Control Systems and Computers, N6, 2020, Стаття 1
https://doi.org/10.15407/csc.2020.06.003
Golovin O.M. Image Enhancement In Video Analytics Systems. Control Systems and Computers. 2020. № 6. С. 3-20.
УДК 364.2:331
О.М.Головін, кандидат техічних наук, старший науковий співробітник, Інститут кібернетики імені В.М Глушкова НАН України, проспект Академіка Глушкова, 40, Київ, 03187, Україна, o.m.golovin.1@gmail.com
ПОКРАЩЕННЯ ЗОБРАЖЕНЬ В СИСТЕМАХ ВІДЕОАНАЛІТИКИ
Вступ. Досягнення основної мети системи відеонаналітікі, а саме, розуміння сцени вирішується через процеси виявлення та розпізнавання об’єктів і встановлення причинно-наслідкових зв’язків між ними. Ефективність і якість роботи подібної системи безпосередньо пов’язане з обробкою великої кількості зображень і не завжди високої якості. Потреба в успішному вирішенні проблеми отримання якісних даних, як початкової ланки всього процесу обробки зображень, посилюється тим, що в системах відеоаналітики передбачається максимальне усунення людини від процесу збору і обробки зображень. Це обумовлено тим, що відеосистеми отримують занадто великі обсяги відеоданих і вони, як правило, надлишкові, а контроль зображень і регулювання параметрів системи з боку людини-оператора є монотонним і важким, але відповідальним. Одним з варіантів підвищення ефективності систем обробки відеоінформації є автоматичний режим функціонування, при якому людині залишається можливість втручання лише для прийняття рішень в окремих випадках на основі зображень, поліпшення якості яких має також виконуватися в автоматичному режимі.
Мета статті. Системи відеоаналітики функціонують в автоматичному режимі з великою кількістю зображень і відеопослідовностей та з мінімальним втручанням людини в процес їх здобуття і обробки. Однією з найвагоміших проблем, від вирішення якої залежить ефективність роботи системи відеоаналітики, є якість здобутих зображень, на які впливає багато зовнішніх чинників. Одним з них є зміни в режимі освітлення сцени, які складно не тільки усунути, а й передбачити (погодні умови, часові зміни, ситуація в сцені та інше).Зображення, зняті в таких умовах, містять спотворення контрасту і низьку інтенсивність освітлення як усього зображення, так і окремих його ділянок, мають вузький динамічний діапазон і сильний шум. Складнощі, що виникають в результаті змін освітлення, призводять не тільки до некоректної роботи всієї системи, а й до їх повного відказу. Все вищесказане формує мету роботи, яка полягає в розробці ефективного підходу до забезпечення системи відеоаналітики якісними зображеннями сцени в автоматичному режимі з елементами адаптації до змін освітленості.
Методи. Системний підхід, програмне моделювання, аналіз.
Результати. Розроблено метод для визначення оптимального значення параметра гамма корекції зображень, при якому забезпечується вибір в автоматичному режимі найбільш якісного зображення сцени для подальшої обробки. Метод відрізняється здатністю приведення якості зображення до максимально можливого рівня якості в автоматичному режимі та наявними елементами адаптивності до змін у режимі освітленності сцени уваги.
Висновки. Розроблено метод для визначення оптимального значення параметра гамми корекції зображень, при якому забезпечується вибір в автоматичному режимі найбільш якісного зображення сцени для подальшої обробки. Для досягнення поставленої мети цієї роботи в процес визначення оптимального значення параметра гамма введено поняття «ідеального» зразка зображення, яке характеризується однаковою ймовірністю появи рівнів яскравості зображення та розосередженням гістограми зображення по всій шкалі яскравості зображення. При таких даних зображення функція ймовірності рівнів яскравості приймає кусочно-лінійний вигляд з 256 інтервалів (по кількості рівнів яскравості) від 0 до 1.0 (або від 0 до загальної кількості пікселів в зображенні без нормалізації). Кумулятивна гістограма такого «ідеального» зразка-зображення представляє графік у формі висхідних сходів з 256 (по кількості рівнів яскравості) однакових сходинок, а апроксимація значень кумулятивної гістограми «ідеального» зразка-зображення призводить до перетворення гістограми в пряму лінію з координатами (0,0) – (1,255) або «лінію ідентичності».
В основі методу лежить мінімізація середньоквадратичної різниці між кумулятивною гістограмою скоригованого за допомогою гамма корекції зображення та відповідною гістограмою введеного «ідеального» зразка-зображення у вигляді «лінії ідентичності».
Розроблений інструментарій визначення в автоматичному режимі оптимального значення параметра гамма, а відтак і найкращого зображення для візуалізації та подальшої обробки суттєво підвищує ефективність систем відеоаналітики, процесів сегментації та обробки зображень за рахунок зниження негативного впливу режиму освітлення сцени на якість зображень.
Пропонований метод відрізняється здатністю приведення якості зображення до максимально можливого рівня якості в автоматичному режимі та наявними елементами адаптивності до змін у режимі освітленності сцени уваги і його завдяки ефективності можна застосовувати до широкого спектру зображень і видеопоследовательностей.
Завантажити повний текст! (англійською)
Ключові слова: гамма-корекція, покращення зображення, система відеоаналітики, гамма параметр, гістограма, комп’ютерний зір, сегментації.
Надійшла 16.11.2020
