Алгоритм вычисления цветовых характеристик полутонового комплексированного многоспектрального изображения на основе кластеризации изображения-эталона


https://doi.org/10.15217/issn1684-8853.2017.6.15

Полный текст:


Аннотация

Постановка проблемы: многоспектральные авиационные системы технического зрения находят все более широкое применение для оптико-электронной разведки, для повышения осведомленности экипажей мобильной техники, при управлении в сложных погодных условиях. Объединение информации от разноспектральных монохромных сенсоров осуществляется с помощью специальных алгоритмов комплексирования. Однако большинство существующих алгоритмов комплексирования оказывается чувствительным к помехам видеоданных вследствие ограниченных динамических диапазонов свето- и цветопередачи, ошибок калибровочных характеристик и временных привязок потока видеоданных. Цель исследования: разработка алгоритма, обеспечивающего структурную устойчивость решения задачи комплексирования многоспектральных изображений на множестве возможных фотометрических ситуаций. Результаты: выполнен обзор методов комплексирования полутоновых телевизионных и тепловизионных изображений с формированием полутонового результата и в псевдоцветах. Рассмотрен глобальный метод «переноса»цвета с изображения-эталона. Разработан алгоритм вычисления цветовых характеристик полутонового комплексированного многоспектрального изображения на основе кластеризации изображения-эталона, включающий: полутоновое комплексирование для формирования яркостной компоненты итогового кадра, преобразование изображения-эталона из цветового пространства RGB в пространство YIQ, цветовую сегментацию изображения-эталона в пространстве YIQ с помощью алгоритма кластеризации по математическому ожиданию, поиск для каждого пикселя исходного изображения кластера с наиболее близким значением яркости и присвоение значений цветовой информации кластера хроматическим компонентам пикселя, преобразование полученного цветного комплексированного изображения из цветового пространства YIQ в пространство RGB. На конкретных примерах обработки изображений в среде MatLab доказана эффективность разработанного алгоритма по сравнению с существующими глобальными методами комплексирования. Практическая значимость: по результатам анализа нормированных гистограмм предложенный алгоритм вычисления цветовых характеристик обеспечивает более высокое качество определения цветовой информации по сравнению с методом «переноса» цвета с изображения-эталона.

Об авторах

Вера Валерьевна Неретина
Уфимский государственный авиационный технический университет
Россия


Владимир Николаевич Ефанов
Уфимский государственный авиационный технический университет
Россия


Список литературы

1. Визильтер Ю. В., Желтов С. Ю. Проблемы технического зрения в современных авиационных системах // Тр. науч.-техн. конф.-семинара «Техническое зрение в системах управления мобильными объектами-2010» / под ред. Р. Р. Назирова. М.: КДУ, 2011. С. 11-44.

2. Костяшкин Л. Н., Бабаев С. И., Логинов А. А., Павлов О. В. Технологии систем улучшенного/синтезированного зрения для управления летательными аппаратами // Тр. науч.-техн. конф.-семинара «Техническое зрение в системах управления мобильными объектами-2010» / под ред. Р. Р. Назирова. М.: КДУ, 2011. С. 45-56.

3. Обработка изображений в авиационных системах технического зрения / под ред. Л. Н. Костяшкина, М. Б. Никифорова. - М.: Физматлит, 2016. - 240 с.

4. Богданов А. П., Холопов И. С. Алгоритмы формирования цветного комплексированного изображения из многоспектральных монохромных на основе методов преобразования цветов // Цифровая обработка сигналов. 2013. № 3. С. 26-32.

5. Холопов И. С. Реализация алгоритма формирования цветного изображения по сигналам монохромных видеодатчиков видимого и длинноволнового инфракрасного диапазонов в цветовом пространстве YCbCr // Компьютерная оптика. 2016. Т. 40. № 2. С. 266-274.

6. Image Fusion and its Applications / ed. by Y. Zheng. - Rijeka: InTech, 2011. - 242 p.

7. Toet A., Hogervorst M. A. Progress in Color Night Vision // Optical Engineering. 2012. Vol. 51(1). P. 1-19.

8. Shi S., Wang W., Jin Y. Zhao Color Night Vision based on Color Transfer in YUV Color Space // Proc. of SPIE. 2008. Vol. 6623. 66230B.

9. Christinal J. J., Jebaseeli T. J. A Novel Color Image Fusion for Multi Sensor Night Vision Images // International Journal of Computer Applications Technology and Research. 2013. Vol. 2(2). P. 155-159.

10. Li G., Xu S., Zhao X. Fast Color-Transfer-based Image Fusion Method for Merging Infrared and Visible Images // Proc. of the SPIE. 2010. Vol. 7710. 77100S.

11. Efros A. A., Freeman W. T. Image Quilting for Texture Synthesis and Transfer // Proc. of ACM SIGGRAPH. 2001. P. 341-346.

12. Welsh T., Ashikhmin M., Mueller K. Transferring Color to Greyscale Images // SIGGRAPH ‘02: Proc. of the 29th Annual Conf. on Computer Graphics and Interactive Techniques. 2002. P. 277-280.

13. Гонсалес Р. С., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. - М.: Техносфера, 2006. - 615 с.

14. Шапиро Л., Стокман Дж. Компьютерное зрение [Электронный ресурс] / пер. с англ. - 2-е изд. (эл.). - М.: БИНОМ. Лаборатория знаний, 2013. - 752 с.

15. Разработана новая технология тепловизионной съемки с БПЛА. http://prinwings.ru/news/116-2016-04-27-06-29-42 (дата обращения: 06.07.2017).


Дополнительные файлы

Для цитирования: Неретина В.В., Ефанов В.Н. Алгоритм вычисления цветовых характеристик полутонового комплексированного многоспектрального изображения на основе кластеризации изображения-эталона. Информационно-управляющие системы. 2017;(6):15-23. https://doi.org/10.15217/issn1684-8853.2017.6.15

For citation: Neretina V.V., Efanov V.N. Algorithm of Color Fusion for Multispectral Grayscale Images based on K-Means Clustering of Sample Image. Information and Control Systems. 2017;(6):15-23. (In Russ.) https://doi.org/10.15217/issn1684-8853.2017.6.15

Просмотров: 81


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1684-8853 (Print)
ISSN 2541-8610 (Online)