Устройство выделения контуров объектов на гиперспектральных изображениях

Изобретение относится к области цифровой обработки гиперспектральных изображений, в частности к выделению контуров объектов на гиперспектральных изображениях. Техническим результатом предлагаемого устройства является повышение точности выделения контуров спектрально-селективных объектов за счет учета дополнительных взаимосвязей между спектральными компонентами градиентов гиперспектрального изображения. Технический результат достигается тем, что в устройстве выделения контуров объектов на гиперспектральных изображениях, состоящем из L блоков формирования градиентных изображений, входы которых являются входом устройства, сумматора и блока сравнения с порогом, выход которого является выходом устройства, а второй вход является технологическим, дополнительно введены блок формирования из L градиентных изображений K комбинаций парных неповторяющихся сочетаний градиентных изображений, имеющий K парных выходов, где L - количество градиентных изображений, K - количество парных комбинаций, ! - факториал, и K блоков вычисления модулей разности одноименных пикселей каждой k-й пары градиентных изображений, где k=1,…,K, делитель, выход которого соединен с входом блока сравнения с порогом, а первый вход с выходом сумматора, счетчик, выход которого соединен со вторым входом делителя, при этом выход блока формирования градиентных изображений, где соединен с соответствующим входом блока формирования из L градиентных изображений К комбинаций парных неповторяющихся сочетаний градиентных изображений, k-й парный выход которого соединен с первым и вторым входом соответствующего k-го блока вычисления модулей разности одноименных пикселей каждой пары градиентных изображений, k-й выход которого параллельно соединен с соответствующим k-м входом сумматора, а также с соответствующим k-м входом счетчика. 9 ил.

 

Изобретение относится к области цифровой обработки гиперспектральных изображений, в частности к выделению контуров объектов на гиперспектральных изображениях.

В ходе проведенного патентного поиска в качестве наиболее близкого по своей сущности является устройство-прототип выделения контуров на цифровых цветных изображениях (Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2019. 1104 с), которое включает три блока формирования градиентных изображений R, G и В спектральных компонент цветного изображения, входы которых являются входом устройства, а выходы из которых являются входами в сумматор, который последовательно соединен с блоком сравнения с порогом. Если значение пиксела суммарного градиентного изображения превышает порог, то считается, что этот пиксел принадлежит контуру и ему присваивается значение яркости контура, в противном случае ему присваивается значение яркости фона в формируемом контурном изображении. Техническим результатом является получение суммарного контурного изображения всех спектральных компонент.

Недостатком указанного устройства является низкая точность выделения контуров спектрально-селективных объектов, обусловленная низкой степенью учета взаимосвязи между спектральными компонентами градиентов гиперспектрального изображения.

Техническим результатом предлагаемого устройства является повышение точности выделения контуров спектрально-селективных объектов, за счет учета дополнительных взаимосвязей между спектральными компонентами градиентов гиперспектрального изображения.

Технический результат достигается тем, что в устройстве выделения контуров объектов на гиперспектральных изображениях состоящем из L блоков формирования градиентных изображений, входы которых являются входом устройства, сумматора и блока сравнения с порогом, выход которого является выходом устройства, а второй вход является технологическим, дополнительно введены блок формирования из L градиентных изображений K комбинаций парных неповторяющихся сочетаний градиентных изображений, имеющий K парных выходов, где L - количество градиентных изображений, K - количество парных комбинаций, ! - факториал и K блоков вычисления модулей разности одноименных пикселей каждой k-й пары градиентных изображений, где k=1,…,K, делитель, выход которого соединен с входом блока сравнения с порогом, а первый вход с выходом сумматора, счетчик, выход которого соединен со вторым входом делителя, при этом выход блока формирования градиентных изображений, где соединен с соответствующим входом блока формирования из L градиентных изображений K комбинаций парных неповторяющихся сочетаний градиентных изображений, k-й парный выход которого соединен с первым и вторым входом соответствующего k-го блока вычисления модулей разности одноименных пикселей каждой пары градиентных изображений, k-й выход которого параллельно соединен с соответствующим k-ым входом сумматора, а также с соответствующим k-ым входом счетчика.

Сущность предлагаемого устройства заключается в том, что дополнительно введены блок формирования из L градиентных изображений K комбинаций парных неповторяющихся сочетаний градиентных изображений, имеющий K парных выходов, где L - количество градиентных изображений, K - количество парных комбинаций, ! - факториал и K блоков вычисления модулей разности одноименных пикселей каждой k-й пары градиентных изображений, где k=1,…,K, делитель, выход которого соединен с входом блока сравнения с порогом, а первый вход с выходом сумматора, счетчик, выход которого соединен со вторым входом делителя, при этом выход блока формирования градиентных изображений, где соединен с соответствующим входом блока формирования из L градиентных изображений K комбинаций парных неповторяющихся сочетаний градиентных изображений, k=й парный выход которого соединен с первым и вторым входом соответствующего k-го блока вычисления модулей разности одноименных пикселей каждой пары градиентных изображений, k-й выход которого параллельно соединен с соответствующим k-ым входом сумматора, а также с соответствующим k-ым входом счетчика.

Таким образом, при выделении контуров объектов на гиперспектральных изображениях предлагаемым устройством повышается точность выделения контуров спектрально-селективных объектов, за счет учета дополнительных взаимосвязей между спектральными компонентами градиентов гиперспектрального изображения путем формирования из L градиентных изображений K комбинаций парных неповторяющихся сочетаний градиентных изображений, по которым вычисляются модули разности одноименных пикселей каждой пары градиентных изображений, в которых и заложена взаимосвязь каждого градиентного изображения со всеми остальными, а после суммирования и деления на общее количество пар, формируется единая оценка их взаимосвязи.

Схема разработанного устройства представлена на фиг. 1. Схема устройства содержит: 1 - блоки формирования L градиентных изображений; 2 - блок формирования из L градиентных изображений комбинаций парных неповторяющихся сочетаний градиентных изображений; 3 - блоки вычисления модулей разности одноименных пикселей каждой k-й пары градиентных изображений; 4 - сумматор; 5 - счетчик; 6 - делитель; 7 - блок сравнения с порогом.

Назначение блоков предлагаемого устройства: блок 2 предназначен для формирования из L градиентных изображений комбинаций парных неповторяющихся сочетаний градиентных изображений; блок 3 предназначен для вычисления модулей разности одноименных пикселей каждой k=1,…,K пары градиентных изображений; сумматор 4 предназначен для вычисления суммы k=1,…,K модулей разности одноименных пикселей всех пар градиентных изображений; счетчик 5 предназначен для считывания общего количества K модулей разности соответствующих пар градиентных изображений; делитель 6 предназначен для деления суммы всех k=1,…,K модулей разности соответствующих пар градиентных изображений на их количество K.

Устройство на фиг. 1 работает следующим образом. На вход устройства поступают L спектрозональных полутоновых изображений,. которые подают на входы соответствующих L блоков (1) формирования градиентных изображений, после чего сформированные L градиентных изображений поступают на блок (2) формирования из L градиентных изображений комбинаций парных неповторяющихся сочетаний градиентных изображений, имеющий K парных выходов, далее каждая k-я пара градиентных изображений, где k=1,…,K, поступает на соответствующие входы блоков (3) вычисления модулей разности одноименных пикселей каждой пары градиентных изображений, после чего k-е значения модулей разности поступают параллельно на входы сумматора (4) и входы счетчика (5), выходы которых соединены с соответствующими входами делителя (6), выход которого соединен с входом блока (7) сравнения с порогом, выход которого является выходом устройства в виде единого контурного изображения.

Рассмотрим примеры. На фиг. 2-7 представлены исходные компоненты гиперспектрального изображения, полученные в разных спектральных диапазонах. На фиг. 8 представлено контурное изображение, полученное из исходных изображений (фиг. 2-7) устройством-прототипом. На фиг. 9 представлено контурное изображение, полученное из исходных изображений (фиг. 2-7) предлагаемым устройством. Анализируя фиг. 8, 9, видно, что предлагаемое устройство позволяет выделять контура спектрально-селективных объектов более точно, с подавлением фоновой составляющей, за счет учета взаимосвязи между спектральными компонентами градиентов гиперспектрального изображения.

Предлагаемое техническое решение является промышленно применимым, так как для его реализации могут быть использованы любые известные из уровня техники программируемые и непрограммируемые процессоры цифровой обработки сигналов и изображений (см., например, URL: http://module.ru).

Устройство выделения контуров объектов на гиперспектральных изображениях, состоящее из L блоков формирования градиентных изображений, входы которых являются входом устройства, сумматора и блока сравнения с порогом, выход которого является выходом устройства, а второй вход является технологическим, отличающееся тем, что дополнительно введены блок формирования из L градиентных изображений K комбинаций парных неповторяющихся сочетаний градиентных изображений, имеющий K парных выходов, где L - количество градиентных изображений, K - количество парных комбинаций, ! - факториал и K блоков вычисления модулей разности одноименных пикселей каждой k-ой пары градиентных изображений, где k=1,…,K, делитель, выход которого соединен с входом блока сравнения с порогом, а первый вход с выходом сумматора, счетчик, выход которого соединен со вторым входом делителя, при этом выход блока формирования градиентных изображений, где соединен с соответствующим входом блока формирования из L градиентных изображений K комбинаций парных неповторяющихся сочетаний градиентных изображений, k-ый парный выход которого соединен с первым и вторым входом соответствующего k-го блока вычисления модулей разности одноименных пикселей каждой пары градиентных изображений, k-ый выход которого параллельно соединен с соответствующим k-ым входом сумматора, а также с соответствующим k-ым входом счетчика.



 

Похожие патенты:

Изобретение относится к способу обработки данных и системе технического зрения для роботизированного устройства. Технический результат заключается в повышении точности обнаружения препятствий движению в любых условиях освещенности, в том числе при наличии в среде снижающих оптическую видимость факторов (дождь, снег, туман, дым, пыль и т.п.).

Изобретение относится к способу обработки данных и системе технического зрения для роботизированного устройства. Технический результат заключается в повышении точности обнаружения препятствий движению в любых условиях освещенности, в том числе при наличии в среде снижающих оптическую видимость факторов (дождь, снег, туман, дым, пыль и т.п.).

Настоящее техническое решение относится к области систем контроля, которые применяются в зонах досмотра людей на предмет наличия запрещенных предметов или факта совершения противоправных действий. Техническим результатом является повышение точности выявления людей для прохождения дополнительного контроля, за счет использования профиля человека, сформированного на основании МРМ, формируемой по ретроспективным данным прохода человека.

Изобретение относится к биотехнологии. Описан реализуемый с применением компьютера способ предсказания правдоподобия сайтов сплайсинга в пре-мРНК геномных последовательностях.

Изобретение относится к видеонаблюдению. Способ автоматического определения в поле видеонаблюдения статистических характеристик рассеивания траекторий характеризуется тем, что разделяют транспортные средства на типы, проводят видеосъемку одной или нескольких полос движения транспортных средств, выделяют изображение каждого движущегося автомобиля, выделяют хотя бы одну характерную точку на изображении движущегося автомобиля, измеряют смещение характерной точки автомобиля при проезде через поле видеонаблюдения, определяют одну статистическую характеристику смещения траекторий транспортных средств для каждого типа транспортных средств.

Изобретение относится к вычислительной технике. Технический результат заключается в повышении качества мониторинга поведения пользователя.

Группа изобретений относится к определению аномального поведения при поиске в Интернете и, в частности, к определению веб-хостов с аномальными посещениями веб-сайтов. Техническим результатом является повышение надежности работы поисковой системы за счет повышения достоверности результатов.

Изобретение относится к способам и серверу для обучения алгоритма машинного обучения (MLA) обнаружению объектов в данных датчика. Технический результат заключается в возможности обучить алгоритм MLA распознаванию объектов при менее точном представлении этих объектов в данных датчика.

Настоящее техническое решение относится к области компьютерных технологий, применяемых в области обработки данных, в частности к способу и системе для определения синтетически измененных изображений лиц на видео. Техническим результатом является обеспечение возможности выявления синтетически измененных изображений лиц в видео.

Изобретение относится к вычислительной технике, а именно к определению времени прохождения поезда через тоннель. Технический результат заключается в повышении точности определения времени движения поезда в тоннеле.
Наверх