ВВЕДЕНИЕ

Актуальность работы.

Актуальность исследования определяется непрерывно возрастающими требованиями к достоверности обработки технологической информации для управления производственными процессами.

Одной из задач, требующих значительных аппаратных и временных ресурсов средств цифровой вычислительной техники, является задача обработки и анализа сложно структурированных изображений. Результаты исследований в области цифровой обработки изображений находят применение в геоинформационных системах и картографии, машиностроении и приборостроении, медицине и экологии, военной области, научных исследованиях и других сферах жизнедеятельности.

В настоящее время для систем цифровой обработки изображений характерен постоянный рост объема обрабатываемой информации, повышение требований к качеству обработки в сложных условиях. Соответственно возрастают требования по быстродействию, надежности и точности для разрабатываемых систем.

Обеспечение требуемых характеристик можно осуществить двумя способами: конструкторским или алгоритмическим. Конструкторский способ предполагает наличие новой технологической базы, существенных финансовых и временных затрат. Алгоритмический способ позволяет достичь необходимого результата за короткое время с минимальными финансовыми затратами.

Работа современных оптико-электронных систем базируется на получении и обработке информации об исследуемых образах (сценах), явлениях или процессах, включая вопросы анализа, моделирования, оптимизации, совершенствования управления и принятия решений на основе теоретических и прикладных исследований информационных сигналов.

Важную роль играют критерии, по которым оценивается качество функционирования систем обработки и анализа изображений.

Качество - это комплексный показатель, включающий в себя:

- быстродействие;

- точность измерения основных характеристик объектов;

- достоверность распознавания;

- вероятность правильного или ложного обнаружения объекта;

- вероятность правильной или ложной классификации объекта и другие.

Таким образом, качество и точность функционирования систем обработки и анализа изображений зависит от большого количества показателей. Значительную их часть необходимо учитывать при создании методов, алгоритмов и устройств обработки и анализа изображений.

Результаты анализа существующих методов и средств обработки изображений свидетельствует о необходимости создания новых методов и средств, а также модернизации существующих.

В то же время большинство разработанных к настоящему времени оптико­электронных систем работают в различных раздельных спектральных диапазонах от ультрафиолетового до инфракрасного и показывают свою узкую направленность на работу лишь в одном спектральном диапазоне (только в видимом, инфракрасном или ультрафиолетовом), что не может обеспечить удовлетворительное решение задачи распознавания объектов на сложноструктурированных изображениях.

Создание новых спектрозональных систем, работающих в нескольких спектральных диапазонов сразу, даст возможность упростить их оптико­механическую систему, заметно уменьшить их габариты, массу, энергопотребление, а также увеличить их быстродействие.

Работа одновременно в нескольких спектральных диапазонах позволит обнаруживать и идентифицировать объекты при различных внешних условиях (погодные условия, задымленность наблюдаемого пространства и так далее).

Важно иметь информацию о наблюдаемом образе (сцене) одновременно в нескольких спектральных диапазонах для обеспечения работы спектрозональных

систем в динамическом режиме, уменьшить искажения получаемых изображений из-за возможности передвижения платформы.

В современных спектрозональных системах используются достижения цифровой обработки изображений путем комплексирования изображений, образующихся в отдельных спектральных диапазонах. В этом случае упрощается регулировка яркости отдельных образов (сцен), устраняются различия во времени формирования изображений в отдельных спектральных диапазонах, при этом обеспечивается большое угловое поле при независимой работе спектральных диапазонов.

Анализ современных методов и средств обработки спектрозональных изображений показал, что получаемые показатели качества изображений, хотя для ряда задач и удовлетворяют пользователей, однако не в полной мере используют широкие возможности гибридных методов обработки изображений, объединяющих возможности вейвлет-анализа, обучаемых и адаптивных методов комплексирования спектрозональных изображений, что снижает потенциально достижимые возможности проектируемых спектрозональных систем.

В связи с этим актуальна разработка новых методов, алгоритмов и технических средств обработки спектрозональных изображений. Это позволит повысить качество анализа и формирования изображения для поставленных в дальнейшем задач.

Диссертационные исследования соответствуют приоритетному направлению развития науки, технологий и техники в Российской Федерации «Информационно-телекоммуникационные системы» и критической технологии Российской Федерации «Технологии и программное обеспечение распределенных и высокопроизводительных вычислительных систем», утвержденных указом Президента Российской Федерации №899 от 07.07.2011 г.

Степень разработанности темы исследования.

Повышение качества изображения является комплексной задачей, включающей в себя несколько этапов.

Значительный вклад в задачу предварительной обработки и анализа сложно структурированных изображений занимались известные зарубежные ученые У. Прэтт (W. Pratt), Т. Хуанг (T. Huang), Р. Дуда (R. Duda), Р. Гонсалес (R. Gonzales), Б. Хорн (B. Horn) и другие. Также много работ российских ученых посвящены данной проблематике: В.А. Сойфер, Ю.И. Журавлев, В.С. Киричук, Ю.Г. Якушенков, И.И. Сальников, Я.А. Фурман, Ю.С. Сагдуллаев, Н.В. Ким, А.А. Горелик, А. Розенфельд, Т. Павлидис и другие.

Вейвлет-анализ, являющийся важный этапом в процессе обработки и анализе спектрозональных изображений, представлен в научных трудах таких ученых, как Д.

B. В. Витязев, Ю.С. Бехтин, В.И. Воробьев и других.

Применение комплексирования сложноструктурированных

спектрозональных изображений позволило повысить качество получаемых изображений. Данной проблематике посвящены работы таких ученых, как

C. Ричард (C. Richard), Г. Хемани (H. Hemani), C. Зун (C. Zuhn), А.С.Васильев, А.К. Цыцулин, В.В. Тарасов, Р.Г. Хафизов, Д.В. Сухомлинов, В.И. Антюфеев и других.

Без применения теории конструирования систем управления невозможно создать правильно функционирующую систему обработки и анализа изображений. Данной тематике посвящены работы таких ученых, как Л. Заде, А. Пегат, В.Н. Афанасьев, В.Б. Колмановский, В.Р. Носов, Р. Изерман, И.В. Семушин и другие.

Несмотря на большое количество работ по данной тематике, анализ литературы показал, что не в полной мере использованы гибридные методы обработки изображений, включающие в себя вейвлет-анализ, а также обучаемые и адаптивные методы комплексирования спектрозональных изображений .

Проведенный анализ современных исследований позволил сформулировать основные задачи и цель диссертационной работы.

Цель работы.

Целью диссертационной работы является повышение качества обработки сложноструктурированных спектрозональных изображений путем развития теории обработки и анализа изображений и разработки системы обработки и анализа спектрозональных изображений с адаптивным управлением.

Задачи работы.

Для достижения поставленной цели в работе решаются следующие задачи:

1. Выбрать спектральный диапазон исследования, определить анализируемые спектральные диапазоны и соответствующие типы фотоэлектрических преобразователей.

2. Выбрать способы представления объектов исследования и разработать метод предварительной обработки спектрозональных изображений на основе вейвлет-анализа.

3. Разработать информационно-аналитическую гибридную модель обучаемой системы комплексирования изображений.

4. Синтезировать алгоритм обучения двухуровневой гибридной системы комплексирования спектрозональных изображений.

5. Определить условия и способы перемещения системы обработки и анализа спектрозональных изображений и способы сканирования анализируемых сцен.

6. Разработать структуру системы обработки и анализа спектрозональных изображений, адаптирующуюся и обучающуюся на формирование высококачественных сцен и распознавания заданного алфавита образов (классов).

7. Синтезировать алгоритм управления работой системы обработки и анализа спектрозональных изображений в различных условиях, включая работу на неизвестной первичной местности с учетом опасных ситуаций.

8. Выбрать номенклатуру показателей качества, характеризующих работу системы обработки и анализа спектрозональных изображений.

9. Разработать приборное обеспечение контроля качества функционирования системы обработки и анализа спектрозональных изображений.

10. Провести экспериментальную проверку разработанных методов и средств и сформулировать рекомендации по перспективам их использования.

11. Разработать вариант системы обработки и анализа спектрозональных изображений для раннего обнаружения пожаров и распознавания заданных образов в зоне этого события.

Объектом диссертационного исследования является система обработки и анализа спектрозональных изображений, особенности её функционирования при различных условиях эксплуатации.

Предметом исследования являются методы, алгоритмы и технические средства обработки и анализа спектрозональных изображений, направленные на улучшение качества обработки и формирования изображений.

Научная новизна.

В диссертационной работе получены следующие новые научные результаты.

1. Метод предварительной обработки спектрозональных изображений на основе вейвлет-преобразований, заключающийся в том, что последовательно синтезируются функции для цифровой вейвлет-фильтрации по каждой из спектральных зон, для которых производится оптимизация коэффициентов вейвлетов и их количество, после чего проектируются вейвлет-фильтры коррекции дрейфа оптико-электронных устройств, позволяющий обеспечить повышение качества получения результирующих изображений для выбранных спектральных диапазонов.

2. Информационно-аналитическая модель системы комплексирования спектрозональных изображений, отличающаяся двухуровневой гибридной структурой с раздельным обучением каждого уровня, обеспечивающая получение

результирующих высоко информативных изображений с возможностью выделения участков с высоким качеством изображения.

3. Алгоритм обучения двухуровневой гибридной системы комплексирования спектрозональных изображений, который обучает первый уровень на формирование высококачественных заданных структур, сцен и образов с сохранением информации о всей сцене и обучает второй уровень на получение результирующих высокоинформативных изображений по всей сцене.

4. Структура системы обработки и анализа спектрозональных изображений, содержащая оптические системы, оптико-электронные устройства с многоэлементными приемниками излучения, блоки формирования изображений, систему комплексирования изображений, модуль GPS, интерфейсный блок и блок управления сервоприводами, отличающаяся особенностью к адаптации и обучению распознавания сцен и различных образов на ней, позволяющая обеспечивать получение результирующих высокоинформативных изображений путем комплексирования изображений в различных спектральных диапазонах.

5. Алгоритм управления системы обработки и анализа спектрозональных изображений, отличающийся возможностью обучения и дообучения системы с целью получения высокоинформативных результирующих изображений путем комплексирования изображений, получаемых в различных спектральных диапазонах, а также реализации различных механизмов перемещения и сканирования, включая адаптивное перемещение с целью улучшения качества изображения и распознавания образов на них, позволяющий гибко менять стратегию анализа изображений, обеспечивая синтез высоко информативных результирующих изображений в сочетании с высоким качеством принятия решений в заданных классах состояний.

6. Метод обучения системы обработки и анализа спектрозональных изображений, включающий в себя определение параметров вейвлет-фильтрации, синтез математических моделей системы комплексирования изображений, синтез слабых и сильных классификаторов для блока комплексирования состояний

контролируемых объектов, формирование уравнений движений и сканирование с учетом опасных состояний, механизмы коррекции эталонов и решающих правил в реальной обстановке, позволяющий адаптировать поведение системы к различным условиям её эксплуатации.

7. Приборное обеспечение для контроля качества функционирования системы обработки и анализа спектрозональных изображений, включающее в себя средство оценки разброса чувствительности, средство оценки климатических испытаний, средство оценки достоверности, обеспечивающее контроль качества изображений сцен и объектов на них.

Достоверность результатов работы.

Достоверность научных положений, теоретических выводов и практических результатов диссертационной работы подтверждается:

- корректным использованием математического аппарата, соответствием результатов вычислительных экспериментов, выдвигаемых в диссертации, положениям и выводам качественного характера;

- использованием разработанных методов, алгоритмов и моделей для решения прикладных задач;

- практической реализацией СОАСЗИ и отдельных её элементов, подтвержденной патентами Российской Федерации, свидетельствами об официальной регистрации программ для ЭВМ;

- использованием результатов диссертационной работы,

подтвержденных актами внедрения.

Теоретическая и практическая значимость работы.

Теоретическая значимость диссертационной работы определяется развитием теории обработки и анализа изображений, включая сложно структурированные спектрозональные изображения, путем разработки метода предварительной обработки спектрозональных изображений на основе вейвлет-преобразований, информационно-аналитической модели системы комплексирования спектрозональных изображений, алгоритма обучения двухуровневой гибридной

системы комплексирования спектрозональных изображений, структуры системы обработки и анализа спектрозональных изображений, алгоритма её управления и метода обучения.

Практическая значимость работы подтверждается применением разработанных методов, алгоритмов и моделей обработки и анализа спектрозональных изображений в созданной автоматической системе обнаружения опасных факторов пожара.

Результаты диссертационных исследований внедрены в ООО «ТехАгрос СпецСистемы (г. Москва), ООО «ДРСЦ «Компьюлинк» (г. Хабаровск), ООО «Ред Софт Центр» (г. Муром), ООО «Наумен софт» (г. Екатеринбург), МЧС России по Воронежской области, Томском государственном университете систем управления и радиоэлектроники, Рязанском государственном радиотехническом университете.

Диссертационные исследования проводились в рамках выполнения ряда проектов следующих программ фундаментальных и инновационных исследований:

- федеральная целевая программа Министерства образования и науки РФ «Научные и научно-педагогические кадры инновационной России на 2009­2013 годы» (государственный контракт №16.740.11.0086);

- грант Фонда Содействия Развитию малых форм предприятий в научно-технической сфере по программе «У.М.Н.И.К.» (государственный контракт №6076р/8555);

- аналитическая ведомственная целевая программа Министерства образования и науки РФ «Развитие научного потенциала высшей школы» (проект 1.1.10 «Разработка фундаментальных основ алгоритмического конструирования адаптивных высокоточных систем технического зрения широкого назначения для поддержки информационных технологий средств вычислительной техники, распознавания образов и обработки изображений», № государственной регистрации 0120115099; проект 2.1.2 «Исследование и

разработка методов коррекции в телевизионных датчиках при экстремальных условиях контроля и наблюдения»);

- научно-исследовательские и опытно-конструкторские работы, проводимые Юго-Западным государственным университетом (проект №1.170.13Р «Разработка программного изделия векторизации объектов», проект №1.200.14Р «Разработка опытного образца системы автоматического движения и управления роботизированными платформами», проект №1.215.14Р «Разработка комплекса СФ-блоков кодирования и декодирования изображений»);

- грант Президента Российской Федерации по государственной поддержке ведущих научных школ (НШ-2357.2014.8, 2014 г.);

- гранты Президента Российской Федерации для поддержки молодых российских ученых - кандидатов наук (МК-1194.2014.8, 2014 г.; МК- 3761.2018.8, 2018 г.);

- гранты Президента Российской Федерации для поддержки молодых российских ученых - докторов наук (МД-2983.2015.8, 2015 г.; МД-707.2017.8, 2017 г.).

Результаты полученных в диссертации теоретических, прикладных и экспериментальных исследований используются в учебном процессе Юго­Западного государственного университета при обучении студентов по направлениям 09.04.01 «Информатика и вычислительная техника» (дисциплины «Цифровая обработка и анализ изображений, «Основы теории распознавания образов»), 09.03.01 «Информатика и вычислительная техника» (дисциплина «Основы теории управления») и 11.03.03 «Конструирование и технология электронных средств» (дисциплина «Конструирование и технология вычислительных средств»).

Содержание диссертации соответствует паспорту научной специальности 05.13.01 - Системный анализ, управление и обработка

информации (приборостроение, биотехнические системы и технологии), а именно

п. 4 «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации» и п. 12 «Визуализация, трансформация и анализ информации на основе компьютерных методов обработки информации».

Методология и методы исследования.

Теоретические исследования проведены с применением методов системного анализа, нечетких множеств, вейвлет-преобразований, нечеткой логики, конструирования систем управления, аналитического конструирования, искусственного интеллекта.

Экспериментальные исследования выполнены с использованием методов математического моделирования, технологий объектно-ориентированного программирования, а также с использованием приборного обеспечения, разработанного специально для оценки качества функционирования системы обработки и анализа спектрозональных изображений.

Основные положения, выносимые на защиту.

1. Метод предварительной обработки спектрозональных изображений, основанный на цифровой вейвлет-фильтрации, позволил обеспечить повышение качества получения выходных изображений для каждого спектрального диапазона.

2. Информационно-аналитическая модель и алгоритм обучения системы комплексирования спектрозональных изображений, основанная на двухуровневой гибридной модели с раздельным обучением каждого уровня, позволила получить результирующие высокоинформативные изображения с возможностью выделения участков с предельно высоким качеством изображения.

3. Структура системы обработки и анализа спектрозональных изображений, построенная на возможности адаптации и обучения распознаванию сцен и различных образов на ней, позволила обеспечить получение результирующих высокоинформативных изображений путем комплексирования изображений в различных спектральных диапазонах (вероятность правильного

обнаружения образа повысилась в 1,3 раза; вероятность ложного обнаружения образа снизилась в 2,7 раза; вероятность правильной классификации образа при распознавании увеличилась в 1,2 раза; вероятность ложной классификации образа при распознавании уменьшилась в 2,9 раз).

1. Алгоритм управления системы обработки и анализа спектрозональных изображений, основанный на обучении и дообучении системы с целью получения результирующих высоко информативных изображений путем комплексирования изображений, а также реализации различных механизмов перемещения и сканирования, позволил синтезировать результирующие высоко информативные изображения в сочетании с высоким качеством принятия решений в заданных классах состояний (точность пространственной привязки увеличилась в 3 раза; быстродействие повысилось в 8 раз; погрешность калибровки уменьшилась в 4 раза).

4. Метод обучения системы обработки и анализа спектрозональных изображений, основанный на вейвлет-фильтрации, синтезе математических моделей системы комплексирования изображений и классификаторов, формировании уравнений движений и сканировании с учетом опасных состояний, позволил адаптировать поведение системы к различным условиям её эксплуатации.

5. Приборное обеспечение контроля качества функционирования системы обработки и анализа спектрозональных изображений и алгоритм управления коррекцией качества изображений, основанное на оценке разброса чувствительности, климатических испытаниях и оценке достоверности, обеспечило контроль качества изображений сцен и объектов на них.

6. Автоматическая система обнаружения опасных факторов пожара позволила определять факт возгорания за 0,9±0,3 с., окончательно принимать решение о возгорании и определения положения пламени за 2,5±0,45 с.

Апробация работы.

Результаты и научные положения диссертационной работы докладывались и обсуждались на следующих всероссийских и международных научных конференциях:

- Международная научно-техническая конференция «Information and telecommunication technologies in intelligent systems» (Испания, 2005; Италия, 2006; Испания, 2007; Греция, 2008; Швейцария, 2009);

- научно-техническая конференция «Вибрационные технологии» (г. Курск, 2005);

- Международная научно-техническая конференция «Распознавание» (г. Курск, 2005, 2008, 2010, 2013);

- Международная научно-техническая конференция «Медико­экологические информационные технологии-2007» (Курск, 2007, 2009, 2011, 2014);

- Всероссийская научно-техническая конференция «Интеллектуальные и информационные системы» (г. Тула, 2007, 2009, 2011, 2015, 2016);

- Международная научно-техническая конференция «Pattern Recognition and Image Analysis: New Information Technologies» (г. Йошкар-Ола, 2007; г. Нижний Новгород, 2008);

- Международная научно-техническая конференция «Информационно­измерительные, диагностические и управляющие системы» (г. Курск, 2009, 2011);

- научно-техническая конференция студентов и аспирантов «Молодежь и XXI век» (г. Курск, 2005);

- научно-техническая конференция «Научно-техническое творчество молодежи - путь к обществу, основанному на знаниях» (г. Москва, 2007);

- Международная научно-техническая конференция «Электронные средства и системы управления» (г. Томск, 2011);

- VIII Международная научно-техническая конференция «Телевидение: передача и обработка изображений» (г. Санкт-Петербург, 2011);

- Международная научно-техническая конференция «Информационные технологии и математическое моделирование систем» (г. Москва, 2011);

- II Международная научно-техническая конференция «Информационно-измерительные диагностические и управляющие системы» (г. Курск, 2011);

- Международная научно-техническая конференция «Системы, методы, техника и технологии обработки медиаконтента» (г. Москва, 201 1);

- Международная научно-техническая конференция

«Интеллектуальные системы в промышленности и образовании-2013» (Украина, г. Сумы, 2013);

- VIII Всемирная научная конференция «Intelligent system for industrial automation» (Узбекистан, г. Ташкент, 2015);

- Международный форум «Оптические системы и технологии (Optics- Expo-2015)» (г. Москва, 2015);

- научно-практическая конференция с международным участием «Информационно-измерительная техника и технологии» (г. Томск, 2016);

- XXII Международная научно-техническая конференция «Инновация- 2017» (Узбекистан, г. Ташкент, 201 7).

Публикации.

По теме диссертационной работы опубликовано 80 научных работ (12 - без соавторов), в том числе: 29 статей в научных рецензируемых изданиях, входящих в перечень ВАК; 3 статьи базы данных Web Of Science и Scopus; 5 монографий; 36 докладов на международных и всероссийских конференциях; 6 патентов; 1 свидетельство ФГБУ «Федеральный институт промышленной собственности (РОСПАТЕНТ)» об официальной регистрации программ для ЭВМ и базы данных.

Личный вклад автора в получение результатов, изложенных в диссертационной работе.

Все результаты диссертационной работы, в том числе постановка задач, разработка и исследование защищаемых методов, моделей и алгоритмов, основные научные результаты, выводы и рекомендации, принадлежат автору лично. Системы, реализующие разработанные методы, алгоритмы и модели, созданы непосредственно автором. Участие соавторов сводится к методическим консультациям.

Структура диссертации.

Диссертация общим объемом 325 страниц состоит из введения, пяти глав и заключения, содержит 294 страницы основного текста, перечень используемой научно-технической литературы из 287 наименования на 31 странице, приложения на 9 страницах, 84 рисунка и 10 таблиц.