Найти

Результаты поиска

• ПОВЫШЕНИЕ РЕАЛЬНОЙ ПРОИЗВОДИТЕЛЬНОСТИ РВС ПРИ РЕШЕНИИ ЗАДАЧ ЦИФРОВОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ БЫСТРОГО ПРЕОБРАЗОВАНИЯ ФУРЬЕ

  А.В. Чкан

  2021-02-25

  Аннотация ▼

  Рассматриваются вопросы цифровой обработки изображений больших размерно-
  стей в реальном масштабе времени с помощью реконфигурируемых вычислительных сис-
  тем (РВС) на базе ПЛИС. РВС относятся к классу высокопроизводительных многопроцес-
  сорных вычислительных систем, но при этом обладают программируемой архитектурой,
  позволяющей конфигурировать структуру вычислительной системы, оптимально под-
  страивая её под алгоритмы решаемой задачи. В то же время оптимизация вычислитель-
  ной структуры задачи сводится к разработке и реализации параллельных алгоритмов,
  соответствующих специфике используемой архитектуры РВС. Всё это позволяет эффек-
  тивно использовать РВС для решения широкого класса задач цифровой обработки сигна-
  лов. Предложены способы повышения удельной и реальной производительности РВС при
  решении задач цифровой обработки изображений с использованием быстрого преобразо-
  вания Фурье (БПФ). На примере процедуры фильтрации изображений в частотной облас-
  ти рассмотрены основные вычислительные этапы и способы их оптимизации, основанные
  на свойствах алгоритма БПФ. Применение оптимизации позволяет существенно сокра-
  тить как объем вычислений, так и объем задействованных аппаратных ресурсов ПЛИС, и
  повысить производительность РВС для задач обработки изображений. Освобожденные в
  результате оптимизации вычислительной структуры ресурсы ПЛИС могут быть исполь-
  зованы для дополнительного распараллеливания вычислений и ускорения обработки посту-
  пающих данных. Показаны преимущества представления данных в формате с фиксирован-
  ной запятой при выполнении расчётов на РВС. Использование фиксированной запятой по-
  зволяет не только повысить удельную и реальную производительность вычислительной
  системы по сравнению с плавающей запятой в силу свойств формата, но и использовать
  произвольную разрядность данных, что является актуальным для большинства задач циф-
  ровой обработки сигналов. Рассмотрено решение проблемы переполнения разрядной сетки
  при использовании формата с фиксированной запятой с помощью масштабирования раз-
  рядности данных.

• МЕТОД ДЕТЕКЦИИ ХАРАКТЕРНЫХ ТОЧЕК ИЗОБРАЖЕНИЯ С ПОМОЩЬЮ ЗНАКОВОГО ПРЕДСТАВЛЕНИЯ

  А. Н. Каркищенко , В. Б. Мнухин

  2020-11-22

  Аннотация ▼

  Целью исследования является разработка метода детекции характерных точек
  цифрового изображения, обладающего устойчивостью по отношению к определенному
  классу преобразований яркости. Необходимость в подобном методе обусловлена потреб-
  ностями выделения ключевых точек изображений в системах видеонаблюдения и распозна-
  вания лиц, зачастую работающих в условиях меняющейся освещенности. Особенностью
  предлагаемого метода, отличающего его от ряда известных подходов к проблеме выделе-
  ния характерных точек, является использование так называемого знакового представле-
  ния изображений. В отличие от обычного задания цифрового изображения дискретной
  функцией яркости, при знаковом представлении изображение задается в виде ориентиро-
  ванного графа, соответствующего бинарному отношению увеличения яркости на множе-
  стве пикселей. Тем самым, знаковое представление определяет не единственное изобра-
  жение, а множество изображений, функции яркости которых связаны строго монотон-
  ными преобразованиями яркости. Именно это свойство знакового представления опреде-
  ляет его эффективность для решения задач, обусловленных поставленной выше целью.
  Особенностью рассматриваемого метода является особый подход к интерпретации ха-
  рактерных точек изображения. Это понятие в теории обработки изображений не явля-
  ется строго определенным; можно сказать, что характерная точка отличается повышен-
  ной «сложностью» структуры изображения в её окрестности. Поскольку знаковое пред-
  ставление изображения может быть представлено в виде ориентированного графа, в дан-
  ной работе для оценки меры сложности локальной окрестности его вершин предложено
  использовать известный в спектральной теории графов метод ранжирования, основанный
  на теореме Перрона-Фробениуса. Его суть состоит в том, что в качестве меры сложности
  вершины выступает значение компоненты так называемого перроновского собственного
  вектора матрицы смежностей данного графа. Для проведения экспериментальных исследований предложенного подхода был разработан комплекс программ, результаты работы которых подтверждают работоспособность метода и демонстрируют, что с его помощью
  удается на модельных примерах получать близкие к ожидаемым результаты. В работе
  предложен также ряд рекомендаций по применению данного метода.

• ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ КРУПНОРАЗМЕРНЫХ БПЛА ПРИ РЕШЕНИИ ЗАДАЧ КОМПЛЕКСНОГО ОБСЛЕДОВАНИЯ ТЕРРИТОРИЙ

  А. М. Федулин, Д.М. Дрягин

  2021-04-04

  Аннотация ▼

  Целью приведенного в настоящей работе исследования является оценка перспектив-
  ности применения крупноразмерных беспилотных летательных аппаратов (БПЛА) боль-
  шой продолжительности полета для решения задачи регулярного комплексного обследова-
  ния территорий большой площади относительно других применяемых для этого средств,
  таких как: малоразмерные БПЛА, космические аппараты для дистанционного зондирова-
  ния Земли и пилотируемые летательные аппараты. Рассмотрен вопрос практического
  построения программно-аппаратного комплекса бортовой системы технического зрения
  на основе крупноразмерного БПЛА «Орион» взлетной массой более тонны, обеспечивающе-
  го аэрофотографическую съемку в видимом и ближнем инфракрасном диапазоне и воздуш-
  ное лазерное сканирование подстилающей поверхности с автоматической обработкой
  получаемых данных на борту в режиме времени, близком к реальному, с целью выявления
  произошедших с предыдущего обследования интересующих изменений. Определены ключе-
  вые составные части системы технического зрения, включая требуемую для решения
  функциональных задач программно-аппаратную платформу для обеспечения высокопроиз-
  водительных вычислений и хранения больших объемов данных. В работе приведена пер-
  спективная архитектура построения такой системы, даны расчетные оценки по ее поис-
  ковой производительности, массе и потребляемой мощности, определена типовая высота
  выполнения полетов, обеспечивающая пространственное разрешения получаемой видовой
  информации, необходимое для надлежащей работы алгоритмов объектно-
  ориентированного распознавания интересующих изменений, построенных на машинном
  обучении сверточных нейронных сетей. Предложены организационно-технические решения
  по ускорению цикла обработки данных, с учетом требований законодательства в части
  рассекречивания данных аэросъемки. Полученные в ходе выполнения работы результаты
  подтверждают, что после выдачи БПЛА «Орион» Федеральным агентством воздушного
  транспорта сертификата типа воздушного судна, дающего право выполнения коммерче-
  ских полетов в общем воздушном пространстве Российской Федерации, на его базе с ис-
  пользованием современных технологий съемки и интеллектуальной обработки данных
  можно будет реализовать аэросъемочный комплекс высокой производительности и сте-
  пени автономности, тактико-технические и экономические характеристики которого
  будут на порядки превосходить существующие на данный момент решения, особенно для
  труднодоступных районов страны.

• СРАВНИТЕЛЬНЫЙ АНАЛИЗ ДВУХ СПОСОБОВ ФИЛЬТРАЦИИ ДЛЯ УСТРАНЕНИЯ ШУМА В ИЗОБРАЖЕНИИ РАЗНОЙ СТЕПЕНИ ЗАШУМЛЕННОСТИ

  К. О. Север , И.И. Турулин , Д.А. Гужва

  2021-08-11

  Аннотация ▼

  В современной технике фото- и видеосъемки любое изображение в процессе его фор-
  мирования искажается под действием различных видов шумов. Существуют различные
  виды шумов, но на практике наиболее часто встречаются модели импульсного и гауссов-
  ского шума. Ослабление действия шумов достигается путём фильтрации. На данный мо-
  мент не существует универсального фильтра, подавляющего данные типы шумов при раз-
  личных интенсивностях искажения. Поэтому важным аспектом является определение
  области применения каждого вида фильтра при подавлении шумов в изображении и созда-
  нии типа фильтра, состоящего из синтеза сочетающего различные методы фильтрации
  для оптимальной очистки изображения. В статье представлен сравнительный анализ
  медианной фильтрации и фильтрации Винера для устранения импульсного и гауссовского
  шума в изображении при разной степени зашумленности. Для моделирования использова-
  лось одно изображение, искаженное отдельно импульсным и отдельно гауссовским шумом
  с вероятностями искажения пикселей от 1 % до 99 % включительно. Фильтрация произво-
  дилась с окнами, равными 3x3 и 5x5. В результате были получены численные оценки каче-
  ства фильтрации изображений на основе пикового отношения сигнал-шум (PSNR). На ос-
  нове полученных данных была проанализирована область применения исследуемых фильт-
  ров, их модификации, достоинства и недостатки, а также приведены рекомендации по их
  использованию. В результате сравнительного анализа исследуемых видов фильтрации для
  зашумленных изображений было установлено, что медианный фильтр с окном 3х3 лучше
  справляется с очисткой изображения от импульсного шума малой интенсивности и с ок-
  ном 5х5 – с очисткой изображения средней интенсивности зашумления. Также медианный
  фильтр лучше справляется с фильтрацией гауссовского шума при его средних и высоких
  значениях среднеквадратичного отклонения. Фильтр Винера с окнами 3х3 и 5х5 лучше
  фильтрует гауссовский шум при малых его значениях его среднеквадратичного отклоне-
  ния. Также фильтр Винера лучше справляется с импульсным шумом относительно высо-
  кой интенсивности зашумления.

• АЛГОРИТМ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ ОБНАРУЖЕНИЯ МАЛОРАЗМЕРНЫХ ОБРАЗОВ

  В. В. Ковалев , Н. Е. Сергеев

  2021-12-24

  Аннотация ▼

  Распознавание определенных образов в видеоизображениях, снятой камерой, осуще-
  ствляется с помощью методов обучения на основе сверточных нейронных сетей. Чем
  больше количество образов с множеством признаков и разнообразнее обучающая выборка
  видеоизображений, тем лучше сверточные нейронные сети извлекают признаки из после-
  довательности видеоизображений, которые не были включены в обучающую выборку. Это
  является следствием повышения точности обнаружения визуальных образов на видеоизоб-
  ражениях, содержащих признаки целевых образов. Однако, существуют ограничения в
  улучшении характеристик обнаружения, когда размеры образа, который нужно обнару-
  жить, значительно меньше, чем область фона или, когда образ описан малым количеством
  информации. Для решения проблем подобного рода авторами статьи разработан алго-
  ритм пространственно-временного комплексирования информации о движении динамиче-
  ских образов. Алгоритм обрабатывает фиксированное количество видеоизображений в
  определенные моменты времени и извлекает новые независимые признаки движения дина-
  мических образов на основе пространственно-временной обработки видеоизображений.
  Далее объединяет новые локальные признаки движения с исходными признакам видеоизоб-
  ражения. Это позволяет добавить признак движения динамических образов с сохранением
  исходных признаков изображения, описывающих статичные образы. Области видеоизоб-
  ражения, характеризующие признак движения, отображаются «цветным» кластером.
  Применение предварительной обработки направлено на повышение точности обнаруже-
  ния образов при условии наличия динамических визуальных образов на статичном заднем
  фоне. Если камера работает в режиме сканирования, то статичный задний фон можно
  обеспечить стабилизатором видеоизображений. Экспериментальным путем получены
  оценки интегральных критериев точности детекционных нейросетевых алгоритмов, пока-
  зывающие увеличение в точности обнаружения визуальных образов с применением алго-
  ритма пространственно-временного комплексирования информации о движении.

• МУЛЬТИАГЕНТНАЯ СИСТЕМА С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОБРАБОТКИ ИЗОБРАЖЕНИЙ С КАМЕР ТЕХНИЧЕСКОГО ЗРЕНИЯ ДРОНА

  А. Л. Веревкин , И.Э. Джозефс , В.В. Мисюра , Л. С. Веревкина

  198-212

  2025-07-24

  Аннотация ▼

  Мультиагентная  технология с дронами, современными сенсорами, точным GPS и искусственном интеллекте, привели к прорыву в области киберфизических систем. В этой статье представлена мультиагентная система с использованием искусственного интеллекта для обработки изображений с камер технического зрения установленных на дроне. Разработана структурная схема мультиагентной системы на дроне на базе эффективной и простой платформе взятой с октокоптера ARRISE 410 – сельскохозяйственного дрона опрыскивателя с: интеллектуальной системой управления; всенаправленным цифровым микроволновым радаром; 6-ти осевым акселерометром высокой точности; электронным ватерпасом измерения наклона; оптической камерой  реального времени с видом от первого лица; панелью управления, оснащенной новейшей системой передачи сигналов Light Bridge 2; пультом дистанционного управления, защищенного от попадания пыли и воды. Комплект необходимо дополнить: гиперспектральной HS – камерой  для сканирования, ее модулем питания и возможностью сопряжения с системами дрона ARRISE 410, модулем сжатия информауции. Макет для исследования пропускной способности на DJI Agras T20 гексакоптере DJI Agras T20, сетевая карта MikrotikRB411 5G, микрокомпьютер Raspberry
  Pi 3, RGB-камера 1 Mpix , встроенный бортовой компьютер  Raspberry Pi OV5647 v1.3 и гиперспектральная HS – камера 2 Resonon Pika  L снимает гиперспектральные данные с 281 спектральными полосами со спектральными длинами волн от 400 до 1000нм и пространственным разрешением 900 гиперспектральных пикселей на строку изображения. В статье решена задача экспериментальным и расчетным путем  определить требуемое сжатие информации получаемой с камер гиперспектрального и оптического диапазона с передачей через оператор связи и интернет для обработки изображений искусственным интернетом

• МЕТОД ГЕНЕРАЦИИ ШУМА ПО НАБОРУ ЗАШУМЛЕННЫХ ИЗОБРАЖЕНИЙ БЕЗ ЧИСТЫХ ПРИМЕРОВ

  А.С. Коваленко , Я. М. Демяненко

  243-254

  2025-11-10

  Аннотация ▼

  Предлагается новый метод генерации шума по зашумленным изображениям без необходимости использования выровненных пар чистых и зашумленных данных. В отличие от традиционных подходов, требующих наличия согласованных наборов изображений или априорных моделей шума, разрабатываемый метод позволяет моделировать сложные характеристики шума, присущие конкретным КМОП‑сенсорам, основываясь исключительно на наблюдаемых зашумленных данных. Для синтеза шума используется генеративно‑состязательная архитектура
  U-Net-подобного типа, построенная на базе StyleGANv2 с модифицированным дискриминатором, учитывающим параметры камеры и исходных изображений. Основное внимание уделяется сохранению пространственно‑цветовой структуры изображения при генерации шума, что достигается введением специализированной функции потерь, сохраняющей характеристики цветопередачи и текстурных деталей. Предлагаемый подход позволяет обучать генератор шума в условиях полного отсутствия пар чистых и зашумленных изображений, что особенно актуально при работе с реальными данными, полученными с различных камер и в различных условиях освещения. В экспериментальной части проведен подробный сравнительный анализ качества синтезированных изображений по метрикам PSNR и SSIM, а также оценка распределения шума на основе статистических характеристик интенсивности и спектрального состава. Демонстрируется, что синтезированный набор изображений, созданный предложенным методом, может эффективно использоваться как самостоятельный тренировочный корпус для нейросетей подавления шума, а также в комбинации с реальным набором SIDD для повышения точности моделей подавления шума. Результаты показали, что комбинированное обучение на объединенном множестве сгенерированных и реальных примеров обеспечивает рост среднего PSNR на 1.5 дБ по сравнению с существующими методами, основанными на выровненных данных. При этом отсутствует зависимость от специфических оптических характеристик конкретного сенсора камеры, что существенно расширяет область применения разработанного метода. Полученные результаты подтверждают применимость предложенного подхода в задачах синтеза и подавления реалистичного шума в условиях отсутствия чистых эталонных изображений, а также открывают перспективы для дальнейших исследований в направлении адаптивной генерации шумовых моделей.

• СОВРЕМЕННЫЕ ПОДХОДЫ К МОНИТОРИНГУ И ПРОГНОЗИРОВАНИЮ ПРИРОДНЫХ ПОЖАРОВ: ОБЗОР И КОНЦЕПЦИЯ АВТОНОМНОЙ СИСТЕМЫ НА БАЗЕ БПЛА

  Н.Д. Болдырев , В. В. Гилка , А.С. Кузнецова , Д.А. Морозов

  58-80

  2025-12-30

  Аннотация ▼

  Природные пожары ежегодно наносят серьёзный урон экосистемам, экономике и безопасности населения, а своевременное обнаружение возгораний и прогнозирование их развития повышает оперативность реагирования на угрозу и позволяет оптимально распределять ресурсы при ликвидации чрезвычайных ситуаций (ЧС). Существующие методы мониторинга ограничены скоростью обнаружения очагов возгорания и оперативностью их дальнейшего распростанения, что снижает эффективность действий спасательных служб. Для решения данной проблемы могут использоваться гетерогенные источники данных, включая беспилотные летательные аппараты (БПЛА), распределённые датчиковые сети, мобильные комплексы полевого наблюдения, наземные тепловизионные станции и т.д., которые могут способствовать проведению более точного анализа текущей обстановки и повышению достоверности прогнозных моделей распространения пожаров. Целью исследования стала разработка концепции автоматизированного подхода к мониторингу и прогнозированию природных пожаров на основе беспилотных летательных аппаратов. Мы считаем, что такой подход сумеет повысить оперативность обнаружения очагов возгорания и точность прогнозирования их распространения. Задачи включают анализ существующих методов мониторинга, формирование концепции системы, интегрирующей многоспектральную съёмку, оптимизированную передачу данных, автоматическую сегментацию и прогнозирование на основе машинного обучения, а также обеспечивающей взаимодействие оператора и специалистов по оповещению. В работе использовались методы сбора, анализа и передачи данных с БПЛА, обработка многоспектральных изображений, машинное обучение и нейронные сети для детекции очагов возгорания, алгоритмы сегментации изображений и имитационное моделирование для прогнозирования распространения огня, визуализация данных для поддержки принятия решений оператором и администратором, логирование и анализ результатов для обучения моделей, программная инженерия и технологии человеко-машинного взаимодействия. Система сократит время обнаружения и прогнозирования пожаров, предоставит возможность оператору запускать несколько дронов одновременно и автоматизирует обработку получаемых с них данных. Автоматизация процессов позволит сократить время реакции на ЧС и численность персонала, улучшить распределение ресурсов, повысить точность прогнозов и своевременность информирования экстренных служб. Это поможет снизить ущерб от природных пожаров и повысить безопасность населения и экосистем. Несмотря на существующие успехи, достигнутые в решении этой задачи, комплексная система, концепция которой описывается в данной статье, пока не существует в полной мере ни в России и странах СНГ, ни в западных и азиатских странах. Хотя отдельные компоненты, такие как БПЛА для мониторинга и искусственный интеллект (ИИ) для анализа данных, уже активно используются, интегрированного решения, которое бы объединяло все элементы (управление дронами, прогнозирование распространения огня в режиме, приближенном к реальному времени, передача данных и взаимодействие с экстренными службами), на данный момент нет. Эта концепция представляет собой новый подход, который может стать прорывной технологией для борьбы с природными катастрофами