Автоматическое совмещение радиолокационных и эталонных изображений земной поверхности тема диссертации и автореферата по ВАК РФ 05.12.14, кандидат технических наук Кирдяшкин, Владимир Владимирович

• Кирдяшкин, Владимир Владимирович
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Кирдяшкин, Владимир Владимирович

Список используемых сокращений Введение

1. АНАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ И СРЕДСТВ 15 АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ (ДЕШИФРИРОВАНИЯ) РАДИОЛОКАЦИОННЫХ ИЗОБРАЖЕНИЙ

1.1. Основные направления и методы автоматизации процесса 15 обработки радиолокационных изображений

1.2. Задачи обнаружения и распознавания наземных объектов и 25 классификация методов их решения

1.3. Анализ состояния проблемы обнаружения-распознавания-объектов 32 на радиолокационных и оптических изображениях

1.4. Краткий обзор современных РСА

1.5. Краткий обзор работ, посвященных совмещению 43 радиолокационных и эталонных изображений земной поверхности

1.6. Выводы

2. ОСОБЕННОСТИ ПРИМЕНЕНИЯ ПРОЦЕДУР СОВМЕЩЕНИЯ 50 РАДИОЛОКАЦИОННЫХ И ЭТАЛОННЫХ ИЗОБРАЖЕНИЙ

2.1. Задачи радиолокационного наблюдения земной поверхности, для 50 решения которых необходимо автоматизировать процедуру совмещения изображений

2.2. Основные геометрические отличия, возникающие между 60 совмещаемыми изображениями

2.3. Яркостные отличия между совмещаемыми изображениями

2.4. Выводы

3. ПРИМЕНЕНИЕ ТЕОРИИ СТАТИСТИЧЕСКИХ РЕШЕНИЙ ДЛЯ 71 РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ

3.1. Разработка структур распознавателей при наличии геометрических 71 отличий меэаду эталонными и распознаваемыми изображениями

3.2. Статистические показатели качества распознавания

Введение диссертации (часть автореферата) на тему «Автоматическое совмещение радиолокационных и эталонных изображений земной поверхности»

Актуальность темы.

Современные радиолокационные системы с синтезированием апертуры (РСА) позволяют получить высокодетальные радиолокационные изображения (РЛИ) земной поверхности независимо от погодных условий и времени суток. Содержащаяся на РЛИ информация может быть использована для решения чрезвычайно большого числа задач в различных, сферах деятельности человека.

На сегодняшний момент технологии получения РЛИ высокого качества существенно опережают технологии дешифрирования (обработки РЛИ с целью получения' необходимой информации) получаемых изображений. Большинство этапов обработки выполняет человек, а только некоторые этапы проводятся автоматически и то под контролем человека-оператора, который задает очередность выполнения операций, жёстко контролирует операции и субъективно определяет качество обработки.

В целом состояние проблемы дешифрирования характеризуется следующими фактами. Во-первых, существенный прогресс РСА позволяет получать изображения с высокой разрешающей способностью. Во-вторых, развитие электронно-вычислительной техники способствует проведению сложных и трудоёмких операций дешифрирования изображений. В-третьих, решаемая задача характеризуется значительным уровнем априорной неопределённости, большим разнообразием покровов земной поверхности, трудоёмкими вычислительными операциями и, несмотря на прогресс развития РСА, всё равно недостаточностью разрешающей способности для решения определённых* и наиболее важных задач дешифрирования. Перечисленные особенности приводят к разработке эвристических алгоритмов, а также к попыткам решить определённые задачи не на прямую, а применяя обходные пути и используя косвенные данные. Это подтверждается множеством публикаций, число которых вновь возросло в последнее время, так как, несмотря на сложность и существующие проблемы, стала очевидна важность и польза, которую можно получить, автоматизировав и решив пусть даже частные задачи дешифрирования.

Анализ существующих методов совмещения РЛИ показал, что данное направление является мало изученным по сравнению с другими направлениями обработки РЛИ (обнаружение и распознавание объектов-, обработка РЛИ с целью уменьшения - помех). В большинстве разработанных алгоритмов совмещения предполагаются априорно известными геометрические отличия между совмещаемыми изображениями! (угол поворота и масштаб) или же предлагается их устранять, применяя различные методы моментов, что приводит к потере информации о начальном взаимном расположении совмещаемых изображений. Большую часть обработки в существующих алгоритмах (предварительная обработка изображений, отбор точек совмещения; проверка правильности совмещения и т. п.) осуществляет человек-оператор, что ограничивает возможность применения этих алгоритмов. 1

Разработка алгоритмов автоматического совмещения РЛИ с эталонными изображениями (ЭИ) при наличии между изображениям» яркостных и, геометрических отличий, определение численных-характеристик этих отличий и оценка эффективности разработанных алгоритмов; позволит не только решить множество самостоятельных задач (обнаружение и распознавание целей, повышение информативности получаемых данных, определение местоположения целей), но и выделить дополнительную информацию; которая является ключевой для последующей обработки РЛИ. Эталонными именуем такие изображения, координаты объектов на которых известны - зафиксированы в какой-либо- системе координат. В качестве ЭИ могут выступать оптические изображения (ОИ), РЛИ, цифровые карты местности (ЦКМ), а также изображения, полученные в инфракрасном диапазоне. В связи с этим задача автоматического совмещения РЛИ с ЭИ является актуальной.

Цель работы.

Разработка и исследование алгоритмов автоматического совмещения радиолокационных изображений с эталонными изображениями земной поверхности; при этом в качестве эталонных используются радиолокационные и оптические изображения, а также цифровые карты местности.

Задачи работы.

1. Разработка и анализ алгоритмов поиска и обнаружения-распознавания двумерных изображений объектов, на радиолокационных и оптических изображениях.

2. Оценка возможности распознавания различных классов объектов с учётом разрешающей способности современных РСА.

3. Разработка алгоритмов автоматического совмещения РЛИ с ОИ и ЦКМ при наличии геометрических и яркостных отличий между ними с целью уточнения местоположения летательного аппарата (ЛА) в автономном режиме полёта и получения дополнительной информации о наземных целях.

4. Анализ возможности реализации процедуры совмещения в реальном масштабе времени в зависимости от точности инерциальной навигационной системы.

5. Оценка точности результатов совмещения в зависимости от разрешения РЛИ и параметров поиска изображения объекта.

Методы исследования.

В работе использовались методы математической статистики и теории вероятностей, общие методы статистической радиотехники, методы обработки цифровых изображений, спектральный анализ и теория оптимальной фильтрации сигналов и изображений, математическое моделирование.

Научная новизна.

Научная новизна диссертационной работы заключается в следующем.

1. Разработана методика расчёта показателей качества распознавания изображений объектов на РЛИ - вероятности правильного распознавания и вероятности ошибочного распознавания, основанная на обработке экспериментальных данных.

2. Проведён сравнительный анализ методов поиска и распознавания изображений- объектов;, основанных на модификациях корреляционного алгоритма, на использовании нейронной сети и методов моментов, инвариантных к аффинным преобразованиям. Разработан алгоритм распознавания» на основе применения преобразования Фурье, позволяющий существенно сократить время обработки.

3. Исследована возможность создания параллельных и последовательных алгоритмов распознавания изображений объектов на РЛИ.

4. На основе анализа зависимостей вероятности правильного распознавания и вычислительных затрат определены значения параметров грубого поиска распознаваемого объекта на изображении.

5. Разработаны и исследованы алгоритмы совмещения РЛИ с ЭИ, позволяющие выбирать характерные изображения участков земной поверхности, по которым проводится привязка (совмещение), как на формируемом РЛИ, так и на сформированных и обработанных заранее ЭИ.

Практические результаты.

К результатам, имеющим практическую ценность, относятся.

1. Экспериментально получены зависимости вероятности правильного распознавания от угла поворота, масштаба и пространственного сдвига распознаваемых изображений объектов относительно эталонных изображений.

2. Определён состав объектов (участков земной поверхности), которые целесообразно использовать в качестве эталонов для эффективного совмещения. С учётом разрешающей способности РСА определён размер эталонного участка в метрах или в точках (пикселах) на изображении. Минимальный размер эталонного изображения (стороны квадратного строба) может составлять 40-60 пикселей, максимальный - нецелесообразно делать более. 200 пикселей.

3. Разработан алгоритм автоматического определения эталонов на РЛИ, позволяющий полностью автоматизировать процесс совмещения РЛИ с ЭИ.

4. Разработан трёхэтапный алгоритм совмещения РЛИ с ОИ при наличии между ними геометрических и яркостных отличий, позволяющий осуществлять совмещение с высокой точностью в квазиреальном масштабе времени (с небольшой задержкой) на персональных электронно-вычислительных средствах. Определены параметры грубого поиска объектов на изображениях: дискретность изменения угла поворота Аа=3° (максимально допустимое, значение дискретность изменения, масштаба Апг=0.03 (максимально допустимое значение Дш=0.1); дискретность изменения пространственного сдвига АХ=АУ=5 точек (максимально допустимое значение ДХ=ДУ=8 точек): Удалось достигнуть максимальной точности совмещения с ошибками, не превышающими:

0,8° по углу; 0.04 (4%) по масштабу; 2 точки по пространственному сдвигу.

5. Разработана процедура проверки правильности совмещения, основанная на сравнении пространственного соответствия между расположением эталонов и положением максимумов коэффициентов корреляции.

6. Экспериментально подтверждено, что при разрешающей способности РСА в 5-10 м и лучше получаемые РЛИ по качеству становятся близкими к ОИ. Это даёт возможность сначала провести автоматическое совмещение РЛИ с ОИ, а затем с учётом того; что на данный момент существуют ОИ практически всего земного шара, и они жёстко синхронизированы с ЦКМ, провести совмещение РЛИ и ЦКМ. Непосредственное совмещение РЛИ? С ЦКМ нецелесообразно из-за больших яркостных отличий? между изображениями.

Теоретические и практические результаты работы внедрены: в ФГУП «Государственный научно-исследовательский институт авиационных систем», ЗАО Научно-технический Центр Системного Моделирования (НТЦСМ), ЗАО ОКБ «Траверз», а также в учебный процесс на кафедре 401 «Радиолокация; и радионавигация» Московского авиационного института (Национального исследовательского университета) для специальности 210302 «Радиотехника».

Положения, выносимые на защиту.

1. Автоматическое обнаружение-распознавание объектов на РЛИ целесообразно осуществлять с использованием алгоритмов, реализующих вычисление коэффициента корреляции и согласованную фильтрацию

2. Совмещение изображений целесообразно проводить, используя характерные и малоразмерные эталонные участки, что существенно повышает скорость обработки и увеличивает вероятность правильного распознавания (совмещения).

3. Разработанный трёхэтапный алгоритм, основанный на выборе эталонных участков на ОИ до начала полёта, позволяет реализовать совмещение радиолокационного и оптического изображений с высокой точностью.

4. Разработанный алгоритм автоматического выбора эталонов на РЛИ, основанный на выделении контуров радиоконтрастных объектов, позволяет автоматизировать процедуру совмещения:

5. Проверку правильности- совмещения необходимо проводить путём сравнения пространственного* соответствия, между расположением эталонов и положением максимумов дискриминантной функции, а пороговая обработка дискриминантной функции нецелесообразна:

Апробация работы.

Материалы диссертационной работы обсуждались на: научно-практической конференции студентов и молодых учёных МАИ «Инновации в авиации и космонавтике-2010», Москва, МАИ, 26-30:04.2010; 9-ой Международной конференции «Авиация и космонавтика - 2010», Москва, МАИ, 16-18.11.2010.

Публикации по теме работы.

По результатам исследования опубликовано 4 работы, из них 2 статьи в журналах, рекомендованных ВАК РФ, и тезисы докладов на 2-х научных конференциях.

Объём и структура работы.

Диссертационная работа состоит из введения, пяти глав и заключения, списка литературы из 101 наименования, включая работы автора.

Заключение диссертации по теме «Радиолокация и радионавигация», Кирдяшкин, Владимир Владимирович

5.5. Выводы

1. Необходимо на одном из совмещаемых изображений сначала выделить эталон или. эталоны, размеры которых могут быть в несколько раз меньше всего изображения, и искать его положение на другом * изображении. Эталоном должен быть участок земной поверхности, содержащий характерный сюжет. Выбор эталонов позволяет существенно ускорить процесс совмещения и повысить надёжность за счёт увеличения коэффициента корреляции.

2. Выбор в качестве эталонов участков земной поверхности, содержащих реки, острова, береговые линии (эталоны первого типа), позволяет совмещать РЛИ с ЦКМ и ОИ. Кроме того, земная поверхность и в других случаях* может содержать участки, которые целесообразно использовать в качестве эталонов (второго и третьего типа). Определены размеры эталонов, на основе разрешающей способности РСА и физических размеров объектов, расположенных на земной поверхности. Размер эталона целесообразно выбирать в пределах 50 -150 пикселей. Если разрешающая способность РСА составляет 5-10 м и лучше, то существует большая корреляция между изображениями объектов на РЛИ, полученных в сантиметровом диапазоне длин волн, и изображениями объектов на ОИ, что позволяет проводить успешное совмещение по эталонам первого, второго и третьего типа.

3. Разбиение процедуры на. грубую и точную, позволяет существенно ускорить процесс совмещения и добиться высокой точности совмещения. Грубый поиск осуществляется при следующих значениях

59.Bandiera F., Ricci G. "Non-trained Oil Slicks CFAR Detection based upon (possibly Polarimetrie) SAR Data". Radar 2004 - International Conference on Radar Systems (France).

60.Leducq P., Ferro-Famil L., Pottier E. "Matching-pursuit based analysis of fluctuating scatters in Polarimetrie SAR images". Radar 2004 - International Conference on Radar Systems (France).

61 .http://www.dataplus.ru/.

62.Достовалов M. Ю. и др. "Система автоматизированного распознавания объектов- на основе исследования радиолокационных портретов по изображениям РСА "КОМПАКТ-ЮО". Исследование Земли из космоса, 2005, №1.

63.Цивилин И. П. "Автоматическое распознавание радиолокационных изображений в бортовой PJIC". Радиотехника («Радиолокационные комплексы», №2), 2002.

64:Толкалин JI. Н., Зайцев Н. А. "Распознавание неподвижных объектов по амплитудной специфике радиолокационных сигналов". Серия «Радиотехника и радиооптика» T. VII. - Тула: Изд- Изв. ТулГУ, 2005.

65.Саниев К. Б. "Распознавание сигналов изображений". Радиотехника, 2007, №4.

66.Галыба С. А. "Использование методов спектральной обработки в задаче обнаружения слабоконтрастных аномалий. на радиолокационных портретах морской поверхности". Радиоэлектронные системы, сер. ОТ, вып. 1(9), 2005.

67.Зайцев Н. А., Толкалин JI. Н. "О распознавании неподвижных объектов по спектральным признакам". Серия «Радиотехника и радиооптика» Т. VI. - Тула: Изд - Изв. ТулГУ, 2004.

68.Сосулин Ю. Г., Русскин А. Б. "Фрактальное обнаружение протяженных малоконтрастных объектов на изображениях". Радиотехника, №12, 2009.

69. Русскин А. Б. "Сравнительный анализ методов измерения фрактальной размерности двумерных сигналов". Информационно-измерительные и управляющие системы, №9, 2009.

70. Русскин А. Б. "Обнаружение протяжённых объектов на радиолокационных изображениях с использованием- оценок фрактальной размерности". Автореферат диссертации на соискание ученой степени кандидата технических наук, - Москва, 2010.

71. Артемьев А. И. "Режим синтезирования апертуры антенны для задач радиовидения". Фазотрон. 1-2 (10), 2007.

72.Томашевич Н: С., Томашевич Д. С., Галушкин А. И. "Методы-реализации инвариантности к аффинным преобразованиям при распознавании двумерных изображений". Приложение к журналу "Информационные технологии", 2001, №1.

73.Матвеев А. М. "Метод формирования признаков, обеспечивающих инвариантное к ракурсу распознавание двумерных радиолокационных изображений объектов". Радиотехника и электроника, 2004. - Т. 49, № 9.

74.Матвеев А. М. "Всеракурсное распознавание радиолокационных изображений наземных (надводных) объектов с сегментацией пространства признаков на зоны квазиинвариантности". Автореферат диссертации на соискание ученой степени кандидата технических наук, - Москва, 2006.

75.М.К. Ни. "Visual Pattern Recognition By Moment Invariants". IEEE Transactions On Information Theory, Vol. IT-8, Feb. 1962.

76.Hew P.C. "Moments with respect to orthogonal functions on the unit dusk having invariance in form". Diary, Department of mathematics, The University of Western Australia, 1996.

77.Hew P.C. "Reconstruction from Zernike and orthogonal Fourier-Mellon moments". Diary, Department of mathematics, The University of Western Australia, February 1997.

78. http ://www.niikulon.ru.

79. http://www.gosniias.ru.

80. http ://www.phazotron. com.

81. http://www.vega.su.

82.Аксёнов О. Ю. "Совмещение изображений". Цифровая обработка сигналов, 2005, №3.

83.Кондратенков Г. С., Быков В. Н., Викентьев А. Ю. "Методика автоматического совмещения радиолокационных изображений с цифровыми картами и оптическими снимками местности". Радиотехника, 2007, №8. "Радиолокационные системы и системы радиоуправления", №15.

84.Достовалов Mi Ю., Лифанов А. С., Мусинянц Т. Г. "Обнаружение объектов по изменениям на. радиолокационных изображениях РСА ". Исследование Земли из космоса; 2007, №4.

85.R. G. White. "Change detection in SAR imagery". International Journal of Remote Sensing. Volume 12, Issue 2, Feb. 1991.

86.Никольский Д. Б. "Уровни обработки радиолокационных данных". Геоматика, 2008, № 1.

87.Копылов В.Н., Полищук Ю.М., Хамедов В.А. "Методические вопросы использования космических снимков для оперативной оценки последствий лесных пожаров". Геоинформатика, 2006, № 1.

88.P. Samczynski, М. Malanowski, P. Kulpa. "Fusion of SAR' and optical images as a method for improving target recognition on the Earth surface". 18th International Conference on Microwave, Radar and Wireless Communications MDCON-2010, June 14-16, 11th International Radar Symposium, IRS-2010, June 16-18.

89.Бочкарев A.M. "Корреляционно-экстремальные системы навигации". Зарубежная радиоэлектроника, 1981, №9.

90.Костров Б. В., Конкин Ю. В. "Метод совмещения радиолокационных изображений месшости". Вестник РГРТУ. Вып. 22. Рязань, 2007.

91. Конкин Ю. В. "Разработка системы определения координат летательного аппарата на основе совмещения радиолокационной и картографической информации". Автореферат диссертации на соискание ученой степени кандидата технических наук, - Рязань, 2007.

92.Киреев С. Н., Исаев А. Ю. и др. "Способ навигации летательного аппарата по радиолокационным изображениям земной поверхности с использование цифровых моделей местности". Патент на изобретение №2364887. Описание изобретения к патенту. Заявка 2007135603/09, 25.09.2007.

93.Нуссбаумер Г. Быстрое преобразование Фурье и алгоритмы вычисления свёрток. Пер. с англ. Касимова Ю. Ф. и Пчелинцева И. П.

- М.: Радио и связь, 1985.

94.Хуанг Т. С. Быстрые алгоритмы в цифровой обработке изображений. Пер. с англ. Ярославского Л. П. - М.: Радио и связь, 1984.

95.Саймон Хайкин. Нейронные сети: полный курс, 2-е издание. Пер. с англ. - М.: Издательский дом «Вильяме», 2006.

96.Скурихин А.Н. Нейронные сети: определения, концепции, применение.

- М.: Мин Атом Энерго Пром СССР, 1991.

97.Уоссерман Ф. Нейрокомпьютерная техника. Теория и практика. Пер. с англ. Зуева Ю. А., Точёнова В. А.; под ред. Галушкина А. И. - М.: Мир, 1992.

98.Кирдяшкин В. В., Сосулин Ю. Г. "Анализ методов автоматического обнаружения-распознавания объектов на радиолокационных изображениях". Тезисы докладов 9-ой Международной конференции «Авиация и космонвтика-2010». 16-18 ноября 2010 года, Москва.

99.Кирдяшкин В. В., Сосулин Ю. Г. "Автоматическое совмещение радиолокационных изображений с оптическими изображениями и цифровой картой местности". Успехи современной радиоэлектроники, №10,2010.