ВВЕДЕНИЕ. ОСНОВНЫЕ ЗАДАЧИ ОБРАБОТКИ ИЗОБРАЖЕНИЙ

Решение многих проблем науки и практики приводит к необходимости извлечения полезной информации из различного рода многомерных данных, которые, по аналогии с оптическими изображениями, будем называть многомерными изображениями (МИ) или просто изображениями (И). Такие задачи возникают в очень многих областях знаний: в медицине, радио-, тепло- и гидролокации, исследовании Космоса и Земли, телевидении и т. д. Например, диагностика различных заболеваний по И внутренних органов человека, обнаружение лесных пожаров, поиск перспективных для ловли рыбы акваторий, оценка экологического состояния регионов, навигационные задачи и т. д.

Характерно, что эти задачи приходится решать при наличии различного рода мешающих факторов – помех, мешающих И, переменчивости условий наблюдения, динамики наблюдаемого объекта, взаимного перемещения приемника и объекта и т. п. Полезный сигнал может быть очень слаб по отношению к помехам и визуально неразличим на фоне мешающих И.

Нередко объем исходных данных очень велик (глобальный мониторинг Земли, массовые медицинские обследования), они поступают с большой скоростью и требуют обработки в режиме реального времени. Оператор не в состоянии справиться с таким потоком информации.

Единственным выходом из такой ситуации является компьютерная обработка И. Для этого необходимо создание соответствующих математических методов описания и обработки И, а также программного обеспечения применительно к конкретным задачам.

Несмотря на огромное разнообразие практических задач обработки И, они сводятся к небольшому количеству следующих основных задач.

1)       Фильтрация и улучшение визуального восприятия. Как уже отмечалось, полезное И может наблюдаться на фоне различных помех, которые и требуется по возможности ослабить. Кроме того, может потребоваться сделать И более контрастным, выделить контуры и т. д.

2)       Восстановление отсутствующих участков. Из-за сбоев передачи И или особо сильных помех отдельные участки И могут отсутствовать. Задача заключается в их восстановлении. Такая задача возникает, например, при реставрации картин, фотографий и фильмов.

3)       Обнаружение объектов и их идентификация. Требуется на фоне мешающих И найти интересующие нас объекты. Если таких объектов может быть несколько типов, то дополнительно нужно их классифицировать. В качестве примеров можно привести автоматическое считывание номеров проезжающих автомобилей, обнаружение и идентификацию летательных аппаратов, обнаружение лесных пожаров и т. д. Иногда задача обнаружения ставится менее определенно (найти то, не знаю что) – требуется обнаружить аномалии, т. е. участки И, чем-то отличающиеся от своего окружения. Например, к таким отличиям может привести наличие полезных ископаемых, сельскохозяйственных вредителей или локальных патологий внутренних органов.

4)       Оценка геометрических трансформаций и совмещение И. В процессе наблюдения все И или отдельные его части могут перемещаться из-за динамики сцены, движения приемника или несовершенства его конструкции, турбулентности атмосферы и т. д. В результате одни и те же элементы И находятся на наблюдаемых кадрах в разных местах, т.е. имеются геометрические трансформации И. Иногда эти трансформации являются мешающим фактором, например, динамика медицинских И при дыхании пациента. В других случаях трансформации – фактор информативный, например, по изображениям движущихся облаков можно оценить поле скоростей ветра в окрестности аэропорта, что нужно для обеспечения безопасности полетов. В любом случае требуется оценить геометрические трансформации, т. е. совместить элементы одного И с соответствующими им элементами на другом И.

5)       Оценка параметров И. В эту группу входят задачи измерения различных характеристик И или их отдельных элементов: вероятностные характеристики И, положение и размеры объектов и т. д.

6)       Сжатие И. Большой объем и высокая скорость поступления данных ставят повышенные требования к накопителям и каналам передачи И. Использование специфики И часто дает возможность достигнуть значительно большего сжатия, чем это позволяют обычные архиваторы.

Кроме перечисленных задач собственно обработки И, иногда возникает задача их понимания, т. е. «а что бы это значило и какие отсюда следуют выводы?»

В данном учебном пособии рассматриваются задачи описания, фильтрации, совмещения И и обнаружения объектов.

Исследования по математическому описанию и анализу И были начаты в 50-х годах 20-го века, но только в 70-х годах эти исследования привлекли большое внимание ученых во всем мире и стали проводиться очень интенсивно и по широкому фронту, что вызвано необходимостью автоматического анализа И в различных приложениях. Кроме того, появление  прогресс вычислительной техники позволяет реализовать в реальном времени более эффективные алгоритмы обработки И, чем это было возможно ранее.

В Ульяновском государственном техническом университете более двадцати лет работает коллектив исследователей в области обработки изображений. За эти годы был решен ряд важных теоретических и практических задач. Некоторые из полученных результатов нашли отражение в этом учебном пособии.