SCI Библиотека

Обоснование. Визуальный неразрушающий контроль внутренней поверхности труб является важным аспектом при их производстве и эксплуатации. Вовремя обнаруженный и устраненный дефект может существенно сократить количество брака при производстве и предотвратить различные чрезвычайные происшествия при эксплуатации. Формирование полного панорамного изображения внутренней поверхности труб, пригодных для анализа качества, является актуальной и востребованной задачей, которая может быть решена с помощью систем компьютерного зрения.

Цель. Исследование и разработка телевизионных методов формирования полного панорамного изображения внутренней поверхности трубы, которое можно анализировать для поиска дефектов.

Методы. Для формирования цилиндрического панорамного изображения использованы математические модели формирования эквидистантной проекции сферических изображений, полученных с помощью объектива Fisheye. Для качественной сшивки полученных кадров использовались методы цифровой обработки изображений, включающие преобразования яркости и контраста, поиск особых точек алгоритмом MSER. Теоретические результаты проверены методом натурного моделирования.

Результаты. Результатом данной работы является алгоритм сшивки кадров видеопоследовательности, сформированной телевизионной камерой с оптической системой типа Fisheye, равномерно перемещаемой вдоль продольной оси трубы, в единое панорамное изображение внутренней поверхности.

Заключение. Алгоритм обеспечивает формирование качественного изображения полной панорамы внутренней поверхности труб с отсутствием яркостных артефактов.

Предложен новый метод восстановления изображений, имеющих три неизвестные градации яркости. Для их определения используются фрагменты изображения, гистограммы которых согласуются с заданным распределением шума. Далее все пиксели распределяются по найденным уровням яркости посредством бинарной классификации. Выполнен вычислительный эксперимент, по результатам которого оказалось, что ошибка оценки исходных яркостей не превысила 3%. При относительно низком уровне шума доля неверно классифицированных пикселей от их общего числа составила менее 0.006.

В статье описан алгоритм программы оценки точности цифровых моделей рельефа, получаемых из данных фотограмметрических и лазерно-сканирующих съемок. Описываемый в работе подход, положенный в основу разработанной авторами программы, позволяет определить среднеквадратические погрешности (СКП) аппроксимации поверхностью нерегулярной триангуляционной сети (TIN) исходного облака точек как в области отдельного полигона, так и всей анализируемой модели рельефа, представляя результаты в удобных для последующего визуального и статистического анализа форматах. Вычисляемые параметры определяются на основе статистической обработки отклонений высотных отметок элементов исходного облака точек относительно рассматриваемой TIN-поверхности, позволяя тем самым количественно оценить приобретенную полигональной моделью СКП после редуцирования исходных данных. Предлагаемый алгоритм может применяться как в области научных исследований, посвященных вопросам разрежения и оптимизации данных дистанционного зондирования, так и при решении практических задач, позволяя минимизировать объем хранимой и обрабатываемой информации в выполняемых вычислениях

В работе представлен обзор исследований, проведенных в период с 2007 по 2014 г., по сегментации аврорального овала на изображениях. В качестве исходных данных использовались карты полного неба и изображения в ультрафиолетовом спектре. Рассматривались следующие методы: модифицированная версии алгоритма изолирующей карты контур-метка, метод рандомизированного преобразования Хафа на основе линейного метода наименьших квадратов (LLS-RHT), методы на основе нейронной сети с импульсной связью (PCNN), гистограмм k-средних, адаптивного определения порога минимальной ошибки (AMET), алгоритм кластеризации нечетких локальных информационных c-средних (FLICM), метод установки уровней с инициализацией формы и адаптацией к интенсивности.

В связи с расширяющейся географией автомобильных дорог актуальной задачей является оценка состояния их полотна, в последние годы для анализа изображений и повышения их качества все шире применяются разнообразные методы обучения нейронных сетей. В этой cвязи интерес представляет сравнение возможностей различных нейронных сетей в части получения изображения высокого разрешения по критерию среднего времени достижения приемлемого результата. Для анализа выбраны нейронные сети ESRGAN, EDSR,
ESPCN, FSRCNN, LapSRN, каждая из которых способна увеличить разрешение одновременно по ширине и высоте кадра в 4 раза, и, соответственно, количества пикселей в 16 раз. С этой целью для перечисленных сетей было проведено по 5 экспериментов с 5 разными фотографиями в каждом эксперименте, при этом количество пикселей на изображении всякий раз увеличивалось в два раза. Установлено, что наилучшими показателями по затратам времени обладает сеть ESPCN, сеть FSRCNN демонстрирует сопоставимые результаты.