Preview

Вестник Концерна ВКО «Алмаз – Антей»

Расширенный поиск

Формирование архива электронных дел ремонта в информационной системе сервисного обслуживания ВВСТ

Полный текст:

Аннотация

Рассмотрен процесс формирования архива документов, которые хранятся в виде изображений в системах информационной поддержки процессов сервисного обслуживания военного вооружения и специальной техники (ВВСТ). Данная операция позволяет устранять информационную избыточность документов в зависимости от целевого назначения системы в целом и характеристических показателей восстановленных изображений.

Для цитирования:


Костров Б.В., Суменков Н.А., Лукина Н.В., Фокина Н.С. Формирование архива электронных дел ремонта в информационной системе сервисного обслуживания ВВСТ. Вестник Концерна ВКО «Алмаз – Антей». 2019;(4):67-72.

For citation:


Kostrov B.V., Sumenkov N.A., Lukina N.V., Fokina N.S. Forming an archive of electronic remedial maintenance files in the information system for service maintenance of military weaponry and special equipment. Journal of «Almaz – Antey» Air and Defence Corporation. 2019;(4):67-72. (In Russ.)

Единая стратегия построения и функциони­рования организации сервисного обслужи­вания военного вооружения и специальной техники (ВВСТ) предназначена для поддер­жания их исправного или работоспособного состояния с заданными показателями эффек­тивности и обеспечения его ресурсами. В ее основе - сочетание функций, которые вы­полняют эксплуатирующая организация, ре­монтные предприятия и сервисные центры. На современном этапе эта стратегия должна обеспечиваться:

  • действующей инфраструктурой сер­висного обслуживания существующего парка ВВСТ;
  • экономической обоснованностью целе­сообразности выполнения заводского ремонта для конкретных образцов специальных техни­ческих средств (СТС);
  • переходом предприятий и сервисных центров на современные электронные техно­логии обеспечения мониторинга технического состояния, технического обслуживания и вой­скового ремонта в первую очередь основной номенклатуры ВВСТ в воинских частях.

Основным элементом информационной системы поддержки сервисного обслужива­ния, в соответствии со стратегией применения электронных технологий, является электрон­ное дело ремонта. Оно представляет собой сводный технологический документ, отраба­тываемый в процессе ремонта ВВСТ. В нем содержится совокупность учетно-отчетных документов, характеризующих техническое состо­яние объекта ремонта, потребный объем и состав выполненных работ и их исполнителей, расход сил и средств для восстановления его исправно­го (работоспособного) состояния. Эти докумен­ты накапливаются в электронной базе данных за весь срок действия контрактов на сервисное обслуживание ВВСТ. В связи с тем, что все до­кументы электронного дела ремонта представля­ют собой скан-копии реальных учетно-отчетных документов, не поддающиеся эффективному сжатию стандартными средствами каталогиза­ции, возникает задача разработки специальных средств архивации таких документов.

Для снижения объема данных на хране­нии предлагается снижать информационную избыточность таких документов, представля­ющих по своей сути бинарные изображения, на основе использования бинарного частотно­го анализа.

Бинарный спектральный анализ может быть построен на бинарных функциях Уол­ша, создающих ортогональный базис с тем или иным способом упорядочения. В данном случае будем использовать упорядочение по частости или количеству пересечений значе­ний базисной функции нулевой оси. Такие базисные функции могут быть представлены в следующем виде:

Sw ={walw(i, j), i, j = 0, 1, ..., N-1},                   (1)

где walw (i, j) - функция Уолша;

w - индекс, обозначающий упорядочение по частости в отличие от упорядочения по Адамару (h) или Пэли p;

i - определяет номер функции;

j - аргумент функции [1-3];

N = 2n, n = 1, 2, 3, ....

В дискретном представлении упорядо­чение по Уолшу определяется матрицей [1], элементы которой имеют вид

ri(u); υi - коэффициенты двоичного представления номеров строк и столбцов.

На основе приведенных представлений может быть построено бинарное спектраль­ное преобразование - преобразование Уолша.

Преобразование Уолша Hw для некото­рого блока (n х n), где  определяется матричным уравнением

где Bx(n) - матрица коэффициентов прямого преобразования Уолша;

X(n) - матрица исходного изображения.

Обратное преобразование Уолша выпол­няется по той же матрице Hw(n) ввиду ее орто­гональности и симметричности:

Общая структура процесса сжатия ска­нов документов дела ремонта представлена на рис. 1.

 

Рис. 1. Структура процесса сжатия изображения

 

При использовании каждого варианта об­работки получаются разные варианты преоб­разования и, как следствие, разные результаты по измеряемым показателям. Для оценки ис­следуемых изображений можно использовать среднеквадратический показатель качества исходного и сжатого изображения. Среднеква­дратическое отклонение (СКО, в английском варианте - MSE) применяется для оценки ис­кажений восстановленных изображений и рас­считывается по формуле [1-4]:

где N - размер изображений в пикселах;

M0 - элемент матрицы яркости исходного изображения;

M - элемент матрицы яркости восстанов­ленного изображения.

Если изображения одинаковы, то СКО = 0. При использовании сжатия информации в изо­бражении после проведенного ортогонального преобразования Уолша удаляются (или отбра­сываются) малозначимые элементы, потеря которых не несет видимых глазу человека из­менений по сравнению с исходным изображе­нием. Количество отбрасываемых элементов определяется исходя из матричного представ­ления спектра преобразования и задается поро­гом, элементы ниже которого приравниваются к нулю. Степень удаленных элементов вычис­ляется по формуле [4, 5]:

где C - общее количество элементов спектра;

C0 - количество удаленных элементов.

В данной статье исследуются три техно­логии уменьшения избыточности бинарного спектра:

  1. удаление малозначимых элементов;
  2. оптимальное квантование оставшихся составляющих спектра на фиксированное ко­личество уровней;
  3. оптимальное сжатие последовательно­стей одинаковых значений.

 

Рис. 2. Пример исходного изображения (а) и его бинарный спектр (б)

 

В качестве третьего действия при прове­дении экспериментов был использован стан­дартный архиватор 7Zip. Пример исходного изображения части документа и его бинарный спектр представлены на рис. 2.

В табл. 1 представлен анализ бинарного спектра (см. рис. 2). Восстановленное изобра­жение, полученное после квантования средне­частотных составляющих спектра, отражено на рис. 3. Такая операция позволяет перейти от восьмибитной кодировки спектральных коэффициентов к четырехбитной, содержащей знак числа и номер уровня, к которому отнесено его значение. Из анализа данных табл. 1 и рис. 3 можно сделать вывод о том, что переход к че­тырехбитной кодировке практически не влияет на качество восстановленного изображения.

 

Таблица 1

Анализ полученного спектра

Кол-во элементов в диапазоне

Пороги

-85...-75 (включительно) = 3

-77,5

-75...-65 (включительно) = 11

-67,5

-65...-55 (включительно) = 61

-57,5

-55...-45 (включительно) = 174

-47,5

-45...-35 (включительно) = 434

-37,5

-35...-25 (включительно) = 1083

-27,5

-25...-15 = 3672

-17,5

-15...0 (включительно) = 122 633

Не трогаем

0...15 (включительно) = 127 903

Не трогаем

15...25 (включительно) = 4106

17,5

25...35 (включительно) = 1116

27,5

35...45 (включительно) = 326

37,5

45...55 (включительно) = 61

47,5

55...65 (включительно) = 16

57,5

65...75 (включительно) = 4

67,5

75...85 (включительно) = 1

77,5

 

Рис. 3. Восстановленное изображение, полученное после квантования среднечастотных составляющих спектра (СКО = 0,021476); высокочастотная часть спектра не изменена

 

На рис. 4 показаны результат удаления малозначимых элементов спектра в соответ­ствии с порогом ±3 и восстановленное из этого спектра изображение. При этом S = 56,43 %; СКО = 1,55. Количество отброшенных поло­жительных значений 73 960, отрицательных - 73 971.

 

Рис. 4. Результат удаления малозначимых элементов спектра в соответствии с порогом ±3 (а) и восстановленное из этого спектра изображение (S = 56,43 %; СКО = 1,55) (б)

 

На рис. 5 отражен повтор эксперимента, отраженного на рис. 4 при пороге ±6. Здесь S = 80,24 %; СКО = 2,49. Количество отбро­шенных положительных значений 105 369, отрицательных - 103 122.

 

Рис. 5. Результат удаления малозначимых элементов спектра в соответствии с порогом ±6 (а) и восстановлен­ное из этого спектра изображение (S = 80,24 %; СКО = 2,49) (б)

Из приведенных данных можно сделать вывод, что даже при сильной степени сжатия изображения (более 80 %) читаемость текста остается удовлетворительной. Применение квантования и прореживания спектральных составляющих позволяет получить наилучший результат [6]. Сравнение полученных докумен­тов по объему приведено в табл. 2.

 

Таблица 2

Сравнительные характеристики полученных документов по объему

Название

Формат

Размер, Байт

до сжатия

в zip

1. Исходное изображение

.bmp

263 222

106 320

Jpeg

57 436

55 536

2. Спектр преобразования Уолша (без сжатия и квантования)

.bmp

263 222

81 039

Jpeg

165 590

165 605

3. Спектр преобразования Уолша (в результате применения квантования и сжатия)

.bmp

263 222

15 738

JPeg

99 021

96 319

Отметим, что после спектральной обра­ботки документы поддаются эффективному сжатию с помощью стандартных архиваторов. Степень сжатия при этом по отношению к исходному документу может составлять пример­но 30 раз.

Применение специальных методов сжа­тия документов позволяет создавать компактные архивы дел ремонта и оперативно отсле­живать степень выполнения контрактов по сервисному обслуживанию ВВСТ.

Моделирование в средеMATLAB показа­ло хорошую работоспособность предлагаемых методов и алгоритмов сжатия бинарных изо­бражений, не поддающихся сжатию обычными архиваторами.

Список литературы

1. Ахмед Н., Рао К. Р. Ортогональные преобразования при обработке цифровых сигналов / под ред. И. Б. Фоменко. М.: Связь, 1980. 248 c.

2. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006. 616 с.

3. Залманзон Л. А. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. М.: Наука, 1989. 496 с.

4. Злобин В. К., Костров Б. В., Свирина А. Г. Спектральный анализ изображений в конечных базисах. М.: КУРС: ИНФРА, 2016. 172 с.

5. Костров Б. В., Бастрычкин А. С. Сжатие изображений на основе ортогональных преобразований // Известия Тульского государственного университета. Технические науки. 2016. Вып. 9. С. 113–118.

6. Костров Б. В., Соломенцева Н. И. Моделирование канала связи // Известия Тульского государственного университета. Технические науки. 2017. Вып. 2. С. 95–100.


Об авторах

Б. В. Костров
АО «РПТП «Гранит»
Россия

Костров Борис Васильевич – доктор технических наук, профессор, заместитель начальника отдела автоматизированных систем управления. Область научных интересов: обработка изображений, искусственный интеллект, информационные технологии.

г. Рязань



Н. А. Суменков
АО «РПТП «Гранит»
Россия

Суменков Николай Александрович – доктор технических наук, заместитель генерального директора – главный инженер. Область научных интересов: эксплуатация сложных радиотехнических комплексов.

г. Рязань



Н. В. Лукина
Рязанский государственный радиотехнический университет имени В. Ф. Уткина
Россия

Лукина Наталья Владимировна – студентка. Область научных интересов: обработка изображений, искусственный интеллект, информационные технологии.

г. Рязань



Н. С. Фокина
АО «РПТП «Гранит»
Россия

Фокина Наталья Сергеевна – начальник управления производственно-хозяйственного обеспечения. Область научных интересов: применение информационных технологий и мультимедийных систем в обработке изображений.

г. Рязань



Для цитирования:


Костров Б.В., Суменков Н.А., Лукина Н.В., Фокина Н.С. Формирование архива электронных дел ремонта в информационной системе сервисного обслуживания ВВСТ. Вестник Концерна ВКО «Алмаз – Антей». 2019;(4):67-72.

For citation:


Kostrov B.V., Sumenkov N.A., Lukina N.V., Fokina N.S. Forming an archive of electronic remedial maintenance files in the information system for service maintenance of military weaponry and special equipment. Journal of «Almaz – Antey» Air and Defence Corporation. 2019;(4):67-72. (In Russ.)

Просмотров: 39


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2542-0542 (Print)