Процедура итеративного масштабирования изображений

Размещено на http://www.allbest.ru/

Процедура итеративного масштабирования изображений

Ганин Д.В.

Нижегородский государственный инженерно-экономический университет, Княгинино, Россия

Аннотация

В работе рассматривается метод масштабирования малогабаритных изображений, базирующийся на применении процедуры итеративного преобразования фрагмента изображения с использованием бикубической интерполяции. Предложенный метод позволяет производить увеличение требуемой части изображения с целью получения криминалистически значимой информации.

Ключевые слова: качество изображений, методы восстановления, алгоритмы фильтрации, масштабирования, эквализации изображений, деструктивные факторы, монтаж видеоизображений.

The procedure of the interactive image scaling

D.V. Ganin

Nizhny Novgorod State University of Engineering and Economics, Knyaginino, Russia

Abstract. The paper discusses the method of scaling small-sized images, based on the application of the iterative transformation of the image fragment using bicubic interpolation. The proposed method allows to increase the required part of the image in order to obtain criminally relevant information.Keywords: the quality of the images, recovery, filtering, scaling, equalization of images, destructive factors, installation video.

Введение

Цифровая обработка изображений имеет значительный научно-практический потенциал в рамках многих областей судебной и криминалистической экспертизы. К практическим задачам, которые могут решаться в рамках данной предметной области, относятся как исследования, в которых обработка изображений выступает как один из инструментов исследователя (определению химического состава исследуемых веществ, определение давности изготовления текстов и предметов, исследование волокнистой структуры изделий и др.), так и исследования, полностью базирующиеся на обработке изображений (идентифицирующие исследования материалов документов, почерковедение, исследования видео- и звукозаписей). В настоящий момент, несмотря на значительную практическую потребность, в данной области деятельности имеется множество требующих решения научных проблем [1-3].

В рамках исследования цифровых видеозаписей и фотоснимков перед экспертом могут возникать следующие практические задачи, требующие дополнительного исследования:

1. Реконструкция и улучшение визуального качества изображения с целью получения дополнительных криминалистически значимых сведений, в ходе экспертного исследования

Целью данного вида задач является воссоздание изображения, которое ранее было искажено или испорчено в результате явлений, про которые имеется достаточно определённая априорная информация. Методы восстановления поврежденного изображения основаны на моделировании процессов искажения и применения обратных процессов для воссоздания исходного изображения.

В рамках данной проблемы возникает ряд задач, а именно:

выявление и оценка меры влияния различных деструктивных факторов на исследуемое изображение;

модификация имеющихся и разработка новых алгоритмов фильтрации, масштабирования, эквализации изображений в целом и их фрагментов;

исследования в области вычисления и обработки оптических потоков, а также применения сверхразрешения;

разработка методов анализа содержимого фрагментов изображений с использованием эвристических алгоритмов.

2. Определение геометрических размеров, положения и формы объектов на изображении (фотограмметрические задачи), в условиях значительного влияния деструктивных факторов (затенение, аберрационные искажения).

Подобный род задач подразумевает проведение исследований в области геометрической оптики и применения полученных в результате этого знаний в ходе решения различных практических задач.

3. Определение скорости движения объекта в условиях отсутствия опорных точек, то есть в видеозаписях, не фиксирующих неподвижных предметов, позволяющих оценить пройденное устройством записи расстояние за заданное дискретное время. В данной области перспективным является разработка алгоритмов расчета скоростей по изменениям угловых размеров неподвижных и подвижных объектов, фиксируемых устройством записи.

4. Разработка автоматизированных методов выявление межкадрового и внутрикадрового монтажа видеоизображений, основанных на анализе изменения непрерывности движения объектов, а также наличии неравномерности распределения шумов, фиксируемых на изображении.

В данной работе рассматривается первая из описанных выше задач, в области реконструкции малоразличимых изображений государственных регистрационных знаков транспортных средств[4].

Постановка задачи

В основном задачи анализа регистрационных знаков транспортных средств направлены на создание автоматических систем распознания значений номера, однако подобные системы зачастую выставляют обширные требования к качеству исходного материала и не эффективны в условиях вне границ этих ограничений. К требованиям работы этих систем можно отнести наличие заранее определенного месторасположения исследуемого фрагмента на общем изображении; отсутствие значительного влияния мешающих факторов на исследуемое изображение; большой размер исследуемого фрагмента [3,4].

Особенностью правоприменительной практики Российской Федерации является то, что видеозаписи, фиксирующие правонарушения являются доказательствами в суде. Данная особенность позволяет приобщать к делу видеозаписи, полученные с использованием широкого арсенала средств записи, в различных условиях. Подобная разнородность способов и условий получения видеозаписей значительно усложняет задачу их анализа и зачастую ставит эксперта перед необходимостью проведения реконструкции изображения [2].

В экспертной литературе описывается общий план проведения улучшения визуального качества изображения или его фрагментов строящийся следующим образом [4, 5]:

1. Производится перцептивное и инструментальное исследование изображения, в ходе которого определяются его характеристики и особенности, оцениваются влияния шумов и иных мешающих факторов, оценивается пригодность материала для дальнейшего улучшения, производится выделение фрагментов для дальнейшего исследования.

2. Устраняются шумы изображения, путем применения различных фильтров.

3. Производится цветокоррекция изображения. Зачастую для улучшения изображения оптимально использовать их полутоновые версии, за счет чего повышается информативность изображения.

4. Изображение или его фрагменты увеличиваются в размерах, путем интерполяции его элементов.

5. Выравнивается гистограмма изображения с использованием различных методов эквализации.

6.Контрастность изображения повышается.

Данный план является достаточно всеобъемлющим, и позволяет получить общее представление о подходе к реконструкции, однако он не дает описания методов, применяемых на каждом из этапов улучшения, давая значительную свободу в их выборе или при их разработке.

В ходе построения методов улучшения визуального качества изображений на первом этапе рассматривается оценка значимости деструктивных факторов на различные фрагменты изображения. Среди подобных факторов могут быть выделены факторы, вызываемые влияниями свойства оптической системы и устройства записи, которые включают в себя искажения сжатия и наличие аберраций; внешние факторы, влияющие непосредственно на предмет, фиксируемый на изображении, такой как наслоение инородных красящих веществ или сложная геометрия предмета, малая освещенность предмета, низкая контрастность предмета и фона, перемещение предмета или устройства записи, а также большая дальность до объекта.

Важно отметить, что с уменьшением линейных размеров объекта на изображении наблюдается увеличение информационной энтропии данных, получаемых из изображения.

В ходе проведения экспертных исследований, установлено, что в условиях незначительного влияния прочих деструктивных факторов наблюдается сигмоидальная зависимость различимости символов номерного знака от их линейной высоты.

Обобщенные результаты экспертной оценки исследуемых материалов, основанных на применении субъективной оценки изображений (1 -не разборчива, 5 - хорошо различимо) приведены в Таблице №1 [3].

Таблица №1 Субъективная оценка различимости символов регистрационного знака

Таким образом, изображения, фиксирующие автомобильные регистрационные знаки, при линейной высоте цифр номера до 7 пикселей изображение являются неразличимыми без проведения реконструкции, при высоте 8-13 пикселей при незначительной реконструкции, различимы символы цифр регистрационного номера. Различимость, как цифр регистрационного номера, так и буквенных обозначений серии наблюдается при высоте цифр номера от 15 пикселей.

Применение итеративных процедур в ходе реконструкции изображения

Для увеличения изображения используется бикубическая интерполяция. Сущность бикубической интерполяции заключается в том, что при растяжении изображения, вычисляются значения яркости в новых узлах. Для этого необходимо умножить матрицу коэффициентов на уровень яркости 16 пикселей, находящихся вокруг нового узла, при этом коэффициенты зависят от дальности от нового узла

,

где - значение яркости нового пикселя, - значение матрицы коэффициентов, - значение яркости в исходных узлах .

В данной работе предлагается модификация традиционного алгоритма улучшения визуального качества, путем введения итерационной процедуры на этапах №4-6. За счет пошагового увеличения изображения и растяжения гистограммы изображение, происходит снижение влияния искажений сжатия и повышение целостности элементов изображения, при этом фрагменты визуально становятся лучше, чем при однократном увеличении.

При сравнении результатов работы однократного и итерационного алгоритмов, видно, что при однократном увеличении, изображение имеет ступенчатую форму, а при итеративном более сглаженный вид, что лучше подходит для визуального распознавания.

Кроме того, было установлено, что при применении малых коэффициентов увеличения на каждом шаге, при увеличении числа подобных шагов наблюдается улучшение визуального качества изображения, проявляемого в снижении влияния искажений сжатия.

В ходе реконструкции изображений, полученных в не идеальных условиях съемки, алгоритмы могут дополнятся более сложными механизмами фильтрации и коррекции гистограмм, однако применение итеративных процедур так же показывает лучший результат.

Заключение

Таким образом, в данной работе было установлено, что применение алгоритма, основанного на итерационном преобразовании исходного изображения, базирующемся на бикубической интерполяции, показывает свою эффективность по отношению к алгоритмам с однократным преобразованием в условиях малых линейных размеров исходного изображения. Важной особенностью полученного алгоритма является возможность его адаптивной настройки разработчиком.

Литература

1. Каганов А.Ш., Блохин А.С., Назин Л.Ф. Программа подготовки экспертов по экспертной специальность 7.3 "Исследование видеоизображений, условий, средств, материалов и следов видеозаписей" // Теория и практика судебной экспертизы №3(7). М. 2007. С. 54-58.

2. Петров, С.М. Определение по видеозаписям, фиксирующим события дорожно-транспортного происшествия, положения и параметров движения его участников: метод. рекомендации для экспертов. подг.: С.М. Петров [и др.]/ М.: ФБУ РФЦСЭ при Минюсте России, 2016. - 88 с.

3. Петров, С.М. Обстоятельства изготовления цифрового изображения как предмет экспертного исследования // «Развитие новых видов и направлений судебной экспертизы»: материалы Всероссийского семинара сост.: Т.М. Жакова, О.В. Тухканен, М.А. Вознюк, С.С. Шипшин; ФБУ Южный РЦСЭ Минюста России/ Ростов-на-Дону, 2011. С. 144 - 155

4. ГОСТ Р 50577-93. Знаки государственные регистрационные транспортных средств. Типы и основные размеры. Технические требования (с изменениями и дополнениями) [Текст]. Введ. с 1994-01-01. М.: ИПК Издательство стандартов, 2002.

5. Hui Li, Chunhua Shen Reading Car License Plates Using Deep Convolutional Neural Networks and LSTMs. URL: https://arxiv.org/pdf/1601.05610.pdf (дата обращения 27.02.2017).

6. Laura Lopez-Fuentes, Andrew D.Bagdanov, Joost van de Weijer, Harald Skinnemoen Bandwidth limited object recognition in high resolution imagery. URL: https://arxiv.org/pdf/1701.04210.pdf (дата обращения 27.02.2017).

7. Кодекс Российской Федерации об административных правонарушениях от 30 декабря 2001 г. N 195-ФЗ (КоАП РФ) (с изм. и доп. от 26.04.2016 г.) "Российская газета" от 31 декабря 2001 г.

8. Звездин, М. В. Распознавание объектов на изображениях при производстве криминалистических экспертиз видеозаписей // Развитие новых видов и направлений судебной экспертизы: материалы Всероссийского семинара. сост.: Т. М. Жакова, О. В. Тухканен, М. А. Вознюк, С. С. Шипшин/ Ростов-на-Дону: ФБУ Южный РЦСЭ Минюста России, 2011. С. 199-206

9. Дворкович А.В., Дворкович В.П. Цифровые видеоинформационные системы (теория и практика) // М.: Техносфера - 2012 1007 с.

10. Ревякин, М. Ю. Методы, решения основных вопросов криминалистической экспертизы видеозаписей // Теоретические и практические вопросы криминалистической экспертизы видеозаписей на современном этапе её развития: материалы научно-практической конференции, проходившей в г. Нижнем Новгороде 16-18 ноября 2009 года под ред. Ю. А. Барбосова, В. Н. Пронина, М. В. Звездина. / Нижний Новгород: ФБУ Приволжский РЦСЭ Минюста России, 2013. С. 28-35.

11. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB Пер. В. В. Чепыжова./ М.: Техносфера, 2006. 616 с.

References

1. Kaganov A. Sh., Blohin A.S. Nazin L.F. Programma podgotovki ehkspertov po ehkspertnoj specialnost 7.3 issledovanie videoizobrazhenij uslovij sredstv materialov i sledov videozapisej (Training program for experts in the expert specialty 7.3 " Study of video images, conditions, means, materials and traces of video recordings) M. Theory and Practice of Forensic Science N3(7) 2007 - pp 54-58.

2. Petrov S.M. Opredelenie po videozapisyam fiksiruyushchim sobytiya dorozhno-transportnogo proisshestviya polozheniya i parametrov dvizheniya ego uchastnikov metod rekomendacii dlya ehkspertov (Determination of the position and parameters of the movement of its participants by video recording the events of a traffic accident: method. recommendations for experts) M The Russian Federal Centre of Forensic Science of the Ministry of Justice of the Russian Federation, 2016, 88 pp.

3. Petrov S. M. Obstoyatelstva izgotovleniya cifrovogo izobrazheniya kak predmet ehkspertnogo issledovaniya. (The circumstances of the making of the digital image as the subject of an expert study) Development of new types and directions of forensic examination: materials of the all-Russian seminar. comp.: T.M.Zhakova, O.V Tuhkanen, M. A. Voznyuk, S. S. Shipshin, Rostov-on-Don, 2011 pp. 144 - 155.

4. GOST R 50577-93 Licence plates for vehicles. Types and main sizes. Technical requirements. 01.01.1994.

5. Hui Li, Chunhua Shen Reading Car License Plates Using Deep Convolutional Neural Networks and LSTMs. URL: https://arxiv.org/pdf/1601.05610.pdf (дата обращения 27.02.2017).

6. Laura Lopez-Fuentes, Andrew D.Bagdanov, Joost van de Weijer, Harald Skinnemoen Bandwidth limited object recognition in high resolution imagery. URL: https://arxiv.org/pdf/1701.04210.pdf (дата обращения 27.02.2017).

7. Code of Administrative Offences.

8. Zvezdin M.V. Raspoznavanie obektov na izobrazheniyah pri proizvodstve kriminalisticheskih ehkspertiz videozapisej razvitie novyh vidov i napravlenij sudebnoj ehkspertizy (Recognition of objects in images in the production of forensic examinations of video recordings). Development of new types and directions of forensic examination: materials of the all-Russian seminar. comp.: T.M.Zhakova, O.V Tuhkanen, M. A. Voznyuk, S. S. Shipshin, Rostov-on-Don, 2011, pp. 199-206.

9. Dvorkovich A.V., Dvorkovich V.P. Cifrovye videoinformacionnye sistemy teoriya i praktika (Digital video information systems (theory and practice) M.: Tekhnosfera - 2012, 1007 p.

10. Revyakin M. Yu. Metody resheniya osnovnyh voprosov kriminalisticheskoj ehkspertizy videozapisej. Theoretical and practical issues of forensic examination of video recording at the present stage of its development: materials of scientific-practical conference in Nizhniy Novgorod on November 16-18, 2009 under the editorship of J. A. Barbashov, V. N. Pronin, M. V. Zvezdina. Nizhni Novgorod, 2013, pp. 28-35.

11. Rafael C. Gonzalez, Richard E. Woods Digital Image Processing Using Matlab, 2006, 616 p.

Размещено на Allbest.ru