Автоматическое компьютерное распознавание наземных и морских объектов

Тип работы:
Реферат
Предмет:
Кибернетика


Узнать стоимость

Детальная информация о работе

Выдержка из работы

11. Островитянинов Р. В., Басалов Ф А. Статистическая теория радиолокации протяженных целей. — М.: Радио и связь, 1982. — 232 с.
12. Борисов К Г., Турнецкий Л. С., Касавцев М М. Комплексирование данных бортовых координаторов цели в группе противокорабельных ракет. Сб. тр. научн. -техн. конф. «Состоя, —
комплексов». — М.: ОАО «Концерн «Моринформсистема-Агат», 2010. — C. 44−48.
Анцев Георгий Владимирович
«- «- «.
E-mail: radar@radar-mms. com.
197 375, г. Санкт-Петербург, ул. Новосельковская, 37.
Тел.: 88 123 021 616.
Борисов Евгений Геннадьевич
Турнецкий Леонид Сергеевич
Ancev Teorgiy Bladimirovich
Joint-Stock Company «Radar mms».
E-mail: radar@radar-mms. com.
37, Novoselkovskay St., 197 375, St. Petersburg, Russia.
Phone: 88 123 021 616.
Borisov Eugeny Gennadjevich
Turnezkiy Leonid Sergeevich
УДК 621. 397. 3:536. 3
B.A. Павлова, C.H. Крюков, РЖ. Каркаева, M.B. Созинова
АВТОМАТИЧЕСКОЕ КОМПЬЮТЕРНОЕ РАСПОЗНАВАНИЕ НАЗЕМНЫХ
И МОРСКИХ ОБЪЕКТОВ
В данной работе предлагается методика и алгоритмы автоматического распознавания наземных и морских объектов, основанные на цифровой обработке изображений,
(), -системой (ОЭС), позволяющей получать поток изображений подстилающей земной поверхности с находящимися там объектами обнаружения. ОЭС может работать как в диапазоне видимого участка спектра, так и в различных диапазонах ИК спектра.
Летательные аппараты- оптико-электронная система (ОЭС).
V.A. Pavlova, S.N. Kryukov, R.K. Karkaev, M.V. Cozinova
AUTOMATIC TARGET RECOGNITION (ATR) OF GROUND BASED
AND SEA OBJECTS
In the report the ATR algorithms and methodics are proposed, which are founded on the methods and theory of digital image processing. The algorithms were created and investigated for the images got on the airplane board with the help of Optical Electronic System (OES) giving the possibilities to get the image streams from the earth and sea surfaces (with the objects of interest). The OES works both in visible and infra-red ranges of lighting.
Airplane board- Optical Electronic System (OES).
1. База эталонных изображений. База эталонных изображений включает в себя, помимо изображений и их характеристик, еще и данные о параметрах получения этих изображений, таких как дальность до объекта, вертикальный и горизонтальный углы съемки (для наземных целей угол отсчитывается от направления
на географический север) и параметры ОЭС для того, чтобы можно было пересчитывать эталонные изображения в масштабы текущих изображений распознаваемых объектов.
В качестве эталонных изображений база должна включать в себя набор изображений объектов, снятых под разными ракурсами. На рис. 1−5 показаны примеры эталонных изображений для вертикального угла визирования, равного 0° и для набора горизонтальных ракурсов.
Рис. 1. Курс 00 Рис. 2. Курс 300 Рис. 3. Курс 600
Рис. 4. Курс 900 Рис. 5. Курс 1500
,
, —
ния (см. далее).
Тактика распознавания наземных целей базируется на следующих принципах работы динамических систем, осуществляющих поиск наземных целей и морских целей:
¦ Полет осуществляется в ко нкретную точку пространства, в районе которой достоверно находится заданная цель.
¦ Заранее, в наземных условиях, готовится эталон объекта, подлежащего
.
¦ В полетном задании на конкретный полет содержится информация о координатах точки подлета к цели, элементы ориентации летательного аппарата (ЛА) относительно цели на момент подлета (высота, наклонная
, ,), -ческой оси объектива оптико-электронной системы (ОЭС) относительно продольной оси ЛА, эталон цели, соответствующий ракурсу изображе-,.
¦ Для случая, когда подлет к области расположения цели не обеспечивает точного выведения на желаемый ракурс визирования объекта, необходимо использовать множество эталонов цели, перекрывающее возможные
.
Принципы автоматического распознавания рассматриваемых объектов, предлагаемые нами, базируется на применении теории «кон^рных» изображений, дистантных полутоновых изображений и методов корреляционного анализа. Алгоритмы автоматического распознавания, построенные на этой базе, отличаются повышенной устойчивостью к шумам и допускают частичную потерю исходной информации. Применение комбинированного «контурно-дистантного корреляци-
онного» алгоритма позволяет существенно уменьшить вероятность ложных тревог при сохранении высокой вероятности правильного распознавания.
2. Контурное представление текущих и эталонных изображений. Ко нтур-ный алгоритм основан на измерении сходства контурных изображений, принцип которого заключается в том, что одно из них — исходное-1ш (х, у) преобразуется в контурное бинарное изображение с помощью следующих операций:
Ох (х, у)= 1ш (х, у)*Нх, (1)
ву (х, у)= 1ш (х, у)*Ну, (2)
где х, у — координаты точки (пиксела) изображения,
|-1, 0, 1 |
Нх= |-1, 0, 1 | - маска горизонтального дифференцирования,
|-1, 0, 1 |
| -1, -1, -1 |
Ну= | 0, 0, 0 | - ,
| -1, -1, -1 |
* - ,
вх (х, у) — изображение, продифференцированное по х, ву (х, у) — изображение, продифференцированное по у.
Бинарное контурное изображение получается следующим образом:
1с (х, у) = 1, если | Ох (х, у) | + | Оу (х, у) | & gt- ТЬг, (3)
1с (х, у) = 0, если | Ох (х, у) | + | Оу (х, у)|& lt-= ТЬг ,
где ТЬг — порог.
Эталонное изображение также переводится в контурное.
На рис. 6 изображен эталон промышленного здания, подлежащего распознаванию. Эталон представлен в виде полутонового (слева) и контурного (справа).
Рис. 6. Полутоновой эталон. Контурный эталон
3. Дистантный алгоритм распознавания контурных силуэтов. Метод измерения сходства контурных изображений заключается в том, что одно из них, например, текущее преобразуется в полутоновое, где все пикселы имеют численные значения, равные дистанции до ближайшего контурного пиксела [1, 3].
««. -поставления и вычисления меры сходства контурного эталона с текущим, преобразованном в дистантное изображение объекта, сводится к процедуре вычисления
локальной суммы N1 пикселов дистантного изображения, «накрытых» контурными пикселами эталонного изображения.
Для реализации алгоритма распознавания производится поиск минимума N1 шш при вариации положения текущего эталонного контура на дистантном изо.
класс и точное положение исследуемого объекта.
4. Корреляционный алгоритм распознавания. Корреляционный алгоритм автоматического распознавания в качестве текущего и эталонного изображений использует их нормированные полутоновые представления.
5. Комбинированный алгоритм распознавания. Комбиниро ванный алгоритм автоматического распознавания целей работает следующим образом. На первом цикле распознавания текущее изображение переводится в дистантную форму (п. 3) и по нему осуществляется сканирование контурным эталоном. Для
х, у —
ся численное значение локальной суммы N1 (дистанция, т. е. сумма значений пикселов дистантного изображения, «накрытых» контурными пикселами эталонного).
В конце прохода по всему изображению вычисляется среднее значение «дистанции» №р.
На текущем полутоновом изображении помечаются только те точки (.. 5), , —
:
№ор = №р*К, (9)
где К — коэффициент.
На рис. 7 серым цветом выделена область, не удовлетворяющая условию (9).
N1 (х, у) & gt-= №ор. (10)
По оставшимся точкам, где (9) справедливо, работает корреляционный алгоритм (см. п. 4) и в тех точках анализа, где Я (ш, п) & gt- Ясогг, где Ясогг заданный, , -ваемой цели.
Рис. 7. Результат работы дистантного алгоритма
.
++,
достоверные численные оценки эффективности (вероятность правильного обнаружения — Рр и вероятность ложных тревог — Рлт).
,
урбанистических целей были получены численные оценки: Рр & gt- 0,95- Рлт & lt- 0,01.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Hong-Chih Liu, Mandiam D. Srinath. Partial Shape Classification Using Contour Matching in Distance Transformation. IEEE Trans on PAMI 1990. — Vol. 12. — № 11. — P. 1072−1079.
2. .,. .,..
искаженных контурных изображений. Оптический Журнал. — 1996. — № 8. — С. 37−42.
3. Borgefors G. // Computer Vision Graphics and Image Processing. — 1984. — Vol. 34. — P. 334−371.
Павлова Валерия Анатольевна
& quot-Научно-производственная корпорация & quot-Государственный оптический институт им. С.И. Вавилова& quot-.
E-mail: leader@soi. ru, vapavlova-goi@mail. ru.
199 034, г. Санкт-Петербург, Биржевая линия, 12.
Тел.: 88 123 317 555- тел. /факс: 88 123 285 691.
Крюков Сергей Николаевич
Каркаева Регина Камалутиновна
Созинова Мария Владимировна
Pavlova Valeriya Anatol’evna
Research assistant of S.I. Vavilov State Optical Institute.
E-mail: leader@soi. ru, vapavlova-goi@mail. ru.
12, Birzhevaya linya, Saint Petersburg, 199 034, Russia.
Phone: 88 123 317 555- phone/fax: 88 123 285 691.
Krjukov Sergey Tikolaevich
Karkaeva Regina Kamalutinovna
Sozinova Maria Vladimirovna
УДК 550. 837. 6
.. ,..
НАВИГАЦИОННОЕ ОБЕСПЕЧЕНИЕ ЗАДАЧИ ИЗМЕРЕНИЯ
ФИЗИЧЕСКИХ ПОЛЕЙ НА БОРТУ ЛЕТАТЕЛЬНОГО АППАРАТА
Доклад посвящен обзору навигационных задач, решаемых для обеспечения точности, , -го аппарата-носителя. В каждом из рассмотренных случаев определение навигационных параметров позволяет компенсировать паразитную составляющую измерений, связанную с движением носителя.
Навигация- аэромагнитометрия- аэрогравиметрия- аэроэлектроразведка.
E.V. Karshakov, B.V. Pavlov
NAVIGATIONAL SUPPORT OF THE AIRBORNE PHYSICAL FIELDS
MEASUREMENTS
The report gives a review of navigation tasks which are solved to provide accurate measurements in airborne magnetics, gravimetry and electromagnetics. In each case navigation solution allows compensating of noise that appears during the aircraft motion.
Navigation- airborne magnetics- airborne gravimetry- airborne electromagnetics.

ПоказатьСвернуть
Заполнить форму текущей работой