Программное обеспечение системы обработки изображения в реальном времени

Федеральное агентство по образованию

ЮЖНО-УРАЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Факультет - Приборостроительный

Кафедра - Автоматика и управление

ПРОЕКТ ПРОВЕРЕН ДОПУСТИТЬ К ЗАЩИТЕ

Рецензент Заведующий кафедрой

____________________________ ______________________

“_____” _____________ 2007__ г. “ _____ “ ____________ 2007__ г.

Программное обеспечение системы обработки изображения в реальном времени

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА К ДИПЛОМНОМУ ПРОЕКТУ

ЮУрГУ-Д.220200 068.000.ПЗ

Консультанты: Руководитель проекта:

______________________________ ___________________________

______________________________ _______________________________

“ _____ “ ______________ 2007 _ г. Автор проекта

студент группы ПС-269м .

______________________________ Пушников А.А. .

“ ____ “ ________________ 2007 _ г.

______________________________ Нормоконтролер

______________________________ ______________________________

“ ____ “ ________________ 2007 _ г. “ _____ “ ______________ 2007 г.

Челябинск

2007 г.

ВВЕДЕНИЕ

АНАЛИЗ ЗАДАЧИ. ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДИК РЕШЕНИЯ

1. ВЫДЕЛЕНИЕ ОБЪЕКТА НА ИЗОБРАЖЕНИИ

1.1. ОБЩИЙ АЛГОРИТМ СРАВНЕНИЯ ДВУХ ИЗОБРАЖЕНИЙ

1.2. МЕТОД МАКСИМАЛЬНЫХ ПЛОЩАДЕЙ

1.3. МЕТОД ГИСТОГРАММ

1.4. ПОДГОТОВКА ИЗОБРАЖЕНИЯ К РАСПОЗНАВАНИЮ

2. ЗАДАЧА РАСПОЗНАВАНИЕ ОБЪЕКТА

2.1. МЕТОД НАИМЕНЬШИХ КВАДРАТОВ

2.2. МОДЕЛИРОВАНИЕ МНОГОМЕРНОЙ ФУНКЦИИ. РАСПРЕДЕЛЕНИЯ ВЕКТОРОВ, ПРИЗНАКОВ ИЗОБРАЖЕНИЯ ОБЪЕКТА

Факторный анализ ( FA)

Метод главных компонент ( PCA)

Анализ независимых компонент ( ICA)

Линейный Дискриминантный анализ (Linear Discriminant Analysis, LDA)

2.3. ДЕФОРМИРУЕМЫЕ МОДЕЛИ.

2.4. СКРЫТЫЕ МАРКОВСКИЕ МОДЕЛИ (Hidden Markov Models, HMM)

2.5. МЕТОД ОПОРНЫХ ВЕКТОРОВ (Support Vector Machines, SVM)

3. РЕАЛИЗАЦИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

ЗАКЛЮЧЕНИЕ

Введение

В настоящее время вычислительная техника используется во многих областях человеческой деятельности, являясь удобным и многофункциональным инструментом решения широкого круга задач. Многие отрасли техники, имеющие отношение к получению, обработке, хранению и передаче информации, в значительной степени ориентируются в настоящее время на развитие систем, в которых информация имеет характер изображений. Изображение, которое можно рассматривать как двумерный сигнал, является значительно более емким носителем информации, чем обычный одномерный (временной) сигнал. Вместе с тем, решение научных и инженерных задач при работе с визуальными данными требует особых усилий, опирающихся на знание специфических методов, поскольку традиционная идеология одномерных сигналов и систем мало пригодна в этих случаях. В особой мере это проявляется при создании новых типов информационных систем, решающих такие проблемы, которые до сих пор в науке и технике не решались, и которые решаются сейчас благодаря использованию информации визуального характера.

Цель машинного зрения - принятие решений о реальных физических объектах и сценах, основываясь на воспринимаемых изображениях. Машинное зрение теснейшим образом взаимодействует с областью обработки изображений, часто трудно однозначно отнести возникающие задачи и применяемые методы решения к одной из этих областей.

Анализ задачи. Обзор существующих методик решения

Постановка задачи:

Разработать методы поиска на изображении, получаемом с видеокамеры, детали, с дальнейшей идентификацией ее к одной из трех групп, с целью автоматизации технического процесса.

Задачу можно разделить на три основных этапа:

1. Выделение объекта на изображении.

2. Подготовка изображения к распознаванию.

3. Задача распознавание объекта.

Для решения каждой подзадачи, в настоящее время, существует множество различных методик.1.1. Общий алгоритм сравнения двух изображений

Определим эталонное изображение, как множество точек , а исследуемое изображение, как множество . Пусть - функция яркости точки изображений, определённая на множествах и . Одним из распространённых подходов для определения областей движения между двумя кадрами изображения и основывается на сравнении соответствующих точек этих двух кадров. [3],[4]. Для этого применяется процедура формирования «разности» кадров. Разностью между двумя изображениями, является следующее множество:

где - значение порогового уровня, выбираемое таким образом, чтобы отделить точки, в которых кадры изображения значительно отличаются друг от друга, как правило это искомые объекты, от точек, в которых яркость изменилась незначительно, в связи с мерцание освещения, вибрацией камеры и другими помехами. Изображение содержит предположительные области движения объектов и аддитивный шум, искажающий текущий кадр. Избавится от шума, позволяют морфологические операции (операции над бинарным изображением), такие как эрозия, коррозия, а так же различные способы фильтрации и оптимальное (экспериментально подбираемое) значение порога .

Далее, можно обработать найденные объекты, для этого используются:

1. Метод максимальных площадей.

<

Внимание, отключите Adblock

Вы посетили наш сайт со включенным блокировщиком рекламы!
Ссылка для скачивания станет доступной сразу после отключения Adblock!

Скачать