АЛГОРИТМ ОБНАРУЖЕНИЯ АТМОСФЕРНЫХ ОСАДКОВ ДЛЯ ЗАДАЧ КОМПЬЮТЕРНОЙ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Показана актуальность задачи обнаружения и уменьшения видимости атмосферных осадков на видеоизображениях, полученных неподвижными камерами. Выполнен статистический анализ геометрических (площадь, коэффициент формы, отклонение ориентации от средней по кадру) и цветояркостных (интенсивность, насыщенность цвета) характеристик частиц дождя и снега с целью обоснования решающих правил выделения пикселей частиц осадков. Данный анализ заключается в получении распределений исследуемых параметров частиц и аппроксимации их известными законами распределений с использованием метода семейства кривых Пирсона, критерия Колмогорова и симплекс-алгоритма Нелдера–Мида. Разработан алгоритм детектирования капель дождя и снежинок на видеопоследовательностях, который предполагается к использованию в составе алгоритма уменьшения видимости атмосферных осадков. Предложенный подход представлен в виде многоступенчатой классификации пикселей кадра на зоны с движущимися объектами и области неподвижного фона, искажаемые и неискажаемые частицами осадков в течение накопленных кадров. В зависимости от области, к которой относится обрабатываемый пиксель, итоговое решение об отнесении его к классу атмосферных осадков принимается с использованием предложенных решающих правил или разработанной процедуры пороговой обработки с автоматическим определением локальных пороговых значений. Выполнено экспериментальное исследование предложенного алгоритма и с использованием двухкритериального подхода определены оптимальные значения числа накопленных кадров для корректной работы алгоритма: 100 кадров для видеоизображений с дождем; и 140 кадров для видео со снегом. Выигрыш разработанного подхода по сравнению с известными по оценкам вероятностей ошибок первого и второго рода составляет до 1.7 и 9.1% соответственно.

Об авторах

В. Т. Дмитриев

Рязанский государственный радиотехнический университет имени В.Ф. Уткина

Email: vol77@rambler.ru
Россия, 390005, Рязань, ул. Гагарина, д. 59/1

А. А. Бауков

Рязанский государственный радиотехнический университет имени В.Ф. Уткина

Автор, ответственный за переписку.
Email: baukov.andrej@yandex.ru
Россия, 390005, Рязань, ул. Гагарина, д. 59/1

Список литературы

  1. Визильтер Ю.В., Желтов С.Ю., Бондаренко А.В., Осоков М.В., Моржин А.В. Обработка и анализ изображений в задачах машинного зрения: Курс лекций и практических занятий. М.: Физматкнига, 2010. 672 с.
  2. Garg K., Nayar S.K. Vision and rain // International Journal of Computer Vision. 2007. V. 75. № 1. P. 3–27.
  3. Jia Z., Wang H., Caballero R.E., Xiong Z., Zhao J., Finn A. A two-step approach to see-through bad weather for surveillance video quality enhancement // Machine Vision and Applications. 2012. V. 23. № 6. P. 1059–1082.
  4. Brewer N., Liu N. Using the shape characteristics of rain to identify and remove rain from video // Joint IAPR International Workshops on Statistical Techniques in Pattern Recognition (SPR) and Structural and Syntactic Pattern Recognition (SSPR). Berlin, Heidelberg: Springer, 2008. P. 451–458.
  5. Bossu J., Hautiere N., Tarel J. Rain or Snow Detection in Image Sequences through use of a Histogram of Orientation of Streaks // International Journal of Computer Vision. 2011. № 93.
  6. Кириллов С.Н., Покровский П.С., Бауков А.А. Алгоритм уменьшения влияния атмосферных осадков на качество видеоизображений в системах управления // Сб. тез. докл. научно-техн. конф. “Техническое зрение в системах управления – 2019”. 2019. С. 34–35.
  7. Pearson K. Contributions to the Mathematical Theory of Evolution. Skew Variations in Homogeneous Material // Philosophical Transactions of the Royal Society of London. Ser. A. 1895. V. 186. P. 343–414.
  8. Тихонов В.И. Статистическая радиотехника. М.: Радио и связь, 1982. 624 с.
  9. Голик Ф.В. Аппроксимация кривыми Пирсона плотности распределения суммы независимых одинаково распределенных случайных величин // Кибернетика и программирование. 2017. № 2. С. 17–41.
  10. Гончаров В.А. Методы оптимизации. М., 2008. 188 с.
  11. Lagarias J.C., Reeds J.A., Wright M.H., Wright P.E. Convergence Properties of the Nelder-Mead Simplex Method in Low Dimensions // SIAM Journal of Optimization. 1998. V. 9. № 1. P. 112–147.
  12. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высш. шк., 2003. 479 с.
  13. Вероятность и математическая статистика: Энциклопедия / Под ред. Ю.В. Прохорова. М.: Большая Российская энциклопедия, 2003. 912 с.
  14. Вадзинский Р.Н. Справочник по вероятностным распределениям. СПб.: Наука, 2001. 295 с.
  15. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2012. 1104 с.
  16. Pfister R., Schwarz K.A., Janczyk M., Dale R., Freeman J. Good things peak in pairs: a note on the bimodality coefficient // Frontiers in psychology. 2013. V. 4.
  17. Савинов А.Н., Иванов В.И. Анализ решения проблем возникновения ошибок первого и второго рода в системах распознавания клавиатурного почерка // Вестник ВУиТ. 2011. № 18.
  18. Статистические методы. Вероятность и основы статистики. Термины и определения. ГОСТ Р 50779.10-2000. М.: Госстандарт России, 2001. 42 с.
  19. Лисничук А.А., Батищев А.В. Двухкритериальный синтез OFDM-сигналов для повышения энергетической эффективности и помехоустойчивости // Вестник РГРТУ. 2021. № 76. С. 3–16.
  20. Гонсалес Р., Вудс Р., Эддинс Р. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006. 616 с.

© В.Т. Дмитриев, А.А. Бауков, 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах