Перейти к:
Формирование архива электронных дел ремонта в информационной системе сервисного обслуживания ВВСТ
https://doi.org/10.38013/2542-0542-2019-4-67-72
Аннотация
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. https://doi.org/10.38013/2542-0542-2019-4-67-72
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 Space Defence Corporation. 2019;(4):67-72. https://doi.org/10.38013/2542-0542-2019-4-67-72
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:
- удаление малозначимых элементов;
- оптимальное квантование оставшихся составляющих спектра на фиксированное количество уровней;
- 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. КостровРоссия
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
Россия
Суменков Николай Александрович – доктор технических наук, заместитель генерального директора – главный инженер. Область научных интересов: эксплуатация сложных радиотехнических комплексов.
г. Рязань
Н. В. Лукина
Россия
Лукина Наталья Владимировна – студентка. Область научных интересов: обработка изображений, искусственный интеллект, информационные технологии.
г. Рязань
Н. С. Фокина
Россия
Фокина Наталья Сергеевна – начальник управления производственно-хозяйственного обеспечения. Область научных интересов: применение информационных технологий и мультимедийных систем в обработке изображений.
г. Рязань
Рецензия
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. https://doi.org/10.38013/2542-0542-2019-4-67-72
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 Space Defence Corporation. 2019;(4):67-72. https://doi.org/10.38013/2542-0542-2019-4-67-72