварительной обработке цифрового изображения,включающей шумовую фильтрацию, оконтуривание и медианную фильтрацию, извлечении особенностей цифрового изображения, корреляционной обработке всех особенностей цифрового изображения в нейронной сети и определении наличия дефектов изображения по сравнению с эталонами, отличающийся тем, что предварительно входное изображение 9308 1 2007.06.30 пространственно разделяют на видимую и инфракрасную (ИК) части, причем ИК часть изображения пространственно разделяют на ближний, средний и дальний ИК-диапазоны,а после предварительной обработки цифровых изображений видимой части и всех диапазонов ИК части осуществляют масштабирование всех цифровых изображений и их ориентирование. Изобретение относится к области обработки изображений и может использоваться при разработке средств автоматизации распознавания объектов в реальных условиях. Известен способ обработки изображений по устройству 1, который состоит из операций сканирования входного изображения аналого-цифрового преобразования изображения определения направления изменения контраста изображения в месте расположения элемента объекта определения пространственной частоты в месте расположения элемента объекта разделения элемента изображения объекта на мелкие пиксели определения градаций, которые используются для определения уровня градаций мелких пикселей, полученных на основе уровня градаций элемента объекта, направления градаций и пространственной частоты, ранее определенных для элемента изображения объекта. Данный способ не позволяет распознавать объект в реальных условиях наблюдения,при наличии поглощения и рассеяния в коротковолновой части диапазона длин волн, а также распознавать неориентированные и немасштабированные объекты. Наиболее близким по технической сущности является способ анализа изображений и идентификации шаблонов 2, который состоит из операций сканирования входного изображения аналого-цифрового преобразования изображения предварительной обработки цифрового изображения с целью шумовой фильтрации и оконтуривания их медианной фильтрации извлечения особенностей цифрового изображения корреляционной обработки всех особенностей в нейронной сети и определения наличия дефектов изображения по сравнению с эталоном логической обработки типов дефектов и классификации дефектности входного изображения. Описанный способ имеет ограниченные функциональные возможности и недостаточную для практических применений достоверность получения полезной информации. Он не позволяет анализировать изображения объектов в различных средах наблюдения (например в тумане), характеризующихся рассеиванием и сильным поглощением отдельных спектральных компонент изображения, так как на этапе сканирования (преобразования оптического изображения в электрическое) происходит случайное смешивание интенсивностей сигналов, соответствующих различным спектральным составляющим, это приводит к уменьшению отношения сигнал/фон. Техническая задача - расширение функциональных возможностей за счет расширения классов распознаваемых изображений и, тем самым, расширения возможных областей его применения при одновременном повышении достоверности распознавания изображений. Поставленная техническая задача решается тем, что по способу анализа изображений,заключающемуся в сканировании входного изображения, аналого-цифровом его преобразовании, предварительной обработке цифрового изображения, включающей шумовую фильтрацию, оконтуривание и медианную фильтрацию, извлечении особенностей цифрового изображения, корреляционной обработке всех особенностей в нейронной сети и оп 2 9308 1 2007.06.30 ределении наличия дефектов изображения по сравнению с эталонами, предварительно входное изображение пространственно разделяют на видимую и инфракрасную (ИК) части, а ИК часть изображения, в свою очередь, пространственно разделяют на ближний,средний и дальний ИК-диапазоны, а после предварительной обработки цифровых изображений видимой части и всех диапазонов ИК части осуществляется масштабирование всех цифровых изображений и их ориентирование. Для эффективного решения поставленной задачи за счет увеличения объема извлекаемой полезной информации об анализируемом объекте пространственное разделение спектральных компонент входного изображения выполняют в видимой области - с помощью диэлектрического зеркала со спектром отражения, выбранным в соответствии со спектральными характеристиками распознаваемых объектов, причем зеркало располагается под углом 45 к оптической оси наблюдения а в ближнем, среднем и дальнем ИКдиапазопах ИК части - с помощью двумерного набора волноводов, в каждом из которых последовательно расположены первый ответвитель, первый набор брэгговских отражателей со спектром отражения, соответствующим среднему ИК-диапазону, второй ответвитель, второй набор брэгговских отражателей со спектром отражения, соответствующим дальнему ИК-диапазону, причем все ответвители и последние брэгговские отражатели наборов брэгговских отражателей оптически связаны с соответствующими фотоприемниками трех матриц фотоприемников (МФ). Совокупность всех признаков в предлагаемом способе позволяет расширить область применения способа анализа изображений как движущихся объектов (неориентированных и немасштабированных относительно системы анализа), так и объектов в среде, обладающей свойствами рассеивания и поглощения коротковолновой части отражаемого и излучаемого объектом излучения, при одновременном повышении достоверности распознавания анализируемых объектов. Сущность способа заключается в следующей последовательности операций пространственно разделяют входное изображение на видимую и ИК части пространственно разделяют ИК часть изображения на ближний, средний и дальний ИК-диапазоны сканируют видимую часть изображения и ИК-диапазоны производят аналого-цифровое преобразование всех изображений предварительно обрабатывают все цифровые изображения, включая, шумовую фильтрацию, оконтуривание и медианную фильтрацию производят их масштабирование производят ориентацию всех полученных цифровых изображений извлекают особенности из всех полученных цифровых изображений корреляционно обрабатывают все особенности в нейронной сети и по величине изменений особенностей принимают решение о распознавании входного изображения. Способ реализуется устройством, представленным на фигуре, где 1 - объектив 2 - диэлектрическое зеркало 3, 4, 5, 6 - матрицы фотоприемников (МФ) 7 - волноводный мультипликатор изображений, в котором 8 - волноводы 9 - брэгговские отражатели 10 ответвители 11 - блок АЦП 12 - процессор предварительной обработки и медианной фильтрации 13 - процессор масштабирования и ориентации 14 - процессор выделения особенностей цифровых изображений 15 - нейропроцессор корреляционного анализа 16 логика получения результата анализа. В конкретном исполнении объектив 1 - это зеркало из алюминия, нанесенное вакуумным распылением на сферическую полированную поверхность. Диэлектрическое зеркало 2 это выполненный по стандартной технологии зеркальный фильтр для диапазона длин волн 0,40,8 мкм. Матричные фотоприемники МФ 3, МФ 4, МФ 5, МФ 6 - это широко диапазонные приемники, например описанные в 3. Волноводный мультипликатор изображений 7 - это набор кремниевых подложек, на которых выполнены волноводы 8 шириной 27 мкм с последовательно расположенными в них брэгговскими отражателями 9 и ответвителями 10. Период решеток в брэгговских отражателях 9 составляет от 0,4 мкм для диапазона длин волн 3 мкм до 1,7 мкм - для 13 мкм. Излучение ближнего ИК-диапазона 3 9308 1 2007.06.30 проходит на выход мультипликатора изображений 7 без отражений. Аналого-цифровой преобразователь 11 - это блок, выполненный на основе микросхем КР 1107 ПВ 2. Процессоры 12, 13, 14, а также логика получения результата 16 могут быть выполнены на основе быстродействующих компьютеров с использованием программного обеспечения, например 4. Нейропроцессор корреляционного анализа 15 реализован на спецпроцессорах ММ 6403 5, предназначенных для такой обработки видеоизображений. Работает устройство следующим образом. Входное изображение от объектива 1 поступает на диэлектрическое зеркало 2, которое пространственно разделяет видимую и ИК его части путем отражения видимой части входного изображения на МФ 3, в то время как ИК часть входного изображения проходит через диэлектрическое зеркало 2 без изменения направления распространения и подается в волноводный мультипликатор изображений 7, где ИК часть входного изображения разделяется на ближний (13 мкм), средний (38 мкм) и дальний (815 мкм) ИК-диапазоны. Указанное разделение ИК-диапазонов входного изображения производится в каждом волноводе 8 за счет отражения дальней и средней частей ИК-диапазона от брэгговских отражателей 9 и отклонения их в ответвителях 10. Ближняя часть ИК-диапазона входного изображения проходит на выход волноводов 8 без изменений, и сигналы отдельных элементов из ИК частей входного изображения поступают на соседние фотоприемники МФ 4, МФ 5, МФ 6. Выходные сигналы МФ 3, МФ 4,МФ 5, МФ 6, оцифрованные в АЦП 11, поступают в процессор предварительной обработки 12 (где устраняются шумовые выбросы во всех цифровых изображениях набора, они оконтуриваются, и производится их медианная фильтрация). В процессоре 13 все полученные цифровые изображения масштабируются и ориентируются путем вычисления максимальных моментов инерции, поворота всех полученных цифровых изображений на угол, соответствующий вертикальному расположению максимального момента инерции. Далее вычисляются коэффициенты масштабирования, соответствующие заданному значению проекций всех полученных цифровых изображений на вертикальную ось. Размеры всех полученных цифровых изображений изменяются в соответствии с вычисленными коэффициентами масштабирования. В процессоре 14 производится выделение типичных особенностей во всех цифровых изображениях определение углов, прямых, замкнутых областей, координат их центров тяжести. В процессоре 15 производится одновременная корреляционная оценка всех особенностей всех цифровых изображений по сравнению с массивом особенностей распознаваемых объектов (это может быть банк данных эталонных образцов). При отсутствии полного совпадения особенностей производится поиск того эталонного объекта, совпадение с которым достигается при минимальном изменении параметров особенностей (величин углов, длин прямых, моментов инерции, координат центров тяжести замкнутых областей). По величине указанных изменений параметров особенностей, поступивших в блок 16, в последнем принимается решение о совпадении входного изображения с одним из анализируемых эталонных объектов банка данных (или его ракурсной проекцией). Источники информации 1. Пат. США 6836346 2, 2004. 2. Пат. США 6650779 2, 2003. 3. /// 4. ///43 5. // Национальный центр интеллектуальной собственности. 220034, г. Минск, ул. Козлова, 20. 4