К обработке изображений в системах технической диагностики

УДК 004.925

A. A. Kondrashin

к обработке изображений в системах технической диагностики

On IMAGE PROCESSING IN TECHNICAL DIAGNOSTIC SYSTEMS

В данной статье автор освещает проблему разработки алгоритмов для автоматизированной обрабтки изображений в системах технической диагностики

Ключевые слова: обработка изображений, техническая диагностика

In given article author covers the approaches of designing the automated image processing algorithm in technical diagnostic systems.

Keywords: image processing, technical diagnostic

Многие задачи неразрушающего контроля и диагностики технических объектов сводятся к анализу полутоновых изображений структуры объектов контроля и диагностики, полученных методами ультразвуковой локации, рентгенографии и т. п. При этом важную роль играет процедура улучшения качества изображений перед анализом. Улучшения осуществляются посредством применения различных фильтров, преобразующих яркость, контрастность, подчеркивающих мелкие детали и/или границы объектов. Среди наиболее распространенных представителей таких фильтров можно выделить:

- фильтры низких частот (шумоподавляющие фильтры), построенные на основе свертки или фильтрации изображения в частотной области (Фурье);

- фильтры высоких частот (повышения резкости), построенные на основе свертки или фильтрации в частотной области;

- фильтры преобразования гистограммы яркостей;

- фильтры преобразования контрастности;

- комбинированные фильтры, не попадающие в одну категорию (например, фильтр преобразования локальных контрастов).

- иные фильтры (с использованием оригинальных алгоритмов).

Были проведены исследования влияния различных методов обработки на качество изображения и степень пригодности его для анализа. Показано, что выбор функционально-параметрических профилей (ФПП) этих фильтров, т. е. их характеристик, параметров и опциональных возможностей, рационально выполнять в автоматизированном режиме в процессе эксплуатации системы, на основании параметров конкретного изображения и требований к их качеству (контрасту, яркости, степени «заметности» границ объектов и т. д.), определяемых назначением системы, стоящими перед ней задачам и/или оператором системы. Они могут задаваться как на количественном, так и на качественном уровне; при малой степени автоматизации (при большой доле работы оператора в решении задачи диагностики) наиболее важным может оказаться субъективное мнение специалистов.

Однако полностью автоматический выбор ФПП может быть не рационален ввиду следующих обстоятельств.

Во-первых, диагностические изображения, в том числе их параметры и характеристики, часто отличаются большим разнообразием. Очень сложно учесть все их вероятные сочетания при разработке алгоритмов автоматического выбора ФПП. Это может привести к не вполне корректному выбору ФПП для ряда конкретных случаев.

Во-вторых, собственно анализ изображений в системах технической диагностики с целью принятия диагностических решений часто осуществляется специалистом в соответствующей предметной области (дефектоскопистом). Только специалист может принимать окончательное решение о пригодности или непригодности изображения для дальнейшего анализа и состоянии объекта.

Следовательно, с практической точки зрения рациональным является выбор ФПП в режиме интерактивного взаимодействия с пользователем, в соответствии со следующими принципами:

- полная автоматизация допускается только для некоторых, определенных заранее фильтров и их профилей;

- остальные ФПП фильтров предоставляются для опционального применения оператором системы;

- оператору предоставляется свобода выбора любых доступных системе ФПП.

В качестве критериев выбора фильтров и ФПП обработки следует подбирать наиболее существенные в конкретной системе характеристики изображения. В большинстве систем такой характеристикой будет являться размер объектов, подлежащих обнаружению или анализу.

Полную автоматизацию рационально применять, например, при применении сверточного или основанного на преобразовании Фурье фильтра шумоподавления. Из таблицы 1 видно, что вносимые такими фильтрами искажения можно рассчитать заранее, и, зная минимальный размер объектов, выбрать наиболее приемлемый ФПП фильтра.

Напротив, поведение некоторых сложных фильтры (например, фильтра локальных контрастов) сильно зависит от особенностей конкретного изображения и может вызвать появление не существующих в реальности объектов или существенное искажение деталей уже имеющихся элементов после обработки. В некоторых случаях это приводит к полной непригодности обработанного изображения для анализа.

В таблице 1 приведены результаты исследования влияния различных способов обработки изображений на некоторые их объективные параметры.

Исходя из вышесказанного, методика выбора ФПП фильтрации описывается следующим алгоритмом, блок-схема которого приведена на рис. 1. Данный алгоритм основан на сочетании предварительного автоматического выбора профилей и интерактивыного выбора пользователем окончательного набора применяемых фильтров и их ФПП. Такой подход обеспечивает выбор профиля, наиболее близкого к оптимальному с точки зрения специалиста, работающего с изображением.

К основным параметрам результатов фильтрации изображений, с точки зрения пригодности для принятия диагностических решений, можно отнести:

1. относительное искажение размера информативного элемента;

2. относительное искажение формы информативного элемента;

3. относительное среднеквадратическое отклонение (СКО) яркости информативного элемента;

4. коэффициент подавления шума

Очевидно, что степень важности вышеперечисленных параметров не одинакова. Наивысшим уровнем приоритета должны обладать параметры, характеризующие искажение существующих элементов на изображении (1, 2). Так как полностью избавиться от искажений при фильтрации невозможно (все имеющие практическую ценность алгоритмы так или иначе влияют на указанные параметры), значимым является отсутствие искажений выше некоторого допустимого предела при максимально возможном шумоподавлении. С учетом этого, на рис. 2 представлена обобщенная методика выбора профилей для фильтрации диагностических изображений.

Таблица 1 – Степени влияния способов (средств) обработки диагностических изображений на базовые параметры ее результатов

Способ (средство) обработки	Степень влияния на параметры результата обработки
Пороговый ФНЧ	+	-	+	+	+	+
КИХ-ЛФНЧ (свертки)	+	+	+	+	+	+
Медианный ФНЧ	+	+	+	-	+	+
ФНЧ Фурье	+	+	+	+	+	+
ФВЧ Фурье	-	-	+	+	-	-
Преобразование диапазона яркостей	-	-	+	-	-	-
Преобразование гистограммы яркостей	-	-	+	-	-	-
Примечания. 1 (+) - ФПП способа (средства) существенно влияет на соответствующий параметр результата обработки; 2 (-) - ФПП способа (средства) не оказывает существенного влияния на соответствующий параметр результата обработки. Относительное искажение размера информативного элемента Относительное изменение резкости границ информативного элемента Относительное среднеквадратическое отклонение (СКО) информативного элемента после обработки от оригинала Относительное искажение формы информативного элемента Коэффициенты подавления основных составляющих шума: - «белого» шума - шума вида

 

1

2

3

4

5

6

7

8

 

Рис. 1. Блок-схема обобщенного алгоритма выбора профилей для фильтров диагностических изображений

 

Рис. 2 Блок-схема методики выбора профилей для фильтров диагностических изображений

Выводы

На основании данных о влиянии ФПП различных фильтров на параметры и характеристики изображений предложен обобщенный алгоритм выбора профилей для фильтров диагностических изображений и методика их автоматизированного формирования в режиме интерактивного взаимодействия с пользователем. Данная методика обеспечивает выбор профиля фильтра, близкого к оптимальному с точки зрения пригодности обработанного изображения для анализа пользователем. Это позволяет свести к минимуму вероятность неверных решений при анализе изображений в системах технической диагностики.

Работа выполнена в рамках Государственного контракта №16.740.11.0041 (Заказчик – Министерство образования и науки РФ), реализуемого по Федеральной целевой программе «Научные и научно-педагогические кадры инновационной России" на 2009 – 2013 гг.

список литературы

1. Цифровая обработка изображений. – М.: Техносфера, 2005.

2. Алгоритмы машинной графики и обработки изображений. – М.: Радио и связь, 1990.

3. О фильтрации представляемых во временной области входных сигналов систем контроля физических величин // Контроль. Диагностика. – 2008. – № 4. – С. 27 – 31.

4. , , Кондрашин аспекты обработки изображений в автоматизированных системах диагностики // Информационные системы и технологии. – 2011. – №2(64). – С. 19 – 26.

ФГБОУ ВПО «Госуниверситет-УНПК», г. Орел

Аспирант кафедры «ЭВТИБ»

Тел.: +7 910 

E-mail: *****@***ru