CC BY
8Решетневскце чтения
Проективные преобразования обладают свойством Библиографические ссылки
коллинеарности точек: три точки, лежащие на одной
прямой, после преобразования также остаются на од- 1 Форсайт Д, Жан П- Компьютерное зрение. Со-
ной прямой [2]. Точки на трехмерной сцене представ- временный подход. М. : Вильямс, 2004.
2. Шапиро Л., Стокман Дж. Компьютерное зре-
ляются в проективных пространствах как векторы в однородных координатах.
ние. М. : БИНОМ. Лаборатория знаний, 2006.
D. V. Buzaev, A. V. Nosov Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk
METHOD OF WEAK PERSPECTIVE IMAGE TRANSFORMATION
Method of perspective and projective transformation allowing to make a projection of the image on the plane is considered.
© Бузаев Д. В., Носов А. В., 2012
УДК 004.932.4
В. В. Буряченко
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск
МЕТОДЫ ДЕТЕКТИРОВАНИЯ КАДРОВ ПЛОХОГО КАЧЕСТВА ПРИ СТАБИЛИЗАЦИИ ВИДЕОПОСЛЕДОВАТЕЛЬНОСТИ
Проведен обзор методов, применяемыхдля определения видеопоследовательностей плохого качества, предложены классификация входных изображений по пригодности для обработки и метод детектирования шумо-подобных кадров.
Для качественной работы алгоритма определения геометрических искажений на его вход должны подаваться кадры, в той или иной степени соответствующие выбранной математической модели. Однако алгоритм стабилизации оценивает параметры геометрических преобразований кадров путем нахождения минимума некоторой целевой функции. Поэтому он не может работать при несоответствии входных изображений модели геометрических преобразований, принятых при разработке алгоритма, а также при слабой обусловленности задачи, т. е. при слабой зависимости целевой функции от параметров преобразований.
Если алгоритм стабилизации определяет параметры геометрических преобразований неправильно, то выходное изображение, стабилизированное в соответствии с такими неправильными параметрами, является более нестабильным, чем входное. Это недопустимо, поэтому следует отсеивать кадры, обработка которых не может быть выполнена достаточно качественно.
На практике такие ситуации возможны в следующих случаях:
- при смене сцены;
- отсутствии полезного сигнала (при наличии или отсутствии шума);
- высоком уровне помех;
- съемке с большим увеличением при быстром перемещении камеры.
Несмотря на изначальную нацеленность алгоритма определения геометрических искажений на работу с алгоритмами стабилизации, он может бытьиспользо-ван и для решения более общих задач: определения смены сцены, шумовых кадров и т. д.
В данной области большая работа была проделана разными авторами. Особенно много исследований коснулось проблемы поиска смены сцены. Большинство разработанных алгоритмов легко свести к простой схеме - вычислению некоторых метрик с последующей их классификацией, в простейшем случае -сравнению с порогом.
Особую популярность получили алгоритмы, использующие сжатые алгоритмом МРЕО-4 последовательности [1], где в качестве метрик взяты несколько первых коэффициентов разложения в ряд по косинусам. Для получения метрик также могут быть использованы пространственно-временные разложения или разложения по вейвлетам. Также существует ряд методов, которые используют очень сложные алгоритмы анализа сцены, включающие в себя сегментацию и сопровождение объектов, для нахождения смены сцены [2]. В работе [3] представлены методы на основе простых метрик, таких как разность последовательных кадров, скорость изменения этой яркости и анализ гистограмм.
Помимо указанных выше случаев также существуют случаи, когда необходима оценка параметров
Информационные системы и технологии
входных изображений, например наличие чересстрочной развертки или особых случаев шумов.
Например, если шум связан с низким качеством радиосвязи (что имеет место, в частности, в беспилотных летательных аппаратах), то можно построить классификатор на основе оценки степени насыщенности цвета. В таких кадрах естественное изображение, как правило, имеет блеклые цвета, в то время как шумовые кадры содержат большое количество ярких цветов (см. рисунок).
Алгоритм классификации в этом случае сводится к простой схеме:
- находятся все точки, насыщенность которых выше порога;
- если количество таких точек больше порога, то кадр считается шумовым.
Библиографические ссылки
1. Saez E., Benavides J. I., Guil N. Reliable Real Time Scene Change Detection in MPEG Compressed Video // inProc. of the IEEE Intern. Conf. on Multimedia and Expo. Taipei, Taiwan, 2004. Vol. 1. P. 567-570.
2. Fitch A. J., Kadyrov A., Christmas W. J., Kittler J. Fast Robust Correlation // IEEE Transaction on Image Processing. 2005. Vol. 14, № 8. Р. 1063-1073.
3. Xiaoquan Yi, Nam Ling Fast Pixel-Based Video Scene Change Detection // Proc. of the Intern. Symp. on Circuits and Systems. Kobe, Japan, 2005. Vol. 4. Р. 3443-3446.
Пример съемки с беспилотного летательного аппарата: слева - качественный кадр; справа - шумовой кадр с наличием большого количества ярко окрашенных пикселей
V. V. Buryachenko
Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk
DETECTION OF BAD QUALITY FRAMES FOR VIDEO STABILIZATION
A review of methods used to determine the poor quality of video sequences, classification of input images on the suitability for processing, a method for the detection of noise-like frames.
© Буряченко В. В., 2012
УДК 004.421.6
А. Ю. Вертунов
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск
АВТОМАТИЗАЦИЯ УПРАВЛЕНИЯ УЧЕБНЫМ ПРОЦЕССОМ
Проводится анализ систем, обеспечивающих управление учебным процессом. Разрабатывается алгоритм автоматизации учебного плана с учетом структурных и количественных параметров на основе ABC-и XYZ-анализа.
Вопросы автоматизации управления учебным процессом в вузе всегда являлись актуальными.
Особенно большое количество разработок по данным вопросам появилось в середине и конце 70-х гг. прошлого столетия, когда во многих вузах в системах
управления стали использовать ЭВМ. В настоящее время организационные и информационные возможности высших учебных заведений изменились и в работах, посвященных автоматизации управления учебным процессом, рассматриваются вопросы со-
