РУсскоязычный Архив Электронных СТатей периодических изданий
Найти!
Информационно-управляющие системы/2016/№ 1/
В наличии за
140 руб.
Купить
Облако ключевых слов*
* - вычисляется автоматически
Недавно смотрели:

ДЕТЕКТИРОВАНИЕ ДЫМА НА ОТКРЫТЫХ ПРОСТРАНСТВАХ В СЛОЖНЫХ ПОГОДНЫХ УСЛОВИЯХ С ПРИМЕНЕНИЕМ ПРОСТРАНСТВЕННО-ВРЕМЕННЫХ ЛОКАЛЬНЫХ БИНАРНЫХ ШАБЛОНОВ

Постановка проблемы: раннее обнаружение дыма на открытых пространствах с использованием видеопоследовательностей является одной из важнейших задач в современных системах видеонаблюдения. Видеоинформация, полученная в результате видеосъемки в реальных условиях, может содержать объекты с динамическим поведением, помехи оборудования или линии передачи, а также артефакты, связанные с погодными условиями (например, дождем или снегом, недостаточным освещением в утренние и вечерние часы). В связи с этим возникает необходимость окончательной проверки областей-кандидатов после того, как области, похожие на дым, сегментированы в видеопоследовательности. Результаты: предложен алгоритм обработки изображений, содержащих артефакты, связанные с атмосферными явлениями, такими как морось и дымка, а также недостаточным освещением. Исследован метод пространственно-временных локальных бинарных, локальных тернарных и расширенных бинарных шаблонов детектирования густого и прозрачного дыма при наличии следующих артефактов: шума типа «соль-перец» со значениями до 10 дБ; аддитивного белого шума Гаусса, имитирующего атмосферные осадки: размытия изображений и слабой освещенности с применением алгоритма Ретинекс. Для классификации областей дыма использован гистограммный подход как один из наиболее простых и быстрых способов анализа изображений. В качестве меры различия гистограмм двух сопоставляемых изображений при построении соответствующего решающего правила использовалось расстояние Кульбака — Лейблера. Практическая значимость: разработанный метод верификации дыма на видеопоследовательностях с использованием пространственно-временных локальных бинарных шаблонов и 3D расширенных локальных бинарных шаблонов обеспечивает точность верификации 96-99 % для густого и 86-94 % для прозрачного дыма в зависимости от артефактов и шумов.

Авторы
Тэги
Тематические рубрики
Предметные рубрики
В этом же номере:
Резюме по документу**
Такие системы успешно применяются для детектирования дыма в помещении, однако не дают результатов при использовании на открытых пространствах, так как концентрация продуктов сгорания быстро уменьшается изза воздействия естественных метеорологических условий [1]. <...> В работе [3] рассмотрен метод детектирования дыма на видеоизображении с применением одного из методов анализа динамических тек16 ИНФОРМАЦИОННОУПРАВЛЯЮЩИЕ СИСТЕМЫ стур — семейства локальных бинарных шаблонов. <...> Рассматриваются такие виды шаблонов, как базовые бинарные шаблоны, локальные тернарные шаблоны, расширенные бинарные шаблоны. <...> Показана эффективность распознавания густого и прозрачного дыма по видеопоследовательности. <...> Для получения изображений, имитирующих низкую освещенность, использован алгоритм Ретинекс (Retinex) на базе локального сглаживания <...> Кадры из видеопоследовательностей густого и прозрачного дыма и без дыма для различных значений параметра показаны на рис. <...> Для этого к цветовому значению в каждом из каналов пиксела прибавлялась нормально распределенная случайная величина. <...> Применение алгоритма Ретинекс к изображениям с густым дымом (а); с прозрачным дымом (б); без дыма (в) <...> Изображения с аддитивным белым гауссовым шумом: густой дым (а); прозрачный дым (б); без дыма (в) 1, 2016 ИНФОРМАЦИОННОУПРАВЛЯЮЩИЕ СИСТЕМЫ 17 ОБРАБОТКА ИНФОРМАЦИИ И УПРАВЛЕНИЕ если при прибавлении случайной величины цветовое значение канала выходило за предельный диапазон [0... <...> 255], то цветовое значение такого пиксела оставалось неизменным. <...> Компенсация слабой освещенности и погодных условий фильтром Лапласа Для повышения резкости изображения использован фильтр Лапласа. <...> Шум типа «соль-перец»: изображения с дымом (а) и без дыма (б) 18 ИНФОРМАЦИОННОУПРАВЛЯЮЩИЕ СИСТЕМЫ Рис. <...> Алгоритм автоматического детектирования дыма В работе предложен алгоритм, основанный на анализе текстуры с помощью локальных бинарных шаблонов (Local Binary Patterns — LBP), локальных <...>
** - вычисляется автоматически, возможны погрешности

Похожие документы:

  • Похожие документы из РУАЭСТ
  • |
  • Похожие документы из Руконт

Помощь:

Участники:

© НЦР Руконт 2014