Referința geografică și corectarea geometrică a imaginilor. Motivarea utilizării acestor proceduri, exemple de sarcini. Implementare în pachetul ERDAS Imagine. Conectarea unei hărți raster

Mărim întinderea hărții de bază până la primul punct de ancorare. De asemenea, mărim imaginea care este ancorată la punctul de ancorare selectat. După ce v-ați apropiat de punctul de ancorare din fereastra modulului, faceți clic pe butonul „Adăugați punct” și faceți clic pe indicatorul mouse-ului pe punctul selectat. După aceasta, se deschide un formular pentru introducerea coordonatelor. Coordonatele pot fi introduse fie prin câmpuri de introducere, fie capturate de pe hartă. Dacă avem coordonatele punctelor, de exemplu, obținute cu ajutorul unui navigator GPS, le putem introduce în câmpurile corespunzătoare. Pentru a obține coordonatele de pe harta de bază, faceți clic pe butonul „De pe hartă”.

Calitatea snap-ului depinde de numărul de puncte de snap și de alegerea metodei de transformare. Puteți citi mai multe despre metodele de transformare.

Dacă în fereastra parametrilor de transformare ați bifat opțiunea „Deschide rezultatul QGIS”, atunci după finalizarea procesului de legare, stratul rezultat va fi adăugat la proiectul de lucru deasupra hărții de bază.

O nuanță importantă este că, ca urmare a funcționării modulului, rasterul rezultat are sistemul de coordonate specificat în parametrii de transformare, dar nu conține informații despre exact ce proiecție a rasterului este. Din acest motiv, poate fi prezent în lista de straturi, dar să nu fie afișat pe hartă. În acest caz, trebuie să mergeți la „proprietățile stratului” și să specificați sistemul potrivit coordonate manual.

Mai multe detalii

1. Potrivirea imaginilor pe baza „funcțiilor”

Literatură pentru auto-studiu

Cartea ($\textit(Krasovsky, Beloglazov, Chigin)$) conține o prezentare a teoriei clasice a corelației-analiza extremă a câmpurilor bidimensionale, pe care vă recomandăm să vă familiarizați cu ea ca parte a unui curs aprofundat. .

În carte ($\textit(Astapov, Vasiliev, Zalozhnev)$ este prezentată o abordare originală a legării reciproce a imaginilor bazată pe așa-numita corelație fără căutare. Această abordare este mai aplicabilă în domeniul urmăririi corelației decât în ​​domeniul comparației arbitrare a imaginilor, dar este atractivă datorită posibilității implementării eficiente a software-ului și hardware-software.

În cartea ($\textit(Shapiro, Stockman)$), capitolul 11 ​​este dedicat metodelor de comparare a imaginilor și obiectelor în spațiul bidimensional Aspectele geometrice ale problemei, care au primit mai puțină atenție în prezentarea noastră Aici. Capitolele $12$ și $13$ acoperă percepția scenelor 3D. Ele pot fi recomandate și pentru studiu independent, deși prezentarea aceleiași game de probleme în carte ni se pare mai completă și mai reușită.

În cartea ($\textit(Forsyth, Pons)$), o mică secțiune „potrivirea imaginilor binoculare” este direct dedicată problemei identificării stereo, care conține în același timp o serie de idei interesante care sunt absente în prezentarea noastră. . În special, este descrisă metoda de identificare stereo programare dinamicăși o serie de alte metode. Într-un sens larg, întreaga parte a III-a a acestei cărți este dedicată problemei reconstrucției informațiilor spațiale tridimensionale dintr-un set de imagini bidimensionale, inclusiv capitolele $10$ „Geometria mai multor proiecții”, $11$ „Stereoviziune”, $12$ „Determinarea structurii afine din mișcare” și $13$ „Determinarea structurilor aproictive prin mișcare”. Problemele discutate aici sunt legate de construirea diferitelor relații metrice și proiective între punctele imaginii și punctele scenei, calculul căilor razelor etc. Aceste aspecte nu sunt incluse în acest curs de formare, deoarece sunt mai apropiate de domeniul fotogrammetric decât de domeniul prelucrării și analizei imaginilor, totuși, în cadrul unui curs avansat de viziune computerizată, astfel de elemente ar trebui considerate necesare. În acest sens, recomandăm întreaga parte a III-a a cărții pentru un studiu independent aprofundat.

Lista surselor pe secțiuni

1. $\textit(Bertram S.)$ UNAMACE și fotomapperul automat\Dslash Photogrammetric Engineering. 35. Nr.6. 1969. P.569 - 576.
2. $\textit(Levine M.D., O"handley D.A., Yagi G.M.)$ Computer Determination of Depth Maps\Dslash Computer Graphics and Image Processing. 2. Nr.2. 1973. P.131 - 150.
3. $\textit(Mori K., Kidode M., Asada H.)$ O metodă iterativă de predicție și corecție pentru stereocomparație automată\Dslash Computer Graphics and Image Processing. 2. Nr.3 - 4. 1973. P.393 - 401.
4. $\textit(Ackerman F.)$ Corelare imagini digitale de înaltă precizie\Dslash IPSUS. 1984. Nr. 9. P.231 - 243.
5. $\textit(Gruen A., Baltsavias E.)$ Corelație adaptivă a celor mai mici pătrate cu constrângeri geometrice\Dslash SPIE. 1985.V.595. P.72 - 82.
6. $\textit(Ohta Y., Kanade T.)$ Stereo prin căutare intra și inter-scanare folosind programarea dinamică\Dslash IEEE PAMI. V.7. nr.2. 1985. P.139 - 154.
7. $\textit(Priice K.E.)$ Tehnici de relaxare pentru potrivire\Dslash Minutes of the Workshop of Image Matching, 9-11 septembrie 1987, Universitatea Stuttgart, F.R.Germania.
8. $\textit(Foerstner W.)$ Un algoritm de corespondență bazat pe caracteristici pentru potrivirea imaginilor. Simpozionul Comisiei ISPRS III, Rovaniemi, Finlanda, 19-22 august 1986\Dslash IAPRS. V.26-3/3. P.150 - 166.
9. $\textit(Ayache N., Faverjon B.)$ Înregistrarea eficientă a imaginilor stereo prin potrivirea descrierii grafice a segmentelor de margine\Dslash IJCV. V.1. nr.2. 1987. P.107 - 131.
10. $\textit(Van Trees G.)$ Teoria detectării, estimării și modulării. T.1 - M.: Radio sovietică, 1972.
11. $\textit(Vasilenko G.I., Tsibulkin L.M.)$ Dispozitive de recunoaștere holografică. - M.: Radio și comunicare, 1985.
12. $\textit(Bochkarev A.M.)$. Corelație-sisteme de navigație extreme\Dslash Electronice radio străine. 1981. nr 9. P.28 - 53.
13. $\textit(Yaroslavsky L.P.)$ Prelucrare digitală semnale în optică și holografie: Introducere în optica digitală. - M.: Radio și comunicare, 1987.
14. $\textit(Horn B.K.)$ Viziune robot. - M.: Mir, 1989.
15. $\textit(Denisov D.A., Nizovkin V.A.)$ Segmentarea imaginilor pe un computer\Dslash Foreign radio electronics, nr. 10. 1985.
16. $\textit(Davies E.R.)$ Viziunea artificială: teorie, algoritmi, aspecte practice. - Academic Press., Ediția a II-a, San Diego, 1997.
17. $\textit(T. Tuytelaars, L. Van Gool.)$ Potrivirea vederilor larg separate bazate pe regiuni invariante afine\Dslash International Journal of Computer Vision 59(1). 2004. P.61 - 85.
18. $\textit(Yaroslavsky L.P.)$ Precizia și fiabilitatea măsurării poziției unui obiect bidimensional pe un plan\Dslash Radio engineering and Electronics. 1972. nr 4.
19. $\textit(Abbasi-Dezfould M., Freeman T.G.)$ Înregistrare stereo-imagine bazată pe patch-uri uniforme, arhive internaționale de fotogrammetrie și teledetecție. V. XXXI. Partea B2. Viena, 1996.
20. $\textit(Schenk.)$ Generarea automată a DEM-urilor, Fotogrammetrie digitală: o completare la Manualul de Fotogrammetrie\Dslash Societatea Americană pentru Fotogrammetrie(\&)Detecție la distanță. 1996. P.145 - 150.
21. $\textit(Gruen A,)$ Corelație adaptivă a celor mai mici pătrate: O tehnică puternică de potrivire a imaginilor\Dslash South African Journal of photogrammetry, Remote Sensing and Cartography. V.14. Partea 3. iunie 1985.
22. $\textit(Golub G.H., Ch. F. Van Loan.)$ Calcule matrice. - John Hopkins University Press, 1983.
23. $\textit(Pytyev YP.)$ Analiza morfologică a imaginilor\Dslash Reports of the URSS Academy of Sciences. 1983. T.269. nr. 5. C.1061 - 1064.
24. $\textit(Haralick R.M. și Shapiro L.G.)$ Viziune artificială. - Addison-Wesley, 1991.
25. $\textit(Zuniga O.A., Haralick R.M.)$ Detectarea colțurilor folosind modelul de fațete\Dslash Proc. Calculator IEEE. Recunoașterea modelului vizual. Conf., 1983. P.30-37.

Harta raster din GIS „Harta 2000” este în format RSW. Formatul a fost dezvoltat în 1992, structura sa este apropiată de formatul TIFF versiunea 6. Principalii indicatori care caracterizează o hartă raster sunt:

• scara imaginii;
• rezoluția imaginii;
• marimea imaginii;
• paleta de imagini;
• legătura de imagini planificată.

Scara imaginii- o valoare care caracterizează materialul sursă (în urma scanării căreia a fost obținută această imagine raster). Scara imaginii este relația dintre distanța pe materialul sursă și distanța corespunzătoare pe sol.

Rezoluția imaginii- o valoare care caracterizeaza dispozitivul de scanare pe care a fost obtinuta imaginea raster. Valoarea rezoluției arată în câte puncte elementare (pixeli) împarte dispozitivul de scanare un metru (inch) din imaginea originală. Cu alte cuvinte, această valoare arată dimensiunea „granulei” imaginii raster. Cu cât rezoluția este mai mare, cu atât „granul” este mai mic, ceea ce înseamnă

dimensiune mai mică obiecte de teren care pot fi identificate (descifrate) în mod unic Marimea imaginii(înălțime și lățime) - valori care caracterizează imaginea în sine. Din aceste valori se poate determina

dimensiuni imagine raster în pixeli (puncte). Dimensiunea imaginii depinde de dimensiunea materialului sursă scanat și de setarea rezoluției.

• Paleta de imagini
• - o valoare care caracterizează gradul de afișare a nuanțelor de culoare ale materialului sursă într-o imagine raster.
• Există următoarele tipuri principale de palete:
• bicolor (alb-negru, o cifră);
• 16 culori (sau nuanțe de gri, patru cifre);

256 de culori (sau nuanțe de gri, opt cifre);

High Color (16 biți); True Color (24 sau 32 de biți). Dacă este posibil să selectați rezoluția și paleta de imagini la scanarea materialelor sursă (unele dispozitive de scanare funcționează doar cu valori fixe), trebuie luat în considerare faptul că atunci când creșteți rezoluția și alegeți un grad mai mare de afișare a nuanțelor, volumul fișierul rezultat crește brusc, ceea ce va afecta ulterior volumul informațiilor stocate și viteza de afișare și procesare a imaginilor raster. De exemplu, la scanarea materialelor hărților sursă, nu este nevoie să utilizați o paletă de mai mult de 256 de culori, deoarece, în realitate, de regulă, nu există mai mult de 8 culori pe o hartă obișnuită.

O imagine raster încărcată în sistem nu este încă o hartă raster, deoarece nu are o referință planificată. O imagine nelegată este întotdeauna adăugată în colțul de sud-vest al dimensiunilor hărții. Prin urmare, dacă lucrați cu o zonă mare de lucru, pentru a căuta rapid un raster adăugat, puteți utiliza elementul „Mergeți la raster” din meniul de proprietăți a imaginii raster din dialogul „Lista raster”.

Odată legată, harta raster devine un document de măsurare. Folosind o hartă raster, puteți determina coordonatele obiectelor descrise pe ea (când mutați cursorul de-a lungul hărții raster, coordonatele curente sunt afișate în câmpul de informații din partea de jos a ecranului). O hartă raster legată poate fi utilizată ca document de sine stătător sau împreună cu alte date.

1.2. Conversia datelor raster

Sistemul Panorama procesează hărți raster prezentate în format RSW (format sistem intern). Datele din alte formate (PCX, BMP, TIFF) pot fi convertite în format RSW folosind software Sisteme panoramice. În plus, sistemul acceptă versiunea timpurie structuri de date raster RST ("Panorama sub MS-DOS"). Când deschideți un fișier RST, acesta este convertit automat în format RSW.

Există două moduri de a încărca un bitmap în sistem:

• Deschiderea unei imagini raster ca document independent (elementul „Deschidere” din meniul „Fișier”).
• Adăugarea unui bitmap la un deja document deschis(vector, raster, matrice sau hartă combinată) Adăugarea unei imagini raster la o hartă deja deschisă se face prin elementul „Adăugare - Raster” din meniul „Fișier” sau elementul „Lista raster” din meniul „Vizualizare”.

1.3. Conectarea unei hărți raster

Legare hartă raster se efectuează conform documentului legat, adică În primul rând, trebuie să deschideți un document orientat într-un sistem de coordonate dat (vector, raster sau hartă matrice), adăugați rasterul care trebuie referit și efectuați referința. Puteți lega un raster utilizând una dintre metodele furnizate în proprietățile rasterului ("Lista rasterelor - Proprietăți"). Trebuie reținut că toate acțiunile raster disponibile în meniul de proprietăți ale imaginii raster sunt efectuate pe rasterul CURRENT. Prin urmare, dacă un document deschis conține mai multe rastere, ar trebui să îl activați (selectați din lista rasterelor deschise) pe cel cu care vă aflați timp dat

vreau sa muncesc.

Snapping se realizează prin indicarea secvenţială a unui punct pe raster şi a punctului în care punctul specificat ar trebui să se mişte după transformare (de unde până unde). Transformarea se realizează prin mutarea întregului raster în paralel fără a-i schimba scara sau orientarea.

1.3.2. Deplasați-vă în colțul de sud-vest

Transformarea se realizează prin mișcarea paralelă a întregului raster fără a modifica scara și orientarea acestuia către colțul de sud-vest al dimensiunilor zonei de lucru.

Este recomandabil să utilizați acest mod de fixare atunci când adăugați un raster legat incorect la o hartă deschisă, care este afișată în afara zonei de lucru. În acest caz, după mutarea rasterului în colțul de sud-vest, este mai ușor să-l re-snap.

1.3.3. Închidere în două puncte cu scalare

Legarea se realizează prin specificarea secvenţială a unei perechi de puncte pe raster şi a punctelor către care punctele specificate ar trebui să se deplaseze după transformare (de unde până unde, de unde până unde). Transformarea se realizează prin mișcarea paralelă a întregului raster, schimbându-i scala.

Legarea se realizează prin specificarea secvenţială a unei perechi de puncte pe raster şi a punctelor către care punctele specificate ar trebui să se deplaseze după transformare (de unde până unde, de unde până unde). Transformarea se realizează prin mișcarea paralelă a întregului raster cu o schimbare a orientării sale în spațiu. Rotirea se efectuează în jurul primului punct specificat.

Imaginea este capturată folosind prima pereche de puncte specificate. A doua pereche de puncte este specificată pentru a calcula unghiul de rotație a imaginii. Prin urmare, dacă rasterul are valori inegale pe scară verticală și orizontală (rasterul este alungit sau comprimat din cauza deformării materialului sursă sau a unei erori în dispozitivul de scanare), al doilea punct își va lua poziția teoretică cu o anumită eroare.
Pentru a elimina eroarea, ar trebui să utilizați una dintre metodele de transformare a unei imagini raster (sarcina aplicației „Transformarea datelor raster”).

La încărcarea hărților raster în baza de date, poate fi creată o zonă de lucru pentru hărți raster. Pentru a crea o regiune raster, este necesar să încărcați secvențial în sistem fiecare imagine raster care formează această regiune și să o orientați în raport cu sistem unificat coordonate Combinația de hărți raster și vectoriale pentru aceleași teritorii sau adiacente vă permite să creați și să actualizați rapid zone de lucru, păstrând în același timp capacitatea de a rezolva probleme aplicate pentru care unele tipuri de obiecte de hartă trebuie să aibă o reprezentare vectorială. Obiecte grafice (desene și imagini) situate în

document Word , de regulă, poate fi mutat împreună cu textul sau legat de un anumit fragment (document text, (paragraf, limitele paginii, rând etc.). Pentru a face acest lucru, introduceți comanda de meniu FORMAT ® Desen Autoshape Inscripţie sau etc.) și în caseta de dialog corespunzătoare din filă Poziţie faceți clic pe butonul În plusși apoi deschideți fila

Poziția modelului și setați comutatorul Mutați cu text . De obicei, modul pentru mutarea obiectelor grafice împreună cu textul este setat implicit în Word. Pentru a afișa legarea trebuie să introduceți comanda Parametrii SERVICE ® iar pe filă Vedere căsuță de dialog Opțiuni setați comutatorul Fixați obiecte . Când instalați acest comutator

Simbolurile de ancorare sunt afișate numai în modul de aspect al paginii (și documentului Web) și numai pentru imagini și obiecte localizate în afara stratului de text(pentru care este setat unul dintre moduri împachetarea textului).

Când lucrați cu un document care conține un obiect grafic, se recomandă nu numai să setați afișarea caracterelor ancoră, ci și să afișați caractere care nu se imprimă (marcatori de paragraf). Pentru că atunci când ștergeți, mutați sau copiați un paragraf în apropierea căruia este setat un simbol de ancoră, obiectul grafic (desen sau imagine) „ancorat” la acest paragraf este și el șters (mutat, copiat) împreună cu paragraful.

Uneori doriți ca un grafic să rămână ancorat de același paragraf, indiferent de modul în care îl mutați, de exemplu. a fost legată „rigid” de un fragment specific al documentului, de exemplu, un desen la titlul său. În acest caz, în caseta de dialog Markup suplimentar din fila Poziție imagine, trebuie să activați comutatorul Setați legarea, după care o imagine de castel va fi adăugată la imaginea ancoră din marcatorul de ancoră.

Crearea de formule

Ecuațiile, expresiile și formulele matematice complexe create folosind software-ul încorporat pot fi inserate ca obiecte într-un document Word. Editor de cuvinte formule – programe Ecuația Microsoft.

Ecuațiile și formulele create în acest fel sunt obiecte statice, adică. nu efectuează calcule și nu pot fi editate direct în text.

Pentru a lansa editorul de formule, utilizați comanda Inserați ® Obiect. În caseta de dialog care se deschide Inserarea unui obiect pe filă Creare selectați elementul Microsoft Equation 3.0. După aceasta, pe ecran vor apărea meniul programului editor de formule și bara de instrumente Formulă.

În plus, pentru a lansa editorul de formule, puteți folosi butonul Editor de formule.

Când creați formule, utilizați butoanele din bara de instrumente a editorului de formule pentru a selecta simboluri și șabloane și utilizați tastatura pentru a introduce numere și variabile în spații special desemnate.

Bara de instrumente a editorului de formule (Formula) conține două rânduri de butoane. În rândul de sus - în linie personaje există butoane pentru inserarea simbolurilor matematice în formulă - litere grecești, matematice și operatori logici, superscripte etc. Butoanele din rândul de jos vă permit să introduceți șabloane , inclusiv simboluri pentru fracții, rădăcini pătrate, integrale, sume, produse, matrice, diverse paranteze etc. Multe șabloane conțin câmpuri speciale (pătrate negre sau goale) pentru introducerea textului și inserarea caracterelor.

Introducerea și editarea formulelor se finalizează prin apăsarea tastei ESC sau prin închiderea panoului editor de formule. De asemenea, puteți face clic stânga oriunde într-un câmp de document în afara zonei de introducere a formulei. Formula introdusă este inserată automat în text ca obiect. Apoi poate fi mutat în orice alt loc din document prin clipboard. Pentru a edita o formulă direct în document, trebuie doar să executați dublu click. Aceasta deschide automat fereastra editorului de formule.

Crearea tabelelor și lucrul cu tabele în Word

Word vă permite să formatați datele documentelor create sub formă de tabele.

Masa– o formă de organizare a datelor în coloane și rânduri, la intersecția cărora se află celule. Celulele tabelului pot conține date de orice tip: text, numere, grafice, imagini, formule etc.

Un tabel Word poate conține 63 de coloane și 32.767 de rânduri (comparați Excel - 256 de coloane și 65.536 de rânduri). Diferite rânduri ale aceluiași tabel pot conține un număr diferit de coloane. Celulele de tabel au adrese formate din numele coloanei (A, B, C,...) și numărul rândului (1,2 3,...).

Într-un document Word, tabelele sunt create în locația cursorului. În mod implicit, liniile din tabel sunt indicate prin linii punctate (care nu sunt tipărite).

Puteți crea un tabel nou în format Word:

1. Folosind comanda de meniu orizontal a ferestrei TABLE ® Adaugă (Inserează) ® Tabel. În caseta de dialog care apare Inserarea unui tabel ar trebui să setați dimensiunea tabelului - numărul de rânduri și coloane și să setați parametrii lățimii coloanei.

2. Folosind butonul Adăugare tabel din bara de instrumente standard. Pentru a defini configurația unui nou tabel, trebuie să colorați numărul necesar de coloane și rânduri ale tabelului în timp ce țineți apăsat butonul stâng al mouse-ului.

3. B ultimele versiuni Word are acum capacitatea de a crea tabele desenându-le cu un „creion” folosind mouse-ul. Acest buton se află pe bara de instrumente Mese și chenare.

4. Textul introdus anterior poate fi convertit într-o vizualizare de tabel folosind comanda TABLE ® Convert ® Convert to Table cu condiția ca textul să fie pregătit folosind separatori speciali de linii și coloane: caractere de la sfârșitul paragrafului ( introduce), file ( Tab) sau altele.

De asemenea, Word vă permite să convertiți un tabel înapoi în text simplu folosind comanda de meniu TABEL ® Conversie ® Conversie în text.

Numărul de rânduri și coloane specificat inițial (la crearea unui tabel Word) poate fi modificat prin adăugarea de noi rânduri și coloane sau ștergerea celor existente.

Pentru adaugare linie nouă la sfârșitul tabelului trebuie să plasați cursorul în ultima celulă a tabelului și să apăsați tasta Tab.

De asemenea, puteți utiliza clipboardul pentru a muta, copia, adăuga și șterge celule, coloane și rânduri individuale ale tabelului (comenzi de meniu EDITARE ® Copiați, Tăiați, Lipiți).

Pentru a șterge un tabel, trebuie să îl selectați împreună cu marcatorul de paragraf, lângă masă și apăsați tasta Șterge. Dacă selectați un tabel fără un marcator de paragraf după tabel, apăsarea unei taste va șterge numai conținutul său. De asemenea, puteți folosi comanda pentru a șterge întregul tabel TABLE ® Delete ® Table, având în prealabil poziționat cursorul în interiorul tabelului.

Caracteristici noi pentru lucrul cu tabele în Word 2000

În versiunea Word 2000, pentru confortul lucrului cu tabele, au apărut noi instrumente și capabilități care nu erau disponibile în Versiuni anterioare Cuvânt:

· mutarea întregului tabel cu mouse-ul - trageți marcatorul de mișcare a mesei cu mouse-ul - un simbol care nu se imprimă care apare în stânga deasupra linia de sus Mese;

· modificarea dimensiunii tabelului cu menținerea proporțiilor dimensiunilor rândurilor și coloanelor (folosind marcatorul de redimensionare a tabelului din colțul din dreapta jos al tabelului);

· împachetarea textului în jurul mesei (opțiunile de împachetare sunt setate în același mod ca pentru imagini - comandă TABLE ® Proprietăți tabel);

· crearea de tabele imbricate – o celulă de tabel poate conține un alt tabel (de exemplu, folosind comanda TABLE ® Adaugă ® Tabel);

· crearea de margini diagonale și linii în interiorul unei celule prin desenarea chenarelor cu un creion sau folosind butoanele din bara de instrumente Granițele externe;

· setarea marginilor celulelor și a intervalelor dintre celule etc. (câmpurile celulelor determină distanța dintre chenarul celulei și textul din ea; pentru a seta marginile celulelor și a determina intervalul dintre celule, utilizați comanda TABLE ® Proprietăți tabel ® Fila Tabel ® Buton Opțiuni).

A. P. Kirpichnikov, D. I. Miftakhutdinov, I. S. Rizaev

SOLUȚIONAREA PROBLEMEI DE CORELARE A IMAGINEI ȘI HARTEA DIGITALĂ A TERITORIULUI

Cuvinte cheie: combinație de imagini, hartă digitală a terenului, corelare procesare imagini.

Lucrarea discută soluția problemei de legătură a unei imagini și a unei hărți digitale a zonei folosind metoda de procesare a corelației a două imagini, ceea ce face posibilă obținerea unei precizii ridicate a legăturii pentru a elimina automat erorile de aliniere dintre ele.

Cuvinte cheie: combinarea imaginilor, hărți digitale de teren, procesarea imaginilor de corelare.

Lucrarea are în vedere soluționarea imaginilor de legare și a hărților digitale prin metoda de procesare a corelației celor două imagini pentru a obține o precizie ridicată a snapping-ului pentru eliminarea automată a erorilor de aliniere dintre ele.

Introducere

Momentan în rusă sistemele existente recunoaștere, scopul principal este de a găsi obiecte noi (necunoscute anterior) într-o anumită zonă a terenului. Prin urmare, o sarcină importantă este combinarea hărții terenului (DTM) și a imaginii sale curente cu analiza ulterioară a rezultatelor combinației și căutarea diferențelor.

În practică, imaginile multitemporale și multi-spectrale ale aceluiași obiect sau zonă pot diferi semnificativ unele de altele și de imaginea lor de pe computerul digital digital. Astfel, ne confruntăm cu o serie de sarcini de corecție geometrică și de amplitudine a imaginilor, alinierea și alinierea acestora. Este posibil să legați folosind parametrii de navigare și folosind algoritmi de căutare, stabilirea corespondenței între elementele imaginii.

Erorile în măsurarea parametrilor de navigare duc la erori în alinierea imaginii și a DCM. Principalele motive sunt:

1. Întârzierea începerii recepției semnalului în timpul formării imaginii.

Eroarea în determinarea întârzierii se formează din cauza discretității valorii frecvența ceasului oscilator de referință (de exemplu, 1/56 MHz)

56 10 6 [Hz] 2 56 10

2. Eroare la determinarea înălțimii suportului. Calculul erorii numerice (aproximativ):

3. Eroare la determinarea limitelor cadrului imaginii.

Această eroare este determinată în primul rând de eroarea senzorului de unghi. Se determină eroarea liniară maximă datorată erorii

ca Dmax STr = 1,74-10-3 Dmax.

4. Eroare la determinarea coordonatelor aeronavei în sistemul de coordonate la sol.

unde D este intervalul până la punctul cadrului imaginii, h este înălțimea aeronavei, D este eroarea în măsurarea înălțimii aeronavei, D este eroarea în determinarea poziției unghiulare a antenei în radiani, D^ este eroare în determinarea direcției adevărate a aeronavei în radiani.

Eroarea totală în determinarea locației imaginii este egală cu rădăcina pătrată a sumei pătratelor erorilor componente.

Pentru a elimina erorile de înregistrare rezultate, este posibilă utilizarea corelației imaginilor procesate și DCM. În același timp, principalele dificultăți în crearea algoritmilor includ, în primul rând, diferențele în principiile achiziției imaginilor. În plus, imaginile majorității obiectelor depind în mod semnificativ de perioada anului. Prin urmare, atunci când se creează un algoritm pentru corelarea imaginilor și DCM, este necesar să se poată identifica repere cu caracteristici stabile.

Concepte de bază ale analizei de corelare și regresie

Sarcina principală a analizei corelației este de a estima ecuația de regresie și de a determina strânsoarea relației dintre caracteristica rezultată și o varietate de caracteristici ale factorilor. Valoarea coeficientului de corelație este o expresie a proximității cantitative a conexiunii.

Dacă luăm în considerare populația generală, atunci pentru a caracteriza proximitatea relației dintre două variabile, folosim coeficientul de corelație de pereche p, în caz contrar, evaluarea acestuia este coeficientul de pereche de eșantion r.

Dacă forma relației este liniară, atunci coeficientul de corelație al perechii se calculează folosind formula:

și valoarea eșantionului - conform formulei:

Y(X - X)(Y -Y)

Cu un număr mic de observații, coeficientul de corelație al eșantionului este calculat folosind formula:

pX X T-X XX T

X X,2 - (X X)2

„X t 2 - (X T)2

Modificările valorii coeficientului de corelație sunt în intervalul -1< г < 1.

Dacă coeficientul de corelație este în intervalul -1< г < 0, то между величинами Х и У - обратная корреляционная связь. Если коэффициент корреляции находится в интервале 0 < г < 1, то между величинами Х и У - прямая корреляционная связь.

Logica pentru aplicarea corelației

Principalele etape ale combinarii includ:

1. Identificarea standardelor din hartă, preprocesarea acestora.

2. Transformarea standardelor de imagine ținând cont de geometria imaginii rezultate.

3. Procesarea imaginilor pentru a evidenția obiectele de teren.

4. Efectuarea unei căutări de corelare a standardelor din imaginea curentă.

5. Clarificarea pozitiei imaginii combinate cu harta (corectarea coordonatelor de navigatie).

Să aruncăm o privire mai atentă asupra unora dintre etape.

Obținerea standardelor

Această etapă este efectuată de către operator sau automat pe baza cunoștințelor zonei de acțiune vizate și a obiectelor situate pe aceasta, care pot fi împărțite în două grupuri. Primul este bazat pe puncte, în special - turnuri, structuri etc. Pentru a le evidenția în imagine, puteți utiliza limitarea valorilor de luminozitate a imaginii. Cu toate acestea, principala dificultate apare atunci când se asociază un anumit punct „luminos” cu un obiect de teren, datorită faptului că pragul poate fi depășit de un alt obiect. Detaliile insuficiente ale hărților digitale nu permit, în majoritatea cazurilor, identificarea obiectelor punctuale de pe sol.

Al doilea grup include obiecte extinse cu forme caracteristice. Acestea includ hidrografia (râuri, lacuri, litoral), rețeaua de drumuri, aşezări etc. Aceste obiecte au imagini caracteristice și permit, pe baza cunoașterii proprietăților lor pe hartă, obținerea unui model de imagine pentru căutarea ulterioară. Cercetările au arătat oportunitatea reducerii standardelor la o formă binară din cauza faptului că este imposibil de prezis nivelul de luminozitate al obiectelor din imaginile generate. Figura 1 arată achiziția unei imagini binare a unui râu folosind un DCM.

Orez. 1 - Un exemplu de obținere a unei imagini binare a unui râu folosind un DCM

Este recomandabil să selectați zonele caracteristice ale obiectelor ca referințe, cum ar fi coturile, intersecțiile și ramurile. Au funcții de autocorelare înguste și ar trebui să ofere o căutare eficientă. Este posibil să se utilizeze un algoritm automat pentru selectarea poziției secțiunilor de referință prin analiza funcției de corelare a secțiunilor selectate și a zonei din care sunt formate. Reperele utilizate sunt selectate pentru zona vizată a terenului, obținută din citiri sistem de navigareținând cont de posibila amploare a erorii sale.

Eliminarea distorsiunilor geometrice

O problemă care necesită luare în considerare atunci când se implementează algoritmul de corelare este alegerea zonei transformate. În acest caz, sunt posibile două opțiuni. Prima este aducerea zonelor de teren de referință în imaginea curentă. Această operație este mai avantajoasă din punct de vedere al resurselor de calcul, deoarece este mai ușor de prelucrat imaginea de referință binară. A doua metodă presupune aducerea imaginii curente pe o hartă a zonei. Alegerea metodei de transformare se realizează ținând cont de posibilitățile de implementare directă a algoritmilor în practică.

Procesarea imaginilor primite

Căutarea directă a zonelor de referință în imaginile rezultate este imposibilă din cauza cantitate mare obiecte pe sol, prezența unei componente semnificative de zgomot. Prin urmare, etapa de căutare este precedată de operația de selectare a obiectelor dorite. Principalele metode utilizate în prezent pentru a efectua această operație sunt segmentarea și conturarea imaginii. În plus, pentru a reduce dependența rezultatelor procesării imaginii de distorsionarea componentelor aleatorii de zgomot, se efectuează filtrarea imaginii. În acest caz, anumite componente ale imaginii în sine pot acționa ca interferență.

Segmentarea este adesea considerată ca principala etapă inițială a analizei la automatizarea metodelor de achiziție a imaginii, deoarece rezultatul este o imagine, a cărei calitate determină în mare măsură succesul rezolvării problemei identificării obiectelor din imagine și corelarea ulterioară. Exemplu de binar de prag

Segmentarea imaginii rezultate și transformate este prezentată în Fig. 2.

Fig.2 - Exemplu de imagine transformată

Vă rugăm să rețineți că pentru a evidenția diverse obiecte trebuie implementate căi diferite procesarea imaginii. Astfel, pentru a evidenția tronsoane drepte de drum, puteți folosi măști speciale urmate de procesarea pragului.

Găsirea locației imaginilor de referință pe imaginea curentă (snapping)

Principalele variante ale algoritmilor de stabilire a asemănării imaginii sunt asociate cu obținerea de caracteristici ale relației stocastice a fragmentului de imagine curent cu o imagine de referință a zonei. Baza acestor algoritmi este corelația și teoria spectrală a semnalelor.

Imaginea fragmentului de referință (selectat pe harta terenului și reprezentată printr-o matrice u0 de dimensiunea pxn) este comparată cu imaginile curente prin fragmente de imagine din „zona de interes” de dimensiunea bxb. b=n+m, iar zona de căutare este determinată posibila greseala sisteme de navigatie.

În timpul procesului de căutare glisante, o „funcție de similitudine” este calculată între fragmentele de referință și imaginile curente. Este necesar să găsiți o funcție de similitudine care, cu acuratețe și fiabilitate maximă, să vă permită să localizați un fragment din imagine corespunzător standardului, stabilind astfel puncte conjugate în imagini.

Cu metoda de corelare se caută coeficientul de corelație maxim (max(k,1)) al fragmentului curent cu standardul

XXUo(x, Y)u(x, y)

/(k, I) =-^-]-_, (7)

^[^x, y)]2 XX2)2

unde u0 și u sunt valorile de luminozitate centrate ale standardului și ale fragmentului de imagine. Această operație este necesară pentru a elimina dependența valorii coeficientului de corelație de energia zonelor.

Pentru a respecta condițiile de fiabilitate a detectării, este necesar să se stabilească un prag (gthor) pentru valoarea de corelație încrucișată.

Dacă max(k,1)>gpor, atunci asemănarea perechii de fragmente găsite este garantată cu o probabilitate dată.

Camarad Valoarea pragului poate fi stabilită de probabilitatea de similitudine a fragmentelor și de coeficientul de corelație.

Dezavantajul măsurătorii de similitudine a corelației este sensibilitatea acesteia la distorsiunile geometrice ale dimensiunilor obiectelor de împerechere, ceea ce impune cerințe mari asupra algoritmului de segmentare a obiectelor bazat pe imaginea rezultată.

De obicei, acuratețea combinării fragmentelor și probabilitatea unei legături false sunt luate ca criterii pentru eficacitatea procedurilor de identificare a similitudinii.

Figura 3 prezintă rezultatele căutării pentru mai multe fragmente de referință per imagine. Standardele identificate pe DCM sunt reduse la geometria imaginii rezultate. Figura 4 prezintă rezultatul căutării unei imagini de referință în cazul reducerii imaginii la geometria hărții în aceleași condiții.

Relația dintre referință și imagine poate fi calculată pe baza teoriei spectrale a semnalelor. De fapt, metoda caută și integrala de corelație, doar în domeniul frecvenței. În acest caz, folosind algoritmi rapidi de transformare Fourier, este posibil să se reducă semnificativ costurile de calcul necesare pentru organizarea calculelor.

Pe baza valorilor obținute ale discrepanțelor dintre rezultatul prezis al navigației și pozițiile referinței calculate folosind integrala de corelare, se formează o corecție a poziției imaginii curente în raport cu DCM.

Orez. 3 - Rezultatele căutării pentru mai multe fragmente de referință

Orez. 4 - Rezultatul căutării unei imagini de referință în cazul reducerii imaginii la geometria hărții

Metoda considerată de procesare a corelației a două imagini ne permite să obținem o precizie ridicată în legarea imaginii curente cu o hartă digitală a terenului pentru a elimina automat erorile de înregistrare dintre ele.

Lucrarea propune un algoritm de realizare a legării, ale cărui etape principale sunt pregătirea standardelor de pe hartă, transformarea și procesarea imaginilor de teren și implementarea căutării corelației. Cu toate acestea, fiecare dintre aceste etape în timpul implementării necesită luarea în considerare a caracteristicilor sistemelor de sondaj utilizate și a hărților digitale ale zonei.

Literatură

1. Baklitsky V.K. Corelație-metode extreme de navigație și îndrumare / Editura Tver: TO „Clubul de carte”, 2009. - 360 p.

2. Gruzman I.S., Kirichuk V.S., Kosykh V.P. etc.Prelucrarea digitală a imaginii în sisteme de informare./ Tutorial. - Novosibirsk: Editura NSTU, 2000. -168 p.

3. Kirpichnikov A.P., Miftakhutdinov D.I., Rizaev I.S. Rezolvarea problemei de geopoziţionare prin metoda comparaţiei de corelaţie // Buletinul Universităţii Tehnologice: T.18 Nr. 3; - 2015. - 308 p.

4. Miftakhutdinov D.I., Rizaev I.S. Caracteristici ale implementării algoritmilor pentru combinarea imaginilor cu hărțile digitale ale terenului./ „Perspective pentru integrarea științei și practicii.” Materiale ale Conferinței Internaționale Științifice și Practice Stavropol: 2015. - 94 p.

© A. P. Kirpichnikov - Doctor în fizică și matematică. stiinte, cap departament sisteme inteligente și control resurse informaționale CARTE, [email protected]; D. I. Miftakhutdinov - masterand al catedrei în anul II sisteme automatizate prelucrarea și managementul informațiilor KNIGU-KAI; [email protected]; I. S. Rizaev - Ph.D. acestea. Științe, Profesor al Departamentului de Procesare Automatizată a Informației și Sisteme de Control al KNIGU-KAI; [email protected].

© A. P. Kirpichnikov - Dr. Sci., Șef al Departamentului de Sisteme Inteligente și Control al Sistemelor Informaționale, KNRTU, [email protected]; D. I. Miftakhutdinov - masterand al Departamentului de prelucrare și management automat al informațiilor, KNRTU-KAI, [email protected]; I. S. Rizaev - dr., profesor al Departamentului de prelucrare și management automat al informațiilor, KNRTU-KAI, [email protected].