بخشی از مقاله
چکیده -
کشف وآشکارسازی خط افق در تصاویرحرارتی نویزی از اهمیت ویژه ای برخوردار است. در الگوریتمهای مختلف جستجو وردیابی اهداف دریایی، اولین مرحله کار، کشف خط افق می باشد، که با توجه به ارتفاع دوربین از سطح دریا، خط افق در فاصله چند کیلومتری از آن قرار می گیرد. اهداف در این فاصله به صورت نقطه ای در افق قابل مشاهده می باشند که با نزدیکتر شدن دوربین به تدریج بزرگتر شده و از خط افق فاصله می گیرند. بنابراین، مکان خط افق، محدوده جستجو در تصویر جهت یافتن اهداف را محدود می کند که این عمل در افزایش سرعت برنامه و کاهش تشخیص اشتباه, تاثیر بسزایی دارد.
در این مقاله، پس از بهینه سازی تصویر اصلی، ابتدا تصویر گرادیان استخراج می گردد. سپس از تصویر گرادیان، بیشینه گیری ستونی انجام شده، که بدنبال آن، مقادیر بیشینه درهرستون و مختصات سطرمقدار بیشینه مورد نظر، هرکدام دریک بردار ذخیره می گردند. بیشترین فروانی درچند آرایه اول و چند آرایه آخر بردار مختصات سطرها، به ترتیب، مختصات سطر نقاط ابتدا و انتهای خط افق را مشخص می سازد که با متصل کردن این نقاط و ترسیم خط، محدوده خط افق برای محاسبات بعدی مشخص می گردد.
-1 مقدمه
کاهش دید مرئی در محیط به دنبال تغییرات عوامل جوی از جمله بارش باران و برف و گرد و غبار و مه نسبتا غلیظ، برروی تصویر گرفته شده از یک دوربین حرارتی تاثیر بسزایی نهاده و باعث می گردد که کیفیت تصویر به شدت افت نماید و تصویری با کیفیت پایین از خط افق و اهداف دریایی استخراج شود. خط افق در به هم پیوستن دریا و آسمان طی یک تغییر تدریجی به وجود می آیدکه می توان از راههای تشخیص لبه جهت یافتن آن استفاده کرد.
در همین راستا، مقاله های متفاوتی در تشخیص لبه وجود دارند که با بهره گیری از آنها، مختصات افق از تصویر استخراج شود. راه های دقیق تر تشخیص لبه همراه با حذف نویز، برنامه نویسی پویا [1]، یا ردیابی با استفاده از ویولت [2]، است که عموما دارای حجم محاسباتی نسبتا بالایی بوده و برای لبه های پیچیده کاربرد دارد. اما با توجه به عدم حساسیت شدید برنامه به چند پیکسل خطا در یافتن محل افق و امکان اصلاح خطا با استفاده از توالی فریم ها و ویژگی مستقیم بودن خط افق، روش های کم هزینه تر، پاسخگو می باشند.
روش دیگر با استفاده از الگوریتم تغییریافته کنی [3]، تصویر لبه استخراج شده، سپس با استفاده از روش هاف، با اعمال تغییرات، خطوط کاندید خط افق از هر فریم استخراج میشوند. سپس با تطبیق فریم های متوالی خطوط ناهماهنگ حذف شده و بعد از تشکیل تصویر پانورامیک، خطوط باقی مانده توسط معیار های مختلف، امتیازدهی شده و خط نهایی انتخاب میشود.
با توجه به مطالب بیان شده در این مقاله روشی پیشنهاد می گردد که یک روش کاملا ساده و سریع می باشد. پس از بهینه سازی تصویر، تصویر گرادیان دوبعدی تصویر محاسبه و استخراج می گردد . با توجه به تصویر گرادیان مشاهده می کنیم که بیشترین تغییرات در لبه ها می باشد. با توجه به این موضوع، از ستونهای تصویر گرادیان بیشینه گرفته و مقدار و موقعیت سطر هریک از مقادیر بیشینه را در یک حافظه ذخیره می نماییم. درنهایت می توان با تعریف دو تابع فراوانی، ابتدا و انتهای خط افق را براساس میزان فراوانی و تکرار مقادیر در بردار موقعیت های سطر بدست آورده می شود و موقعیت خط افق را تخمین زده می شود.
مطالب این مقاله در سه بخش ارائه می گردد. در بخش اول تعاریف اولیه بیان می گردد . در بخش دوم جزییات روش پیشنهادی و شبیه سازی کار بصورت مفصل مطرح شده و در نهایت در قسمت نتیجه گیری، پس از اعمال روش جدید و روش هاف برروی تصاویر متعدد، میزان موفقیت درهر دو روش با یکدیگر مقایسه می شود.
-2 تعاریف اولیه و معادلات ریاضی
در این بخش به بررسی فیلتر مدیان، فیلتر گوسی برای بهبود تصویر و مشتق گیری دوبعدی و تبدیل هاف که در روش پیشنهادی استفاده گردیده اند می پردازیم.
-1-2 فیلتر مدیان
به کمک این فیلتر میتوان نویزهای ضربه ای یا نویز نمک وفلفل را تا حدودی ازبین برد.
-2-2 فیلتر گوسی
هموار سازی تصویر به کمک کانولوشن گوسی انجام می گردد
-3-2 گرادیان دوبعدی
با مشتق گیری دوبعدی از تصویر میتوان تصویر گرادیان را تولید کرد. با اینکار نواحی لبه نسبت به دیگر نواحی روشن تر می گردد.
-4-2 تبدیل هاف
الگوریتمی است که پیکسلهای آشکار شده توسط یک آشکار ساز لبه را که روی یک خط قرار دارند پیدا می کند.
هرپیکسل - x,y - در صفحه xy روی خطی قرار دارد که ضابطه این خط به صورت زیر است
-3 روش پیشنهادی وشبیه سازی
در شکل 1 فلوچارت بلوکی روش پیشنهادی ارائه شده است و در ادامه مشروح جزییات طرح ارائه می گردد.
تصویر ورودی
حذف نویز به کمک فیلتر مدیان
هموار سازی تصویر به کمک فیلتر گوسی
مشتق دوبعدی تصویر و تشکیل تصویر گرادیان
بیشینه گیری ستونی و ذخیره سازی مقادیر بیشینه با مختصات آنها
کشف خطوط افقی به کمک تبدیل هاف
تشکیل توابع فراوانی برای تخمین نقاط ابتدا و انتهای خط تخمینی
مقایسه خط تخمینی با خطوط روش هاف و انتخاب خط افق نهایی
شکل :1 فلوچارت بلوکی روش پیشنهادی
-1-3 بهینه سازی تصویر و تشکیل تصویر گرادیان
ابتدا به دلیل نویزی بودن تصویر و گاها کیفیت پایین تصویر، در چند مرحله در الگوریتم، هموار سازی تصویر و حذف نویز انجام میگردد. در ابتدا یک فیلتر مدیان سه در سه روی تصویر اعمال می شود. اعمال این فیلتر علاوه بر یکنواخت تر کردن سطح دریا، باعث حذف نویز های نمک و فلفل حاصل از دوربین نیز می شود. درشکل - -2 ب - اثر این فیلتر بر روی تصویر نمایش داده شده است.
-2-3 اعمال فیلتر گوسی و تشکیل تصویر گرادیان
در این قسمت، ابتدا با استفاده از یک فیلتر گوسی، تصویر هموار تر می شود. برای ا نحراف از معیار این فیلتر با توجه به نوع تصاویر به طور تجربی مقدار 4 انتخاب شده است. از آنجا که در تصاویر به دنبال لبه های عمده هستیم و مایلیم از جزئی ها چشم پوشی کنیم، مقدار بزرگ این پارامتر قابل توجیه است، هر چه خط افق در تصاویر واضح تر باشد، این پارامتر میتواند بزرگتر انتخاب شود تا لبه های ایجاد شده در اثر تغییرات در دریا و آسمان را حذف کند. تاثیر اعمال این فیلتر بر روی تصویر نمونه درشکل - -2 ج - نشان داده شده است. روش گرادیان گیری، کانولوشن تصویر، با مشتق اول تابع گوس می باشد. همانگونه که توضیح داده شد این روش اثر نویز را کاهش میدهد. درشکل - -2 د - تصویر گرادیان نمایش داده شده است.
-3-3 بیشینه گیری ستونی از تصویر گرادیان
همانگونه که در تصویر گرادیان مشخص می باشد بیشترین تغییرات در خط افق و لبه های زیر اهداف می باشد پس بنابراین می توان با محاسبه بیشینه هرستون از تصویر گرادیان ماتریس مقدار بیشینه ستونها و موقعیت پیکسل بیشینه را محاسبه نمود.
که پارامتر c مربوط به مقادیر بیشینه ستونها و پارامتر i موقعیت هر یک از مقادیر بیشینه ها در تصویرگرادیان است.
مطابق شکلهای - -2 ه - و - -2 و - به ترتیب نمودار تغییرات پارمترهای c وi بر حسب ستون تصویر گرادیان نمایش داده شده است. تصویر گرادیان یک تصویر با ابعاد600*800 می باشد.
اگر در نمودارها دقت شود درشکل - -2 و - تغییرات مقدار بیشینه درهر ستون تصویر نمایش داده شده است که تغییرات شدید در برخی ستون ها نشان دهنده وجود یک هدف می باشد. می توان با درنظر گرفتن یک آستانه مشخص اهداف با پیکسلهای کم را حذف نمود.
-4-3 استخراج نهایی خط افق
پس از یافتن محدوده c و i می توان به کمک توابع Redunduncy 1 و Redunduncy 2 ابتدا و انتهای خط افق را تخمین زد و در نهایت موقعیت خط افق را در تصویر اصلی تخمین زد.
به کمک توابع Redundancy1 و Redundancy2 میزان فراوانی یک پیکسل از یک آرایه 50 تایی در ابتدا و انتهای ماتریس i مشخص می شوند، که در نهایت این نقاط ابتدا و انتهای خط افق دریا می باشند.
می توان این خط افق را با خطوط افقی که از روش هاف استخراج گردید مقایسه کرد و خط افق نهایی را انتخاب نمود. در برخی تصاویر تشخیص خط افق استخراج شده به دلیل وضعیت چند تایی شدن خط افق در دریا به روش هاف دچار مشکل شد ولی با روش ماکزیمم گیری موقعیت دقیق خط افق دقیق تشخیص داده شد. در شکل - - 2 ز - کشف نهایی خط افق در تصویر نمایش داده شده است.
درتصاویر شکل 3 و 4 کشف خط افق به ترتیب به دو روش هاف و روش جدید با اعمال برروی دو تصویر نمونه مقایسه شده است.
میزان احتمال کشف خط افق بوسیله دو روش بر روی یک دسته از تصاویر در جدول 1 نشان داده شده است. قابل به ذکر است که آزمایشات صورت گرفته بر فریم های نمونه از حالات ممکنه دریا در شرایط مختلف انجام گرفته است. و همانگونه که مشاهده می کنید درمجموع احتمال کشف خط افق بوسیله روش پیشنهادی بیشتر از روش مبتنی بر تبدیل هاف بوده و برای کشف خط افق در تصاویر حرارتی روش مناسب تری به نظر می رسد.
