Распознавание малоконтрастных объектов интереса в условиях низкой освещенности на основе нейросетевых алгоритмов и данных о поляризации световых волн
Автор: А.Ю. Будко, Н.А. Будко, А.Д. Караев
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 1 т.50, 2026 года.
Бесплатный доступ
В статье представлены результаты экспериментальной оценки эффективности систем технического зрения на базе КМОП-матриц с маской из поляризационных фильтров в сравнении с КМОП-матрицами с маской Байера на основе фильтров длины волны при обнаружении низкоконтрастных объектов интереса посредством алгоритмов искусственных нейронных сетей при различной освещенности сцены. Показана возможность использования искусственных нейронных сетей с трёхканальным входом, обученных на данных с дифференциацией каналов по длине волн, для анализа данных, дифференциация которых основана на поляризации волн. Показано преимущество использования данных о поляризации световых волн по сравнению с данными о длине световой волны при распознавании низкоконтрастных объектов интереса в ряде условий. В частности, использование системы поляризационного видения позволяет расширить рабочий диапазон освещенности и повысить на несколько порядков надежность обнаружения по сравнению с системой цветного видения для различных объектов интереса в исследованном диапазоне освещенности. Также мы впервые делаем общедоступным набор данных с камер машинного зрения на базе КМОП-матрицы с маской из поляризационных фильтров и КМОП-матрицы с маской Байера, полученных в синхронном режиме с одинаковыми параметрами съемки для одной и той же сцены с различной освещенностью.
Поляризация, искусственная нейронная сеть, обработка изображений, информационные оптические технологии
Короткий адрес: https://sciup.org/140314075
IDR: 140314075 | DOI: 10.18287/COJ1657
Recognition of low-contrast objects of interest in low-light conditions based on neural network algorithms and light wave polarization
The article presents the results of an experimental evaluation of the efficiency of machine vision systems based on CMOS matrices with a mask of polarizing filters in comparison with CMOS matrices with a Bayer mask based on wavelength filters in detecting low–contrast objects of interest using artificial neural network algorithms under different scene illumination. The possibility of using artificial neural networks with a three–channel input trained on data with channel differentiation by wavelength is shown for analyzing data whose differentiation is based on wave polarization. The advantage of using data on the polarization of light waves in comparison with data on the wavelength of light in recognizing low–contrast objects of interest in a number of conditions is shown. In particular, the use of a polarization vision system allows expanding the operating range of illumination and increasing the reliability of detection by several orders of magnitude in comparison with a color vision system for various objects of interest in the studied illumination range. We are also making publicly available for the first time a dataset of machine vision cameras based on a CMOS matrix with a mask of polarizing filters and a CMOS matrix with a Bayer mask, obtained in synchronous mode with the same shooting parameters for the same scene with different illumination.
