Способ обнаружения изменяющихся объектов

Изобретение относится к экспериментальной астрофизике. Его использование для обнаружения и распознавания изменяющихся объектов обеспечивает технический результат в виде сокращения потребных временных и компьютерных ресурсов. В способе получают набор последовательных во времени изображений и проводят их анализ. Технический результат достигается благодаря тому, что по полученному набору изображений строят дисперсионную карту, значение в каждой точке которой равно дисперсии значений яркости в соответствующей точке всего набора изображений, на дисперсионной карте находят точки, значения дисперсии в которых превышают среднюю дисперсию по карте на заданную величину, и по этим точкам идентифицируют изменяющиеся объекты.

 

Настоящее предложение относится к области экспериментальной астрофизики и может быть использовано для обнаружения и распознавания изменяющихся объектов.

Известны методы обнаружения изменяющихся объектов, основанные на использовании наборов двумерных изображений (кадров) - т. наз. “кубов” данных - и последующем исследовании одного или нескольких разностных изображений, взятых выборочно из серии и полученных вблизи некоторых характеристических моментов события (например, максимальной фазы солнечной вспышки, выброса протуберанца) и изображения до и/или после события [1]. Однако при использовании этого способа не регистрируются импульсные объекты, отсутствующие в этих выбранных изображениях, но присутствующие в других изображениях серии. Некоторые исследователи изучают временные профили яркости во многих точках изображения [2]. Однако этот путь недостаточно эффективен, требует значительных затрат труда и времени и не получил широкого распространения. В третьем известном способе проводят сравнительный анализ разностных изображений, полученных вычитанием из каждого последующего кадра предшествующего ему кадра или вычитанием одного кадра из всех прочих [3].

Наиболее близким решением по сущности технической задачи является способ сравнительного анализа разностных кадров [З]. Недостатком этого способа является необходимость анализа практически полного количество изображений (меньше глубины исходного куба всего на единицу), что делает процесс длительным и трудоемким.

Целью предлагаемого решения является уменьшение количества изображений, привлекаемых для анализа, что существенно уменьшает требуемые для обнаружения объекта время и компьютерные ресурсы. Поставленная цель достигается использованием в предлагаемом решении дисперсионной карты.

Предлагаемое решение осуществляют следующим образом.

1. Получают набор последовательных изображений, охватывающий исследуемое событие по длительности.

2. Для построенного куба данных вычисляют и строят дисперсионную карту.

3. По дисперсионной карте выявляют изменяющиеся источники.

Дисперсия (или корень квадратный из дисперсии - среднеквадратичное отклонение) - статистическая характеристика переменности некоторой величины. Применив ее к каждой точке куба данных вдоль его глубины, получают информацию о вариациях яркости каждой точки пространства в данном наборе изображений. Дисперсионную карту σij для куба данных хijk, где i=1,2,...L - номер строки в изображении, j=1,2,...М - номер столбца, k=1,2,...N - номер изображения (“слоя”) в кубе, рассчитывают как

Данная формула соответствует стандартному определению среднеквадратичного отклонения, но удобнее для компьютерных вычислений.

Высокие значения дисперсии на карте относительно среднего значения имеют те точки карты, которые соответствуют источникам переменной яркости. На дисперсионной карте находят точки, значения дисперсии в которых превышают среднюю дисперсию по карте на заданную величину, и по этим точкам идентифицируют изменяющиеся объекты (источники переменной яркости, движущиеся объекты). При этом вклад ярких, но стабильных деталей изображения оказывается меньше вклада непостоянных деталей - флуктуирующих, импульсных, движущихся и т. д. Инструментальный уровень шумов в дисперсионной карте равен шумового уровня в отдельном изображении и может быть отсечен.

Анализ набора изображений может быть выполнен с помощью стандартного вычислительного оборудования, например персонального компьютера. Эффективность предлагаемого способа в сравнении со способом сравнительного анализа разностных кадров [3] определяется тем, что в предлагаемом способе необходим анализ единственного изображения - дисперсионной карты, в то время как способ сравнительного анализа разностных кадров требует анализа N-1 изображений. Например, при исследовании 100 изображений способом сравнительного анализа разностных кадров требуется анализ 99 изображений, тогда как при использовании предлагаемого способа требуется анализ лишь одного изображения - дисперсионной карты, что приводит к соответствующему сокращению времени анализа до 99 раз. Кроме того, известный способ сравнительного анализа разностных кадров теряет свою эффективность, если искомый объект изменяется медленно от кадра к кадру, а в предлагаемом способе на дисперсионной карте он проявится и в этом случае. Этими обстоятельствами определяется как выигрыш в затратах времени исследователя на анализ изображений, так и в требуемых компьютерных ресурсах.

Предлагаемый способ разрабатывался для анализа наборов микроволновых изображений солнечных вспышек, однако он показал свою эффективность и при анализе других наборов данных, в частности, магнитограмм продольной составляющей фотосферного магнитного поля.

Источники информации

1. Kundu M.R., Nitta N., White S.M., Shibasaki K., Enome S., Sakao T., Kosugi T., Sakurai T. Microwave and hard X-ray observations offootpoint emission from solar flares. Astrophysical Journal, 1995, 454, 522-530.

2. Hanaoka Y., Kurokawa H., Enome S., Nakajima H., Shibasaki K., Nishio M., TakanoT., Torii C., Sekiguchi H., Kawashima S., Bushimata T., Shinohara N., Irimajiri Y., Koshiishi H., Shiomi Y., Nakai Y., Funakoshi Y., Kitai R., Ishiura K., Kimura G. Simultaneous observations of a prominence eruption followed by a coronal arcade formation in radio, soft X-rays, and Hα. Publications of Astronomical Society of Japan, 1994, 46, 205-216. Fig.11 (р.213).

3. Lamy P. Observation of the origin of CMEs in the low corona. Astronomy & Astrophysics, 2000, 355, 725-742.

Способ обнаружения изменяющихся объектов, согласно которому получают набор последовательных во времени изображений и проводят их анализ, отличающийся тем, что по полученному набору изображений строят дисперсионную карту, значение в каждой точке которой равно дисперсии значений яркости в соответствующей точке всего набора изображений, на дисперсионной карте находят точки, значения дисперсии в которых превышают среднюю дисперсию по карте на заданную величину, и по этим точкам идентифицируют изменяющиеся объекты.



 

Похожие патенты:

Изобретение относится к области распознавания и сравнения изображений. .

Изобретение относится к автоматике и вычислительной технике. .

Изобретение относится к кодированию папиллярного узора. .

Изобретение относится к автоматике и вычислительной технике и может быть использовано для анализа геометрических параметров изображений объектов в системах технического зрения.

Изобретение относится к автоматике и вычислительной технике. .

Изобретение относится к технике обработки изображений и может применятся в технологических процессах, при автоматизации проектирования, для анализа ландшафтных рисунков, в робототехнике, прикладном телевидении.

Изобретение относится к автоматике и может быть использовано для управления промышленными роботами. .

Изобретение относится к вычислительной технике и может быть использовано для анализа геометрических параметров объектов. .

Изобретение относится к определению степени покрытия поверхности рабочей жидкостью

Изобретение относится к кодированию папиллярного узора и позволяет получить технический результат в виде уменьшения вероятности ошибки при идентификации человека по отпечаткам пальцев и ладоней

Изобретение относится к кодированию отпечатков папиллярных узоров и позволяет получить технический результат в виде повышения устойчивости описания системы признаков отпечатков

Изобретение относится к кодированию дактилоскопических узоров и позволяет получить технический результат в виде повышения надежности идентификации отпечатков

Изобретение относится к области криминалистики и предназначено для кодирования отпечатков папиллярных узоров

Изобретение относится к области распознавания данных

Изобретение относится к области криминалистики и предназначено для кодирования отпечатков пальцев, ладоней и ступней ног

Изобретение относится к автоматике и вычислительной технике и может быть использовано для распознавания изображений лиц в системах машинного зрения, биометрических системах контроля доступа и видеонаблюдений, интерактивных системах человек-компьютер и других системах

Изобретение относится к средствам идентификации печатной формы документа. Технический результат заключается в повышении защищенности и быстродействия идентификации. В способе осуществляют: этап печати по меньшей мере одного документа упомянутой печатной формой; этап захвата с высоким разрешением по меньшей мере одного изображения по меньшей мере одной части указанного документа; этап извлечения геометрической характеристики по меньшей мере из одного захваченного изображения; этап сохранения извлеченной геометрической характеристики. В процессе идентификации определяют, использовалась ли упомянутая печатная форма для печати документа-кандидата, при этом осуществляют этап захвата с высоким разрешением изображения части упомянутого документа-кандидата, соответствующей части документа, геометрическая характеристика которой была сохранена. Затем осуществляют этап извлечения из изображения упомянутого документа-кандидата геометрической характеристики, соответствующей сохраненной геометрической характеристике, и этап определения того, превосходит ли мера корреляции геометрической характеристики упомянутого документа-кандидата и сохраненной геометрической характеристики заранее заданного предельного значения. 2 н. и 8 з.п. ф-лы, 37 ил., 1 табл.

Изобретение относится к области цифровой обработки изображений, связанной с выделением и анализом сегментов. Техническим результатом является повышение точности определения толщины слоя за счет автоматизированного выявления нечеткой границы. Предложен способ автоматического определения толщины слоя с нечеткой границей по изображению. Способ включает в себя этапы, на которых производят сегментацию изображения, проводят границу раздела сегментов слоев, вычисляют фрактальную размерность линии границы, накладывают секущие перпендикулярно границе, проводят вычисления длины секущих и вычисляют среднее арифметическое значение толщины слоя. При этом сегментирование изображения производят автоматически методом выращивания и слияния областей с использованием минимизации многомерных функций гетерогенности как на этапе выращивания, так и на этапе слияния. При проходе вдоль сегмента слоя определяют центры тяжести неперекрывающихся сегментов включений с максимальной глубиной размещения в слое, по которым строят опорные секущие включений. Выделяют опорные точки, в которых глубина размещения включения на секущих максимальна относительно базовой границы, и по опорным точкам строят аппроксимирующую функцию, на основе которой вычисляют линии нечеткой границы методом скользящего окна вариативной ширины. 1 з.п. ф-лы, 5 ил.
Наверх