А.В. Богословский1, А.С. Афанасьев2, И.В. Жигулина3, М.А. Пантюхин4

1-4 ВУНЦ ВВС «ВВА имени профессора Н.Е. Жуковского и Ю.А. Гагарина» (г. Воронеж, Россия)

1 p-digim@mail.ru; 2 A.S.Afanasiev1990@yandex.ru; 3 ira_zhigulina@mail.ru, 4 pull-request@mail.ru

Постановка проблемы. Одним из направлений предварительной обработки видеоинформации в системах технического зрения является выделение на изображениях областей, форма и размеры которых соответствуют объектам интереса. Для решения этой задачи применяют двумерную дискретную фильтрацию типа Винера-Хопфа. Однако при этом построение оптимального фильтра невозможно и существует неопределенность размеров апертуры фильтра, а неточный выбор объекта-прототипа может привести к ошибкам типа «пропуск цели». Перечисленные проблемы могут быть устранены путем введения иерархической предварительной обработки изображений, состоящей, как минимум, из двух этапов. Использование на первом этапе двумерной дискретной фильтрации (ДДФ) должно обеспечивать достаточно высокую вероятность ложной тревоги при минимальной вероятности пропуска цели.

Цель. Провести исследование возможностей квазиоптимальной ДДФ типа Винера-Хопфа для решения задач поиска объектов при предварительной обработке изображений.

Результаты. Показано, то для синтеза дискретного фильтра необходимо использовать изображение объекта-прототипа на некотором фоне. Введено понятие «окно объекта-прототипа» с произвольно задаваемым контрастом. Рассмотрена обработка тестовых изображений фильтрами, синтезированными по окну объекта-прототипа и имеющими апертуры минимально возможных размеров, что ослабляет влияние близкорасположенных объектов на результаты фильтрации. Исследованы все возможные комбинации знаков контраста объекта интереса и объекта-прототипа и проанализировано их влияние на формирование артефактов обработанного изображения. Определен механизм формирования областей артефактов, образующихся внутри и вокруг объектов. Для учета реакции фильтра в этих областях предложено использовать окно принятия решения, параметры которого определяются импульсной характеристикой фильтра, размерами и формой объекта интереса. Установлено, что пороговая обработка по максимальному выходному уровню сигнала не позволяет выделять отличающиеся размерами однотипные объекты. Предложен новый критерий максимума суммы модулей отсчетов видеосигнала в окне принятия решения и приведены результаты его применения при обработке наименьшими возможными апертурами фильтров.

Практическая значимость. Использование предложенного критерия максимума суммы модулей отсчетов видеосигнала в окне принятия решения позволяет реализовать первый этап иерархической обработки изображений, на котором минимизируются ошибки пропуска целей и выделяются потенциальные области, содержащие объекты интереса. В свою очередь, это может способствовать сокращению вычислительных затрат и уменьшению вероятности ложной тревоги на втором этапе иерархической обработки информации. Полученные результаты могут быть использованы для автоматизации обработки видеоинформации в системах технического зрения.

Богословский А.В., Афанасьев А.С., Жигулина И.В., Пантюхин М.А. Окно принятия решения и критерий его использования при двумерной дискретной фильтрации // Радиотехника. 2024. Т. 88. № 11. С. 78−87. DOI: https://doi.org/10.18127/j00338486-202411-11

1. Ремингтон Л. Клиническая анатомия и физиология зрительной системы: Пер. с англ. М.: ИД Городец. 2020. 336 с.
2. Хьюбел Д. Глаз, мозг, зрение: Пер. с англ. М.: Мир. 1990. 239 с.
3. Чангизи М. Революция в зрении: что, как и почему мы видим на самом деле. М: АСТ. 2015. 304 с.
4. Дэвис Р., Тверк М. Компьтерное зрение. Современные методы и перспективы развития. М.: ДМК Пресс. 2022. 690 с.
5. Марр Б., Уорд М. Искусственный интеллект на практике. М.: Манн, Иванов и Фербер. 2020. 320 с.
6. Егорова Е.В., Аксяитов М.Х., Рыбаков А.Н. Вероятностная процедура распознавания и идентификация пространственных объектов // Успехи современной радиоэлектроники. 2023. № 3. С. 53–63. DOI: https://doi.org/10.18127/j20700784-202303-05.
7. Фаворская М.Н., Петухов Н.Ю. Распознавание природных объектов на аэрофотоснимках с применением нейронных сетей // Автометрия. 2011. № 3. С. 34–40.
8. Сырямкин В.И. и др. Адаптивные системы технического зрения. М.: РУСАЙНС. 2024. 448 с.
9. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Изд. 3-е, испр. и доп. М.: Техносфера, 2019. 1104 с.
10. Обработка многомерных сигналов. В 2-х книгах. Кн.1. Линейная многомерная дискретная обработка сигналов. Методы анализа и синтеза / Под ред. А.В. Богословского. М.: Радиотехника. 2013. 168 с.
11. Богословский А.В., Пантюхин М.А., Жигулина И.В. Алгоритм выбора апертуры фильтра при согласованной со свойствами входного изображения фильтрации верхних пространственных частот // Радиотехника. 2016. № 10. С. 128–132.
12. Пантюхин М.А., Богословский А.В., Жигулина И.В. Двумерная дискретная фильтрация тестовых изображений // Радиотехника. 2020. № 3(5). С. 64–72. DOI: 10.18127/j00338486-202003(05)-07.