Научные статьи \ Прикладные науки. Медицина. Технология \ Инженерное дело. Техника в целом \ Общее машиностроение. Ядерная технология. Электротехника. Технология машиностроения \ Электротехника

Анализ изображений для определения видимости вулканов

Анализ изображений для определения видимости вулканов

Автор: Камаев Александр Николаевич, Урманов Игорь Павлович, Сорокин Алексей Анатольевич, Карманов Дмитрий Александрович, Королв Сергей Павлович

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 1 т.42, 2018 года.

Бесплатный доступ

В статье представлен метод определения видимости вулкана на кадрах видеопоследовательности, получаемой со стационарной камеры видеонаблюдения. Он включает в себя алгоритмы анализа параметрических контуров объектов наблюдений и частотных характеристик изображений. Рассматривается процедура построения параметрических контуров вулкана и процедура их сопоставления. Предложен алгоритм для выявления наиболее устойчивых контуров для группы из нескольких эталонных изображений. Посредством сопоставления этих контуров с контурами анализируемого изображения определяется видимость вулкана. Для устранения влияния случайных небольших сдвигов и поворотов камеры решается задача максимизации оценки относительно плоского сдвига и поворота камеры. В случае, когда оценка видимости вулкана находится недалеко от границы принятия решения о непригодности снимка для дальнейших исследований, она корректируется с помощью алгоритма анализа частотной характеристики изображения, которая представлена вектором вклада октав частот в формирование яркостной компоненты изображения. Сопоставление эталонной частотной характеристики и характеристики анализируемого изображения позволяет оценить вклад различных частот в формирование изображений вулканов. В работе рассматриваются результаты апробации созданных алгоритмов на примере архива системы видеонаблюдения за вулканами Камчатки. Полученные оценки говорят об эффективности предложенных методов и позволяют использовать их в дальнейшем для автоматизированной фильтрации неинформативных изображений при мониторинге вулканической активности.

Еще

Анализ изображений, алгоритмы, выделение контуров, параметрические контуры, вулкан, сопоставление контуров, видеонаблюдение, анализ видимости

Короткий адрес: https://sciup.org/140228698

IDR: 140228698   |   DOI: 10.18287/2412-6179-2018-42-1-128-140

Images analysis for automatic volcano visibility estimation

In this paper, a method for estimating the volcano visibility in the images is presented. This method includes algorithms for analyzing parametric edges of objects under observation and frequency characteristics of the images. Procedures for constructing parametric edges of a volcano and their comparison are considered. An algorithm is proposed for identifying the most persistent edges for a group of several reference images. The visibility of a volcano is estimated by comparing these edges to those of the image under analysis. The visibility estimation is maximized with respect to a planar shift and rotation of the camera to eliminate their influence on the estimation. If the image quality is low, making it hardly suitable for further visibility analysis, the estimation is corrected using an algorithm for analyzing the image frequency response represented as a vector of the octave frequency contribution to the image luminance. A comparison of the reference frequency characteristics and the characteristics of the analyzed image allows us to estimate the contribution of different frequencies to the formation of volcano images. We discuss results of the verification of the proposed algorithms performed using the archive of a video observation system of Kamchatka volcanoes. The estimates obtained corroborate the effectiveness of the proposed methods, enabling the non-informative imagery to be automatically filtered off while monitoring the volcanic activity.

Еще

Список литературы Анализ изображений для определения видимости вулканов

  • Sorokin, A.A. The Kamchatka volcano video monitoring system/A.A. Sorokin, S.P. Korolev, I.M. Romanova, O.A. Girina, I.P. Urmanov//Proceedings of 2016 6th International Workshop on Computer Science and Engineering (WCSE 2016). -2016. -Vol. II. -P. 734-737.
  • Урманов, И.П. Оценка видимости и состояния вулканов по последовательности изображений стационарных камер наблюдения/И.П. Урманов, А.Н. Камаев, А.А. Сорокин, С.П. Королёв//Вычислительные технологии. -2016. -Т. 21, № 3. -С. 80-90.
  • Sigg, C. Camera based visibility estimation/C. Sigg, T. Sutter, F. Nater//Proceedings of CIMO TECO 2016 (Technical Conference on Meteorological and Environmental Instruments and Methods of Observation). -2016. -P2(64).
  • Frazor, R. Local luminance and contrast in natural images/R. Frazor, W. Geisler//Vision Research. -2006. -Vol. 46, Issue 10. -P. 1585-1598. - DOI: 10.1016/j.visres.2005.06.038
  • Caraffa, L. Daytime fog detection and density estimation with entropy minimization/L. Caraffa, J.-Ph. Tarel//ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. -2014. -Vol. II-3. -P. 25-31. - DOI: 10.5194/isprsannals-II-3-25-2014
  • Bronte, S. Fog detection system based on computer vision techniques/S. Bronte, L.M. Bergasa, D.F. Alcantarilla//12th International IEEE Conference on Intelligent Transportation Systems (ITSC '09). -2009. -Vol. 12. -P. 3-7. - DOI: 10.1109/ITSC.2009.5309842
  • Hautiére, N. Automatic fog detection and estimation of visibility distance through use of an onboard camera/N. Hautière, J.P. Tarel, J. Lavenant, D. Aubert//Machine Vision and Applications. -2006. -Vol. 17, Issue 1. -P. 8-20. - DOI: 10.1007/s00138-005-0011-1
  • Pavlić, M. Image based fog detection in vehicles/M. Pavlić, H. Belzner, G. Rigoll, S. Ilic//2012 IEEE Intelligent Vehicles Symposium (IV). -2012. -P. 1132-1137. - DOI: 10.1109/IVS.2012.6232256
  • Aach, T. Statistical model-based change detection in moving video/T. Aach, A. Kaup//Signal Processing. -1993. -Vol. 31, Issue 2. -P. 165-180. - DOI: 10.1016/0165-1684(93)90063-G
  • Stauffer, C. Adaptive background mixture models for real-time tracking/C. Stauffer, W.E.L. Grimson//IEEE Computer Society Conference on Computer Vision and Pattern Recognition. -1999. -Vol. 2. - DOI: 10.1109/CVPR.1999.784637
  • Elgammal, A. Background and foreground modeling using non-parametric kernel density estimation for visual surveillance/A. Elgammal, R. Duraiswami, D. Harwood, L.S. Davis//Proceedings of the IEEE. -2002. -Vol. 90, Issue 7. -P. 1151-1163.
  • Haritaoglu, I. W4: real-time surveillance of people and their activities/I. Haritaoglu, D. Harwood, L.S. Davis//Pattern Analysis and Machine Intelligence. -2000. -Vol. 22, Issue 8. -P. 809-830. - DOI: 10.1109/34.868683
  • Kim, K. Real-time foreground-background segmentation using codebook model/K. Kim, T.H. Chalidabhongse, D. Harwood, L. Davis//Real-Time Imaging. -2005. -Vol. 11, Issue 3. -P. 172-185. - DOI: 10.1016/j.rti.2004.12.004
  • Oliver, N.M. A bayesian computer vision system for modeling human interactions/N.M. Oliver, B. Rosario, A.P. Pentland//IEEE Transactions on Pattern Analysis and Machine Intelligence. -2000. -Vol. 22, Issue 8. -P. 831-843. - DOI: 10.1109/34.868684
  • Radke, R.J. Image change detection algorithms: a systematic survey/R.J. Radke, S. Andra, O. Al-Kofahi, B. Roysam//IEEE Transactions on Image Processing. -2005. -Vol. 14, Issue 3. -P. 294-307. - DOI: 10.1109/TIP.2004.838698
  • Benezeth, Y. Comparative study of background subtraction algorithms/Y. Benezeth, P.-M. Jodoin, B. Emile, H. Laurent, Ch. Rosenberger//Journal of Electronic Imaging, Society of Photo-optical Instrumentation Engineers. -2010. -Vol. 19, Issue 3. - DOI: 10.1117/1.3456695
  • Mikolajczyk, K. A performance evaluation of local descriptors/K. Mikolajczyk, C. Schmid//Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’2003). -2003. -P. 257-263. - DOI: 10.1109/CVPR.2003.1211478
  • Lowe, D.G. Distinctive image features from scale-invariant keypoints/D.G. Lowe//International Journal of Computer Vision. -2004. -Vol. 60, Issue 2. -P. 91-110. - DOI: 10.1023/B:VISI.0000029664.99615.94
  • Bay, H. Speeded-up robust features (SURF)/H. Bay, A. Ess, T. Tuytelaars, L. Van Gool//Computer Vision and Image Understanding. -2008. -Vol. 110, Issue 3. -P. 346-359. - DOI: 10.1016/j.cviu.2007.09.014
  • Canny, J. A computational approach to edge detection/J. Canny//IEEE Transactions on Pattern Analysis and Machine Intelligence. -1986. -Vol. 8, Issue 6. -P. 679-698. - DOI: 10.1109/TPAMI.1986.4767851
  • Elder, J.H. Local scale control for edge detection and blur estimation/J.H. Elder, S.W. Zucker//IEEE Transactions on Pattern Analysis and Machine Intelligence. -1998. -Vol. 20, Issue 7. -P. 699-716. - DOI: 10.1109/34.689301
  • Martin, D.R. Learning to detect natural image boundaries using local brightness, color, and texture cues/D.R. Martin, C.C. Fowlkes, J. Malik//IEEE Transactions on Pattern Analysis and Machine Intelligence. -2004. -Vol. 26, Issue 5. -P. 530-549. -DOI: DOI: 10.1109/TPAMI.2004.1273918.
  • Sorokin, A.A. Software platform for observation networks instrumental data Far Eastern Branch of the Russian Academy of Sciences/A.A Sorokin, S.P. Korolev, I.P. Urmanov, A.L. Verkhoturov, S.V. Makogonov, N.V. Shestakov//Proceedings of International Conference. on Computer Science and Environmental Engineering (CSEE 2015). -2015. -P. 589-594.
  • Sorokin, A.A. Development of information technologies for storage of data of instrumental observation networks of the Far Eastern Branch of the Russian Academy of Sciences/A.A. Sorokin, S.P. Korolev, A.N. Polyakov//Procedia Computer Science. -2015. -Vol. 66. -P. 584-591. - DOI: 10.1016/j.procs.2015.11.066
Еще
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp