(42-1) 16 * << * >> * Русский * English * Содержание * Все выпуски

Анализ изображений для определения видимости вулканов
Камаев А.Н., Урманов И.П., Сорокин А.А., Карманов Д.А., Королёв С.П.

 

Вычислительный центр ДВО РАН, Хабаровск, Россия

 PDF, 1 972 kB

DOI: 10.18287/2412-6179-2018-42-1-128-140

Страницы: 128-140.

Аннотация:
В статье представлен метод определения видимости вулкана на кадрах видеопоследовательности, получаемой со стационарной камеры видеонаблюдения. Он включает в себя алгоритмы анализа параметрических контуров объектов наблюдений и частотных характеристик изображений. Рассматривается процедура построения параметрических контуров вулкана и процедура их сопоставления. Предложен  алгоритм для выявления наиболее устойчивых контуров для группы из нескольких эталонных изображений. Посредством сопоставления этих контуров с контурами анализируемого изображения определяется видимость вулкана. Для устранения влияния случайных небольших сдвигов и поворотов камеры решается задача максимизации оценки относительно плоского сдвига и поворота камеры. В случае, когда оценка видимости вулкана находится недалеко от границы принятия решения о непригодности снимка для дальнейших исследований, она корректируется с помощью алгоритма анализа частотной характеристики изображения, которая представлена вектором вклада октав частот в формирование яркостной компоненты изображения. Сопоставление эталонной частотной характеристики и характеристики анализируемого изображения позволяет оценить вклад различных частот в формирование изображений вулканов.
В работе рассматриваются результаты апробации созданных алгоритмов на примере архива системы видеонаблюдения за вулканами Камчатки. Полученные оценки говорят об эффективности предложенных методов и позволяют использовать их в дальнейшем для автоматизированной фильтрации неинформативных изображений при мониторинге вулканической активности.

Ключевые слова:
анализ изображений, алгоритмы, выделение контуров, параметрические контуры, вулкан, сопоставление контуров, видеонаблюдение, анализ видимости.

Цитирование:
Камаев, А.Н. Анализ изображений для определения видимости вулканов / А.Н. Камаев, И.П. Урманов, А.А. Сорокин, Д.А. Карманов, С.П. Королёв // Компьютерная оптика. – 2018. – Т. 42, № 1. – С. 128-140. – DOI: 10.18287/2412-6179-2018-42-1-128-140.

Литература:

  1. Sorokin, A.A. The Kamchatka volcano video monitoring system / A.A. Sorokin, S.P. Korolev, I.M. Romanova, O.A. Gi­rina, I.P. Urmanov // Proceedings of 2016 6th International Workshop on Computer Science and Engineering (WCSE 2016). – 2016. – Vol. II. – P. 734-737.
  2. Урманов, И.П. Оценка видимости и состояния вулканов по последовательности изображений стационарных камер наблюдения / И.П. Урманов, А.Н. Камаев, А.А. Со­рокин, С.П. Королёв // Вычислительные технологии. – 2016. – Т. 21, № 3. – С. 80-90.
  3. Sigg, C. Camera based visibility estimation / C. Sigg, T. Sutter, F. Nater // Proceedings of CIMO TECO 2016 (Technical Conference on Meteorological and Environmental Instruments and Methods of Observation). – 2016. – P2(64).
  4. Frazor, R. Local luminance and contrast in natural images / R. Frazor, W. Geisler // Vision Research. – 2006. – Vol. 46, Issue 10. – P. 1585-1598. – DOI: 10.1016/j.visres.2005.06.038.
  5. Caraffa, L. Daytime fog detection and density estimation with entropy minimization / L. Caraffa, J.-Ph. Tarel // ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. – 2014. – Vol. II-3. – P. 25-31. – DOI: 10.5194/isprsannals-II-3-25-2014.
  6. Bronte, S. Fog detection system based on computer vision techniques / S. Bronte, L.M. Bergasa, D.F. Alcantarilla // 12th International IEEE Conference on Intelligent Transportation Systems (ITSC '09). – 2009. – Vol. 12. – P. 3-7. – DOI: 10.1109/ITSC.2009.5309842.
  7. Hautiére, N. Automatic fog detection and estimation of visibility distance through use of an onboard camera / N. Hautière, J.P. Tarel, J. Lavenant, D. Aubert // Machine Vision and Applications. – 2006. – Vol. 17, Issue 1. – P. 8-20. – DOI: 10.1007/s00138-005-0011-1.
  8. Pavlic, M. Image based fog detection in vehicles / M. Pavlic, H. Belzner, G. Rigoll, S. Ilic // 2012 IEEE Intelligent Vehicles Symposium (IV). – 2012. – P. 1132-1137. – DOI: 10.1109/IVS.2012.6232256.
  9. Aach, T. Statistical model-based change detection in moving video / T. Aach, A. Kaup // Signal Processing. – 1993. – Vol. 31, Issue 2. – P. 165-180. – DOI: 10.1016/0165-1684(93)90063-G.
  10. Stauffer, C. Adaptive background mixture models for real-time tracking / C. Stauffer, W.E.L. Grimson // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 1999. – Vol. 2. – DOI: 10.1109/CVPR.1999.784637.
  11. Elgammal, A. Background and foreground modeling using non-parametric kernel density estimation for visual surveillance / A. Elgammal, R. Duraiswami, D. Harwood, L.S. Da­vis // Proceedings of the IEEE. – 2002. – Vol. 90, Issue 7. – P. 1151-1163.
  12. Haritaoglu, I. W4: real-time surveillance of people and their activities / I. Haritaoglu, D. Harwood, L.S. Davis // Pattern Analysis and Machine Intelligence. – 2000. – Vol. 22, Issue 8. – P. 809-830. – DOI: 10.1109/34.868683.
  13. Kim, K. Real-time foreground-background segmentation using codebook model / K. Kim, T.H. Chalidabhongse, D. Harwood, L. Davis // Real-Time Imaging. – 2005. – Vol. 11, Issue 3. – P. 172-185. – DOI: 10.1016/j.rti.2004.12.004.
  14. Oliver, N.M. A bayesian computer vision system for mode­ling human interactions / N.M. Oliver, B. Rosario, A.P. Pent­land // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2000. – Vol. 22, Issue 8. – P. 831-843. – DOI: 10.1109/34.868684.
  15. Radke, R.J. Image change detection algorithms: a systema­tic survey / R.J. Radke, S. Andra, O. Al-Kofahi, B. Roysam // IEEE Transactions on Image Processing. – 2005. – Vol. 14, Issue 3. – P. 294-307. – DOI: 10.1109/TIP.2004.838698.
  16. Benezeth, Y. Comparative study of background subtraction algorithms / Y. Benezeth, P.-M. Jodoin, B. Emile, H. Lau­rent, Ch. Rosenberger // Journal of Electronic Imaging, Society of Photo-optical Instrumentation Engineers. – 2010. – Vol. 19, Issue 3. – DOI: 10.1117/1.3456695.
  17. Mikolajczyk, K. A performance evaluation of local descriptors / K. Mikolajczyk, C. Schmid // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’2003). – 2003. – P. 257-263. – DOI: 10.1109/CVPR.2003.1211478.
  18. Lowe, D.G. Distinctive image features from scale-invariant keypoints / D.G. Lowe // International Journal of Computer Vision. – 2004. – Vol. 60, Issue 2. – P. 91-110. – DOI: 10.1023/B:VISI.0000029664.99615.94.
  19. Bay, H. Speeded-up robust features (SURF) / H. Bay, A. Ess, T. Tuytelaars, L. Van Gool // Computer Vision and Image Understanding. – 2008. – Vol. 110, Issue 3. – P. 346-359. – DOI: 10.1016/j.cviu.2007.09.014.
  20. Canny, J. A computational approach to edge detection / J. Canny // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1986. – Vol. 8, Issue 6. – P. 679-698. – DOI: 10.1109/TPAMI.1986.4767851.
  21. Elder, J.H. Local scale control for edge detection and blur estimation / J.H. Elder, S.W. Zucker // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1998. – Vol. 20, Issue 7. – P. 699-716. – DOI: 10.1109/34.689301.
  22. Martin, D.R. Learning to detect natural image boundaries using local brightness, color, and texture cues / D.R. Martin, C.C. Fowlkes, J. Malik // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2004. – Vol. 26, Issue 5. – P. 530-549. – DOI: DOI: 10.1109/TPAMI.2004.1273918.
  23. Sorokin, A.A. Software platform for observation networks instrumental data Far Eastern Branch of the Russian Academy of Sciences / A.A Sorokin, S.P. Korolev, I.P. Urmanov, A.L. Verkhoturov, S.V. Makogonov, N.V. Shestakov // Proceedings of International Conference. on Computer Science and Environmental Engineering (CSEE 2015). – 2015. – P. 589-594.
  24. Sorokin, A.A. Development of information technologies for storage of data of instrumental observation networks of the Far Eastern Branch of the Russian Academy of Sciences / A.A. Sorokin, S.P. Korolev, A.N. Polyakov // Procedia Computer Science. – 2015. – Vol. 66. – P. 584-591. – DOI: 10.1016/j.procs.2015.11.066.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20