Research Results 15

- Адаптивная коррекция тепловизионных изображений с многоэлементных сканирующих фотоприемных устройств
- Обнаружение тепловых объектов на основе поиска пространственно-временных аномалий по изображениям ИК диапазона
- Поиск объектов искусственного происхождения на многоспектральных изображениях
- Обнаружение изменений, вызванных антропогенным воздействием
- Исследование эффективности спектральных методов классификации гиперспектральных изображений земной поверхности
- Спектрально-пространственная классификация гиперспектральных изображений земной поверхности
- Неохлаждаемая тепловизионная система наблюдения Путник-100
- Синтез изображений с увеличенной глубиной резкости из дальностных кадров

 

2022 г.

Обнаружение световозвращающих объектов (СВО) с применением активно-импульсной локации

Разработаны методы и алгоритмы обнаружения СВО на основе лазерной импульсной локации (ЛИЛ) сцены, синхронной регистрации отражённого излучения и внутри/межкадровой цифровой обработки последовательностей регистрируемых изображений в режиме поиска пространственно-временных аномалий.

Продемонстрирована эффективность обнаружения СВО в условиях интенсивного солнечного освещения при наличии в поле зрения зеркально и диффузно отражающих поверхностей, сигналы которых подавляются за счет применения попиксельного межкадрового вычитания и накопления разностных изображений.

2022 12 19 14 45 18 m

Предложен способ формирования разностных кадров с замещением пикселей вычитаемых фоновых изображений на максимальное значение его локальной окрестности. Это позволяет подавить сигналы ярких объектов, смещающихся за время регистрации серии изображений не более чем на размер объекта.

  1. С.М.Борзов, О.И.Потатуркин, С.Б.Узилов. Обнаружение световозвращающих объектов на основе поиска пространственных аномалий // Компьютерная оптика. 2022. Т.46, №1. С.97-102.

2021 г.

Аппаратно-программный стенд для исследования метода активно-импульсной локации на основе применения ПЗС приемника (без ЭОП в качестве затвора)

Разработан аппаратно-программный стенд для исследования метода активно-импульсной локации световозвращающих объектов с реализацией функции затвора с помощью специального алгоритма управления двухсекционным ПЗС приёмником со строчным переносом (без применения ЭОП) [1-3]. Аппаратная часть стенда выполнена в виде оптико-электронного модуля (ОЭМ), опорно-поворотного устройства (ОПУ), обеспечивающего наведение ОЭМ по азимуту и углу места, и компьютера, обеспечивающего обработку данных и управление.

ОЭМ в свою очередь состоит из блока регистрации изображений 1 и блока импульсного лазерного зондирования 2, а также платы источника питания 3 и платы коммутатора 4, расположенных на единой платформе 5 (см. рисунок).

 

 ОЭМ

Внешний вид оптико-электронного модуля (без внешнего кожуха)

 

 

Для обеспечения функционирования стенда разработаны программно-алгоритмические средства, состоящие из трёх уровней. Нижний уровень реализован в аппаратной части ОЭМ, управляет аппаратными блоками, осуществляет формирование и передачу данных на средний уровень. Средний и верхний уровни программно-алгоритмических средств реализованы на управляющем компьютере (ноутбуке). Продемонстрирована работоспособность и эффективность созданной аппаратуры для исследования характеристик световозвращающих объектов и их обнаружения.

  1. Д.В.Алантьев, С.М.Борзов, В.И.Козик, О.И.Потатуркин, С.Б.Узилов, К.Р.Яминов. Экспериментальное исследование метода лазерной импульсной локации световозвращающих объектов // Автометрия. 2021. Т.57, №1. С. 103-111.
  2. Д.В.Алантьев, С.М.Борзов, С.Н.Жуков, О.И.Потатуркин, С.Б.Узилов, А.П.Чихонадских. Оптико-электронная система обнаружения световозвращающих объектов на основе зондирования импульсным лазерным излучением // Автометрия. 2021. Т.57, №3. С. 92-101.
  3. S.M. Borzov, O. I. Potaturkin, Processing of data streams in the detection of retroreflective objects // CEUR Workshop Proceedings. 2021. V. 3006. P. 24-31.

 

2020 г.

Методы и программно-алгоритмические средства обработки мульти- и гиперспектральных изображений для классификации типов подстилающей поверхности при дистанционном зондировании Земли

Показана перспективность многомасштабного сглаживания исходных изображений [1]. Использование сразу 9 масштабов позволило увеличить точность классификации крупноформатного изображения на 3% по сравнению с результатом, достигнутым при оптимальном размере ядра предварительной обработки. Это, с одной стороны, приводит к повышению трудоемкости вычислений за счет кратного числу масштабов увеличения количества признаков и не позволяет добиться эффективности большей, чем при совместном применении предварительной и апостериорной обработки. Однако с другой стороны, бесспорным преимуществом многомасштабного сглаживания является то, что оно дает возможность исключить весьма трудоемкую процедуру подбора масштаба предварительной пространственной обработки.

Исследована возможность существенного уменьшения объема регистрируемых данных за счет выбора положения и ширины ограниченного количества наиболее информативных спектральных каналов при решении задачи классификации сельскохозяйственных культур [2]. На примере обработки 220 канального гиперспектрального изображения при решении задачи мониторинга сельскохозяйственных культур экспериментально показано, что регистрация и обработка данных в специально выбранных (по результатам классификации фрагмента) спектральных каналах позволяет получить точность не хуже, чем для систем признаков, сформированных с применением метода главных компонент. На рисунке 1,а,б сформированные подсистемы из 10 и 20 признаков представлены для наглядности на фоне спектра одного из подклассов. Видно, что наборы каналов при применении методов ML и SVM для оценки информативности систем признаков подобны.         


рис 2020
а                                                                       б

Спектральные каналы, выбранные из 220 исходных: а – 10 каналов, б – 20 каналов

При этом трудоемкость требуемых вычислений существенно уменьшается. Выбор спектральных интервалов, их числа и расположения может осуществляться на этапе проектирования систем. Такой подход приводит к повышению эффективности решения целевых задач, вследствие того, что представляется возможным достаточно полно учесть характерные особенности объектов исследования и условия наблюдения для каждой конкретной задачи [3,4].

  1. Борзов С.М., Потатуркин О.И. Повышение эффективности классификации гиперспектральных изображений за счет разномасштабной пространственной обработки // Компьютерная оптика. – 2020. – Т. 44, № 6. – С. 937-943.
  2. Борзов С.М., Потатуркин О.И. Выбор информативной системы признаков при классификации сельскохозяйственных культур по гиперспектральным данным // Автометрия. – 2020. – Т. 56, № 4. – С. 134-144.
  3. Альт В.В., Гурова Т.А., Елкин О.В. и др. Вавиловский журнал генетики и селекции // Использование гиперспектральной камеры SPECIUM IQ для анализа растений. – 2020. – Т. 24, № 3.  С. 259-266.
  4. Klimenko D.N., Gurova T.A., Elkin O.V., Maksimov L.V. Hyperspectral reflectance system for plant diagnostics // IOP Conference Series: Earth and Environmental Science. - 2020. - Vol. 548, Is. 3  - Ст. 032019  

 

Гибридная обработка многоспектральных изображений

для поиска пространственно-временных аномалий
и обнаружения объектов в поле наблюдения

Адаптивная коррекция тепловизионных изображений
с многоэлементных сканирующих фотоприемных устройств

Предложены и исследованы методы адаптивной коррекции информации, полученной с многоэлементных сканирующих фотоприемных устройств (ФПУ) инфракрасного спектрального диапазона на основе статистической обработки изображений реальных сцен (без использования тестовых полей).

Obrabotka-ris1

Рис. 1. Линейная и квадратичная аппроксимация динамической характеристики элемента ФПУ

Разработан метод многоточечной коррекции, основанный на нелинейной аппроксимации динамической характеристики элементов ФПУ по их окрестности.

Для каждого элемента ФПУ строится зависимость его яркости от средней яркости окрестности для кадров видеопоследовательности (различной освещенности) с последующей аппроксимацией полученного распределения (рис. 1).

Это позволило в темпе регистрации информации корректно устранить типичные для данных ФПУ искажения (геометрический шум в направлении сканирования и неоднородность чувствительности элементов) (рис. 2).

Разработанные программно-алгоритмические средства целесообразно использовать при обработке мультипоточных данных дистанционного зондирования поверхности Земли.
 

Obrabotka-ris2-1

Obrabotka-ris2-2

Рис. 2. Исходное изображение и результат коррекции

 

  1. Борзов С.М., Козик В.И., Потатуркин О.И. Коррекция тепловизионных изображений на основе статистической обработки реальных данных // Изв. вузов. Приборостроение. 2009. Т. 52, № 6. С. 11–17.
  2. Борзов С.М., Козик В.И., Феоктистов А.С. Исследование эффективности коррекции данных тепловизионных камер // Известия высших учебных заведений. Приборостроение. 2013. Т. 56, № 12. С. 47-50.

Обнаружение тепловых объектов на основе поиска пространственно-временных аномалий по изображениям ИК диапазона

Для решения задачи автоматического обнаружения тепловых объектов по изображениям ИК диапазона в условиях реальной фоноцелевой обстановки предложено использовать метод поиска пространственных аномалий, основанный на определении степени несоответствия признаков отдельных фрагментов распределению значений признаков, полученному по всему изображению. Для этого предложено осуществлять на основе сравнения яркости и пространственного градиента яркости центральной и периферийной зон фрагментов. Данный подход позволяет обнаруживать объекты без информации об их геометрических параметрах (рис. 3).

 

Obrabotka-ris3-1

Obrabotka-ris3-2

Obrabotka-ris3-3

а б в

Рис. 3. Обнаружение тепловых объектов на основе поиска пространственных аномалий: а – транспортных средств (дальность 700 м), б - фигуры человека (дальность 700 м), в - промышленных объектов

Obrabotka-ris4

Рис. 4. Обнаружение объектов техники путем поиска пространственно-временных аномалий (дальность 5.6 км)

 

Разработаны и исследованы методы поиска пространственно-временных аномалий, основанные на сравнении текущего кадра с экстраполированным предыдущим с учетом компенсации движения фона (рис. 4). Для решения задачи выделения динамических малоразмерных объектов на естественном фоне показана перспективность методов подавления фоновой составляющей изображений на основе построения компенсированного кадра из предыдущего с использованием полей локальных смещений. Создан пакет прикладных программ, реализующий разработанные методы поиска пространственно-временных аномалий.

  1. Борзов С.М., Потатуркин О.И. Обнаружение малоразмерных динамических объектов подвижной системой наблюдения // Автометрия, 2012, № 1. С. 23‑29.
  2. Борзов С.М. Обнаружение динамических объектов по пространственно-временным аномалиям в видеопоследовательностях // Автометрия, 2013, Т. 49, № 1. С. 11-17.
  3. Борзов С.М., Потатуркин О.И. Выделение малоразмерных объектов на основе поиска пространственных аномалий для тепловизионных систем наблюдения // Известия высших учебных заведений. Приборостроение, 2014, т. 57, № 3. С. 63-68.

Поиск объектов искусственного происхождения на многоспектральных изображениях

Obrabotka-ris5

Рис.5. Результат поиска зданий

Предложен метод поиска объектов искусственного происхождения на основе обработки изображений на пиксельном уровне (без предварительной сегментации). При этом каждый пиксель характеризуется как спектральными, так и пространственными признаками локальной окрестности. В частности, для обнаружения зданий использованы спектральные (вегетационный индекс; индекс влагосодержания; обобщенный индекс теней, общая яркость относительно средней яркости панхроматического изображения) и пространственные (дисперсия; острота «особых точек»; температурное распределение) признаки локальных окрестностей (рис. 5, 6).

 

Obrabotka-ris6-1-

Obrabotka-ris6-2

Obrabotka-ris6-3

а б в

Рис. 6. Результат поиска зданий на фрагменте изображения окрестности Новосибирского Академгородка (а), при использовании лишь спектральных признаков (б), при совместном использовании спектральных и пространственных признаков (в)

 

Разработан метод контекстного описания данных дистанционного зондирования Земли (ДЗЗ), основанный на анализе тематических слоев, сформированных на этапе попиксельной обработки спутниковых изображений высокого разрешения и характеризующих их спектральные и пространственные признаки.

Метод заключается в инициализации клеточной структуры и итерационном подборе координат, угла поворота и размеров сторон каждой клетки с использованием моментов (до 4 порядка) распределения яркости внутри нее (рис. 7). Преимущество такого подхода по сравнению классическим (основанным на предварительной сегментации) состоит в уменьшении количества выделяемых и требующих дальнейшего анализа объектов за счет исключения зон класса «фон».
 

Obrabotka-ris7-1

Obrabotka-ris7-2

а б

Рис.7. Обнаружение объектов неприродного происхождения: а - исходное изображение, б – сформированные объекты

Разработан и создан комплекс программно-алгоритмических средств поиска объектов искусственного происхождения по данным тепловизионных систем наблюдения. Комплекс обеспечивает обработку многоканальных изображений (до 10 каналов) размерностью 1000х1000 пикселей и выше при размере анализируемой окрестности от 3х3 до 51х51 пикселей, а также обработку видеопоследовательностей телевизионного формата. Для исследования эффективности алгоритмов обработки реализован механизм формирования и запуска наборов процедур виде макрокоманд с возможностью сохранения последовательностей процедур с их параметрами в текстовых файлах.

Выполнены исследования эффективности статистических и структурных признаков при классификации данных ДЗЗ с применением решающих правил, сформированных на основе критериев Байеса и Неймана-Пирсона. Показано, что обнаружение антропогенных зон по спутниковым изображениям высокого разрешения целесообразно осуществлять на основе поиска аномалий их локальной структуры с применением критерия Неймана-Пирсона. При этом наиболее эффективными являются признаки, сформированные на основе детектора Харриса (функции отклика «край» и «угол»). Разделимость по данной группе признаков классов «фон» и «город» (по критерию «расстояние до ближайшего соседа») в десятки раз выше, чем при использовании статистических характеристик первого и второго порядка. Расстояние же от кластера «фон» до ближайшего объекта объединенного класса «город»υ«дачи» на порядок и более превышает среднеквадратичное отклонение класса «фон». При этом высокой информативностью данная категория признаков характеризуется именно при обработке изображений высокого разрешения. Так, показано, что с увеличением разрешения от 10 м до 2.5 м разделимость классов по указанным признакам возрастает в 5 раз и более, эффективность же статистических признаков при этом изменяется незначительно (рис. 8).
 

gr1

gr2

а б

gr3

gr4

в г

Рис.8. Зависимость эффективности пространственных признаков от разрешения обрабатываемого изображения: а – статистика яркости, б – статистика модуля пространственного градиента яркости, в – статистика яркости второго порядка (на основе матриц смежности), г – структурные признаки по функции отклика «угол»

Предложен метод сегментации спутниковых изображений высокого пространственного разрешения, основанный на совместной обработке спектральных, текстурных и структурных признаков. На первом этапе производится классификация исходных изображений по спектральным признакам и формирование пространственных масок для антропогенных зон по характеристикам локальной структуры, а на втором – скользящим окном выполняется процедура выбора наиболее часто встречающегося класса (текстурная обработка). При этом размер окна для природных и антропогенных зон выбирается разным, что позволяет избежать излишней детализации классифицированных изображений на естественных ландшафтах и обеспечить необходимую точность в антропогенных зонах (рис.9).

а б в

Рис. 9. Спектрально-текстурная сегментация изображений с учетом структурных особенностей: а – исходный RGB-композит (каналы 5, 3, 2) изображения WorldView 2, б – маски по функциям отклика угол (синий цвет) и край (красный цвет), в – результат комбинированной сегментации.

 

  1. Борзов С.М., Нежевенко Е.С., Потатуркин О.И. Поиск объектов неприродного происхождения с использованием их структурных особенностей // Автометрия, 2010, № 5. С. 36-42.
  2. Борзов С.М., Козик В.И., Потатуркин О.И. Поиск объектов неприродного происхождения на основе многоспектральной обработки данных дистанционного зондирования Земли // Автометрия, 2010. № 6. С. 9-15 
  3. Борзов С.М., Потатуркин О.И. Обнаружение антропогенных зон на основе поиска пространственных аномалий в крупномасштабных спутниковых изображениях // Автометрия, 2012, № 5. С. 104‑111.
  4. Борзов С.М., Потатуркин А.О. Исследование эффективности пространственных признаков при классификации спутниковых изображений различного масштаба // Вестник НГУ. Серия: Информационные технологии, 2012, № 3. С. 58‑65.
  5. Потатуркин О.И., Борзов С.М. Локально-адаптивная ландшафтная классификация спутниковых изображений высокого пространственного разрешения // Вестник Восточно-Казахстанского государственного технического университета им. Д. Серикбаева. Вычислительные технологии. (Совместный выпуск, Вычислительные технологии, часть 3). 2013. С. 90-96.

 

Обнаружение изменений, вызванных антропогенным воздействием

Разработан метод и программные модули для обнаружения (по данным ДЗЗ высокого разрешения) незначительных изменений на поверхности Земли, вызванных антропогенным воздействием. Метод основан на попиксельном формировании разностных кадров за счет оценки согласованности изменения во времени яркости отсчетов изображений и продемонстрирован на примере обнаружения выборочных рубок Караканского бора (Новосибирская обл.) (рис. 10).

Рис. 10. Обнаружение выборочных рубок по разновременным изображениям спутника SPOT 4.

  

Предложен метод обнаружения изменений в инфраструктуре по разновременным изображениям оптико-электронных средств наблюдения, сочетающий обработку спектральных и структурных признаков (рис. 11). На первом этапе производится попиксельная контролируемая сегментация базового (более раннего) изображения по спектральным признакам, а также формирование маски антропогенных объектов в опорном и маски природных зон в тестируемом (более позднем) изображениях с учетом их структурных характеристик. На втором – в тестируемом изображении (в сформированных на первом этапе сегментах) выделяются пиксели, отклонившиеся в пространстве признаков от центров соответствующих распределений более чем на 3σ и не отмеченные ни одной из масок.

15-2014-11-s

Рис. 11. Обнаружение изменений в инфраструктуре

Такой комбинированный подход позволяет выполнить обнаружение изменений на поверхности Земли, вызванных строительством новых объектов, не прибегая к трудоемкой и требующей большого объема обучающих выборок детальной классификации изображений.

  

Исследованы возможности использования космических изображений высокого разрешения для контроля и прогнозирования развития процесса разрушения берегов искусственных водоемов. Предложен и продемонстрирован метод мониторинга, основанный на оценки угла наклона дна прибрежной зоны путем определения положения границы вода-суша на нескольких изображений, полученных в течении одного сезона при различном наполнении водохранилища. Эффективность разработанного метода показана (рис. 12) на примере обработки изображений Новосибирского водохранилища, полученных со спутника SPOT-4 22.05.2008 (уровень воды 273 см) и 08.08.2008 (уровень воды 596 см). Анализ пары изображений с разрешением 20 м позволил оценить угол наклона дна в прибрежной зоне в диапазоне 0.5-10 град. (типичные углы наклона для берегов искусственных водоемов – 2-3 град.).

15-2014-12-s

Рис. 12. Фрагмент изображения территории в районе села Быстровка
с обозначением угла наклона дна прибрежной зоны

 

  1. Борзов С.М., Потатуркин О.И. Обнаружение выборочных рубок леса по данным дистанционных измерений высокого пространственного разрешения // Исследование Земли из космоса, 2014, № 4. С. 87-93.
  2. Борзов С.М., Бикинеева О.Р. Использование разновременных спутниковых данных для контроля состояния берегов искусственных водоемов // Современные проблемы дистанционного зондирования Земли из космоса, 2014, т. 11, № 1. С. 182-189.
  3. Борзов С.М., Потатуркин А.О. Потатуркин О.И. Обнаружение изменений территории застройки на основе применения структурных признаков спутниковых изображений // Автометрия.  2015. № 4. С. 3-11.
  4. Борзов С.М., Узилов С.Б.  Обнаружение слаборазличимых антропогенных изменений растительного покрова по мультиспектральным разновременным изображениям // Вычислительные технологии Т.21. №1. 2016. С.40-48.

Исследование эффективности спектральных методов классификации ГС изображений земной поверхности

При обработке гиперспектральных (ГС) данных дистанционного зондирования Земли показано, что для эффективной классификации изображений природных и антропогенных территорий необходимо не только сравнение тестируемых и эталонных спектров пикселей, но и учет распределения обучающей выборки в пространстве признаков (рис.13).

 ГС1

Рис.13.Исходное изображение и результат классификации методом максимального правдоподобия

При обработке тестовых изображений природной зоны (комплекс AVIRIS, полигон Индиан Пайс, размер - 614х2677 пикселей, 220 спектральных каналов в диапазоне 0.4-2.5 мкм) и городской застройки (комплекс HYDICE , Вашингтон, размер - 307х1208 пикселей, 191 спектральный канал в диапазоне 0.4-2.4 мкм) показано, что сокращение количества спектральных признаков методом главных компонент (до 15-20 для природной зоны и 5-10 для городской застройки) позволяет снизить трудоемкость обработки на два порядка, без существенного снижения эффективности классификации (рис.14).

ГС2

 Рис.14. Эффективность классификации в зависимости от количества признаков для природной и антропогенной территории

 

  1. Потатуркин О.И., Борзов С.М., Потатуркин А.О., Узилов С.Б. Методы и технологии обработки мульти- и гиперспектральных данных дистанционного зондирования Земли высокого разрешения // Вычислительные технологии, 2013, т. 18 (специальный выпуск). С. 60-67.
  2. Борзов С.М., Потатуркин А.О., Потатуркин О.И., Федотов А.М. Исследование эффективности классификации гиперспектральных спутниковых изображений природных и антропогенных территорий // Автометрия, 2016.  № 1. С. 3-14.

 

Спектрально-пространственная классификация
гиперспектральных изображений земной поверхности

Исследована эффективность методов спектрально-пространственной классификации гиперспектральных данных, основанных на предварительном сглаживании обрабатываемых изображений и на постобработке картосхем попиксельной спектральной классификации путем выбора доминирующего (наиболее часто встречающегося) класса в локальных окрестностях (или сегментах).
Показано, что учет близкорасположенных пикселей позволяет повысить точность классификации ГС изображений. Так доля верно классифицированных пикселей (точность классификации) с использованием только спектральных признаков составила для тестовых изображений природной зоны (комплекс AVIRIS, полигон Индиан Пайс, размер - 145х145 пикселей) - 76.7%, а использование пространственных признаков позволило ее увеличить до 92-93% (рис.15, табл.1,2).

ГС32

 Рис.15. Классификация фрагмента ГС изображения природной зоны по спектральным и пространственным признакам

Табл.1. Точность классификации с учетом параметров сегментов
  I (голосование по сегментам) II (сглаживание по сегментам
Число сегментов 176 361 730 1283 176 361 730 1283
Точность (%) 89,3 90,0 88,6 88,1 91,2 93,3 93,9 91,3

 

Табл.2. Точность классификации с учетом параметров локальной окрестности
  III (голосование по окрестности) IV (сглаживание по окрестности)
Размер окрестности 3х3 5х5 7х7 9х9 3х3 5х5 7х7 9х9
Точност (%) 83,5 86,0 86,9 87,5 84,9 91,4 92,1 91,7

 

Установлено, что наиболее эффективным способом повышения достоверности классификации слаборазличимых типов растительности по гиперспектральным изображениям является комплексное применение пространственной обработки исходных изображений и получаемых картосхем классификации. Применение пространственной обработки на нескольких этапах классификации, позволяет дополнительно увеличить точность на 1.0 – 1.5%.

1. Борзов С.М., Мельников П.В., Пестунов И.А., Потатуркин О.И., Федотов А.М. Комплексная обработка гиперспектральных изображений на основе спектральной и пространственной информации // Вычислительные технологии Т.21. №1. 2016. С.25-39.

2. Борзов С.М., Потатуркин О.И. Исследование эффективности спектрально-пространственной классификации данных гиперспектральных наблюдений // Автометрия, 2017, Т.53. №1, С.32-42.

3. Гурьянов М.А., Борзов С.М.. Спектрально-пространственная классификация типов растительности по гиперспектральным данным // Вестник НГУ: Информационные технологии. 2017, т.15. №4. С 14-21.

4. Борзов С.М., Потатуркин О.И. Классификация гиперспектральных данных при различных способах формирования обучающих выборок // Автометрия. 2018. Т.54, №1. С.89-97.

5. Борзов С.М., Гурьянов М.А., Потатуркин О.И. Исследование эффективности классификации трудноразличимых типов растительности по гиперспектральных данным // Компьютерная оптика. – 2019. – Т. 43, № 3. – С. 464-473.  

Неохлаждаемая тепловизионная система наблюдения Путник-100

Для наблюдения в сложных условиях разработана и создана неохлождаемая малогабаритная система дальнего ИК диапазона «Путник-100» (рис. 16). В 2015 году прошла комплексные натурные испытания.

путник

          Рис. 16 - Внешний вид прибора

• Наблюдение в особо сложных условиях за счет алгоритма регулировки динамического диапазона матрицы
• Высокоскоростная обработка изображения и автоматическая регулировка по полному кадру
• Малое энергопотребление во всем диапазоне температур
• Широкодоступные батареи формата АА
• Особо прочное алмазоподобное покрытие линз
• Увеличенные тактильно-чувствительные кнопки управления

Технические характеристики:
• Формат микроболометрической матрицы
• Фокусное расстояние объектива
• Поле зрения 
• Минимально обнаруживаемая разность температур
• Диапазон рабочих температур 
• Длительность работы без перезарядки 
• Энергопотребление 
• Масса с аккумулятором и кронштейном
• Габариты с наглазником, без кронштейна
• Распознавание ростовой фигуры 
• Обнаружение движущейся ростовой фигуры
• Обнаружение движущегося транспорта
• Набор электронных увеличений
• Интерфейс High-Speed USB 2.0 к внешнему компьютеру

640х480
100 мм
9О х 6.8О
0.08ОС
-40...+50оС
3.8 часа
3 Вт
1.6 кг
300х90х85 мм
1200 м
3000 м
8000 м
3/ 5/ 9х

путник1 путник2

 Рис. 17 - Примеры регистрируемых изображений

Синтез изображений с увеличенной глубиной резкости из дальностных кадров

Разработан алгоритм и программные средства для синтеза изображений с увеличенной глубиной резкости из кадров, полученных при фокусировки на различную дальность. Эффективность продемонстрирована на примере обработки последовательностей кадров, зарегистрированных с применением цифровых очков ночного видения с объективом на основе жидкостных линз с гидростатически управляемой оптической силой на базе электромагнитного актюатора и линейного пьезоэлектрического двигателя.

Характеристики устройства:
• спектральный диапазон                               –   0.45-1 мкм
• диапазон фокусировки                                  –   ∞¸280мм
• время перестройки в крайние положения   –  15 мс
• размерность матрицы ПЗС                          –  1200х960 пк
объектив
  Рис. 18 - Управляемый объектив

 

04a m 04b m

04f m

Рис. 20 - Наблюдаемая сцена с другого ракурса

04c m 04d m

Рис.19 - Дальностные кадры

 

04e m
    Рис.21 - Изображение с увеличенной глубиной резкости

                                            

  1. Борзов С.М., Голицын А.В., Потатуркин О.И. Алгоритм слияния последовательности дальностных изображений для приборов с электроуправляемым объективом // Компьютерная оптика. – 2016. – Т. 40, № 3. – С. 388-394.

 

Дистанционная диагностика высокотемепературных процессов:
методы, аппаратура, программное обеспечение

В результате исследований процессов однофакельного и многофакельного сжигания газообразных углеводородов, в т.ч. в условиях реального теплоэнергетического производства, установлены закономерности изменения параметров излучения пламени и компонентного состава уходящих газов при изменении режимов горения. Показано, что изменение условий горения газовой смеси приводит к трансформации спектра излучения факела горелки (рис. 1); в видимой области спектра наибольшей зависимостью интенсивности излучения от температуры обладают полосы, соответствующие радикалам ОН, СН и С2; интенсивность излучения радикала С2 имеет довольно плоский максимум в области a близкой к единице, максимум излучения радикала СН смещен в область более бедных смесей, увеличение интенсивности излучения радикала ОН с увеличение количества воздуха продолжается вплоть до срыва пламени (рис. 2).


spektr_s 3.3.2
Рис. 1. Спектры излучения пламени при различном показателе стехиометрии α

Рис.2. Интенсивность излучения радикалов OH (308-320 нм), CH (430-438 нм) и C2 (467-472, 513-517 нм) в зависимости от показателя стехиометрии

kolzovo

Рис. 3. Диагностика процесса сжигания газового топлива в котле ДЕ 25/14 (от α)

При исследованиях процессов горения в промышленных условиях установлено, что интенсивность излучения пламени при однофакельном сжигании в широком спектральном диапазоне (от ближнего ИК до ближнего УФ) имеет локальный максимум при стехиометрическом составе смеси и существенно возрастает в области богатых смесей в результате образования частиц углерода, а изменение концентраций кислорода и водорода носит монотонный характер (рис. 3).

ris4-spektr_1

Рис. 4. Спектры различных зон факела:
1 - ядро, 2 - внешняя зона

Исследованы спектральные характеристики и частотный состав пульсаций излучения внутренней и внешних зон факела при двухстадицной организации сжигания. Установлено, что спектр ядра факела имеет достаточно интенсивные полосы, образованные линиями излучения радикалов OH, CH и C2, в спектрах же пламени внешней диффузионной зоны наиболее интенсивными являются линии излучения частиц углерода и полосы вращательно-колебательного спектра Н2О. Показано, что интенсивность излучения ядра факела существенно ниже интенсивности диффузионной зоны, причем соотношение интенсивностей с увеличением длины волны растет (рис. 4). В то же время интенсивность высокочастотных составляющих пульсаций (>10Гц) излучения ядра факела значительно превышает интенсивность пульсаций диффузной зоны.

3.3.8

Рис. 5. Уровень пульсаций излучения факелов в УФ спектральном диапазоне при гашении одного из них (№4)

Определены основные факторы взаимного влияния факелов в типовых многогорелочных установках. Показано, что наиболее существенный вклад вносят перераспределение расхода газа и воздуха по горелкам, оптическое влияние соседних факелов, участие атмосферного кислорода в реакциях горения.

Для контроля наличия/отсутствия факела в установках со значительным уровнем фонового свечения, в т.ч. при наличии вторичного диффузионного пламени, предложено осуществлять измерение амплитуды пульсаций излучения в УФ спектральном диапазоне (рис. 5).

3.3.1 1

Рис. 6. Спектр излучения пламени со смещением зоны горения внутрь горелки

Показано, что опасность срыва пламени для горелок с завихрителем может быть установлена по уменьшению интенсивности свечения радикалов в зоне нормального положения фронта, а также по существенному увеличению интенсивности пульсаций излучения пламени. Смещение фронта пламени внутрь горелочного устройства (проскок) может быть установлено по появлению в спектре излучения интенсивных линии натрия (589 нм) и калия (766.5, 769.9 нм) (рис. 6).

108

Рис. 7. Аппаратура системы селективной диагностики процессов горения

Предложена методика селективной (по факелам) диагностики режимов горения, основанная на измерении интенсивности излучения факелов, концентрации кислорода и водорода уходящих газов и совместной обработки полученных данных с учетом конструктивных особенностей агрегатов.

Разработана и создана оптико-электронная аппаратура селективной диагностики многофакельного процесса горения, которая доведена до практического применения и в различной конфигурации успешно внедрена на предприятиях топливно-энергетического комплекса Западно-Сибирского региона (рис. 7).

Рис. 8. Спектры излучения твердого топлива на различных стадиях розжига

Проведены исследования трансформации оптических свойств пламени на различных стадиях горения твердого топлива (рис. 8). Установлено, что по спектральному составу излучение угольного пламени близко к излучению внешней зоны газового факела, где имеет место диффузионный процесс горения. Линии излучения радикалов С2 и СН, характерные для пламени предварительно перемешанного газового топлива, отсутствуют. Вероятнее всего наблюдается спектр излучения, возникшего в результате диффузионного горения легких фракций (обусловленный свечением молекул воды), а отдельные линии связаны с излучением захваченных потоком молекул натрия (589.0, 589.6 нм) и калия (766.5, 769.9 нм), входящих в состав антикоррозионных покрытий.

  1. Анцыгин В.Д., Борзов С.М., Васьков С.Т., и др. Оптимизация процессов горения на основе анализа параметров пламени // Автометрия, 1999, № 5. С. 3-11.
  2. Анцыгин В.Д., Борзов С.М., Козик В.И. и др. Устройство дистанционного контроля пламени. Патент РФ № 2137047. Официальный бюллетень Комитета РФ по патентам и товарным знакам, 1999.
  3. Gofman M.A., Chubakov P.A., Kolechkin M.V., et al., Burning parameter diagnostics by means of bichromatic pirometer, oxygen, and hydrogen sensors // Proceedings SPIE, 2000, v. 3853. P. 221-226.
  4. Borzov S.M., Kozik V.I., Potaturkin O.I., and Shushkov N.N. Optical-Electronic Information System for High-Temperature Processes Remote Monitoring // Proceedings IASTED, 2002. P. 147-150.
  5. Анцыгин В.Д., Борзов С.М., Васьков С.Т. и др. Дистанционная диагностика процессов горения органического топлива // Наука - производству, 2003, № 2. С. 25‑27
  6. Борзов С.М., Козик В.И., Потатуркин О.И., Шушков Н.Н. Оптимизация процесса горения газообразных углеводородов путем вариации состава топливной смеси // Теплофизика и аэромеханика, 2004, т. 11, № 2. С. 305‑311.
  7. Гаркуша В.В., Пищик Б.Н., Михеев В.П., Потатуркин О.И. Автоматизированная система управления технологическими процессами тепловой станции // Теплофизика и аэромеханика, 2006, № 2.  С. 315-321.
  8. Борзов С.М., Гаркуша В.В., Козик В.И., Михеев В.П., Потатуркин О.И., Шушков Н.Н. Селективная диагностика процессов горения в многогорелочных энергоблоках // Теплофизика и аэромеханика, 2006, № 2. С. 323-329.
  9. Борзов С.М., Васьков С.Т., Потатуркин О.И., Шейшенов Ж.О. Селективная диагностика многофакельного горения с использованием имитационного моделирования // Автометрия, 2008  №2. С. 32-40.
  10. Борзов С.М., Козик В.И., Шейшенов Ж.О. Селективный контроль наличия пламени в котлах со встречным расположением горелочных устройств // Теплоэнергетика, 2009  №3. С. 71-74.
  11. Анцыгин В.Д., Борзов С.М., Маслов А.А., Потатуркин О.И., Шумский В.В., Ярославцев М.И. Определение состава газового потока в аэродинамических импульсных трубах // Автометрия. 2009. № 3. С. 69-77.
  12. Анцыгин В.Д., Борзов С.М., Васьков С.Т., Козик В.И., Потатуркин О.И., Шушков Н.Н. Дистанционная диагностика процессов горения углеводородного топлива. В кн.: Исследования и разработки СО РАН в области энергоэффективных технологий. Под редакцией чл.-корр. РАН С.В. Алексеенко, 2009. С. 109-120.
  13. Борзов С.М., Зарубин И.А., Козик В.И., Лабусов В.А. Спектрометр для исследования свойств пламени // Доклады VIII Всероссийской конференции с международным участием «Горение твердого топлива» (г. Новосибирск, Россия, 13‑16 ноября 2012). Новосибирск: изд-во Института теплофизики СО РАН, 2012. USB-диск, ISBN 978-5-89017-032-3. С. 19.1‑19.7.
  14. Sharaborin D.K., Matet N., Dulin V.M., Kozik V.I. Measurement of fuel-to-air ratio from emision spectra of CH4N2O2CO2 flames in a model combustor // Rep. of 17th International Conference on the Methods of Aerophysical Research (ICMAR`2014) (Novosibirsk, Russia, June 30 – July 6, 2014). Novosibirsk, 2014. P. 163-164.
  15. Борзов С.М., Козик В.И., Шараборин Д.К. Дистанционный контроль устойчивости горения углеводородо-воздушных смесей [Электронный ресурс] // Материалы IX Всероссийской конференции с международным участием «Горение топлива: теория, эксперимент, приложения» (г. Новосибирск, Россия, 16 –18 ноября 2015). Новосибирск: ИТ СО РАН. – 2015.