Метод итерационного совмещения телевизионных сигналов на базе линеаризации для систем технического зрения
Автор: Диязитдинов Р.Р.
Журнал: Инфокоммуникационные технологии @ikt-psuti
Рубрика: Технологии радиосвязи, радиовещания и телевидения
Статья в выпуске: 1 (81) т.21, 2023 года.
Бесплатный доступ
Представлен метод совмещения телевизионных сигналов для систем технического зрения на безе линеаризации. Актуальность разработанного метода заключается в уменьшении погрешности при совмещении сигналов на фоне помех, возникающих из-за изменения условий освещенности, а также в обеспечении высокой скорости обработки. Показано, что идея совмещения заключается в замене в математической модели совмещаемых сигналов тригонометрических функций на приближенные значения, и в добавлении в модель двух переменных - аддитивной и мультипликативной составляющей. Оценка всех параметров совмещения проводится в результате решения системы линейных уравнений, которая определяется в результате разложения совмещаемого сигнала в ряд Тейлора. Проведен эксперимент, показывающий корректное совмещение телевизионных сигналов с помощью предложенного метода, а также сделано сравнение с методом полного перебора по показателям погрешности измерения и скорости обработки. Отмечено, что работа будет полезна для разработчиков измерительных систем технического зрения, в которых обработка ведется в режиме реального времени.
Совмещение, итерационный, телевизионный сигнал, линеаризация, техническое зрение, оптический поток, аддитивная м мультипликативная составляющая
Короткий адрес: https://sciup.org/140303628
IDR: 140303628 | DOI: 10.18469/ikt.2023.21.1.11
Список литературы Метод итерационного совмещения телевизионных сигналов на базе линеаризации для систем технического зрения
- Совмещение изображений в условиях неопределенности / В.А. Андросов [и др.] // Зарубежная радиоэлектроника. 1985. № 4. С. 32−41.
- Методы оценивания взаимного смещения фрагментов изображений / А.В. Губанов [и др.] // Автометрия. 1988. № 3. С. 70−73.
- Панкова Т.Л., Резник А.Л. Эффективность алгоритмов прецизионного совмещения цифровых изображений // Автометрия. 1991. № 5. С. 39−43.
- Liu M., Delbruck T. Block-matching optical flow for dynamic vision sensors: Algorithm and FPGA implementation // IEEE International Symposium on Circuits and Systems (ISCAS). 2017. P. 1−4.
- Васин Н.Н., Куринский В.Ю. Обработка видеосигналов для измерения скорости движения железнодорожных вагонов на сортировочной горке // Компьютерная оптика. 2005. № 27. С. 185−188.
- Артюшенко В.М., Воловач В.И. Оценка информационных параметров сигнала на фоне аддитивно-мультипликативных помех с произвольным распределением // Физика волновых процессов и радиотехнические системы. 2018. T. 21, № 4. С. 58–62.
- Диязитдинов Р.Р. Методы различения и оценки параметров оптических сигналов: монография. Самара: ПГУТИ, 2019. 139 с.
- Brown L.G. A survey of image registration techniques // ACM Computing Surveys. 1992. no. 24(4). P. 325–376.
- Barnea D.I., Silverman H.F. A class of algorithms for fast digital registration // IEEE Transactions on Computers. 1972. Vol. С-21. P.179–186.
- Wolberg G., Zokai S. Robust image registration using log-polar transform // Proceedings of IEEE International Conference on Image Processing. 2000. Vol. 1. P. 493–196.
- Kuglin C.D., Hines D.C. The phase correlation image aligment method // Proceedings International Conference on Cybernetics and Society. 1975. Р. 163–165.
- Alliney S., Morandi C. Digital image registration using Projections // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. Vol. PAMI-8, no. 2. P.222–233.
- De Castro E., Morandi C. Registration of translated and rotated images using finite fourier transforms // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1987. Vol. PAMI-9, no. 3. P. 700–703.
- Reddy B.S., Chatterji B.N. An FFT-based technique for translation, rotation, and scale-invariant image registration // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1996. Vol 5, no. 8. P.1266–1270.
- An IDL/ENVI implementation of the FFT-based algorithm for automatic image registration / H. Xie [et al.] // Computer and Geosciences. 2003. no. 29. P. 1045–1055.
- Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход. М.: Вильямс, 2004. 928 с.
- Прэтт У. Цифровая обработка изображений / пер. с англ. М.: Мир, 1982. 312 с.
- Гонсалес Р., Вудс Р. Цифровая обработка изображений / пер. с англ. М.: Техносфера, 2005. 1070 с.
- Lucas B.D., Kanade T. An iterative image registration technique with an application to stereo vision // Proceedings Seventh Internatiпnal Joint Conference on Artificial Intelligence. 1981. P. 674−679.
- Lucas B.D. Generalized Image Matching by the Method of Differences. Pittsburgh: Carnegie-Melion University publisher, 1984. 144 p.
- Horn B.K., Schunck B.G. Determining optical flow // Artificial Intelligence. 1981. Vol. 17. P. 185−204.
- High Accuracy Optical Flow Estimation Based on a Theory for Wrapping / T. Brox [et al.] // Lecture Notes in Computer Science. 2004. Vol. 3024. P. 25−36.
- Мачнев А.М., Жук С.Я. Беспоисковый алгоритм определения угла поворота изображений // Вісник Національного технічного університету України. Серія: Радіотехніка. Радіоапаратобудування. 2008. № 37. С. 33–37.
- Мачнев А.М. Определение угла поворота при наложении изображений с использованием смешанной системы координат // Вісник Національного технічного університету України. Серія: Радіотехніка. Радіоапаратобудування. 2010. № 42. С. 40–45.
- Ташлинский А.Г. Оценивание параметров пространственных деформаций последовательностей изображений. Ульяновск: Ульяновский государственный технический университет, 2000. 132 с.
