Разработка и исследование алгоритмов совмещения изображений от бортовых видеодатчиков с виртуальной моделью местности тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Ефимов Алексей Игоревич

• Ефимов Алексей Игоревич
• кандидат наук
• 2016

Оглавление диссертации кандидат наук Ефимов Алексей Игоревич

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР И АНАЛИЗ АЛГОРИТМОВ И МЕТОДОВ СОВМЕЩЕНИЯ ИЗОБРАЖЕНИЙ В СИСТЕМАХ УЛУЧШЕННОГО ВИДЕНИЯ

1.1 Алгоритмы и методы предварительной обработки изображений с целью их последующего совмещения в авиационных системах видения

1.2 Корреляционные методы совмещения

1.2.1 Систематизация и анализ критериальных функций, пригодных для использования в системах улучшенного видения

1.2.2 Корреляционная критериальная функция

1.2.3 Разностные критериальные функции

1.2.4 Парные критериальные функции

1.4 Методы поиска глобального экстремума в задачах многоэкстремальной оптимизации

1.4.1 Метод мультистарт

1.4.2 Туннельный алгоритм

1.4.3 Сетки и методы покрытий

1.4.4 Поиск с запретами

1.4.5 Генетические алгоритмы

1.5 Некорреляционные методы совмещения изображений

1.6 Обзор дескрипторов ключевых точек

1.6.1 Дескриптор SURF

1.6.2 Дескриптор SIFT

1.6.3 Выводы по применимости дескрипторов для совмещения разнородных изображений

1.7 Основные выводы по главе

Постановка задач исследования

ГЛАВА 2. АЛГОРИТМЫ СОВМЕЩЕНИЯ ИЗОБРАЖЕНИЙ В СИСТЕМАХ

КОМБИНИРОВАННОГО ВИДЕНИЯ

2.1 Сравнение и выбор видов критериальных функции

2.2 Совмещение изображений с помощью аффинных преобразований

2.3 Некорреляционное совмещение с применением дробно-линейных преобразований

2.3.1 Алгоритм построения матрицы гомографии по минимальному числу ключевых точек

2.3.2 Разработка алгоритма построения матрицы гомографии по произвольному числу ключевых точек

2.3.3 Разработка алгоритма выделения значимых объектов

2.3.4 Разработка алгоритма получения связных контуров

2.3.6 Разработка алгоритма сокращения количества точек в контурах

2.3.7 Разработка алгоритма установления однозначного соответствия между угловыми точками

2.3.7 Разработка алгоритма отбраковки недостоверных пар ключевых точек72

2.3.8 Пошаговый алгоритм поиска матрицы гомографии

2.4 Алгоритм совмещения изображений на основе единственной пары ключевых точек

2.5 Основные выводы по главе

ГЛАВА 3. АЛГОРИТМЫ ОЦЕНКИ КАЧЕСТВА СОВМЕЩЕНИЯ ИЗОБРАЖЕНИЙ

3.1 Постановка задачи по оценке качества совмещения изображений

3.2 Классификация существующих подходов к оценке качества совмещения

3.3 Алгоритмы сравнения площадей пересекающихся контуров протяженных объектов

3.4 Алгоритм оценки качества совмещения на основе межпиксельного расстояния

3.5 Алгоритм оценки качества совмещения на основе углов между линиями контуров

3.6 Варианты совместного использования предлагаемых подходов по оценке качества совмещения

3.7 Основные выводы по главе

ГЛАВА 4. ПРОГРАММНО-АЛГОРИТМИЧЕСКИЕ СРЕДСТВА ИССЛЕДОВАНИЯ И АПРОБАЦИИ ПРЕДЛАГАЕМЫХ АЛГОРИТМОВ

4.1 Проектирование программного обеспечения для исследования алгоритмов отладки изображений

4.1.1 Структура программного обеспечения

4.1.2 Описание отдельных модулей программного обеспечения

4.2 Методика проведения экспериментов

4.2 Исследование методов поиска глобального экстремума

4.2.1 Метод покрытий

4.2.2 Мультистарт

4.2.3 Генетический алгоритм

4.3 Исследование алгоритма совмещения по единственной паре ключевых точек

4.3.1 Исследование методов оценки качества совмещения изображений

4.3.2 Сравнительный анализ трудоемкости алгоритмов совмещения

4.3 Применение алгоритма совмещения с использованием произвольного количества пар ключевых точек

4.4 Описание аппаратной реализации предлагаемых алгоритмов

4.4.1 Реализация алгоритма преобразования одного изображения к плоскости другого с применением матрицы гомографии

4.4.2 Реализация алгоритма оценки качества совмещения изображений на основе межпиксельного расстояния

4.5 Основные выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А. КОПИИ АКТОВ ВНЕДРЕНИЯ РЕЗУЛЬТАТОВ

ДИССЕРТАЦИОННОЙ РАБОТЫ

ПРИЛОЖЕНИЕ Б. КОПИИ СВИДЕТЕЛЬСТВ О РЕГИСТРАЦИИ ПРОГРАММ ДЛЯ ЭВМ

Введение диссертации (часть автореферата) на тему «Разработка и исследование алгоритмов совмещения изображений от бортовых видеодатчиков с виртуальной моделью местности»

ВВЕДЕНИЕ

Актуальность темы исследования. В авионике перспективных летательных аппаратов (ЛА) должна осуществляться комплексная обработка видеоинформации от датчиков системы технического зрения (СТЗ) и изображения виртуальной модели местности (ВММ), формируемого на базе априорной цифровой картографической информации с использованием навигационных данных. Цель комплексной обработки информации заключается в формировании максимально полной и адекватной информации о текущей ситуации в воздушном пространстве и наземной инфраструктуре аэропорта в сложных условиях видимости и, как следствие, существенно повысить безопасность полетов и особенно в сложных метеоусловиях и на этапе посадки воздушного судна.

Совокупность средств, обеспечивающих комплексную обработку информации и ее отображение экипажу, принято называть системой комбинированного видения (Combined Vision System - CVS), которая должна не только отвечать требованиям и выполнять функции двух систем: системы улучшенного видения (Enhanced Vision System - EVS) и системы синтезированного видения (Synthetic Vision System - SVS), включающей формирование ВММ, но и обладать новыми возможностями, связанными с одновременной совместной индикацией EVS и SVS изображений [1]. Слияние реального и виртуального изображений, то есть объединение изображений от датчиков, имеющихся на борту, и SVS-изображения в единое изображение CVS, способно значительно улучшить ситуационную осведомленность экипажа ЛА.

Основные проблемы при создании систем комбинированного видения связаны с разработкой:

- алгоритмов предварительной обработки изображений от сенсоров СТЗ (изменение диапазона яркостей, выделение границ объектов, утоньшение и векторизация фрагментов, формирование связных фрагментов) с целью улучшения видения и подготовки их для геометрического совмещения с изображениями ВММ;

- алгоритмов геометрического совмещения изображений от датчиков на борту ЛА и SVS изображений, которые могут исполнятся в бортовом вычислителе в режиме реального времени;

- эффективных способов совместной визуализации реальных и виртуальных изображений, обеспечивающих экипаж ЛА максимально полной информацией о состоянии окружающей среды.

Наиболее сложной является задача совмещения получаемых от сенсоров СТЗ изображений, с изображением виртуальной модели местности, создаваемым с использованием цифровой карты местности (ЦКМ) с учетом навигационных данных летательного аппарата: текущих координат местоположения и углов позиционирования линий визирования сенсоров СТЗ. Причиной этого служит существенная величина погрешности определения местоположения ЛА в пространстве.

Совместная визуализация изображений после совмещения гораздо более простая задача и не представляет особенных затруднений. Как правило, визуализация реализуется как смешение изображений с различной степенью слияния в различных частях экрана в зависимости от характера сцены и фазы выполнения полета.

Погрешности определения текущих координат местоположения и высоты летательного аппарата и углового позиционирования сенсоров СТЗ, а также картографическая погрешность, приводят к существенному несовпадению реальных изображений, полученных от сенсоров СТЗ, с изображениями ВММ. В большинстве систем суммарная погрешность составляет 35...45 м по координатам местоположения (широта и долгота), 6...13 м по высоте и 0,1°...0,2° по углам позиционирования (курс, крен и тангаж). Расхождение реальных изображений подстилающей поверхности и изображения ВММ увеличивается с уменьшением высоты. На высотах порядка 100 м ошибка может достигать величины порядка 1 радиана, в то время как предельные погрешности совмещения изображений EVS и SVS в соответствии с требованием 3.1.3.3 руководства Р-315 [2, 3] не должны превышать 5 мрад по горизонтали и по вертикали в центре изображения [4].

Разработка конкретных систем обработки изображений на борту ЛА определяется следующими основными особенностями.

Во-первых, при разработке подсистем обработки и совмещения изображений на борту ЛА требуется решать не проблему общего автоматического понимания изображения некоторой произвольной сцены, а более узкую задачу проблемно-ориентированной интерпретации изображения. Обычно эта задача сводится к обнаружению и идентификации на изображении набора примитивов, соответствующих реальным физическим объектам, присутствие которых должно некоторым образом отражаться на управлении ЛА.

Во-вторых, к алгоритмам обработки изображений в подсистемах информационного обеспечения предъявляются специальные требования, связанные с назначением и конкретными характеристиками разрабатываемой или уже существующей системы управления ЛА.

В последнее время одной из наиболее актуальных задач современной авионики стало создание систем улучшенного видения (Enhanced Synthetic Vision System - ESVS). Системы данного класса позволяют путем совмещения реальных изображений, получаемых от датчиков систем технического зрения, установленных на борту ЛА, и изображений виртуальной карты местности, создавать и отображать комбинированное изображение, предоставляющее летчику более подробную и точную информацию о местонахождении летательного аппарата, позволяющее осуществлять управление в сложных метеоусловиях, при плохой видимости, в ночное время. Обеспечение экипажа такого рода информацией существенно повышает безопасность полетов.

В качестве источников информации в таких системах могут использоваться:

• телевизионные видео датчики (ТВ камеры),

• инфракрасные (ИК) датчики различных диапазонов (коротковолновые и длинноволновые ИК камеры),

• миллиметровые радары (МР),

• лазерные локаторы (ЛЛ),

• базы данных рельефа местности вдоль маршрутов полёта,

• базы данных объектов аэропортов и взлётно-посадочной полосы (ВПП),

• навигационные параметры ЛА другие.

Сформированная системой EVS графическая информация далее представляется пилоту на одном из доступных устройств отображения -индикаторе на лобовом стекле или многофункциональном индикаторе, представляющем собой дисплей, входящий в состав бортовой системы отображения информации. В составе EVS выделяются две основные подсистемы:

• СТЗ, выполняющая операции регистрации и обработки видеоинформации;

• система компьютерной визуализации (СКВ), непосредственно формирующая и представляющая пилоту графическую информацию о закабинной обстановке [4, 5].

Использование современных цифровых видеодатчиков с высоким разрешением позволило приблизить информативность искусственных зрительных устройств к соответствующим характеристикам человеческого глаза. Аппаратные возможности, предоставляемые последними достижениями электроники и вычислительной техники, настолько высоки, что вычислительные мощности перспективных бортовых ЭВМ практически равны мощностям обработки изображений, применяемых в человеческом мозгу. Таким образом, для создания полностью автоматических летательных аппаратов, выполняющих задания любой сложности, требуется лишь создание и разработка методов и алгоритмов понимания, классификации и интерпретации изображений, получаемых от различных элементов СТЗ. Однако названная задача является весьма трудной для решения и практической реализации. Наиболее востребованными являются:

- задача совмещения реального изображения, получаемого от одного из сенсоров, установленного на борту летательного аппарата, с изображением виртуальной модели местности, создаваемым на основе виртуальной карты;

- задачи комплексирования и совмещения изображений, получаемых от датчиков с различной природой формирования изображений [6, 7].

Здесь имеет смысл ввести понятие разнородных и однородных изображений. Под разнородными будем понимать изображения, зафиксированные разнотипными сенсорами технического зрения, такими как телевизионная (тепловизионная) камера, радиолокационная система, лазерный локатор и т.д. Особое место занимают изображения, построенные по виртуальной модели местности по причине их «искусственности». Они не отражают напрямую некоторую информацию о внешнем физическом поле, а лишь априорную картографическую информацию. Под однородными будем понимать изображения, полученные от однотипных сенсоров технического зрения, к примеру, изображения, полученные от двух телекамер или теле- и тепловизионной камер будут однородными, от телевизионной камеры и радиолокационной системы - разнородными.

Анализ публикаций и научной литературы в области алгоритмов и методов совмещения изображений, применимых для задач, требующих решения на борту воздушного судна, позволяет выделить ряд проблем, которые возникают при обработке изображений различной физической природы. Они обусловливаются неоднородностью представления, различными формами хранения, рассогласованием в работе регистрирующей аппаратуры.

Степень разработанности темы. В настоящее время проблематике обработки изображений уделяется значительное внимание в отечественной и зарубежной литературе. Существенной вклад в развитие методов цифровой обработки изображений внесли отечественные ученые Алпатов Б.А., Визильтер Ю.В., Еремеев В.В., Желтов С.Ю., Злобин В.К., Сергеев В.В., Сойфер В.А. и другие, а также зарубежные ученые Блейхут Р., Гонзалес Р., Понс Ж., Прэтт У., Форсайт Д.

На данный момент активно проводятся исследования по разработке и созданию систем совмещения и визуализации изображений в бортовых вычислительных комплексах. Однако большая часть известных технологий обработки и конкретных алгоритмов обладают чрезмерно высокой вычислительной трудоемкостью, делающей затруднительным или невозможным

их применение на борту летательного аппарата. Алгоритмы, пригодные для практического применения в бортовых вычислителях, еще недостаточно исследованы и освещены в научной литературе. В настоящее время не существует универсальных подходов, которые могли бы обеспечить требуемую эффективность для всех сфер и условий применения. По этой причине при модификации существующих и, особенно, при разработке новых алгоритмов совмещения изображений необходимо принимать во внимание специфику предметной области, характеристики ТВ и тепловизионных (ТПВ) датчиков, установленных на борту ЛА и качество ВММ.

В настоящей диссертации приведены разработанные автором новые некорреляционные алгоритмы совмещения изображений, а также модификации известных алгоритмов. Они, в сравнении с корреляционными алгоритмами, обладают высоким быстродействием и требуют существенно меньших вычислительных затрат. Приводится сравнительный анализ предлагаемых алгоритмов с известными решениями.

Одной из основных проблем в вопросе совмещения изображений, возникающих при создании систем улучшенного видения, является реализация предлагаемых методов и алгоритмов в бортовом вычислителе, что накладывает существенные ограничения на возможные способы совмещения изображений.

Цель диссертации состоит в повышении быстродействия систем совмещения изображений до уровня, необходимого для использования в бортовом вычислительном комплексе летательных аппаратов за счет разработки и исследования алгоритмов, позволяющих снизить трудоемкость вычислительного процесса.

Для достижения цели необходимо решение следующих задач:

- осуществить анализ существующих методов и алгоритмов совмещения изображений в бортовых вычислительных комплексах, в том числе рассмотреть корреляционные и некорреляционные подходы;

- оценить степень пригодности существующих алгоритмических решений для применения в системах комбинированного видения летательных аппаратов;

- разработать алгоритмы совмещения реальных изображений с изображениями ВММ, пригодные к применению в бортовых вычислителях;

- разработать способы и алгоритмы совмещения и взаимной геометрической коррекции разнородных изображений;

- разработать алгоритмы для оценки качества совмещения изображений;

- оценить реализуемость предложенных алгоритмов на специализированных вычислителях, в частности, на программируемых логических интегральных схемах (ПЛИС).

Научная новизна диссертации заключается в том, что в ней разработаны алгоритмы совмещения разнородных изображений в бортовых вычислительных комплексах, которые позволяют ускорить процесс совмещения изображений на 52-58 % за счет применения методов контурного анализа и алгоритмов проективных преобразований без потери качества получаемых совмещений.

Теоретическая значимость работы состоит в том, что разработаны алгоритмы совмещения изображений для систем комбинированного видения летательных аппаратов, основанные на методах контурного анализа и алгоритмах проективных преобразований, а также алгоритмы оценки качества совмещения.

Практическая значимость работы состоит в том, что на базе разработанных алгоритмов созданы программные средства, обеспечивающие совмещение изображений, полученных от бортовых видеодатчиков, с изображениями, построенными по виртуальной модели местности, и автоматическую оценку качества получаемых результатов.

Объект исследования - методы и алгоритмы совмещения изображений в бортовых вычислителях летательных аппаратов, особенностью которых является использование в качестве исходных изображений различной физической природы формирования и картографической информации.

Предмет исследования - определен перечнем задач, решаемых в диссертации, который совпадает с предметной областью п.5 «Разработка и исследование моделей и алгоритмов анализа данных, обнаружения закономерностей в данных и их извлечениях, разработка и исследование методов

и алгоритмов анализа текста, устной речи и изображений» и п.7 «Разработка методов распознавания образов, фильтрации, распознавания и синтеза изображений, решающих правил» паспорта специальности 05.13.17 -Теоретические основы информатики.

Методология и методы исследования. Для решения поставленных задач применялись методы вычислительной математики, теории обработки изображений и распознавания образов, математического моделирования, системного анализа, подходы контурного анализа.

Положения, выносимые на защиту:

- выбор и обоснование набора критериальных функций, применимых для совмещения изображений в системах комбинированного видения летательных аппаратов;

- алгоритм совмещения изображений, основанный на поиске единственной пары ключевых точек, позволяющий сократить число изображений ВММ, требуемых для совмещения, в 10-12 раз и ускоряющий процесс совмещения на 52-58%;

- пошаговый алгоритм поиска матрицы гомографии, применяемый в случае наличия недостоверных пар точек, использующий нахождение элементов матрицы гомографии по произвольному числу ключевых точек, позволяющий ускорить совмещение изображений на 42-46% в сравнении с корреляционными алгоритмами;

- алгоритм отсеивания недостоверных пар ключевых точек, позволяющий исключить их негативное влияние на конечный результат совмещения;

- алгоритмы оценки качества совмещения изображений, обеспечивающие автоматическое нахождение показателя качества совмещения изображений для взаимного сравнения характеристик функционирования алгоритмов совмещения.

Личный вклад автора. Все вынесенные на защиту результаты получены автором лично.

Благодарность. Автор считает своим долгом выразить глубокую благодарность всему коллективу и сотрудникам кафедры «Электронные

вычислительные машины» и научно-образовательного центра «Специализированных ЭВМ» Рязанского государственного радиотехнического университета. Автор глубоко благодарен научному руководителю Никифорову Михаилу Борисовичу за возможность обучения в аспирантуре и написания диссертационной работы, за научное руководство и неоценимую помощь в ходе исследований. Автор особенно благодарит сотрудников НОЦ «СпецЭВМ» Елесину Светлану Ивановну, Логинова Александра Анатольевича и Новикова Анатолия Ивановича за поддержку, оказанную во время написания настоящей диссертационной работы.

Степень достоверности и апробация результатов. Диссертация выполнена в Федеральном государственном бюджетном образовательном учреждении высшего образования «Рязанский государственный радиотехнический университет» в рамках следующих хоздоговорных научно-исследовательских работ, выполненных по заказу АО «Государственный Рязанский приборный завод», входящем в состав АО «Концерн «Радиоэлектронные технологии» (г. Москва):

НИР «Совмещение-РГРТУ-1» «Разработка программно-математического обеспечения предобработки и визуализации изображений, поступающих от сенсоров системы технического зрения ЛА и формируемых на основе цифровой карты местности»;

НИР «Совмещение-РГРТУ-3» «Разработка методов и алгоритмов уменьшения вычислительной сложности совмещения реальных и виртуальных изображений в авиационных комбинированных системах видения»;

НИР 3-12 «Разработка программно-математического обеспечения для улучшенного и синтезированного изображений в системах технического зрения для управления летательным аппаратом, с использованием комплексной пилотажной и навигационной информации»;

НИР 3-13 «Разработка и исследование компонентов математического и алгоритмического обеспечения совмещения и визуализации изображений в авиационных многоспектральных системах техн. зрения»;

НИР 2-14 «Разработка и исследование методов и алгоритмов уменьшения вычислительной сложности совмещения изображений в многоспектральных системах технического зрения летательных аппаратов»;

НИР 12-15 по теме «Формирование и анализ исходных данных для экспериментальных исследований технологии анализа изображений для систем технического зрения летательных аппаратов» (ответственный исполнитель работы);

СЧ НИОКР «МСТЗ-РГРТУ» «Отладка программного обеспечения стенда для проведения испытаний и отладки компонент многоспектральной системы технического зрения в части СДМВ» (ответственный исполнитель работы), а также НИР 14-14Г, выполненной в ходе реализации проекта РФФИ № 14-0797515.

Результаты диссертационной работы внедрены в инициативных разработках АО «Государственный Рязанский приборный завод», направленных на создание систем технического зрения для перспективных летательных аппаратов, и в учебном процессе кафедры ЭВМ ФГБОУ ВО «Рязанский государственный радиотехнический университет» (дисциплины «Алгоритмические основы совмещения изображений различной физической природы», «Методы и алгоритмы обработки изображений» направления подготовки - 09.03.01 и 09.04.01 Информатика и вычислительная техника соответственно). Акты, подтверждающие внедрение результатов диссертационной работы, приведены в Приложении А.

Апробация работы. Основные результаты диссертации докладывались и обсуждались на следующих международных научно-технических конференциях:

• 8-й международной научно-технической конференции CSIT'2013 (Украина, Львов, 2013 г.);

• 16-й международной конференции «Цифровая обработка сигналов и её применение» DSPA-2014 (ИПУ РАН, Москва, 2014 г.);

• 3-й средиземноморской конференции по встроенным вычислениям MECO-2014 (Черногория, Будва, 2014 г.);

• 4-й средиземноморской конференции по встроенным вычислениям MECO-2015 (Черногория, Будва, 2015 г.);

• научно-технической конференции «Техническое зрение в системах управления» (ИКИ РАН, Москва, 2015 г.);

• 3-й международной научно-технической конференции «Актуальные проблемы создания космических систем дистанционного зондирования Земли» (АО «Корпорация «ВНИИЭМ», Москва, 2015 г.).

Публикации. По теме диссертации опубликовано 16 работ, в том числе 7 статей, 3 из которых в изданиях, рекомендуемых ВАК РФ, и 5 тезисов докладов в материалах международных и всероссийских конференций. В Федеральной службе по интеллектуальной собственности, патентам и товарным маркам зарегистрированы три программы для ЭВМ:

1. Елесина С.И., Ефимов А.И. Программа для определения и исследования характеристик критериальных функций. Свидетельство о государственной регистрации программы для ЭВМ №2015610172 от 12.01.2015г.

2. Ефимов А.И., Новиков А.И. Программа для построения проективных преобразований изображений. Свидетельство о государственной регистрации программы для ЭВМ №2015660419 от 30.09.2015г.

3. Ефимов А.И., Новиков А.И., Никифоров М.Б. Программа для определения качества совмещения изображений. Свидетельство о государственной регистрации программы для ЭВМ №2015660721 от 7.10.2015г.

Копии свидетельств регистрации программ для ЭВМ приведены в Приложении Б.

Структура и объем работы. Диссертация состоит из введения, 4-х глав, заключения, списка использованных источников и приложения. Основной текст работы содержит 164 страницы, 75 рисунков и 10 таблиц. Список использованных источников включает 74 наименования.

ГЛАВА 1. ОБЗОР И АНАЛИЗ АЛГОРИТМОВ И МЕТОДОВ СОВМЕЩЕНИЯ ИЗОБРАЖЕНИЙ В СИСТЕМАХ УЛУЧШЕННОГО ВИДЕНИЯ

Общая схема функционирования системы совмещения изображений применительно к совмещению изображения виртуальной карты местности с реальным изображением (РИ) показана на рисунке 1.1.

Рисунок 1.1 - Общая схема функционирования системы совмещения

РИ с изображением ВММ

РИ представляет собой информацию о внешнем геофизическом поле. В качестве таких полей могут быть использованы следующие:

• оптическое,

• радиолокационное,

• радиотепловое,

• магнитное.

Для представления окружающей обстановки на борту ЛА могут присутствовать подсистемы технического зрения, такие как:

• лазерный локатор.

• бортовая радиолокационная станция,

• телекамера, тепловизионный датчик (тепловизионная камера),

• система датчиков малых высот.

1.1 Алгоритмы и методы предварительной обработки изображений с целью их последующего совмещения в авиационных системах видения

В последнее время учеными уделяется большое внимание проблемам, которые возникают при создании систем улучшенного видения. Можно выделить работы по предварительной обработке изображений для последующего совмещения, проведенные в РГРТУ [8, 9], большое количество работ по совмещению изображений проведено во ФГУП «Государственный научно-исследовательский институт авиационных систем (ГосНИИАС)» [10, 11] и Самарском государственном аэрокосмическом университете имени академика С.П. Королева [12].

Предварительная обработка является критически важным этапом технологии совмещения изображений, существенным образом влияющим на итоговый результат. На этом этапе происходит выявление сущностных элементов, которые и будут применяться для установления соответствий между изображениями. В случае неудачного или некачественного выделения сущностей, дальнейшая процедура совмещения не может быть успешной. Обычно предварительная обработка изображений для их последующего совмещения включает в себя:

- перевод цветных изображений в градации серого;

- устранение шумов, фильтрация помех;

- выделение границ перепадов яркостей на изображениях;

- дополнительная обработка полученных границ: утоньшение, устранение разрывов, размыкание слипшихся объектов;

- аппроксимация границ прямолинейными участками;

- получение векторного описания результатов аппроксимации.

В рамках настоящей диссертационной работы будет применяться последовательность алгоритмов предварительной обработки изображений, дающих в результате своего применения изображение границ протяженных объектов.

1.2 Корреляционные методы совмещения

Корреляционные алгоритмы совмещения изображений зарекомендовали себя как надежное и точное средство для решения задачи совмещения. Однако серьезным недостатком алгоритмов данного класса является высокая трудоемкость, существенно затрудняющая их применение в бортовых вычислительных комплексах. Естественное желание многих исследователей и разработчиков систем комбинированного видения уменьшить трудоемкость корреляционного совмещения привело к появлению большого количества подходов, сокращающих вычислительную сложность корреляционных методов [13, 14]. Однако и этих способов зачастую недостаточно для обеспечения требуемого быстродействия.

1.2.1 Систематизация и анализ критериальных функций, пригодных для использования в системах улучшенного видения

Критериальная функция F являет собой меру, определяющую степень похожести совмещаемых изображений. Её выбор является одним из основных этапов при синтезе корреляционных алгоритмов совмещения изображений в системах комбинированного видения ЛА.

В данной работе производится сравнение реального изображения, полученного от СТЗ и прошедшего предварительную обработку, и виртуального изображения (ВИ), которое строится по виртуальной модели местности, полученной по цифровой карте местности.

Выделяют пять основных групп критериальных функций: корреляционные, разностные, парные, ранговые и спектральные. Более подробно будут рассмотрены корреляционные, разностные и парные функции.

1.2.2 Корреляционная критериальная функция

Согласно [15]: «Под классическим алгоритмом обработки изображений понимается вычисление функции взаимной корреляции или интеграла типа свертки с последующим поиском максимума этой функции. Вычисление функции взаимной корреляции было исторически первым методом, использовавшимся для

Список литературы диссертационного исследования кандидат наук Ефимов Алексей Игоревич, 2016 год

СПИСОК ЛИТЕРАТУРЫ

1. Авиационные системы улучшенного и синтезированного видения [Текст]: аналитический обзор по материалам зарубежных информационных источников / Гос. науч. центр Рос. Федерации, Гос. науч.-исслед. ин-т авиац. систем (ФГУП «ГосНИИАС»), Науч.-информ. центр; сост.: Ю.В. Визильтер [и др.]; под общ. ред. Е.А. Федосова. - М., 2011. - 77 с.

2. Руководство Авиационного Регистра Межгосударственного Авиационного Комитета (АР МАК) Р-315 «По минимальным стандартам характеристик авиационных систем (MASPS) для систем улучшенного видения, систем искусственного видения, комбинированных систем искусственного видения и бортовых систем увеличения дальности видения», 2012. - 86 с.

3. RTCA DO-315 «Minimum Aviation System Performance Standard (MASPS) for Enhanced Vision Systems (EVS), Synthetic Vision Systems (SVS), Combine Vision Systems (CVS) and Enhanced FlightVision Systems (EFVS)», 2011. - 86 p.

4. Костяшкин, Л.Н. Проблемные аспекты системы комбинированного видения летательных аппаратов [Текст] / Л.Н. Костяшкин, А.А. Логинов, М.Б. Никифоров // Известия ЮФУ. - 2013. - №5. - С. 61-65.

5. Елесина, С.И. Совмещение изображений в корреляционно-экстремальных навигационных системах [Текст] / С.И. Елесина; под ред. Л.Н. Костяшкина, М.Б. Никифорова. - М.: Радиотехника, 2015. - 208 с.

6. Алпатов, Б.А. Видеоинформационные технологии в бортовом радиоэлектронном оборудовании перспективных авиационных систем: концепция, архитектура и решения [Текст] / Б.А. Алпатов, Ю.И. Зеленюк, Л.Н. Костяшкин и др. // Радиотехника. - 2002. - № 8. - С. 102-112.

7. Костяшкин, Л.Н. Технологии систем улучшенного/синтезированного зрения для управления летательными аппаратами [Текст] / Л.Н. Костяшкин, С.И. Бабаев, А.А. Логинов и др. // Труды научно-технической конференции-семинара «Техническое зрение в системах управления мобильными объектами-

2010» / под ред. Р.Р. Назирова. - Механика, управление и информатика. - М., 2011. - С. 45-56.

8. Герман, Е.В. Два подхода к выделению и векторизации контурных линий объектов подстилающей поверхности [Текст] / Е.В. Герман, Е.Р. Муратов, М.Б. Никифоров // Известия ЮФУ. - 2013. - №5. - С. 56-61.

9. Loginov, А.А. Image vectorization in real time [Text] / А.А. Loginov, E.R. Muratov, M.B. Nikiforov, et. al. // European Science and Technology. - Munich Germany, 2013. - Vol. I. - P. 274-280.

10. Визильтер, Ю.В. Обработка и анализ изображений в задачах машинного зрения [Текст]: курс лекций и практических занятий / Ю.В. Визильтер, С.Ю. Желтов, А.В. Бондаренко и др. - М.: Физматкнига, 2010. - 672 с.

11. Лебедев, М.А. Алгоритм автоматического совмещения сенсорной и синтезируемой видеоинформации для авиационной системы комбинированного видения [Текст] / М.А. Лебедев, М.А. Бондаренко, Д.В. Комаров и др. // научно-технический и производственный журнал «Вестник компьютерных и информационных технологий». - 2014. - №7. - С. 8-13.

12. Волков, А.В. Методы компьютерной оптики [Текст] / А.В. Волков, Д.Л. Головашкин, Л.Д. Досколович и др.; под ред. В.А. Сойфера. - М.: Физматлит, 2003. - 688 с.

13. Алпатов, Б.А. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление [Текст] / Б.А. Алпатов, П.В. Бабаян, О.Е. Балашов. - М.: Радиотехника, 2008. - 176 с.

14. Чочиа, П.А. Быстрое корреляционное совмещение квазирегулярных изображений [Текст] / П.А. Чочиа // Информационные процессы. - 2009. - Т. 9, № 3. - С. 117-120.

15. Баклицкий, В.К. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации [Текст] / В.К. Баклицкий, А.М. Бочкарев, М.П. Мусьяков. - М.: Радио и связь, 1986. - 216 с.

16. Елесина, С.И. Исследования возможности применения поисковых

методов в корреляционно-экстремальных навигационных системах [Текст] / С.И. Елесина, Б.В. Костров, А.А. Логинов // Информатика и прикладная математика: межвуз. сб. науч. тр. - Рязань, 2009. - С. 53-58.

17. Стронгин, Р.Г. Поиск глобального оптимума (научно-популярная серия: «Математика. Кибернетика») [Текст] / Р.Г. Стронгин. - М.: Знание, 1990. - 48 с.

18. Жиглявский, А.А. Методы поиска глобального экстремума [Текст] / А.А. Жиглявский, А.Г. Жилинскас. - М.: Наука, 1991. - 248с.

19. Орлянская, И.В. Современные подходы к построению методов глобальной оптимизации [Электронный ресурс] / И.В. Орлянская // МГУ, факультет ВМиК. - 2016. - Режим доступа: http://www.rubingoods.ru/1002/1.pl. Дата обращений 08.02.2016.

20. Занин, Д.Е. Основные парадигмы в области исследования интеллектуальных поисковых систем. [Текст] / Д.Е. Занин // Современное состояние и приоритеты развития фундаментальных наук в регионах: труды III Всероссийской научной конференции молодых ученых и студентов. - Краснодар, 2006. -С. 185-191.

21. Гончаров, Е.Н. Поведение вероятностных жадных алгоритмов для многостадийной задачи размещения. [Текст] / Е.Н. Гончаров, Ю.А. Кочетов // Дискретный анализ и исследование операций. - 1999.- Т.6, № 1. - С. 12-32.

22. Сухарев, А.Г. Курс методов оптимизации [Текст]: учебное пособие / А.Г. Сухарев, А.В. Тимохов, В.В. Федоров. - М.: Физматлит, 2005. - 368 с.

23. Glover, F. Tabu search: part I [Text] / F. Glover // ORSA J. - 1989. - № 1. -P. 190-206.

24. Поиск с запретами [Электронный ресурс]. - Институт математики им. С.Л. Соболева СО РАН, лаборатория «Математические модели принятия решений», 2013-2016. - Режим доступа:

http://www.math.nsc.ru/AP/benchmarks/UFLP/uflp_tabu.html. Дата обращения 12.02.2014.

25. Holland, J.H. Adaptation in Natural and Artificial Systems [Text] / J.H.

Holland. - MI: The University of Michigan Press, 1992. - 192 p.

26. Елесина, С.И. Повышение эффективности генетического алгоритма [Текст] / С.И. Елесина, М.Б. Никифоров // Информационные технологии: теоретический и прикладной научно-технический журнал. - 2012. - № 3. - С. 4954.

27. Спицын, В.Г. Представление знаний в информационных системах [Текст]: учебное пособие / В.Г. Спицын, Ю.Р. Цой. - Томск: Изд-во ТПУ, 2006. -146 с.

28. Фурман, Я.А. Введение в контурный анализ. Приложения к обработке изображений и сигналов [Текст] / Я.А. Фурман, А.В. Кревецкий, А.К. Передреев и др.; под ред. Я.А. Фурмана. - изд. 2-е, испр. - М.: Физматлит, 2003. - 592 с.

29. Обзор дескрипторов ключевых точек [Электронный ресурс]. -Национальный открытый университет, 2003-2016. - Режим доступа: http://www.intuit.ru/studies/courses/10621/1105/lecture/17983?page=2.

Дата обращения 12.01.2016.

30. Jensen, R. Semantics-preserving dimensionality reduction rough and fuzzy-rough-based approaches[Text] / R. Jensen, Q. Shen // IEEE Transactions on Knowledge and Data Engineering. - 2005. - №16. - P. 1457-1471.

31. Lowe, D.G. Distinctive Image Features from Scale-Invariant Keypoints [Text] / D.G. Lowe // International Journal of Computer Vision. - 2004. - №60. - P. 91-110.

32. Построение SIFT дескрипторов и задача сопоставления изображений [Электронный ресурс]. - Сборник технических статей, 2006-2016. - Режим доступа: http://habrahabr.ru/post/106302/. Дата обращения 30.01.2016.

33. Гаганов, В. Инвариантные алгоритмы сопоставления точечных особенностей на изображениях [Текст] / В. Гаганов // Компьютерная Графика и Мультимедиа. - 2009. - №1(17). - С. 1-12.

34. Елесина, С.И. Отбор критериальных функций для систем улучшенного и комбинированного видения [Текст] / С.И. Елесина, А.И. Ефимов // Известия ТулГУ, технические науки. - 2013. - № 9, ч.1. - С. 229-236.

35. Nikiforov, M.B. Criterial Functions Selection for Combined and Enhanced Vision Systems of the Aircraft [Text] // M.B. Nikiforov, S.I. Elesina, A.I. Efimov // Proceedings of the VIIIth International Scientific and Technical Conference CSIT'2013. - Lviv, Ukraine, 2013. - P. 56-58.

36. Елесина, С.И. Методика оценки качества критериальной функции совмещения изображений [Текст] / С.И. Елесина, А.А. Логинов, М.Б. Никифоров // Информационные технологии: теоретический и прикладной научно-технический журнал. - 2013. - № 3. - С. 24-28.

37. Новиков, А.И. Применение контурного анализа для совмещения изображений. [Текст] / А.И. Новиков, В.А. Саблина, Е.О. Горячев // Известия ТулГУ, технические науки. - 2013. - № 9, ч.1. - С 260-270.

38. Алпатов, Б.А. Электронная юстировка изображений при мультиспектральном наблюдении [Текст] / Б.А. Алпатов, П.В. Бабаян // Цифровая обработка сигналов. - 2003. - № 1. - С. 24-26.

39. Новиков, А.И. Совмещение изображений в системах технического зрения методами проективной геометрии [Текст] / А.И. Новиков, В.А. Саблина, А.И. Ефимов // Научно-техническая конференция «Техническое зрение в системах управления - 2015»; М.:ИКИ РАН. - 2015. - С. 51.

40. Грузман, И.С. Цифровая обработка изображений в информационных системах [Текст] / И.С. Грузман, В.С. Киричук, В.П. Косых, и др. - Новосибирск: НГТУ, 2002. - 351 с.

41. Novikov, A.I. The Contour Analysis and Image-Superimposition Problem in Computer Vision Systems [Text] / A.I. Novikov, V.A. Sablina, M.B Nikiforov, et. al. // Pattern Recognition and Image Analysis. - 2015. - №1(25). - P. 73-80.

42. Richard, I. Multiple view geometry in computer vision [Text] / I. Richard, H. Zisserman, A. Zisserman. - 2nd edition. - Cambridge University Press, 2003. -673 p.

43. Hast, A. Optimal RANSAC - Towards a Repeatable Algorithm for Finding the Optimal Set [Text] / A. Hast, N. Johan, A. Marchetti. // Journal of WSCG. - 2013. -

№ 1(21). - P. 21-30.

44. Novikov, A.I. Image Superimposition and the Problem of Selecting the Set of Corresponding Point Pairs [Text] / A.I. Novikov, V.A. Sablina, A.I. Efimov. // Proceedings 4th Mediterranean Conference on Embedded Computing (MECO). -Budva, Montenegro, 2015. - P. 139-142.

45. Bay, H. Speeded-Up Robust Features (SURF) [Text] / H. Bay, A. Ess, T. Tuytelaars, L. Van Gool. - Zurich: Elsevier, 2008. - 14 p.

46. Демидович, Б.П. Основы вычислительной математики [Текст] / Б.П. Демидович, И.А. Марон. - М.: Наука, 1955. - 664 с.

47. Ефимов, А.И. Построение матрицы гомографии на основе произвольного количества пар ключевых точек [Текст] / А.И. Ефимов, А.А. Логинов, М.Б. Никифоров и др. // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций, Горячая-линия Телеком. - 2015. - С. 137-139.

48. Саппу, J. A Computational Approach to Edge Detection [Электронный ресурс]. / J. Canny // IEEE Transactions on pattern analysis and machine intelligence. -1986. - №6(8). - Режим доступа:

http: //perso .limsi.fr/vezien/PAPIERS_ACS/canny1986.pdf

49. Детектор границ Канни [Электронный ресурс]. - Сборник технических статей, 2006-2016. - Режим доступа: http://habrahabr.ru/post/114589/. Дата обращения 13.12.2015.

50. Дашковская, Т.В. Цифровая обработка сигналов в среде Matlab [Текст]: лабораторный практикум: в 2 ч. / Т.В. Дашковская. - Новосибирск: СГГА, 2010. -83 с. - Ч. 2.

51. Chetverikov, D. A Simple and Efficient Algorithm for Detection of High Curvature Points in Planar Curves [Text] / D. Chetverikov, Z. Szabo // Proc. 23rd Workshop of the Austrian Pattern Recognition Group. - 1999. - P. 175-184.

52. Непомнящий, П.В. Поиск опорных точек на векторных изображениях путем детектирования уголковых структур с помощью статистической оценки гипотез. [Электронный ресурс] / П.В. Непомнящий, Д.В. Юрин // Graphicon 2002

proceedings. - 2002. - Режим доступа: http://www.graphicon.ru/2002/.

53. Новиков, А.И. Совмещение изображений и проблема выбора множества пар ключевых точек [Текст] / А.И. Новиков, В.А. Саблина, А.И. Ефимов // Актуальные проблемы создания космических систем дистанционного зондирования Земли; М.: ОАО «Корпорация ВНИИЭМ». - 2015. - С. 143-144.

54. Новиков, А.И. Предварительное совмещение изображений и методы оценки качества совмещения [Текст] / А.И. Новиков, А.И. Ефимов // Цифровая обработка сигналов. - 2014. - №3. - С. 23-29.

55. Novikov, A.I. Combining images using key point method [Text] / A.I. Novikov, A.I. Efimov // Proceedings of the 3rd Mediterranean Conference on Embedded Computing. - Budva, Montenegro, 2014. - P. 108-111.

56. Новиков, А.И. Алгоритмы выделения границ полезных сигналов [Текст] / А.И. Новиков // Вестник РГРТУ. - 2008. - №2(24). - С. 11-15.

57. Ефимов, А.И. Совмещение изображений и оценка качества совмещения в системах технического зрения [Текст]: доклады / А.И. Ефимов, А.И. Новиков // Цифровая обработки сигналов и ее применение - DSPA-2014. - М., 2014. - Т. 2. -С. 491-494.

58. Ефимов, А.И. Использование преобразования Радона для систем совмещения изображений [Текст] / А.И. Ефимов, С.И. Елесина, Я.К. Шевченко // Наука и образование в жизни современного общества: сб. науч. тр. по мат-лам Междунар. науч.-практ. конф. 29 октября 2012: в 12 ч. - Тамбов, 2012. - Ч. 8. -С. 50-52.

59. Ефимов, А.И. Использование быстрого преобразования Фурье для систем совмещения изображений [Текст] / А.И. Ефимов, С.И. Елесина, Я.К. Шевченко // Наука и образование в жизни современного общества: сб. науч. тр. по мат-лам Междунар. науч.-практ. конф. 25 июня 2012: в 3 ч. - Тамбов, 2012. - Ч. 3. - С. 48-50.

60. Елесина, С.И. Использование преобразования Радона и быстрого преобразования Фурье для систем совмещения изображений [Текст] /

С.И. Елесина, А.И. Ефимов, Я.К. Шевченко // Методы и средства обработки и хранения информации: межвуз. сб. науч. тр.- Рязань, 2012. - С. 138-142.

61. Дудко, И.С. Автоматизация исследования и отладки алгоритмов и программ обработки изображений [Текст] / И.С. Дудко, А.И. Ефимов, А.А. Логинов и др. // Известия ТулГУ, технические науки. - 2015. - № 9. - С. 8795.

62. Сидоров, Д.В. Оценка качества изображений с использованием вейвлетов [Текст] / Д.В. Сидоров, А.Н. Осокин, Н.Г. Марков // Известия Томского политехнического университета. - 2009. - № 5, Т. 315. - С. 104-107.

63. Богданов, А.П. Оценка качества цифровых изображений [Текст] / А.П. Богданов, Ю.Н. Романов // Механика, управление и информатика. - 2012.-№9. -С. 218-226.

64. Wang, X. Blind Image Quality Assessment for Measuring Image Blur [Text] / X. Wang, B. Tian, C. Liang, D. Shi // Congress on Image and Signal 2008. Congress on Image and Signal Processing. - 2008. - P. 1-4.

65. Соловьев, Н.В. Улучшение качества растровых изображений [Текст]: учебное пособие / Н.В. Соловьев, А.М. Сергеев. - СПб.: СПбГУ ИТМО, 2010.158 с.

66. Крашенинников, В.Р. Основы теории обработки изображений [Текст]: учебное пособие / В.Р. Крашенинников. - Ульяновск: УлГТУ, 2003. - 150 с.

67. Чемерис, Д.С. Исследование методов определения геометрического рассогласования двух изображений для решения задачи оптического наведения и стыковки подводного робота [Текст] / Д.С. Чемерис, И.Н. Бурдинский // Проектирование инженерных и научных приложений в среде MATLAB: сб. науч. трудов. - СПб., 2011. - С. 465-470.

68. Ефимов, А.И. Алгоритмы оценки качества совмещения изображений [Текст] / А.И. Ефимов // Известия ТулГУ, технические науки. - 2016. - № 2. - С. 67-73.

69. German, E.V. Assessment of combining heterogeneous images [Text] /

E.V. German, E.R. Muratov // World & Science: Materials of the international research and practice conference. - Brno, Czeh. Rep., 2014. - P. 191-195.

70. Елесина, С.И. Исследование особенностей методов глобальной оптимизации в корреляционно-экстремальных навигационных системах [Текст] / С.И. Елесина // Математическое и программное обеспечение вычислительных систем: межвуз. сб. науч. тр. - М., 2009. - С. 30-37.

71. Елесина, С.И. Повышение эффективности методов глобальной оптимизации на основе кластеризации области поиска [Текст] / С.И. Елесина, М.Б. Никифоров, В.В. Зотов // Вестник РГРТУ. -2011.- №3(37). - С. 38-42.

72. Елесина, С.И. Исследование алгоритмов корреляционного совмещения изображений в системах комбинированного видения [Текст] / С.И. Елесина, О.А. Ломтева // Цифровая обработка сигналов. - 2015. - №3. - С. 71-76.

73. Герман, Е.В. Методика корреляционного совмещения реальных и синтезированных изображений подстилающей поверхности в системе комбинированного видения летательных аппаратов [Текст] / Е.В. Герман // Инновации в авиации и космонавтике - 2014. - С. 130-131.

74. Novikov, А1. The Contour Analysis and Image-Superimposition Problem in Computer Vision Systems [Text] / A.I. Novikov, V.A. Sablina, M.B. Nikiforov, et. al. // Pattern Recognition and Image Analysis. - 2015. - №1(25). - P. 73-80.

ПРИЛОЖЕНИЕ А. КОПИИ АКТОВ ВНЕДРЕНИЯ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ

В приложении А представлены копии актов о внедрении результатов диссертационного исследования:

1. Акт о внедрении результатов кандидатской диссертационной работы Ефимова Алексея Игоревича, представленной на соискание ученой степени кандидата технических наук, в работах АО «ГРПЗ».

2. Акт о внедрении результатов кандидатской диссертационной работы Ефимова Алексея Игоревича, представленной на соискание ученой степени кандидата технических наук, в учебном процессе кафедры «Электронные вычислительные машины» Федерального государственного бюджетного образовательного учреждения высшего образования «Рязанский государственный радиотехнический университет».

УТВЕРЖДАЮ Проректор РГРТУ по учебной работе

« »

ОЛ_2016г.

АКТ

Внедрения результатов кандидатской диссертационной работы Ефимова Алексея Игоревича в учебном процессе Рязанского государственного радиотехнического университета

Настоящим актом удостоверяется, что результаты экспериментальных исследований и разработанное программное обеспечение для совмещения изображений и оценки качества результатов совмещений, полученные Ефимовым А.И. в ходе работ над кандидатской диссертацией, внедрены в учебном процессе кафедры «Электронные вычислительные машины» Рязанского государственного радиотехнического университета в дисциплинах:

1) «Алгоритмические основы совмещения изображений различной физической природы», направление подготовки - 09.03.01 «Информатика и вычислительная техника» (программа бакалавриата);

2) «Методы и алгоритмы обработки изображений», направление подготовки 09.04.01 «Информатика и вычислительная техника» (программа магистратуры).

Директор института магистратуры и аспирантуры, к.т.н., доц.

Декан ФВ'Г, д.т.н., проф.

А.В. Корячко

А.Н. Пылькин

Зав. кафедрой ЭВМ. д.т.н., проф.

1 ««ij

УТВЕРЖДАЮ I зам. Генерального директора -сий директор АО «ГРПЗ»

J

Oil 2016г.

АКТ

внедрения результатов кандидатской диссертационной работы Ефимова Алексея Игоревича

Комиссия в составе: директора-главного конструктора Научно-конструкторского центра видеокомпьютерных технологий (НКЦ ВКТ) АО «ГРПЗ», канд. техн. наук Костяшкина JI.H., начальника лаборатории Рожковского С.С., научного сотрудника НКЦ ВКТ, канд. техн. наук Баранцева A.A., ведущего научного сотрудника НКЦ ВКТ, канд. техн. наук Юкина С.А., рассмотрев представленные материалы, составила настоящий акт о том, что практические и теоретические результаты научных исследований Ефимова А.И., работающего в ФГБОУ ВО «РГРТУ» в должности инженера НИЧ каф. ЭВМ, нашли применение в работах:

- НИР «Разработка аппаратно-программных средств совмещения графических изображений в режиме реального времени» (шифр «Совмещение - 1»);

- составная часть НИОКР «Разработка эскизно-технического проекта на многоспектальную систему технического зрения с РЛС 3 мм диапазона (МСТЗ)» (шифр «ИКБО ИМА Образцы - ГРПЗ - МСТЗ - 2013»;

- в инициативных разработках НКЦ ВКТ АО «ГРПЗ» по теме «Многоспектральная система технического зрения для БРЭО боевого вертолета (МСТЗ)».

При этом использованы следующие результаты диссертационной работы Ефимова А.И., представленной на соискание учёной степени кандидата технических наук:

1. Алгоритмическое обеспечение для выделения на изображениях подстилающей поверхности контуров протяженных объектов.

2. Алгоритмы совмещения изображений на основе алгоритмов контурного анализа и дробно-линейных преобразований.

3. Программное обеспечение для исследования эффективности алгоритмов совмещения изображений и автоматической оценки качества получаемых результатов.

Результаты диссертационной работы Ефимова А.И. использовались для проведения экспериментальных исследований совмещения ТВ и ТПВ изображений с изображениями, построенными по виртуальной модели, а также оценки качества получаемых совмещений.

Председатель комиссии Члены комиссии

Л.Н. Костяшкин

С.С. Рожковский А.А. Баранцев С.А. Юкин

ПРИЛОЖЕНИЕ Б. КОПИИ СВИДЕТЕЛЬСТВ О РЕГИСТРАЦИИ ПРОГРАММ ДЛЯ ЭВМ

В приложении Б приведены копии свидетельств о регистрации программ для ЭВМ, полученных в ходе диссертационной работы:

1. Елесина С.И., Ефимов А.И. Программа для определения и исследования характеристик критериальных функций. Свидетельство о государственной регистрации программы для ЭВМ №2015610172 от 12.01.2015г.

2. Ефимов А.И., Новиков А.И. Программа для построения проективных преобразований изображений. Свидетельство о государственной регистрации программы для ЭВМ №2015660419 от 30.09.2015г.

3. Ефимов А.И., Новиков А.И., Никифоров М.Б. Программа для определения качества совмещения изображений. Свидетельство о государственной регистрации программы для ЭВМ №2015660721 от 7.10.2015г.

]р®(0Ш!Й«АШ ФВДГОАЩШШ

ж жжжжж

ж ж ж ж ж

ж

ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж

жжжжжж ж ж

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2015610172

Программа для определения и исследования характеристик критериальных функций

Правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Рязанский государственный радиотехнический университет" (Я11)

Авторы: Елесина Светлана Ивановна (Я11), Ефимов Алексей Игоревич (ЯП)

Заявка № 2014661356

Дата поступления 10 ноября 2014 г.

Дата государственной регистрации в Реестре программ для ЭВМ 12 января 2015 г.

Врио руководителя Федеральной службы по интеллектуальной собственности

Л.Л. Кирий

Ж

ш

ж ж ж ж ж ж ж ж ж ж ж ж

ж ж ж ж ж

ж

ж ж

>ЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖ<

ртсетйежАш фвдшращшш

ж ж ж

ж

ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж ж

ш

ЖЖЖЖЖ (=€

ш

жжжжжж

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2015660419

Программа для построения проективных преобразований

изображений

Правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Рязанский государственный радиотехнический университет" (Я11)

Авторы: Ефимов Алексей Игоревич (Я11), Новиков Анатолий Иванович (ЯII)

Заявка № 2015617501

Дата поступления 14 августа 2015 Г.

Дата государственной регистрации в Реестре программ для ЭВМ 30 Сентября 2015 г.

Заместитель руководителя Федеральной службы по интеллектуальной собственности

Л.Л. Кирий

>жжжжжжжжжжжжжжжжжжжжжжжжжжжжжжжж<

теешйеиш фвдшращшш

ж жжжжж ж ж ж ж

ж

ж ж ж ж ж ж ж ж ж ж

ж

ж ж ж

ж ж ж ж ж ж ж ж ж

жжжжжж

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2015660721

Программа для определения качества совмещения

изображений

Правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Рязанский государственный радиотехнический университет» (ЯV)

Авторы: Ефимов Алексей Игоревич (Я 11), Новиков Анатолий Иванович (Яи), Никифоров Михаил Борисович (ЯП)

Заявка № 2015617484

Дата поступления 14 августа 2015 Г.

Дата государственной регистрации в Реестре программ для ЭВМ 07 октября 2015 г.

Заместитель руководителя Федеральной службы по интеллектуальной собственности

Л. Л. Кирий

ЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖ^: