Найти

Результаты поиска

• ИСПОЛЬЗОВАНИЕ КОМПЛЕКСИРОВАННЫХ ДЕСКРИПТОРОВ В РЕШЕНИИ SLAM-ЗАДАЧИ

  В. П. Носков , А. Н. Курьянов

  2022-04-21

  Аннотация ▼

  Рассмотрена актуальная задача определения всех шести координат (трех линейных
  и трех угловых) текущего положения мобильного робота (беспилотного летательного
  аппарата) по видео-дальнометрическим изображениям внешней среды (объемным раскра-
  шенным облакам точек), формируемым бортовой комплексированной системой техниче-
  ского зрения, построенной на базе 3D-дальнометрического сенсора (лидара) и цветной
  видеокамеры, при движении (полете) в неизвестной среде. Предложен алгоритм видео-
  навигации, основанный на использовании комплексированных (видео-дальнометрических)
  дескрипторов, для описания которых используются яркостные и геометрические пара-
  метры. Сформулированы правила формирования комплексированного дескриптора, обес-
  печивающие выделение с помощью оператора Собеля особых (центральных) точек деск-
  риптора и вычисление яркостных и геометрических параметров в его локальной области.
  Дополнение яркостных параметров дескриптора, формируемых видеокамерой, геометри-
  ческими параметрами, формируемых дальнометрическим сенсором, снимает проблему
  инвариантности дескриптора к масштабу и тем самым существенно снижает трудоем-
  кость вычислений при его выделении. Описаны правила нахождения соответствующих
  друг другу комплексированных дескрипторов в последовательности комплексированных
  изображений, основанные на вычислении разности яркостных и геометричесих параметров сравниваемых дескрипторов. Выполнена оценка ошибки решения навигационной задачи
  с использованием комплксированных дескрипторов в зависимости от ошибки сенсоров
  системы технического зрения и геометрических размеров дескриптора. За счет построе-
  ния гистограмм решения навигационной задачи по каждой координате объекта управления
  для всех пар соответствующих друг другу дескрипторов достигнута статистически ус-
  тойчивая высокая достоверность решения полной навигационной задачи. При этом ошиб-
  ка решения навигационной задачи получилась на порядок меньше ошибки при формировании
  системой технического зрения комплексированных изображений. Использование комплек-
  сированных дескрипторов позволило при сравнительно малом объеме вычислений с прием-
  лемой точностью и быстродействием решить полную навигационную задачу, что обеспе-
  чивает решение SLAM-задачи на бортовых вычислителях в темпе движения объекта
  управления. Эффективность предложенных алгоритмических и разработанных программ-
  но-аппаратных средств подтверждена натурными экспериментами, проведенными в ре-
  альных условиях различных сред.

• 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.

• СОПОСТАВЛЕНИЕ ИЗОБРАЖЕНИЙ ПО ОСОБЫМ ТОЧКАМ РАЗЛИЧНЫХ КАТЕГОРИЙ

  К.И. Морев , А.В. Боженюк

  2020-10-11

  Аннотация ▼

  Работа посвящена экспериментам с различными методами выделения особых точек
  на изображениях с последующим их описанием бинарным дескриптором и сопоставлением
  методом полного перебора. В работе активно используется метод описания окрестно-
  стей особых точек, основанный на построении бинарной строки, характеризующей изме-
  нения яркостей пикселей в описываемой окрестности. Результирующая строка получается
  путем сравнения яркостей пикселей по определенному шаблону. Сегодня использование
  особых точек при работе с изображениями позволяет разрабатывать прикладные мето-
  ды в различных сферах компьютерного зрения с повышенными требованиями ко времени
  работы и устойчивости к резким изменениям сцен. В работе приведены результаты экс-
  периментов с особыми точками различных классов, классификация приводится в разделе 1.
  При проведении экспериментов использовались методы, реализованные в библиотеке
  OpenCV. В работе даны краткие описания используемых в экспериментах методов. В раз-
  деле 1 работы предлагается классификация современных типов особых точек изображе-
  ний и дается краткое описание популярных методов детектирования описываемых типов
  особых точек. В разделе 2 авторы дают общее описание методов работы с особыми точ-
  ками изображений. В разделе 3 приводится описание проводимых экспериментов с сопос-
  тавлением особых точек различных типов, описанных одним дескриптором, и раскрыва-
  ются их результаты. Проведенные эксперименты позволяют выявить сильные и слабые
  стороны связок различных типов особых точек при их сопоставлении.

• РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР, РАСТЕНИЙ И ЛЕСНЫХ МАССИВОВ

  И. Б. Аббасов , Ратнадип Р. Дешмух

  2020-10-11

  Аннотация ▼

  Представлен обзор некоторых исследований по проблеме распознавания изображе-
  ний сельскохозяйственных культур, растений и лесных массивов. В этих системах распо-
  знавания изображений используются различные методы предварительной обработки,
  компьютерного зрения, глубокого обучения. В последнее время увеличиваются системы
  распознавания на основе мобильных устройств, что повышает их доступность и широкое
  распространение. Рассмотрены статьи по распознаванию, классификации плодов и фрук-
  тов в садах, создание банка данных этих аграрных продуктов (яблоки, груши, киви) для
  оценки созревания и урожайности. Описаны работы посвященные автоматизации сбора
  урожая зерновых культур на примере работы уборочного комбайна с применением машин-
  ного зрения. Растениеводство играет важную роль при обеспечении кормов для животно-
  водства, анализированы статьи по распознаванию сельскохозяйственных растений на
  основе изображений листьев. Также по состоянию листьев картофельных кустов можно
  определить их болезни, оценить состояние почвы. Приведены работы по разработке мо-
  бильных систем контроля и распознавания процесса выращивания грибов на основе техно-
  логии «зеленый дом» для фермерских хозяйств. С помощью дистанционной диагностики
  можно анализировать и контролировать состояние поверхности суши и морей. Для дис-
  танционного экологического мониторинга ландшафта земной поверхности описаны рабо-
  ты по распознаванию, классификации лесных массивов, водных ресурсов с применением
  гиперспектрального анализа спутниковых изображений.

• КЛАССИФИКАТОР ИЗОБРАЖЕНИЙ СЕМЯН СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР С ИСПОЛЬЗОВАНИЕМ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ

  В. А. Деркачев , В. В. Бахчевников, А. Н. Бакуменко

  2020-11-22

  Аннотация ▼

  В настоящей статье рассматривается создание архитектуры сверточной нейронной
  сети, классифицирующей изображения сельскохозяйственных культур (в частности пшеницы)
  для последующего применения в оптическом сепараторе семян (фотосепараторе). Интерес к
  проектированию нейронных сетей классификации изображений в последнее время сильно воз-
  рос, что связано как с развитием теории глубоких нейронных сетей, так и возросшей вычисли-
  тельной мощностью настольных компьютеров, а также переносом вычислений на графиче-
  ские процессоры. Целью статьи является разработка архитектуры нейронной сети позволяю-
  щей осуществить разделение входного потока семян пшеницы на два класса: «хорошие» семена
  и «плохие» (с изъянами по форме и цвету) семена. Архитектура полученной нейронной сети
  является сверточной, так как в отличии от полносвязной, данный класс нейронных сетей в
  определенных пределах невосприимчив к изменению масштаба и угла поворота объектов во
  входных данных. В работе для формирования обучающей, валидационной и тестовой выборок
  использовались изображения семян, полученные с использованием бытовой фотокамеры, что
  негативно сказалось на результатах обучения и тестирования нейронной сети относительно
  возможного результата применения в реальном фотосепараторе. Архитектура разработан-
  ной нейронной сети предварительно оптимизирована для использования на ПЛИС, однако, в
  рассмотренном случае не осуществлен переход от значений весовых коэффициентов из типа
  данных с плавающей запятой к целочисленному типу, что может привести к снижению точ-
  ности работы нейронной сети, при этом позволив значительно уменьшить объем ресурсов
  ПЛИС. Применение предложенной архитектуры позволяет получить достаточно точную
  оценку классифицируемых семян пшеницы по верификационным и тестовым наборам данных.

• О ВЛИЯНИИ ЗАШУМЛЕНИЯ НА РАСПОЗНАВАНИЕ СИММЕТРИИ 3-ГО ПОРЯДКА В ГЕКСАГОНАЛЬНЫХ ИЗОБРАЖЕНИЯХ

  А.Н. Каркищенко , В. Б. Мнухин

  2021-01-19

  Аннотация ▼

  Излагается алгебраический подход к представлению и обработке цифровых изобра-
  жений, заданных на гексагональных решетках. Описанный подход основан на представле-
  нии изображений как функций на конечных полях «целых Эйзенштейна». Как оказывается,
  элементы таких полей естественно соответствуют пикселям гексагональных изображе-
  ний определенных размеров. Описаны экспоненциальное и логарифмическое преобразования
  в полях Эйзенштейна. Приведен метод обнаружения центров вращательной симметрии
  3-го порядка на полутоновых изображениях и введена соответствующая нормированная
  мера симметрии. Основной целью работы является исследование влияния зашумления на
  изображении на качество оценки симметрии с помощью введенной меры. Фактор зашум-
  ленности необходимо принимать во внимание, поскольку уменьшение меры может быть
  вызвано не только неполной симметрией реального объекта, но и искажениями из-за шу-
  мов, что практически всегда имеет место. Очевидно, что это отличие будет пропорцио-
  нально уровню шумовой составляющей. В работе получены аналитические оценки влияния
  шума на критерий обнаружения симметрии. Если изображения подвержены случайному
  зашумлению, то мера симметрии отдельных областей изображения будет случайной вели-
  чиной, закон распределения которой определяется законами распределения шумовых со-
  ставляющих. При этом в работе делается стандартное для обработки изображений
  предположение о модели нормальной и независимой зашумленности функции яркости.
  Особенность введенной меры симметрии третьего порядка не позволяет напрямую приме-
  нить стандартные методы для получения вероятностных оценок. С этой целью была про-
  ведена оценка кумулятивной функции распределения вероятностей, на основании которой
  получено выражение для вероятностей уклонения меры симметрии от истинного значения
  на заданную величину. В силу сделанных априорных предположений полученную оценку сле-
  дует рассматривать как достаточно «осторожную» и можно ожидать, что в реально-
  сти разброс меры, вызванный шумами на изображении, будет существенно меньше, чем
  теоретически установленные границы.

• ВОССТАНОВЛЕНИЕ ДЕФЕКТОВ И СЛЕПОЙ ЗОНЫ НА ИЗОБРАЖЕНИЯХ ПОДСТИЛАЮЩЕЙ ПОВЕРХНОСТИ ДЛЯ БОРТОВЫХ РАДИОЛОКАЦИОННЫХ СИСТЕМ КАРТОГРАФИРОВАНИЯ НА ОСНОВЕ ДОПЛЕРОВСКОГО ОБУЖЕНИЯ ЛУЧА

  Р.Р. Ибадов , С.Р. Ибадов , В. П. Федосов

  2021-02-13

  Аннотация ▼

  Проблема формирования радиолокационного изображения (РЛИ) земной поверхности
  в реальном времени остается одной из актуальных при решении задач радиовидения, не-
  смотря на появление большого количества публикаций в этой области, отражающих це-
  лый спектр новых методов и алгоритмов обработки траекторного сигнала с целью повы-
  шения качества изображений. Основная цель при формировании РЛИ – достижение мак-
  симальной разрешающей способности и качества изображения в условиях реальных огра-
  ничений, связанных с уходом параметров принимаемого траекторного сигнала (время син-
  тезирования), неточностью измерения и изменчивостью летных характеристик (ско-
  рость, ускорение, траектория полета), воздействием широкого спектра шумов и помех,
  как внешних, так и внутренних, на фоне маломощного принимаемого сигнала от удаленных
  радиоотражателей (энергетические ресурсы). В статье исследован алгоритм построения
  и восстановления изображений подстилающей поверхности и разработана его программ-
  ная реализация. Показана эффективность нового подхода на нескольких примерах для раз-
  личных областей подстилающей поверхности со слепой зоной. Предметом исследования
  являются методы и алгоритмы построения карты местности и реконструкции потерян-
  ных участков изображений. Объектом исследования является набор из тестовых изобра-
  жений. Результатом исследования является разработка метода восстановления изобра-
  жений с целью восстановления потерянной области. Новизной работы является алго-
  ритм, позволяющий повысить качество восстановления изображений на основе нейронной
  сети. Полученные результаты позволяют восстановить области. Оценка эффективности
  метода восстановления изображений проводилась с помощью статистического критерия
   среднеквадратического отклонения результата обработки от истинного изображения.
  В результате решения поставленных задач можно сделать выводы:  Разработан метод
  построения и восстановления изображений подстилающей поверхности на основе поиска
  похожих блоков с последующим их объединении нейронной сетью.  Анализ результатов
  проведённого исследования показал, что предложенный метод позволяет улучшить каче-
  ство реконструкции изображений.

• РЕАЛИЗАЦИЯ ФРАКТАЛЬНОГО СЖАТИЯ И ДЕКОМПРЕССИИ ИЗОБРАЖЕНИЙ ПАРАЛЛЕЛЬНО-КОВЕЙЕРНЫМ СПОСОБОМ НА РЕКОНФИГУРИРУЕМЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМАХ

  М.Д. Чекина

  2021-02-25

  Аннотация ▼

  Фрактальные алгоритмы находят все большее количество областей применения –
  от компьютерной графики до моделирования сложных физических процессов, но для их
  программной реализации требуются значительные вычислительные мощности. Фрак-
  тальное сжатие изображений отличается высокой степенью компрессии данных при хо-
  рошем качестве восстановленного изображения. Целью данной работы является повыше-
  ние производительности реконфигурируемых вычислительных систем (РВС) при реализа-
  ции фрактального сжатия и декомпрессии изображений. В работе описаны разработан-
  ные методы фрактального сжатия и последующей декомпрессии изображений, реализо-
  ванные параллельно-конвейерным способом для РВС. Основная идея параллельной реализа-
  ции фрактального сжатия изображений сводится к параллельному выполнению попарного
  сравнения доменных и ранговых блоков. Для достижения наилучшей производительности
  необходимо одновременно сравнивать максимальное количество пар. При практической
  реализации фрактального сжатия изображений на РВС учитываются такие критические
  ресурсы, как количество входных каналов и количество логических ячеек ПЛИС. Для задачи
  фрактального сжатия изображения критическим ресурсом являются каналы данных, по-
  этому параллельная организация вычислений заменяется параллельно-конвейерной после
  выполнения редукцию производительности параллельной вычислительной структуры. По-
  дача каждого операнда в вычислительную структуру осуществляется последовательно
  (побитово), что экономит вычислительный ресурс и уменьшает простой оборудования.
  Для хранения коэффициентов системы итерируемых функций, кодирующих изображение,
  введена структура данных, задающая отношения между номерами ранговых и доменных
  блоков и соответствующими параметрами. Для удобства последующей декомпрессии
  элементы массива, кодирующего сжатое изображение, упорядочены по номерам ранговых
  блоков, что позволяет избежать двойной косвенной адресации в вычислительной структу-
  ре. Представленный подход позволяет масштабировать параллельно-конвейерную про-
  грамму на любое количество программируемых логических интегральных схем (ПЛИС).
  Практическая реализация фрактального сжатия изображений, выполненная на реконфи-
  гурируемом компьютере Терциус-2, содержащем восемь ПЛИС, обеспечивает ускорение в
  15000 раз по сравнению с универсальным многоядерным процессором и в 18–25 раз по срав-
  нению с существующими решениями для ПЛИС. Реализация декомпрессии изображения на
  реконфигурируемом компьютере показывает ускорение в 380 раз по сравнению с аналогич-
  ной реализацией для многоядерного универсального процессора.

• 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.

• 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.

• НЕЙРОСЕТЕВОЙ АЛГОРИТМ ПОЛНОКАДРОВОГО РАСПОЗНАВАНИЯ НАДВОДНЫХ ОБЪЕКТОВ В РЕАЛЬНОМ ВРЕМЕНИ

  В. А. Тупиков, В. А. Павлова, В. А. Бондаренко, Н. Г. Холод

  2020-07-10

  Аннотация ▼

  Исследованы современные нейросетевые архитектуры для осуществления автома-тического обнаружения и распознавания надводных объектов и препятствий заданных классов по всей области изображения, применимые к выполнению в реальном или условно реальном времени для задач оптоэлектронной системы технического зрения с целью ав-томатизации и повышения безопасности гражданского судовождения. Дана формальная постановка задачи автоматического обнаружения объектов на изображениях. Проанали-зирован текущий научно-исследовательский задел в области алгоритмов детектирования объектов на изображениях, основанных на искусственных свёрточных нейронных сетях, произведено их сравнение и сделан обоснованный выбор в пользу наиболее эффективной нейросетевой архитектуры по соотношению вычислительной сложности и точности распознавания. Исследованы имеющиеся в открытом доступе базы данных образов над-водных объектов, подходящие для применения при обучении алгоритмов с использованием искусственных нейронных сетей. Сделан вывод о недостаточности имеющихся данных для обучения нейросетевых алгоритмов, в результате чего авторами выполнен самостоятель-ный сбор исследовательских изображений и видеопоследовательностей, произведена под-готовка и разметка собранных данных, содержащих надводные объекты и иные препят-ствия, представляющие навигационную опасность для судов. На основе выбранной архи-тектуры разработан новый нейросетевой алгоритм автоматического обнаружения и распознавания надводных объектов, выполняемого по всей области изображения (т.е. пол-нокадрового), выполнено обучение искусственной нейронной сети по подготовленной базе данных образов типовых объектов. Полученный алгоритм протестирован авторами на валидационном наборе данных, произведена оценка качества его работы с помощью различных метрик, а также оценена производительность алгоритма. Сделаны выводы о необходимости расширения собранной базы данных образов типовых объектов, предложены дальнейшие шаги по повышению точности разработанного программно-алгоритмического комплекса и его внедрению в состав перспективной судовой оптоэлектронной системы технического зрения.

• 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.

• РАЗРАБОТКА И ИССЛЕДОВАНИЕ СРЕДСТВ ВИДЕО-ДАЛЬНОМЕТРИЧЕСКОЙ НАВИГАЦИИ РОБОТОВ ВОЗДУШНОГО И НАЗЕМНОГО ПРИМЕНЕНИЯ

  В. П. Носков , Ю. С. Баричев , О.П. Гойдин , А. Н. Курьянов

  2025-04-27

  Аннотация ▼

  Работа посвящена решению актуальных задач совместной автономной видеонавигации ро-
  ботов воздушного и наземного применения в наиболее востребованных для проведения специаль-
  ных операций урбанизированных средах, включающих плотную городскую застройку и здания, где
  применение традиционных средств дистанционного управления ограничено наличием экраниро-
  ванных зон. Задачи групповой навигации предлагается решать на основе данных бортовых сис-
  тем технического зрения в процессе оперативной разведки рабочей зоны беспилотным летатель-
  ным аппаратом, результаты которой обеспечивают автономные движение и полет, как отдель-
  ных гетерогенных робототехнических средств, так и в группе. В основу алгоритмов навигации
  положены методы выделения из объемного облака точек, формируемого бортовым лидаром,
  опорной горизонтальной поверхности и горизонтальных сечений внешней среды, позволяющих с
  высокой точностью и быстродействием определять все шесть координат объекта управления.
  Рассмотрены случаи, обусловленные возможными характеристиками внешней среды, когда нави-
  гационная задача решается не полностью, и предложены методы их исключения путем дополне-
  ния дальнометрических данных лидара видеоданными телекамеры. Приведена оценка точности
  решения задач видеонавигации, полученная путем математического моделирования внешней сре-
  ды и формирования видеоданных. Предложены методы снижения ошибки видеонавигации, осно-
  ванные на использовании специально банка опорных изображений с известными координатами их
  формирования, позволяющие обеспечить безопасные автономные полет и движение робототех-
  нических средств в урбанизированной среде. Эффективность используемых методов и предлагае-
  мых алгоритмов видеонавигации подтверждается результатами экспериментальных исследова-
  ний соответствующих программно-аппаратных средств в реальных урбанизированных средах

• БОРТОВАЯ АКТИВНО-ИМПУЛЬСНАЯ СИСТЕМА ПОДВОДНОГО ВИДЕНИЯ ЧЕРЕЗ ГРАНИЦУ РАЗДЕЛА «ВОЗДУХ-ВОДА»

  Ю. К. Грузевич , Ю.Н. Гордиенко , П. С. Альков , Д. В. Волков , М.С. Ходаковская

  2025-04-27

  Аннотация ▼

  Целью данной работы является создание системы обнаружения подводных объектов, пред-
  назначенная для установки на надводные платформы (летательные аппараты или дистанционно
  пилотируемые летательные аппараты). Системы такого типа могут применяться для решения
  широкого спектра задач в различных областях народного хозяйства: поиск редких рыб и морских
  млекопитающих, определение путей их миграции, диагностика и прокладка подводных трубопро-
  водов и сетей волоконных кабелей, контроль загрязнения толщи морских вод, поиск затонувших
  кораблей и археологических ценностей, проведение спасательных работ. Для решения данной за-
  дачи был описан процесс распространения лазерного излучения до объекта через границу раздела
  «воздух-вода», смоделирована взволнованная морская поверхность, предложен ряд математиче-
  ских допущений и приближений. В практической части была разработана структурная схема
  лазерной оптико-телевизионной активно-импульсной системы подводного видения, включающая в
  себя приемный и передающий каналы, а также устройство управления, состоящее из блока обра-
  ботки изображений и контроллера управления. В состав приемного канала вошел электронно-
  оптический преобразователь III+ поколения, высокочувствительный в спектральном диапазоне
  прозрачности морской воды. Основным элементом передающего канала является высокоэффек-
  тивный импульсный лазер, излучающий в спектральном диапазоне прозрачности морской воды.
  Собранный прибор прошел полевые испытания, в результате которых стало понятно, что обна-
  ружение и распознавание подводных целей с борта летательного аппарата через границу раздела
  «воздух-вода» по сформированному изображению возможно, предельная дальность обнаружения
  и распознавание подводных целей активно-импульсной системы подводного видения с борта ле-
  тательного аппарата через границу раздела «воздух-вода» в основном определяется: затуханием
  оптического излучения в морской воде и мощностью подсвечивающего лазерного импульсного из-
  лучения, При этом, отличительной особенностью работы активно-импульсной системы подвод-
  ного видения является то, что увеличение дальности обнаружения и распознавания практически
  прямо пропорционально до определенного уровня мощности лазерного излучения, а дальнейшее
  увеличение мощности приводит к незначительному увеличению дальности

• КЛАССИФИКАЦИЯ РАДИОЛОКАЦИОННЫХ ИЗОБРАЖЕНИЙ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ МУЛЬТИРОТОРНОГО ТИПА С ПРИМЕНЕНИЕМ АЛГОРИТМА YOLO11

  В.А. Деркачев

  171-180

  2025-07-24

  Аннотация ▼

  Рассматривается классификатор радиолокационных изображений беспилотных летательных аппаратов, основанный на нейронной сети, построенной на алгоритме YOLO 11 версии. Решение задачи обнаружения и классификации беспилотных летательных аппаратов стало одной из приоритетных задач в настоящее время. Увеличение числа модификаций беспилотных летательных аппаратов сильно усложняет применение статистических методов классификации, что требует применения новых подходов в решении задачи классификации. Развитие нейросетевых методов, одновременно с увеличением производительности вычислителей для обучения, с одной стороны, и встраиваемых решений, с другой, позволяет осуществлять классификацию летательных аппаратов с применением радиолокационных изображений в реальном масштабе времени. Применение алгоритма YOLO11 позволяет, помимо определения класса цели, осуществить оценку дальности до наблюдаемого объекта. Использование радиолокационных изображений оправданно в связи с тем, что визуальное наблюдение не всегда является возможным, из-за сложных погодных условий и темного времени суток. Для обучения нейронной сети предполагается использовать набор радиолокационных изображений, полученный с применением авторской модели генерации данных с произвольной конфигурацией беспилотных летательных аппаратов. Проведено обучение нейронной сети класса Detection YOLO11s (9,4 млн. параметров) на выборке радиолокационных изображений двух классов общим числом 8192. В результате обучения получена точность 0,99 для классификации на 2 классах объектов (на тестовых модельных данных). Были проведены тесты с применением натурных данных, снятых с применением радиолокационной системы миллиметрового диапазона TI IWR1642, в результате которых достигнута безошибочная классификация объектов на малой выборке.

• 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

• РАСПРЕДЕЛЕННАЯ СИСТЕМА РАСПОЗНАВАНИЯ ШТРИХКОДОВ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕЙ

  А.Ю. Юрченко , М.Ю. Поленов

  70-79

  2025-10-01

  Аннотация ▼

  Представлена распределённая программно-аппаратная система для автоматизированного распознавания штрихкодов на движущихся объектах в условиях производственной среды. Целью исследования является разработка надёжного и адаптивного решения, обеспечивающего устойчивое считывание штрихкодов вне зависимости от положения, скорости или высоты объектов, перемещающихся по транспортной ленте. Основной акцент сделан не на максимальной скорости обработки, а на обеспечении широкого угла обзора и надёжности распознавания при движении объектов. В отличие от традиционных сканеров, требующих точного позиционирования и дорогостоящего оборудования, предложенное решение базируется на использовании одной сетевой камеры и сервера с нейросетевыми модулями обработки. Это делает систему более универсальной и доступной для широкого круга предприятий. Ключевым элементом архитектуры выступает нейросетевой модуль восстановления изображений, основанный на модели MPRNet, способной устранять размытие и оптические искажения в кадрах видеопотока. После этапа предобработки изображения поступают в модуль детекции объектов, построенный на базе архитектуры YOLO, адаптированной под задачи распознавания штрихкодов. Распознанные данные сохраняются в базе с использованием ORM-интерфейса, что обеспечивает гибкую интеграцию в существующие информационные системы. Для предотвращения потери кадров и обеспечения высокой пропускной способности используется система асинхронной обработки с применением потоков и буферизованных очередей. Актуальность исследования обусловлена широкой распространённостью штрихкодов как основного средства промышленной маркировки и необходимостью автоматизации процессов учёта и отслеживания продукции в условиях гибкого производства. Несмотря на наличие решений в области сканирования и компьютерного зрения, большинство из них не рассчитаны на работу с нестабильным или низкокачественным видеопотоком. Предложенная система демонстрирует устойчивость к ряду искажений и может быть реализована на бюджетном оборудовании, что открывает перспективы для её применения в промышленности, логистике и складском хозяйстве

• 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

• ОЦЕНКА ПОГРЕШНОСТИ ПРИ МНОЖЕСТВЕННОМ СРАВНЕНИИ ЗАШУМЛЕННЫХ ИЗОБРАЖЕНИЙ

  А. Н. Каркищенко , В.Б. Мнухин

  2021-07-18

  Аннотация ▼

  Целью работы является исследование влияния зашумления на изображении на ре-
  зультат сравнения конечного множества изображений, одинаковых по форме и размеру.
  Данная задача неизбежно возникает при анализе сцен, детекции отдельных объектов, об-
  наружении симметрии и пр. Фактор зашумленности необходимо принимать во внимание,
  поскольку различие цифровых объектов может быть вызвано не только несовпадением
  сравниваемых изображений реальных объектов, но и искажениями из-за шумов, что прак-
  тически всегда имеет место. Это отличие оказывается пропорциональным уровню шумо-
  вой составляющей. Основным результатом данной статьи являются аналитическая оцен-
  ка для вероятности заданного уровня погрешности, которая может возникать при мно-
  жественном сравнении конечного числа соразмерных цифровых изображений. Эта оценка
  основана на низкоуровневом анализе, сводящемся к попиксельному вычислению различия
  изображений с помощью эвклидовой метрики. При этом делается стандартное предпо-
  ложение о независимом нормальном зашумлении интенсивностей изображения с нулевым
  математическим ожиданием и априорно установленным среднеквадратическим отклоне-
  нием в каждом пикселе. Приведенные в статье доказательства позволяют утверждать,
  что полученную оценку следует рассматривать как достаточно «осторожную» и можно
  ожидать, что в реальности разброс меры, вызванный шумами на изображении, будет
  существенно меньше, чем теоретически найденная граница. Полученные в данной работе
  оценки оказываются полезными также для обнаружения различных видов симметрии на
  изображениях, которое, как правило, приводит к необходимости вычислять различие про-
  извольного количества соразмерных цифровых областей. Кроме того, найденные оценки
  могут использоваться как теоретически обоснованные пороговые значения в задачах, тре-
  бующих принятия решения о совпадении или различии изображений. Такие пороговые зна-
  чения неизбежно появляются на различных этапах обработки зашумленных изображений,
  и вопрос об их конкретных значениях, как правило, остается открытым, в лучшем случае
  предлагаются эвристические соображения для их выбора.