CC BY
72
THE APPLICA TION OF SWARM ALGORITHMS TO SOL VE THE PROBLEM OF THE CHOICE OF OPERA TING FREQUENCIES OF ELECTRONIC DEVICES OF THE SYSTEM OF AIR TRAFFIC CONTROL
O. V. Esikov, V.L. Rumyantsev
Proposed to solve the problem of the choice of operating frequencies radio means of system of air traffic control to use swarm algorithm. To improve the quality of obtained solutions is proved and experimentally tested the use of the island (parallel) the particle swarm algorithm.
Key words: electromagnetic compatibility, discrete optimization, swarm algorithms.
Esikov Oleg Vitalievich, doctor of technical sciences, professor, engineer head of department, cdbaeacdbae.ru, Russia, Tula, Central Design Bureau of Automation,
Rumyantsev Vladimir Lvovich, doctor of technical sciences, professor, head of department, cdhaea cdhae.ru, Russia, Tula, Central Design Bureau of Automation,
Starozhuk Eugene Andreevich, candidate of economic sciences, vice-rector on economy, abiturienta bmstu. ru, Russia, Moscow, Moscow State Technical University named after N.E. Bauman
УДК 004.932
АЛГОРИТМЫ ОЦЕНКИ КАЧЕСТВА СОВМЕЩЕНИЯ
ИЗОБРАЖЕНИЙ
А.И. Ефимов
Формулируется задача по оценке качества совмещения изображений. Предлагается два алгоритма для получения количественной оценки степени совмещенности. Даются общие рекомендации по применению предлагаемых алгоритмов и приводятся результаты их работы применительно к реальным изображениям.
Ключевые слова: совмещение изображений, оценка качества совмещения, системы комбинированного видения.
В настоящее время совмещение разнородных изображений в системах комбинированного видения является актуальной задачей, поэтому для ее решения предложено большое количество различных алгоритмов, методов и подходов [1]. Множество алгоритмического обеспечения для совмещения изображений продолжает постоянно расширяться и пополняться. Отсюда возникает задача оценки качества получаемых результатов. Очевидным и дающим наилучшие результаты оценки является экспертный метод с привлечением человека-эксперта, но такой метод требует оценивать визуально значительное количество результирующих изображений
и наличие эксперта, что не всегда приемлемо. Возможность производить оценку с учетом эталонного совмещения, также сводиться к предварительному созданию значительного количества результатов совмещения, что также не представляется возможным при обработке большого массива данных. Однако, когда речь заходит об автоматическом применении алгоритмов совмещения, требуется оценить качество получаемых результатов без участия человека-эксперта.
Это требование является принципиальным при создании систем комбинированного видения. Так как в случае предоставления экипажу летательного аппарата некачественного результата совмещения, способного ввести его в заблуждение, возможно принятие ошибочных решений. Поэтому результат совмещения изображений непременно должен быть предварительно оценен в автоматическом режиме. И, в случае неудовлетворительного качества получаемого результата, системой совмещения должно быть сформировано соответствующее сообщение о невозможности ее применения в данной ситуации.
Другой причиной, по которой требуется разработка алгоритмов автоматической оценки качества, является автоматизация процесса сравнения алгоритмов совмещения между собой [2]. Здесь оценка качества совмещения может выступать в роли объективного критерия сравнительного анализа алгоритмов совмещения.
Постановка задачи по оценке качества совмещения изображений
Исходные данные:
изображение А={(х, у, 11(х,у))}, полученное от одного из сенсоров, установленных на борту летательного аппарата;
изображение В={(х, у, 12(х,у))}, полученное от сенсора на борту летательного аппарата, либо путём отрисовки виртуальной модели местности в двухмерное растровое изображение. Предварительные действия: предварительная обработка изображений А и В; совмещение исходных изображений с применением некоторой функции совмещения /
Задача состоит в получении количественной оценки К(А, В, / точности совмещения изображений А и В с применением функции /
В процессе проектирования алгоритмов оценки качества совмещения необходимо, чтобы результирующая оценка К удовлетворяла ряду условий:
1) К е [0,1], то есть оценка К - нормированное в пределах от нуля до единицы действительное число;
2) оценка К должна быть непрерывна и определена на всей области определения А, В, /, т.е. вычисление оценки К возможно для любых входных изображений и любой функции их совмещения;
93
3) К ^ 1 при увеличении точности совмещения А и В. Оценка К должна быть тем больше, чем больше совпадают /(А,В) и изображение А или В в зависимости от того, как осуществляется совмещение функцией /;
4) временная сложность расчета оценки К должна быть по возможности минимальной, чтобы данная оценка могла быть применима в составе алгоритмов совмещения изображений. Однако, в задаче сравнительного анализа алгоритмов совмещения допустимо, чтобы данная оценка обладала произвольной трудоемкостью.
Алгоритмы оценки качества совмещения изображений
Совмещение даже однородных изображений, но отличающихся временным сдвигом, невозможно осуществить идеально (пиксель в пиксель). Если же производится совмещение разнородных изображений, то их идеальное совмещение невозможно в принципе из-за того, что на реальном изображении могут присутствовать контуры объектов, которых нет на цифровой карте местности (деревья, локальные изменения береговой линии и т.д.). Поэтому даже при хорошем (на визуальном уровне) совмещении контуров число совпавших пикселей двух изображений может быть относительно небольшим. Один из известных способов получения более адекватных оценок заключается в применении специальной процедуры утолщении тонких линий контуров. Однако добиться аналогичного результата можно иначе, выполнив вычисления, имитирующие утолщение линий контуров.
Ниже представлен алгоритм оценки качества совмещения, основанный на определении межпиксельного расстояния между точками различных контуров:
1. Изображение разбивается на квадратные блоки определенного размера, например - 100х100 пикселей. Это дает возможность получать не только интегральную оценку качества совмещения, но и локальные оценки в каждом из выделенных квадратных блоков.
2. В каждой клетке для всех информативных (отличных от цвета фона) точек одного из изображений ищутся информативные точки другого изображения, лежащие в некоторой окрестности размером (2к +1) х (2к +1) с центром в обрабатываемой информативной точке. Этот прием имитирует утолщение контурных линий.
3. Для каждого типа изображений подбирается свое оптимальное значение параметра к. Для этого значение к меняется от 1 до 7 с шагом 1.
В каждой клетке определяется отношение количества т(к ^ точек, охватываемых окрестностью к к общему числу М(к^ информативных пикселей в
данной клетке. Для каждого значения параметра к вычисляется показатель качества совмещения по следующей формуле:
94
mr'.e-i Н , uf
(1)
В формуле (1) у - настраиваемый параметр. При увеличении значе-
ния параметра к дробь —-¡-¡-г также будет возрастать
мг>
НО
М
I \ I у
множитель е ^ ^ будет одновременно убывать. Оптимальное значение параметра к находится из условия
kopt
= arg min а^. (2)
к
В ходе исследований установлено, что оптимальное окно поиска имеет размер 5x5.
На рис. 1 приведены два фрагмента удачно (рис. 1, а) и плохо (рис. 1, б) совмещенных контуров островов одновременно с локальными оценками качества совмещения в каждой клетке, полученными по формуле
(5)
т) ' _4у
му]
Рис. 1. Пример удачного (а) и неудачного (б) совмещения и получаемые при этом оценки качества совмещения
Приведенный выше алгоритм зарекомендовал себя как надежное средство оценки качества совмещения в случае, когда на совмещаемых изображениях присутствует малое количество объектов, но большой про-
95
тяженности. В ходе сравнения результатов работы данного алгоритма с визуальными оценками качества совмещения установлено, что при значении интегрального показателя качества а > 0,75 совмещение можно считать удачным и пригодным для дальнейшей визуализации.
Также предлагается алгоритм оценки совмещения, основанный на векторном представлении изображений, содержащих контуры объектов. Этот алгоритм основан на подходе, предлагаемом в [3] и является его модификацией в части способа поиска отрезков, используемых для расчета оценки качества. Оценка совмещения изображений в данном случае сводится к нахождению расстояний и углов наклона между парами отрезков. Пары образуются отрезками, находящимися в составе линий контуров объектов, полученных на изображениях, с длиной превышающей или равной некоторому пороговому значению А. Исключение из анализа отрезков с длиной меньшей А позволяет существенно повысить точность получаемых оценок. За счет этого становится возможным не учитывать линии, соответствующие шумам на реальном изображении.
Для повышения достоверности оценки совмещения, каждому отрезку в составе линии на виртуальном изображении (ВММ) следует сопоставить отрезки, расположенные на реальном изображении в некоторой окрестности D. Окрестность D рассчитывается по координатам отрезка на ВММ с учетом навигационных данных и предельных погрешностей их измерения. Алгоритм состоит в следующем.
1. Нахождение множества отрезков Гг с Iг , Гг ={7г | г| >а}, Iг -
множество всех отрезков в составе линий, найденных на реальном изображении, Гг - подмножество отрезков, имеющих длину больше или равную А.
2. Нахождение множества отрезков Гу с ^, Гу = {^ 1> А}, ^ -
множество всех отрезков в составе линий, найденных на виртуальном изображении, Г у - подмножество отрезков, имеющих длину больше или равную А .
3. Нахождение области Dk для каждого отрезка 7к е Гу
4. Определение для каждого отрезка 7к отрезков 7m е Гг, для которых 3(x, у) е 7m | (x, у) е Бк и число точек отрезка 7m, принадлежащих области Бк превышает 25% от общего числа точек в отрезке 7т.
5. Нахождение среди пар 7к и 7т пары с минимальным расстояни-
/ А Л
ем друг от друга dк и нахождение значения Kк = dк • cos
gк, gm
Оценка качества совмещения определяется как К = (^ Кк )/|к|.
к
Иллюстрация данного способа определения качества совмещения приведена на рис. 2.
а О
Рис. 2. Иллюстрация принципа нахождения парных отрезков
На рис. 2 область £>к ограничена прямоугольником, тонкой линией отображены отрезки из множества Гу, толстой - отрезки из множества Гг. Для одного из отрезков у^ из множества Гу (самого верхнего), построена область, в которой отрезки из множества Гг будут образовывать пары с . Ближайший к отрезок из Гг отмечен пунктиром.
Для простоты вычислений область 1)к следует принять ограничить прямоугольником, вершины которого отстоят от отрезка 7^ на расстояние г. Если обозначить вершины у^ как А\ и А2, то область £>к будет задана прямоугольником ТУ^^ЩВ^ (рис. 2, б).
Координаты вершин прямоугольника рассчитываются по известным координатам отрезка А¡А2: (, ) и А2 (х2, у2) •
Приведенный выше алгоритм зарекомендовал себя как надежный инструмент оценки качества совмещения в случае, когда на совмещаемых изображениях присутствует большое количество отрезков средней протяженности.
Заключение
Применение предлагаемых в статье алгоритмов позволяет избежать необходимости экспертных оценок качества совмещения изображений и объективно определять показатели качества функционирования алгоритмов совмещения, благодаря чему становится возможным сравнение различных алгоритмов совмещения между собой.
В ходе экспериментальных исследований предлагаемые алгоритмы были апробированы на различных алгоритмах совмещения изображений, в частности, корреляционных методах, алгоритмах, предлагаемых в работах [4-6].
Список литературы
1. Совмещение изображений в корреляционно-экстремальных навигационных системах: монография. С.И. Елесина, М.Б. Никифоров, А.А. Логинов, Л.Н. Костяшкин; под ред. Л.Н. Костяшкина, М.Б. Никифорова. М.: Радиотехника, 2015. 208 с.
2. Автоматизация исследования и отладки алгоритмов и программ обработки изображений / И.С. Дудко, А.И. Ефимов, А.А. Логинов, О.А. Ломтева, Е.Р. Муратов // Известия Тульского государственного университета. Технические науки. Тула: Изд-во ТулГУ. 2015. Вып. 9. Ч. 1.С. 87-95.
3. German E.V., Muratov E.R. Assessment of combining heterogeneous images // World & Science: Materials of the international research and practice conference, Brno, Czeh. Rep., May 1, 2014.
4. Anatoly I. Novikov, Aleksey I. Efimov. ^mbming images using key point method // Proceedings of the 3rd Mediterranean Conference on Embedded Computing. Budva, Montenegro, 2014. P. 108-111.
5. Novikov Anatoly I., Sablina Victoria A., Efimov Aleksey I. Image superimposition and the problem of selecting the set of corresponding point pairs. // 4rd Mediterranean Conference on Embedded Computing (MECO) Proceedings. Budva, Montenegro, 2015. P. 139-142.
6. Новиков А.И., Ефимов А.И. Предварительное совмещение изображений и методы оценки качества совмещения // Российский научно-технический журнал «Цифровая обработка сигналов». М., 2014. №3. С. 23-29.
Ефимов Алексей Игоревич, асп., lexie62rus@,mail.ru, Россия, Рязань, Рязанский государственный радиотехнический университет
IMAGE COMBINING QUALITYASSESSMETS ALGORITHMS
A.I. Efimov
In the article the task of image combining quality assessment is formulated. Two algorithms for combining quality assessment are given. General guidance for the application of the proposed algorithms and the results of their work in relation to the real images are also shown.
Key words: image combining, combining quality assessment, combining vision systems.
Efimov Aleksey Igorevich, postgraduate, lexie62rus@,mail.ru, Russia, Ryazan, Ryazan State Radio Engineering University
