Дослідження методів сегментації зображень у системах оптичного моніторингу
Автор: Бакун Дмитро Сергійович
Кваліфікаційний рівень: магістр
Спеціальність: Радіоелектронні пристрої, системи та комплекси
Інститут: Інститут телекомунікацій, радіоелектроніки та електронної техніки
Форма навчання: денна
Навчальний рік: 2021-2022 н.р.
Мова захисту: українська
Анотація: Магістерська кваліфікаційна робота присвячена дослідженню методів сегментації зображень в системах оптичного моніторингу. Моніторинг – це процес систематичного неперервного або періодичного збору даних про багатомірний вектор стану чи параметрів об’єкту, на основі якого шляхом обробки отриманої інформації здійснюється виявлення, розпізнавання об’єкту, оцінюються його координати та у випадку рухомих об’єктів, прогнозується їх поведінка на заданому часовому інтервалі. Для класифікації систем моніторингу можна виділити декілька ознак, до яких відносяться: сфера застосування, призначення системи моніторингу, їх робочий діапазон частот, метод формування радіо контрасту на фоні оточуючого середовища, варіанти дислокації апаратури (наземна, морська, космічна) і т.д. За сферою застосування системи моніторингу можна поділити на цивільні та військові системи [1-4]. У першому розділі роботи проведений детальний аналіз методів оптичного моніторингу (видимий, ближній та середній інфрачервоний діапазони електромагнітних хвиль), порівняно характеристики і параметри та недоліки каналів спостереження. Проаналізовано перспективність використання сегментації зображень в системах моніторингу, це: - об’єктивний вибір найкращого поділу зображення; - можливість контролювати якість сегментації у процесі обробки зображення та вносити корективи до алгоритмів у режимі реального часу; - можливість включати найефективніші алгоритми сегментації в роботу програмних систем машинного зору. В другому розділі роботи проведений аналіз принципу сегментації зображень, а саме: сегментація за яскравістю. Сегментація яскравості найчастіше виконується для монохромних зображень та колірних багатоспектральнихзображень; порогового обмеження за яскравістю. Порогові методи дозволяють проводити сегментацію із простими зображеннями, але зазвичай не призводять до бажаного результату у зображеннях із нерівномірним освітленням, тінями та різними перешкодами. Щоб зменшити вплив цих недоліків, було розроблено методи, які проводять аналіз вагових значень екстремумів (інтенсивність та градієнт). Також в другому розділі було проведено класифікацію методів сегментації та опис існуючих методів та алгоритмів сегментації зображень. В третьому розділі роботи проведено моделювання порогового методу сегментації, яке ми проводили в середовищі MATLAB. Написаний текст програми реалізації удосконаленого алгоритму порогової сегментації. Проведено аналіз методу нарощування областей та моделювання методу виділення контурів, відповідно написано тексти програм для цих методів. В четвертому розділі роботи проводилась розробка удосконаленого методу сегментації зображень. Розроблено блок схему удосконаленого методу сегментації зображень. Удосконалення полягає у використанні методу підвищення роздільної здатності мультиспектральних зображень за рахунку панхроматичного каналу, який завжди має кращу роздільну здатність. Це дає можливість покращити якість сегментації за допомогою алгоритму кластеризації k-середніх. Записані та проаналізовані результати моделювання удосконаленого методу сегментації зображень Об’єкт дослідження – принципи сегментації зображень та їх класифікація. Предмет дослідження – Моделювання відомих методів сегментації зображень для систем оптичного моніторингу Сфера досліджень – Моделювання порогового методу сегментації, методу нарощування областей та методу виділення контурів. Мета роботи: Дослідження та розробка удосконаленого методу сегментації зображень. Ключові слова: методи кластеризації, сегментація зображень, оператор граничного розподілу, оператори градіента, мультиспектральний моніторинг.Перелік використаних літературних джерел 1. Dhanachandra N. Image Segmentation Using K-means Clustering Algorithm and Subtractive Clustering Algorithm / N. Dhanachandra, K. Manglem, Y. Chanu. // Procedia Computer Science. – 2015. – P. 764–771. 2. Dey V. A review on image segmentation techniques with remote sensing perspective / V. Dey, Y. Zhang, M. Zhon. // ISPRS TC VII Symp. – 100 Years ISPRS, Vienna, Austria. – July 5-7, 2010. – P. 31–42. 3. Бабаков B.C. Слияние мультиспектральных изображений в задаче обработки спутниковых снимков / B.C. Бабаков, К.К. Титаренко // Материалы 4- й международной научно-технической конференции «Моделирование и компьютерная графика - 2011». - Донецк, 5-8 октября 2011 г. - С. 25-29. 4. Фабіровський С. Є. Підвищення роздільної здатності багатоспектральних зображень методом субпіксельної обробки / С. Є. Фабіровський, І. Н. Прудиус // Вісник Національного університету "Львівська політехніка". Серія: Радіоелектроніка та телекомунікації : збірник наукових праць. – 2015. – № 818. – С. 62–68.