Исследование эффективности алгоритмов обработки информации при формировании изображений группой мобильных объектов

Актуальность исследования обусловлена растущей потребностью в получении изображений высокого разрешения для решения задач в таких областях, как сельское хозяйство, архитектура, транспорт, экологический мониторинг и т. д. Перспективным методом формирования изображений высокого разрешения является метод на основе совмещения фрагментов по ключевым точкам и анализа контуров с использованием опорного изображения низкого разрешения, позволяющий снизить требования к оборудованию. При этом использование группы мобильных объектов позволяет сокращать временные затраты и получать изображения динамичных сцен, что значительно расширяет возможности применения метода. В рамках данного подхода каждый объект получает одну или несколько частей итогового изображения, после чего осуществляется их «сшивка». Однако мобильные объекты зачастую обладают ограниченными вычислительными ресурсами, что существенно сокращает возможности применения подхода. В связи с этим, данная статья направлена на разработку алгоритмов совместной обработки информации группой мобильных объектов при реализации упомянутого выше метода. В работе представлены результаты исследования эффективности указанных алгоритмов как в последовательном режиме на одном мобильном объекте, так и в распределенном режиме с кооперацией группы объектов. Экспериментальные исследования также включали проверку устойчивости параллельной реализации метода к различным видам искажений: шумам, размытию и геометрическим деформациям. Результаты показали, что параллельная реализация метода формирования изображения высокого разрешения на основе совмещения фрагментов по ключевым точкам и анализа контуров с использованием опорного изображения низкого разрешения обеспечивает высокое качество получаемых изображений высокого разрешения, устойчивость к искажениям и значительное сокращение времени обработки в групповом режиме. Материалы статьи представляют практическую ценность для разработчиков систем коллективного картографирования в реальном времени, инспекции протяженных или сложных объектов с помощью групп роботов, а также в задачах фотограмметрии и создания трехмерных моделей местности.

1. Veselov G.E., Lebedev B.K., Lebedev O.B., Kostyuk A.I. Hybrid Algorithm of Mobile Position-Trajectory Control. In: Artificial Intelligence Methods in Intelligent Algorithms: Proceedings of the 8th Computer Science On-line Conference: Volume 2, 24–27 April 2019, Online. Cham: Springer; 2019. P. 287–295. https://doi.org/10.1007/978-3-030-19810-7_28

2. Веселов Г.Е., Лебедев Б.К., Лебедев О.Б. Гибридный алгоритм управления роем гомогенных роботов в условиях ограниченного пространства. Вестник Ростовского государственного университета путей сообщения. 2020;(2):72–82.

3. Самойлов А.Н., Сергеев Н.Е., Волошин А.В., Козловский А.В. Метод фотограмметрического измерения геометрических параметров объектов, инвариантный к фоторегистрирующим устройствам. Вестник Адыгейского государственного университета. Серия: Естественно-математические и технические науки. 2021;(4):58–69.

4. Козловский А.В. Распараллеливание обработки информации при формировании составных изображений. Известия ЮФУ. Технические науки. 2025;(1):92–103. https://doi.org/10.18522/2311-3103-2025-1-92-103

5. Веселов Г.Е., Лебедев Б.К., Лебедев О.Б. Управление движением группы мобильных роботов в колонне. Информатизация и связь. 2021;(3):7–11. https://doi.org/10.34219/2078-8320-2021-12-3-7-11

6. Liang J., Cao J., Sun G., Zhang K., Van Gool L., Timofte R. SwinIR: Image Restoration Using Swin Transformer. In: 2021 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), 11–17 October 2021, Montreal, BC, Canada. IEEE; 2021. P. 1833–1844. https://doi.org/10.1109/ICCVW54120.2021.00210

7. Wang X., Yu K., Wu Sh., et al. ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks. In: Computer Vision – ECCV 2018 Workshops: Proceedings: Part V, 08–14 September 2018, Munich, Germany. Cham: Springer; 2019. P. 63–79. https://doi.org/10.1007/978-3-030-11021-5_5

8. Веселов Г.Е., Лебедев Б.К., Лебедев О.Б. Управление роем роботов при исследовании некоторой территории методом силовой релаксации. Известия ЮФУ. Технические науки. 2019;(5):184–193.

9. Polenov M., Ivanov D., Bespalov D. Using a Distributed Architecture of a Geographic Information System to Support Thin Clients. In: Software Engineering Application in Systems Design: Proceedings of 6th Computational Methods in Systems and Software: Volume 1, 13–19 October 2022, Prague, Czech. Cham: Springer; 2023. P. 663–669. https://doi.org/10.1007/978-3-031-21435-6_56

10. Каляев И.А., Капустян С.Г., Гайдук А.Р. Самоорганизующиеся распределенные системы управления группами интеллектуальных роботов, построенные на основе сетевой модели. Управление большими системами. 2010;(30–1):605–639.

11. Клименко А.Б., Мельник Я.Э. Исследование возможности применения концепции туманных вычислений и технологии распределенного реестра при построении информационно-управляющих систем. Известия Тульского государственного университета. Технические науки. 2021;(2):19–27.

12. Wang Zh., Bovik A.C., Sheikh H.R., Simoncelli E.P. Image Quality Assessment: From Error Visibility to Structural Similarity. IEEE Transactions on Image Processing. 2004;13(4):600–612. https://doi.org/10.1109/TIP.2003.819861

13. Horé A., Ziou D. Image Quality Metrics: PSNR vs. SSIM. In: 2010 20th International Conference on Pattern Recognition, 23–26 August 2010, Istanbul, Turkey. IEEE; 2010. P. 2366–2369. https://doi.org/10.1109/ICPR.2010.579

14. Bhuiyan A.-A., Khan A.R. Image Quality Assessment Employing RMS Contrast and Histogram Similarity. The International Arab Journal of Information Technology. 2018;15(6):983–989.

15. O'Sullivan C., Coveney S., Monteys X., Dev S. The Effectiveness of Edge Detection Evaluation Metrics for Automated Coastline Detection. arXiv. URL: https://arxiv.org/abs/2405.11498 [Accessed 5th August 2025].

16. Sara U., Akter M., Uddin M.Sh. Image Quality Assessment Through FSIM, SSIM, MSE and PSNR – A Comparative Study. Journal of Computer and Communications. 2019;7(3):8–18. https://doi.org/10.4236/jcc.2019.73002