WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 |

В своем упрощенном варианте, суть PCA-метода для слияния двух исходных изображений А и В заключается в следующем. Предполагается, что изображения представляют собой двумерные массивы случайных чисел. На первом этапе вычисляется матрица ковариации двух исходных массивов А и В, которая имеет вид, соответствующий формуле 3

D1

Cov21

(3)

Cov12

D2

где:

D1 – Дисперсия значений яркостей пикселей исходного изображения 1;

D2 – Дисперсия значений яркостей пикселей исходного изображения 2;

Cov12 = Cov21 – взаимная ковариация значений яркостей пикселей изображений 1 и 2.

Затем определяются собственные вектора и собственные значения вычисленной матрицы ковариации. Весовые коэффициенты слияния определяются как коэффициенты нормализованного собственного вектора, соответствующего наибольшему из вычисленных собственных значений матрицы ковариации.

при 1>2

(4)

при 1<2

Где: 1, 2 – собственные вектора матрицы ковариации.

1, 2 – собственные значения матрицы ковариации, соответствующие собственным векторам

Алгоритмы пирамиды лапласианов и вейвлета Хаара работают по одинаковой схеме, суть которой заключается в последовательном итеративном выполнении следующих операций (Табл. 1):

Таблица 1

Редукция

Алгоритм

пирамиды

лапласианов

где: n – показатель редукции

Вейвлет-алгоритм

где: WАРР – аппроксимирующая функция вейвлета

Расширение

Вычитание

Алгоритм

пирамиды

лапласианов

где: n – показатель расширения

Вейвлет-алгоритм

где: WDET – детализирующая функция вейвлета

WАРР – аппроксимирующая функция вейвлета

Комбинирование

Алгоритм

пирамиды

лапласианов

где ФКОМБ – функция комбинирования

Вейвлет-

алгоритм

где ФКОМБ – функция комбинирования

Продолжение табл. 1

Слияние

Алгоритм

пирамиды

лапласианов

где Фкомб – функция комбинирования

Вейвлет-

алгоритм

Операции комбинирования и слияния в данном наборе по сути одинаковы, однако рассматриваются раздельно, поскольку, чаще всего, выполняются различными методами.

Выбор исследуемого алгоритма уровня областей осуществлялся между отечественным алгоритмом Савина и алгоритмом Пиелла, описанным в зарубежной научной печати. Проведенные исследования показали, что первый алгоритм позволяет получить более информативные результирующие изображения, поэтому он был использован в дальнейших исследованиях.

В третьей главе определяются характеристики и параметры изменений, вносимых в алгоритмы слияния изображений с целью улучшения слитных изображений, а также уменьшения объема вычислений и повышения степени параллелизма.

Модифицирование алгоритмов, направленное на повышение информативности результирующих изображений, заключается во введении в алгоритмы дополнительных операций улучшения исходных и результирующих изображений. Показатели повышения информативности при выполнении различных операций улучшения представлены в табл. 2:

Таблица 2

Вид алгоритма слияния

Выполнена операция подчеркивания границ

Выполнена операция гамма-коррекции

Выполнена операция подавления шумов

над исходны-ми изо-браже-ниями

Над результи-рующими изображе-ниями

над исходными изо-браже-ниями

над результи-рующими изображе-ниями

над исходными изо-браже-ниями

Над результирующими изображе-ниями

Алгоритм пирамиды лапласианов

4.05

5.31

1.42

1.58

0.99

0.97

PCA-алгоритм

4.95

5.09

1.09

1.39

0.98

1.64

Вейвлет-алгоритм

4.00

5.22

1.45

1.64

0.98

1.01

Алгоритм Савина

2.16

3.05

1.57

1.71

1.11

1.11

Распараллеливание вычислений предлагается проводить путем разбиения обрабатываемых изображений на отдельные области, каждая из которых обрабатывается независимо и параллельно. Уменьшение объема вычислений предлагается проводить путем уменьшения числа объектов обработки (т.е. пикселей) через замену совокупностей пикселей одним значением, вычисляемым как среднее арифметическое значений яркостей пикселей, входящих в совокупность.

На графиках приведенных на рис. 1 представлено падение информативности результирующего изображения в зависимости от количества окон разбиения по горизонтали и вертикали для алгоритмов уровня областей и уровня пикселей. За единицу принята информативность изображения, полученного при выполнении алгоритмов слияния без дополнительных модификаций. На тех же графиках изображены приведенные к единице графики падения объёма вычислений.

Алгоритм уровня областей

Алгоритмы уровня пикселей

Рис. 1 Графики падения информативности результирующего изображения в зависимости от числа окон разбиения исходных изображений по горизонтали и вертикали для алгоритмов уровня областей и уровня пикселей

Данные графики показывают, что исследованный подход к распараллеливанию вычислений позволяет в большинстве случаев значительно снизить вычислительный объём максимальной длинной цепочки последовательных вычислений при выполнении алгоритма при незначительном снижении информативности результирующего изображения. Исключением является алгоритм слияния уровня пикселей, основанный на анализе главных компонент (PCA-алгоритм), представленный графиком 2 в семействе графиков для алгоритмов уровня пикселей. К данному алгоритму подобный подход не применим.

Аналогичным образом построены для параметров уменьшения объема вычислений (Рис. 2. Римскими цифрами обозначены, соответственно, области, выбор значений параметров в пределах которых будет приводить к падению дальности обнаружения (I) и идентификации (II) объектов на наблюдаемой сцене.

Данные графики показывают высокую эффективность подобного подхода к алгоритмом уровня пикселей и значительно меньшую – к алгоритмам уровня областей. Ограниченная применимость данного подхода к алгоритмам указанного класса объясняется значительным снижением информативности результирующего изображения при незначительном, начиная с определённого этапа, уменьшении объёма вычислений.

По итогам проведённых исследований разработана методика выбора оптимальных параметров изменений вносимых в алгоритмы при синтезе вычислительных устройств слияния изображений с учётом функциональных и временных требований к ним.

Алгоритм уровня областей

Алгоритмы уровня пикселей

Рис. 2 Графики падения информативности результирующего изображения в зависимости от количества усредняемых элементов разбиения для алгоритмов слияния изображений уровня областей и уровня пикселей

По итогам проведённых исследований разработана методика выбора оптимальных параметров изменений вносимых в алгоритмы при синтезе вычислительных устройств слияния изображений с учётом функциональных и временных требований к ним.

Схема последовательности операций в данной методике приведена на рис. 3.

Рис. 3. Схема методики выбора оптимальных параметров

изменений, вносимых в алгоритмы слияния изображений

при синтезе вычислительных устройств для их реализации

Данная методика требует выполнения следующей последовательности операций:

  1. Разработка структуры устройства слияния в соответствии со схемой алгоритма. Оценка ее производительности.
  2. Если вычислительное устройство позволяет выполнять заданный алгоритм и удовлетворяет прочим требованиям, то закончить, иначе – перейти к следующему пункту.
  3. Если алгоритм слияния не допускает распараллеливания обработки путём разделения исходных изображений, то перейти к пункту 8, иначе – перейти к следующему пункту.
  4. Определить параметры изменений, вносимых с целью распараллеливания вычислений, и их результаты.
  5. Если полученное оценочное значение потери информативности превышает допустимое, а также, если недопустимы потери в дальности обнаружения, то вернуться к пункту 1, пересмотреть исходные условия и повторить процесс разработки структуры устройства слияния.
  6. Построить новую структуру вычислителя, обеспечивающего параллельную обработку фрагментов исходных изображений, число которых было получено на предыдущем этапе. Оценить прочие существенные характеристики полученного вычислительного устройства.
  7. Если все существенные характеристики разработанного устройства удовлетворяют требованиям, предъявляемым к разрабатываемому вычислительному устройству, то закончить. Если данные требования не выполняются, то перейти к следующему пункту.
  8. Если по условию задания недопустимы потери в дальности обнаружения, то вернуться к пункту 1, пересмотреть исходные условия и повторить процесс разработки структуры устройства слияния. Иначе, перейти к следующему пункту.
  9. В том случае, если полученная структура вычислителя не удовлетворяет требованиям, предъявляемым к устройству, количество модулей параллельной обработки, при необходимости, можно сократить, уменьшив число элементов обработки на исходных изображениях.
  10. Если данное изменение приводит к недопустимым потерям в дальности идентификации, то вернуться к пункту 1, пересмотреть исходные условия и повторить процесс разработки структуры устройства слияния.
  11. Для определения совокупной потери информативности, необходимо перемножить оценочное значение потери информативности, полученное в пункте 6, с оценочным значением, полученным в предыдущем пункте.
  12. Если полученное оценочное значение потери информативности превышает допустимое, то вернуться к пункту 1, пересмотреть исходные условия и повторить процесс разработки структуры устройства слияния, иначе закончить

В четвёртой главе приведён пример синтеза вычислительного устройства слияния изображений с применением методики, разработанной в третьей главе. В качестве исходного алгоритма слияния, из состава исследуемых алгоритмов был взят алгоритм слияния уровня областей, как наиболее сложный и ресурсоёмкий. Дополнительное временное ограничение состояло в том, что операция слияния изображений должна выполняться в реальном масштабе времени над монохромными изображениями с кодированием 8 бит на пиксель (256 градаций серого) и разрешением 768576 точек, следующими с частотой 25 кадров в секунду.

Pages:     | 1 || 3 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»