1.7 Анализ существующих программных решений

Задача нахождения графических примитивов решается во многих системах компьютерного зрения. Проведение подобного исследования позволяет проанализировать изображение с точки зрения его структурного состава и получить начальные данные для проведения более узких экспериментов. Система "Cognitive Passport", основанная на технологиях "Cognitive Forms" и "Scanify", была разработана в 2005 году. Система предназначена для автоматизации процесса ввода и обработки документов, удостоверяющих личность (паспортов, водительских удостоверений и др.), построенных по стандартизованной форме и напечатанных на гербовой бумаге. Она обеспечивает автоматизированный ввод документов, распознавание текстовой и выделение графической информации, редактирование сомнительно распознанных полей и преобразование считанной информации в согласованный формат экспорта-импорта документов. Программное ядро системы "Cognitive Passport" основано на использовании сложных алгоритмов оптического распознавания, включающих Wavelet-фильтрацию, преобразование Хафа, линейную спектральную модель цвета и др. Это позволяет более качественно распознавать защищенные документы за счет фильтрации "гербового" и текстурного фона.

Рисунок 13 - Интерфейс системы "Cognitive Passport"

Пакет "Image Processing Toolbox" - это расширение MATLAB, содержащий полный набор типовых эталонных алгоритмов для обработки и анализа изображений, в том числе функций фильтрации, частотного анализа, улучшения изображений, морфологического анализа и распознавания. В рамках данного пакета расширения применяется вероятностное преобразование Хафа [10].

Все функции пакета написаны на открытом языке MATLAB, что позволяет пользователю контролировать исполнение алгоритмов, изменять исходный код, а также создавать свои собственные функции и процедуры. Пакет "Image Processing Toolbox" применяется инженерами и учеными в таких областях как разработка систем сжатия, передачи и улучшения изображений, разработка систем наблюдения и распознавания, биометрика, тестирование полупроводников, микроскопия, разработка сенсоров, материаловедение и др.

Система "Juno" является инструментом для обработки, преобразования и статистического анализа больших массивов экспериментальных данных (см. Рисунок 14). Программа обладает уникальными возможностями, которые позволяют пользователю, практически незнакомому с программированием осуществлять сложные манипуляции с данными, производить построение одномерных и двухмерных статистических распределений, выполнять выделение редких событий с помощью наложения условий и дополнительных критериев.

Рисунок 14 - Интерфейс системы "Juno"

В рамках разработки математического обеспечения для внешнего трекера для эксперимента HERA-B в рамках системы Juno развит новый алгоритм быстрой инициализации программы распознавания треков RANGER на основе метода преобразования Радона-Хафа. Алгоритм реализован в виде программы на языке C++. Разработан и проверен на реальных данных алгоритм очень быстрого робастного фитирования дуг окружностей по данным, учитывающим радиусы дрейфа в XoZ плоскости камеры магнита.

Программный пакет "Pisoft Image Framework" предназначен для разработчиков и пользователей систем обработки изображений, и может применяться для практических, исследовательских и учебных целей в качестве интегрированной среды работы с изображениями (см. Рисунок 15). Пакет реализован на базе оригинальной фрейм-ориентированной технологии, которая обеспечивает ряд существенных преимуществ в управлении процессом обработки видео данных и организации соответствующего интерфейса пользователя.

Рисунок 15 - Интерфейс программного пакета Pisoft Image Framework

Пакет "Pisoft Image Framework" позволяет проводить анализ профилей яркости, апертур, проекций и гистограмм, различные средства геометрических измерений; линейные, нелинейные и произвольные геометрические преобразования; алгебраические операции над одним или несколькими изображениями; линейные, нелинейные и произвольные яркостные и цветовые преобразования; линейную и нелинейную фильтрация изображений в пространственной и частотной области; сегментация изображений, выделение и анализ областей и контуров; математическая морфология Серра, wavelet transform; преобразование Хафа, обнаружение прямолинейных структур; текстурный анализ, вычисление статистик; выделение объектов, вычисление геометрических признаков.

Рассмотренные выше системы сведем в таблицу 3.

Таблица 3. Программные продукты, применяющие преобразование Хафа

Система	Алгоритмы
Cognitive Passport	Базовое преобразование Хафа, иерархическое преобразование Хафа
MATLAB Image Processing Toolbox	Прогрессивно-вероятностное преобразование Хафа, градиентные модификации
Juno	Базовое преобразование Хафа, адаптивное преобразование Хафа
Pisoft Image Framework	Случайное преобразование Хафа, комбинаторное преобразование Хафа, иерархическое преобразование Хафа

.8 Выводы

В данной главе была проведена классификация графических примитивов, выявлены параметры, характеризующие тот или иной геометрический объект. Рассмотрены подходы к нахождению примитивов, оценены их преимущества и недостатки. Построен общий алгоритм получения геометрического описания пространства изображения на основе анализа входных данных и этапа предварительной обработки. В рамках данного алгоритма проведен обзор шумоподавляющих фильтров (свертка по маске, медианный, фильтр Гаусса), операторов детектирования краев (операторы Робертса, Превитта, Собела, Лапласа, Канни. Завершающим шагом алгоритма нахождения примитивов является применение преобразования Хафа. Рассмотрены базовое преобразование Хафа для нахождения примитивов различной сложности, а также его модификации (комбинаторное, иерархическое, адаптивное, случайное, вероятностное, прогрессивно-вероятностное преобразования). Для нахождения точечных особенностей изображения в дополнение к подходу, основанному на преобразовании Хафа, изучены детекторы Харриса и масочный детектор. Проведен сравнительный анализ методов на основе преобразования Хафа. В заключение главы рассмотрены существующие аналоги программных продуктов, позволяющие решать задачи нахождения геометрических объектов в рамках определенной предметной области.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Абламейко С.В. Обработка изображений: технология, методы, применение. Учебное пособие. - М.: Амалфея, 2000. - 304 с.

2. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: Учебное пособие для студентов вузов. - М.: Высш.шк., 1983. - 295 с. ил.

3. Гонсалес Р., Вудс Р. Цифровая обработка изображений : Пер.с англ., М.: Техносфера, 2005. - 1072 с. ил.

4. Сойфер В.А. Методы компьютерной обработки изображений. - 2-е изд., испр. - М.: ФИЗМАТЛИТ, 2003. - 784 с.

5. Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход. : Пер. с англ. - М.: Издательский дом "Вильямс", 2004. -928 с. ил.

6. Яне Б. Цифровая обработка изображений. : Пер.с англ. - М.: Техносфера, 2007. - 584 с.

7. Дегтярева А., Вежневец. В. Преобразование Хафа (Hough transform). [Электронный ресурс]. - <http://cgm.computergraphics.ru/content/view/36>.