СПОСОБ ОСНОВАННОГО НА ЭНТРОПИИ ОПРЕДЕЛЕНИЯ КРИВЫХ КРАЯ ОБЪЕКТА

Изобретение относится к способу основанного на энтропии определения кривых кромки объекта согласно признакам пункта 1 формулы изобретения.

Известно, что среднее количество информации на изображении характеризуется энтропией. Величина энтропии сообщает информацию о минимальном количестве бит, которые требуются для того, чтобы сохранить пиксели изображения. Также она информирует о том, можно ли с помощью технологий сжатия добиться уменьшения требуемого объема памяти без возникновения потерь информации.

Из A Shiozaki: "Edge extraction using entropy operator"; Academic Press INв. 1986; Computer Vision, graphics, and image processing, 1986, т. 36, с.1-9 известно использование операторов энтропии для распознавания объектов на изображениях.

Также из уровня техники известен способ, который использует энтропию при обработке изображений полученных аэрофотоснимков земной поверхности, например детектор кромок. В детекторе кромок изучаемое изображение исследуется на параллельные кромки. Поиск отменяется, если сила кромки уменьшается ниже имеющего возможность предварительной установки порогового значения. С помощью данного способа возможно детектирование, например, улиц и дорог. Недостатком данного способа является то, что хорошие результаты получаются только для тех объектов, которые имеют четко обозначенные контуры объекта.

Задачей изобретения является предложить способ определения кривых кромки объекта.

Эта задача решена с помощью признаков изобретения по п.1 формулы изобретения. Предпочтительные варианты осуществления изобретения являются предметом зависимых пунктов.

Соответствующий изобретению способ детектирования и классификации объектов на записанном изображении включает в себя следующие шаги:

а) конвертирование записанного изображения в цифровое спектрозональное изображение,

б) на спектрозональном изображении каждому пикселю присваивают цветовой тон из цветового пространства HSV, при этом цветовой тон соответствует цветовому углу Н на предварительно заданном хроматическом круге,

в) классификация отдельного пикселя как объектного пикселя и фонового пикселя, при этом в качестве объектных пикселей задаются те пиксели, цветовой тон которых находится в пределах предварительно заданного диапазона значений,

г) определение профиля энтропии (фиг.5) посредством смещаемого окна анализа, при этом для каждого пикселя рассчитывают энтропию смешения S из объектного пикселя и фонового пикселя по формуле

где n_A - число объектных пикселей в пределах окна анализа, n_B - число фоновых пикселей в пределах окна анализа, а k задает коэффициент пропорциональности,

при этом проводят дифференцирование и рассмотрение экстремумов определенного профиля энтропии и определяют кривые кромки объекта, соответственно содержащие наивысшие разности энтропии.

При обработке изображений, которые записываются с помощью аэрофотосъемки земной поверхности, различают между искусственными и естественными объектами. Монохромные объекты можно определить посредством того, что им могут присваиваться определенные цветовые тона. Мультихромные объекты задаются как сумма нескольких монохромных объектов. Соответствующий изобретению способ может использоваться для классификации как монохромных, то есть одноцветных объектов, так и мультихромных, то есть многоцветных объектов.

Выходной изобразительный материал в современных мультиспектральных камерах имеется в форме изображений RGB (RGB=красный, зеленый, синий). Некоторые камеры имеют на один цвет больше, который находится в инфракрасном диапазоне и обозначается с помощью IR. Поскольку чистые цвета из-за так называемого смешения цветов имеют меньшую информативность (поэтому зеленый автомобиль нельзя было бы отличить от зеленой лужайки, на которой он припаркован), то для обеспечения возможности различения должна выполняться трансформация в другое цветовое пространство, в так называемое HSV-пространство (HSV=Hue (цветовой тон), S=Saturation (насыщенность), V=Volume (яркость)). Для подобного перерасчета существуют несколько известных специалисту способов, которые в итоге эквивалентны.

Существенную разницу между отображением цвета и цветового тона составляет неизменность цветового тона при колебаниях освещенности, то есть в то время как цвет при измененных условиях освещенности изменяется, цветовой тон остается неизменным в широком диапазоне, так что объект можно снова обнаружить даже по прошествии определенного промежутка времени с помощью цветового тона (Н).

Далее изобретение, а также преимущественные варианты осуществления подробнее разъясняются со ссылкой на фигуры. Показано на:

Фиг.1 - примерный фрагмент отснятого изображения с цветовыми тонами отдельных пикселей,

Фиг.2 - фрагмент из фиг.1 с пикселями, определенными в качестве объектных пикселей и фоновых пикселей,

Фиг.3 - примерный фрагмент отснятого изображения с примерным окном анализа,

Фиг.4 - фрагмент из фиг.2 с соответствующими значениями энтропии, рассчитанными с помощью окна анализа согласно фиг.3,

Фиг.5 - примерное объемное изображение классифицированного объекта с воронкой энтропиии.

В способе согласно изобретению записанное изображение на первом шаге конвертируется в спектрозональное изображение. Тем самым, записанное изображение может рассматриваться как пиксельная плоскость из предварительно задаваемого числа строк и колонок.

Затем на этом спектрозональном изображении каждому пикселю присваивается цветовой тон из цветового пространства HSV, при этом цветовой тон соответствует цветовому углу Н на предварительно заданном хроматическом круге. Отображение цветового пространства HSV специалисту известно, например, из http://de.wikipedia.org/wiki/HSV-Farbraum. Фиг.1 отображает фрагмент записанного изображения, при этом отдельным пикселям был присвоен цветовой тон. Из соображений наглядности градации цвета, известные по спектрозональным изображениям, не показаны.

На следующем шаге отдельные пиксели классифицируются как объектные пиксели или фоновые пиксели. При этом как объектные пиксели задаются те пиксели, цветовой тон которых находится в пределах предварительно заданного диапазона значений. Пиксели, цветовой тон которых находится за пределами данного диапазона значений, задаются как фоновые пиксели. При этом предварительно заданный диапазон значений берется из базы данных, которая обучена по подлежащим поиску объектам относительно их цветовых тонов.

На фиг.2 показан известный из фиг.1 фрагмент с пикселями, промаркированными как объектные пиксели. В качестве примера на фиг.2 в качестве объектных пикселей заданы те пиксели, которые имеют цветовой тон (189±10)°. Эта классификация соответствует определенному объекту, например заполненной водой выемке в грунте. Заполненную, например, маслом выемку в грунте следовало бы классифицировать цветовыми тонами между (151±10)°.

На следующем шаге способа определяется профиль энтропии для показанного на фиг.2 классифицированного изображения, при этом для каждого пикселя вычисляется энтропия смешения из объектных пикселей и фоновых пикселей. Здесь следует кратко остановиться на теоретической основе метода и на основании определения Больцмана дать краткое разъяснение энтропии.

Рассматривается распределение n-го количества пикселей с n_A объектных пикселей и n_B фоновых пикселей. Исходное условие - это Больцмановское определение энтропии

с постоянной Больцмана k и Ω - количеством вариантов расположения n_A объектных пикселей и n_B фоновых пикселей.

Требуется найти число различных возможностей реализации размещения n_A объектных пикселей и n_B фоновых пикселей в одной решетке. Количество вариантов распределения неразличимых n_A объектных пикселей и n_B фоновых пикселей на n местах задано посредством

Путем подстановки из уравнения (2) в уравнение (1) и применения формулы Стирлинга ln n! ≈ n ln n - n получается энтропия смешения

Энтропия указана в произвольных единицах измерения. Коэффициент пропорциональности (постоянная Больцмана) целесообразно задан равным 1.

В предпочтительном варианте осуществления изобретения окно анализа задается предварительно задаваемой длиной и шириной, при этом размер окна целесообразно согласован с ожидаемым размером объекта. На фиг.3 показано примерное окно анализа размером 4×4 пикселя. Предпочтительно, энтропия смешения согласно уравнению (3) рассчитывается локально в пределах окна А анализа. При этом n_A задает число объектных пикселей и n_B задает число фоновых пикселей, которые соответственно находятся в пределах окна анализа. Рассчитанная согласно уравнению (3) энтропия смешения присваивается тому пикселю, который образует пиксель центра тяжести окна А анализа. В показанном на фиг.3 случае в качестве пикселя центра тяжести определяется тот пиксель S, левый верхний угол которого образует центр тяжести окна А анализа. Само собой разумеется, что и любой другой угол пикселя также может стать условием определения пикселя, как пикселя центра тяжести.

На следующем предпочтительном шаге способа окно А анализа смещается по длине и/или ширине соответственно окна А анализа по меньшей мере на один пиксель. В этой новой позиции согласно уравнению (3) энтропия смешения рассчитывается заново и присваивается соответствующему пикселю центра тяжести. Этот шаг способа повторяется до тех пор, пока каждому пикселю записанного и исследуемого изображения не будет присвоено значение энтропии. На фиг.5 показан примерный случай окна анализа размером 4×4 пикселя согласно фиг.3, локальные значения энтропии на фрагменте согласно фиг.2.

В ходе последовательного расчета везде, где имеется только один сорт пикселя, получаются нулевые значения, то есть окно анализа расположено полностью вне искомого объекта или полностью внутри него. В отличие от этого, отличающиеся от нуля значения получаются везде, где в окне анализа имеется по меньшей мере один пиксель другого сорта (объектный пиксель или же фоновый пиксель). Тем самым создается профиль энтропии. На фиг.5 показано объемное отображение распределения энтропии из фиг.5. Профиль энтропии показывает продольный профиль энтропии по пиксельной плоскости. В данном примере минимум энтропии образовывается в зоне колонки 4 и строки 5. Профиль в этом месте отображает тип воронки энтропии. Такая воронка энтропии образуется потому, что размер окна анализа меньше фактического размера искомого объекта. Как уже разъяснено выше, расчет энтропии равен нулю, если в пределах окна анализа имеются исключительно пиксели одного сорта, здесь объектные пиксели. Пик воронки энтропии обозначает центр тяжести найденного объекта.

Согласно изобретению производится дифференцирование профиля энтропии с последующим рассмотрением экстремумов. Посредством этого определяется кривая кромки объекта. Это кривая кромки объекта отличается тем, что соответственно там находятся наивысшие разности энтропии, при этом при расчете значения энтропии согласно уравнению (3) число объектных пикселей и число фоновых пикселей в окне анализа были равны. Если кромку (экстремум) профиля энтропии спроецировать на записанное изображение, то определяется мера размера объекта.

С помощью соответствующего изобретению способа возможно надежно отличить друг от друга и классифицировать объекты с цветовым шумом с четким контуром и без четкого контура. Способ предлагается, прежде всего, для четырехцветных мультиспектральных камер высокого разрешения при условии выпуска синей составляющей (спектрозональные камеры). Предложенный способ может работать в режиме реального времени и допускает применение на движущихся изображениях с целью сопровождения цели. Дополнительным преимуществом способа является возможность обнаружения замаскированных целей.