Сокращение вычислительной сложности при совмещении одномерных сигналов с пропусками с помощью метода пирамид

Актуальность. В работе рассматривается проблема сокращения вычислительной сложности при совмещении сигналов, которая решается в различных прикладных задачах, таких как определение времени задержки в радио- и спутниковых каналах, навигационных, медицинских приложениях, эхолокации, определение характеристик повторяемости измерительных устройств и т. д. Особенностью рассматриваемой задачи является наличие пропусков в сигналах, что при использовании существующих методов и алгоритмов обработки ведет к увеличению времени обработки и недостаточной точности совмещения. Решение этой проблемы позволит снизить требования к вычислительному оборудованию (процессорам) и повысит оперативность принятия решений. В работе рассматривается задача оценивания смещений для сигналов, описывающих состояние железнодорожных путей, на примере параметра «ширина колеи».

Цель исследования: сокращение вычислительной сложности за счет уменьшения количества проверяемых гипотез (оцениваемых смещений) с помощью преобразования пирамиды для совмещения сигналов. Для этого были использованы метод оптимизации при поиске экстремума, соответствующего смещению, на базе преобразования пирамиды, а также модифицированный метод Lucas–Kanade, учитывающий аддитивное и мультипликативное отклонение сигнала.

В ходе решения рассматриваемой проблемы была предложена метрика для сравнения сигналов с пропусками, был разработан двухэтапный алгоритм, в котором на первом этапе оценивается смещение с точностью до шага дискретизации на основе преобразования пирамиды, а на втором – смещение с субдискретной точностью на основе алгоритма Lucas–Kanade. Представлены рекомендации о количестве проверяемых смещений для определения глобального экстремума. Разработанный алгоритм по сравнению с существующим характеризуется уменьшением времени обработки в 10 раз с аналогичной точностью совмещения.

Новизна исследования заключается в модификации методов обработки на основе преобразования пирамиды для сигналов, содержащих пропуски.

Практическая значимость: полученные в работе результаты могут быть использованы в направлении сокращения вычислительной сложности при совмещении одномерных сигналов, а также для изображений, отличающихся масштабом и поворотом для систем технического зрения реального времени. Внедрение алгоритмов с низкой вычислительной сложностью в системы технического зрения, используемые для диагностики железнодорожных путей, позволят повысить оперативность принятия решений при обеспечении безопасности движения транспорта.

1. ГОСТ 9238-2013. Габариты железнодорожного подвижного состава и приближение строений. М.: Стандартинформ, 2014.

2. Мясников Е.В. Определение параметров геометрических трансформаций для совмещения портретных изображений // Компьютерная оптика. 2007. Т. 31. № 3. С. 77–82. EDN:IUDQGV

3. Чкан А.В. Повышение реальной производительности РВС при решении задач цифровой обработки изображений с использованием быстрого преобразования Фурье // Известия ЮФУ. Технические науки. 2020. № 7(217). С. 152–163. DOI:10.18522/2311-3103-2020-7-152-163. EDN:VRSEWY

4. Мясников В.В., Глумов Н.И., Сергеев В.В. Параллельно-рекурсивные методы локального описания цифровых изображений: учебное пособие. Самара: Самарский университет, 2023. 100 с.

5. Кузьмин С.В. Инвариантное к масштабу определение задержек между двумя одномерными цифровыми сигналами // Инфокоммуникационные технологии. 2011. Т. 9. № 2. С. 7–10. EDN:NUMYPF

6. Кузьмин С.В. Нормированная корреляционная функция для анализа сигналов с разной частотой дискретизации // Инфокоммуникационные технологии. 2011. Т. 9. № 4. С. 19–23. EDN:OWQWDH

7. Диязитдинов Р.Р. Усовершенствование алгоритма Лукаса-Канаде для совмещения цифровых видеосигналов на фоне аддитивных и мультипликативных помех // XI Международная конференция «Фундаментальные проблемы оптики – 2019» (Санкт-Петербург, Российская Федерация, 21–25 октября 2019). СПб.: Университет ИТМО. С. 194–196. EDN:VZGJXY

8. Бессмельцев В.П., Булушев Е.Д. Быстрый алгоритм совмещения изображений для контроля качества лазерной микрообработки // Компьютерная оптика. 2014. Т. 38. № 2. С. 343–350. DOI:10.18287/0134-2452-2014-38-2-343-350. EDN:SFAZFL

9. Смирнов С.А., Бабаян П.В., Ершов М.Д., Муравьев В.С. Разработка и оптимизация алгоритма слежения за транспортным средством в видеопотоке на основе пирамидального метода Лукаса-Канаде // Вестник кибернетики. 2020. № 2(38). С. 58–67. DOI:10.34822/1999-7604-2020-2-58-67. EDN:YNCLHD

10. Горбачев Р.А., Зарипов М.Н., Шишков Д.Л. Интеллектуальная система технического зрения для обнаружения препятствий и предсказания поведения движущихся объектов на железнодорожных путях // Известия ЮФУ. Технические науки. 2022. № 1(225). С. 256–268. DOI:10.18522/2311-3103-2022-1-256-268. EDN:VCMTHQ