Тип работы:
Предмет:
Язык работы:


Разработка алгоритма компенсации влияния атмосферных осадков на видеоизображениях

Работа №18425

Тип работы

Бакалаврская работа

Предмет

информатика

Объем работы70
Год сдачи2018
Стоимость5900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
754
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 9
1 Анализ методов обнаружения и компенсации влияния атмосферных осадков на видео-последовательностях
1.1 Модель цифровых изображений и видео-изображений 11
1.2 Особенности визуального обнаружения атмосферных осадков 14
1.3 Атмосферные осадки как объект исследования 15
1.4 Методы обнаружения и компенсации влияния атмосферных осадков
на видео-изображениях 17
1.5 Выводы по главе 30
2 Алгоритм компенсации влияния атмосферных осадков на видео-изображениях
2.1 Описание алгоритма компенсации влияния атмосферных осадков на
видео-изображениях 31
2.2 Экспериментальные исследования 42
2.3 Выводы по главе 44
ЗАКЛЮЧЕНИЕ 45
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 46
ПРИЛОЖЕНИЕ А 51
ПРИЛОЖЕНИЕ Б 55
ПРИЛОЖЕНИЕ В 59
ПРИЛОЖЕНИЕ Е 61


Актуальность работы. Изображения, полученные с камер видеонаблюдения, нашли широкое применение в нашей жизни. Например, распознавание номеров машин нарушителей правил дорожного движения с дорожных камер, обнаружение дыма для предотвращения начинающегося пожара, автоматизированное движение автомобиля Tesla за счет распознавания границ дорожной разметки полосы движения и многое другое. Большинство таких алгоритмов, как правило, построены на выделении характерных признаков объекта, например, обнаружение движения в кадре, мерцание, обнаружение цветовых или текстурных характеристик. Различные погодные условия, такие как дождь, снег и туман, негативно влияют на работу подобных алгоритмов вследствие вносимых артефактов. Например, точность обнаружения дыма на открытых пространствах при наличии атмосферных осадков снижается на 15%. Таким образом, задача разработки алгоритма, обнаруживающего и компенсирующего артефакты, вносимые атмосферными осадками на видеоизображение, является актуальной вследствие сложности объекта исследования и возникающих на изображении шумов.
Целью работы является устранение искажений, вносимых атмосферными осадками, на видеоизображениях.
Для достижения цели были поставлены следующие задачи:
1. провести анализ существующих алгоритмов и систем обнаружения и компенсации влияния атмосферных осадков на видеопоследовательностях;
2. исследовать особенности видеоизображений, полученных во время съемок различных типов атмосферных осадков и выделить виды вносимых артефактов, связанных с погодными условиями, на изображение;
3. провести анализ способов компенсации таких искажений;
4. разработать алгоритм, позволяющий скомпенсировать влияние атмосферных осадков на видеоизображениях.
Методы исследований. Для решения поставленных в работе задач использовались методы теории цифровой обработки изображений, теории информации, методы теории распознавания образов.
Соответствие бакалаврской работы паспорту специальности. Исследование соответствует области исследований специальности 09.03.02.05 «Информационные системы и технологии в административном управлении» в соответствии с ГОС высшего профессионального образования по пункту «Инструментальные средства компьютерной графики и графического диалога в информационных системах» и «Разработка алгоритма (программы) распознавания визуальной информации».


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


Качество работы алгоритма машинного зрения зависит от наличия и интенсивности шумов, вносимых различными атмосферными осадками на видеоизображения. Для устранения шума на видеоизображениях, содержащих различные атмосферные осадки, была применена серия шумоустраняющих, размывающих и увеличивающих резкость изображения фильтров. В работе для имитации атмосферных осадков к тестовым видеопоследовательностям, содержащим в себе дым и пламя, применены эффекты дождя и снега с помощью программы Adobe After Effects CC. Использованы видеопоследовательности из набора данных компании Dyntex и другие. Экспериментальные исследования эффективности работы предложенного алгоритма компенсации влияния атмосферных осадков на видеоизображениях проведены средствами систем обнаружения дыма на основе локальных бинарных шаблонов и детектирования пламени по видеоданным. Точность обнаружения дыма и пламени на видеоизображениях, содержащих атмосферные осадки, по сравнению с исходным изображением в среднем ниже на 12 %. На изображениях, улучшенных с помощью предложенного алгоритма компенсации влиянии атмосферных осадков на видеоизображениях, точность обнаружения дыма и пламени существенно возрастает и составляет 98,36 %, что ниже точности обнаружения дыма и пламени относительно исходного изображения всего на 0,54 %. Таким образом, экспериментальные исследования подтверждают эффективность предложенных методов и алгоритмов компенсации влияния атмосферных осадков на видеопоследовательностях.


1. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс // Москва: Техносфера. - 2012. - С. 1104.
2. Gonfalves, W. N. A complex network approach for dynamic texture recognition / W. N. Gonfalves, B. B. Machado, O. M. Bruno // Neurocomputing. - 2015. - Vol. 153. - Pp. 211 — 220.
3. Hu, W. A survey on visual 316 content-based video indexing and retrieval / W. Hu, N. Xie, L. Li, X. Zeng, S. J. Maybank. // IEEE Transactions on Systems, Man, and Cybernetics. - 2011. - Part C 41 (6). - Pp. 797 — 819.
4. Fablet, R. Motion recognition using nonparametric image motion models estimated from temporal and multiscale co-occurrence statistics / R. Fablet, P. Bouthemy // IEEE Trans. Pattern Analysis and Machine Intelligence. - 2003. - No. 25 (12). - Pp. 1619 — 1624.
5. Fazekas, S. Analysis and performance evaluation of optical flow features for dynamic texture recognition / S. Fazekas, D. Chetverikov // SP: IC - 2007. - No. 22.
- Pp. 680 — 691.
6. Polana, R. Temporal texture and activity recognition / R. Polana, R. C. Nelson // Motion-Based Recognition. - 1997. - Chapter 5. - Pp. 87 — 115.
7. Dollar, P. Behavior recognition via sparse spatio-temporal features / P. Dollar, V. Rabaud, G. Cottrell, S. Belongie // 14th International Conference on Computer Communications and Networks, IEEE Computer Society. - 2005. - Pp. 65 — 72.
8. Dubois, S. A comparison of wavelet based spatio-temporal decomposition methods for dynamic texture recognition / S. Dubois, R. Peteri, M. Menard // 4th Iberian Conference on Pattern Recognition 329 and Image Analysis. - 2009. - Pp. 314 — 321.
9. Zhong, H. Detecting unusual activity in video / H. Zhong, J. Shi, M. Visontai // IEEE Conference on Computer Vision and Pattern Recognition. - 2004. - Pp. 819 — 826.
10. Chan, A. B. Layered dynamic textures / A. B. Chan, N. Vasconcelos // IEEE Trans. Pattern Analysis and Machine Intelligence. - 2009. No. 31 (10). - Pp. 1862 — 1879.
11. Goncalves, W. N. Dynamic texture analysis and segmentation using deterministic partially self-avoiding walks / W. N. Goncalves, O. M. Bruno // Expert Systems with Applications. - 2013. - No.40 (11). - Pp. 4283 — 4300.
12. Doretto, G. Dynamic textures / G. Doretto, A. Chiuso, Y. N. Wu, S. Soatto // International Journal of Computer Vision. - 2003. - No. 51 (2). - Pp. 91 — 109.
13. Fujii, M. Feature extraction of temporal texture based on spatiotemporal motion trajectory / M. Fujii, T. Horikoshi, K. Otsuka, S. Suzuki // ICPR - 1998. - No. 362. - Vol. 2. - Pp. 1047 — 1051.
14. Garg, K. When Does a Camera See Rain? / K. Garg, S. K. Nayar // ICCV Conference. - 2005. - P. 2 — 8.
15. Zhang, Z. Scene-free multi-class weather classification on single images / Z. Zhang, H. Ma, H. Fu, C. Zhang // Neurocomputing. - 2007. - Vol. 207. - P. 365 — 373.
16. Xu, G. Removal of rain in video based on motion and shape characteristics of raindrops / G. Xu, J. Xu, B. Wang, Y. Tian, Y. Ye, S. G. Shan // Optik - International Journal for Light and Electron Optics. - 2014. - Vol. 125. - Issue 15. - Pp. 3926 — 3930.
17. Brewer, N. Using the shape characteristics of rain to identify and remove rain from video / N. Brewer, N. J. Liu // Structural, Syntactic, and Statistical Pattern Recognition. - 2008. - Pp. 451 — 458.
18. Zhang, X. Rain removal in video by combining temporal and chromatic properties / X. Zhang, H. Li, Y. Qi, W. K. Leow, T. Khim // IEEE International Conference on Multimedia and Expo. - 2006. - Pp. 461 — 464.
19. Zhang, Z. Scene-free multi-class weather classification on single images / Z. Zhang, H. Ma, H. Fu, C. Zhang // Neurocomputing. - 2016. - Vol. 207. - Pp. 365 — 373.
20. Langer, M. S. A spectral-particle hybrid method for rendering falling snow / M. S. Langer, L. Zhang, A. W. Klein // Proceedings of the Fifteenth Eurographics conference on Rendering Techniques. - 2004. - Pp. 217 — 226.
21. Shen, Y. Detecting and extracting natural snow from videos / Y. Shen, L. Z. Ma, H. Liu, Y. Bao, Z. Chen // Information Processing Letters. - 2010. - Vol. 110.
- Issue 24. - Pp. 1124 — 1130.
22. Tan, K. Physics-based approach to color image enhancement in poor visibility conditions / K Tan, P. J. Oakley // Optical Society of America. - 2001. - Vol.18. - Pp. 2460 — 2467.
23. Kratz, L. Factorizing scene albedo and depth from a single foggy image / L. Kratz, K. Nishino // IEEE Conference (International) on Computer Vision (ICCV). - 2009. - Pp. 1701 — 1708.
24. Zhu, Y. Haze removal method for natural restoration of images with sky / Y. Zhu, G. Tang, X. Zhang, J. Jiang, Q. Tian // Neurocomputing. - 2018. - Vol. 275.
- Pp. 499 — 510.
25. He, K. Single image haze removal using dark channel prior / K. He, J. Sun, X. Tang // IEEE Transactions on pattern analysis and machine intelligence. - 2011. - Vol. 33. - No. 12. - Pp. 2341 — 2353.
26. Guo, F. Foggy Scene Rendering Based on Transmission Map Estimation / F. Guo, J. Tang, X. Xiao // International Journal of Computer Games Technology. -
2014. - Vol. 2014. - Pp. 1 — 13.
27. Liu, Q. Haze removal for a single visible remote sensing image / Q. Liu, X. Gao, L. He, W. Lu // Signal Processing. - 2017. - Vol. 137. - Pp. 33 — 43.
28. Емец, Ю. В. Оценивание параметра мультипликативного шума на изображении с помощью мультифрактальных показателей / Ю. В. Емец // Искусственный интеллект. - 2010. - №4. - С. 212 — 220.
29. Пятаева А.В., Фаворская М.Н. Система обнаружения областей задымления на видеопоследовательности с применением локальных бинарных шаблонов (DKL 3.15). Свидетельство о государственной регистрации
30. Бандеев О. Е., Пятаева А. В. Программа детектирования пламени по видеоданным. Свидетельство о государственной регистрации программы для ЭВМ №2017663659. Зарегистрировано в Реестре программ для ЭВМ 08.12.2017.
31. Yi Dome 1080p cam RAIN FOOTAGE [Электронный ресурс]. URL: https: //www.youtube. com/watch?v=lzJRcQAi pKA
32. Тест видеокамеры во двор [Электронный ресурс]. URL: https: //www.youtube. com/watch?v=pnh08aKvsfg
33. Our 'Winter Wonderland' - snow falls in Norwich, UK [Электронный ресурс]. https: //www. youtube.com/watch?v=BH4m3 iAVmC0
34. Man wearing suit standing in rain [Электронный ресурс]. https://www.shutterstock.com/video/clip-1213372-man-wearing-suit-standing-rain
35. HiWatch DS-N201 Ночь Дождь Авто Фары [Электронный ресурс]. URL: https://www.youtube.com/watch?v=6z267-wde90
36. Демо видео IP камеры видеонаблюдения NVS-2020SN [Электронный ресурс]. URL: https://www.voutube.com/watch?v=nrsr1SGi4PI
37. IP видеокамера HiQ 2 mpx, серия Standart, Ночь, снег [Электронный ресурс]. https://www.youtube.com/watch?v=ur90PY3JdZo
38. Girl smiles and laughs in the rain. The rain falls, the drops fall on his face
and the girl is happy with life and nature around. Concept of nature and happy life. Adventure, purity [Электронный ресурс]. URL:
https://www.shutterstock.com/ru/video/clip-20125156-girl-smiles-laughs-rain-falls- drops-fall
39. Test DOD LS430W пример видео ночь снег с дождем (night snow and rain) [Электронный ресурс]. URL: https: //www.youtube.com/watch?v=V SFAG3 G- mz4
40. Снегопад 20 апреля 2017 [Электронный ресурс]. URL: https: //www.youtube. com/watch?v=nWBT wF8WI9s
41. House In Winter Snowstorm [Электронный ресурс]. URL: https://www.shutterstock.com/video/clip-17331400-house-winter-snowstorm
42. Yi 1080p Dome camera Snow footage @ Night [Электронный ресурс]. URL: https: //www.youtube.com/watch?v=OA5 pwY fo4sY
43. Precip triggers cameras [Электронный ресурс]. URL:
https: //www.youtube. com/watch?v=ereevhGu7UI
44. Security camera in rain [Электронный ресурс]. URL:
https://www.youtube.com/watch?v=wBeuBxJKo28
45. Fire. Flames. Devouring element [Электронный ресурс]. URL: https://www.youtube.com/watch?v=OLWK8LTF 8g
46. Dyntex Database [Электронный ресурс]. URL: http://dyntex.univ- lr.fr/classification datasets/classification datasets.html
47. Smoke billows from the chimney of a brick factory [Электронный ресурс]. URL: https://www.youtube.com/watch?v=-TUbP5ENr8w
48. FACTORY CHIMNEY SMOKE R&D [Электронный ресурс]. URL: https://www.youtube.com/watch?v=OtXOd67TSP0


Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ