НАУКА и ОБРАЗОВАНИЕ

Файл статьи: SE-BMSTU...o901.pdf (778.80Кб)

УДК 004.932.4

Россия,  МГТУ им. Н.Э. Баумана

Разработаны алгоритмы выделения изображений динамических объектов, обеспечивающие автоматическое решение задачи обнаружения динамических объектов на фоне сложной подстилающей поверхности в условиях априорной неопределенности пространственно-временных и энергетических характеристик объекта и фона.
Предложен класс суммарно-разностных алгоритмов выделения изображений динамических объектов на сложном неоднородном фоне, основанный на вычислении межкадровых смещений фона подстилающей поверхности, формировании межкадровых разностей зарегистрированных изображений фоно-целевой обстановки с последующей пороговой обработкой, формировании суммарно-разностного изображения посредством суммирования межкадровых разностей и его нелинейной фильтрации. В качестве нелинейной фильтрации рассмотрены операции восстановления связности элементов изображения и циклическая пороговая фильтрация по связности. Выделение изображений ДО осуществляется стробированием изображения фоно-целевой обстановки отфильтрованным суммарно-разностным изображением. Проведен анализ распределения интенсивности разностных изображений и суммарно-разностных изображений для различных типов фонов подстилающей поверхности в видимом, среднем и дальнем ИК-диапазонах, определены их статистические характеристики. Рассмотрены параметры аппроксимирующих распределений разностных изображений в классе обобщенных экспоненциальных распределений. Показано, что аппроксимирующие распределения существенно отличаются от распределений Гаусса и Лапласа. Посредством обработки реализаций реальных фонов подстилающей поверхности определены статистические характеристики распределений интенсивности суммарно-разностных изображений для различных типов фоновой обстановки в видимом и ИК-диапазонах. Показано, что использование суммарно-разностных алгоритмов позволяет снизить влияние фона подстилающей поверхности в 2 и более раз за счет снижения средней интенсивности фоновой компоненты, уменьшения ее дисперсии и максимальных значений.

1. Алпатов Б.А., Бабаян П.В., Балашов О.Е., Степашкин А.И. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление. М.: Радиотехника, 2008. 176 с.
2. Сальников И.И. Анализ пространственно-временных параметров удаленных объектов в информационных технических системах. М.: Физматлит, 2011. 252 с.
3. Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах. Новосибирск: Изд-во НГТУ, 2002. 352 с.
4. Сальников И.И. Растровые пространственно-временные сигналы в системах анализа изображений. М.: Физматлит, 2009. 248 с.
5. Борзов С.М., Потатуркин О.И. Обнаружение малоразмерных динамических объектов подвижной системой наблюдения // Автометрия. 2012. Т . 48, № 1. С . 23-29.
6. Huck A., Guillaume M., Oller G., Grizonnet M. Comparison of local anomaly detection algorithms based on statistical hypothesis tests // Pros. of the 3rd Workshop of Hyperspectral Image and Signal Processing: Evolution in Remote Sensing, 2011. Art. no. 6080940.
7. Муравьев В.С. Пространственный алгоритм обнаружения и измерения координат воздушных объектов на изображении // Вестник РГРТУ. 2009. № 2 (28). С. 17-20.
8. Кочкин В.А. Автоматическое обнаружение динамических объектов в обзорно-поисковых оптико-электронных системах // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2011. Спец. вып. Современные проблемы оптотехники. С. 104-113 .
9. Киричук В.С., Косых В.П., Курманбек уулу Т. Алгоритмы обнаружения движущихся малоразмерных объектов в последовательности изображений // Автометрия. 2009. Т . 45, № 1. С . 14-22.
10. Yilmaz A ., Shafique K ., Shah M . Target tracking in airborne forward looking infrared imagery // Image and Vision Computing. 2003. Vol. 21, no. 7. Р . 623-635. DOI: 10.1016/S0262-8856(03)00059-3
11. Ko - Cheung Hui , Wan - Chi Siu . Extended analysis of motion-compensated frame difference for block-based motion prediction error // IEEE Trans. Image Processing. 2007. Vol. 16, no. 5. P. 1232 - 1245. DOI: 10.1109/TIP.2007.894263
12. Кочкин В.А. Обобщенный алгоритм обнаружения малоразмерных объектов // XI Всероссийская научно-техн. конф. «Современные методы и средства обработки пространственно-временных сигналов»: сб. ст. Пенза: Пензенская государственная технологическая академия, 2013. С. 3-6.
13. Кочкин В.А. Автоматическое обнаружение динамических объектов на сложном неоднородном фоне // XXI век: итоги прошлого и проблемы настоящего плюс. Сер. Технические науки . Информационные технологии . 2014. № 3 (19). С . 45-53.
14. Грузман И.С. Пороговая бинаризация изображений на основе коэффициентов асимметрии и эксцесса усеченных распределений // Автометрия. 2013. Т. 49, № 3. С. 3-9.
15. Новицкий П.В., Зограф И.А. Оценка погрешностей результатов измерений. Л.: Энергоатомиздат, Ленингр. отд-ние, 1991. 304 с.
16. Yu S., Zhang A., Li H. A review of estimating the shape parameter of generalized Gaussian distribution // Journ. Comput. Inform. Syst. 2012. Vol. 21, no. 8. P. 9055-9064.