Корреляционно-разностныйалгоритм обнаружения воздушных объектов, наблюдаемых на фоне неоднородного неба

Авторы

Суровцев П. Ю.^*, Суслин А. С.^**

Национальный исследовательский университет «МЭИ», Красноказарменная ул., 14, Москва, 111250, Россия

*e-mail: petr.surovtsev@gmail.com
**e-mail: isuslin.alexander@gmail.com

Аннотация

В данной работе предлагается решение известной проблемы обнаружения подвижных воздушных объектов на фоне неоднородного неба пассивными оптико-электронными системами (ОЭС). Выяснено, что известные алгоритмы обнаружения, основанные только на яркостных характеристиках объектов малоэффективны при работе на сложном фоне. Для решения задачи предлагается использовать разработанный корреляционно-разностный алгоритм селекции меток, основанный на формировании разностных кадров с предварительной компенсацией сдвига, величина сдвига между двумя кадрами вычисляется корреляционным методом. Данный алгоритм позволяет снизить количество ложных срабатываний и увеличить дальность обнаружения воздушных объектов. Алгоритм проверен на большом объеме экспериментальных данных, а также внедрен и проверен в опытной работе в натурных условиях с привлечением реальных воздушных объектов. Основным достоинством алгоритма является способность работать при движении и носителя, и фона. Получены удовлетворительные результат работы алгоритма при использовании в сухопутных войсках ПВО РФ на неподвижной ОЭС в интервале времени 100 мс, а так же при смещении линии визирования ОЭС до 1,5 угл.минут, что позволит использовать алгоритм в том числе и на авиационной технике.

Ключевые слова

оптико-электронная система, разностный алгоритм обнаружения, корреляционный сдвиг, обнаружение воздушных объектов, сложная фоноцелевая обстановка

Библиографический список

1. Ллойд Дж. Системы тепловидения. – М.: Мир, 1978. – 414 c.

2. Мирошников М.М. Теоретические основы оптико-электронных приборов. – Л.: Машиностроение, 1983. – 696 с.

3. Accetta J.S., Shumaker D.L. The Infrared and Electro-Optical System Handbook. Volume 4. Electro-Optical Systems Design, Analysis, and Testing, BelIingham, Washington: SPIE Optical Engineering Press, 1993, 361 p.

4. Криксунов Л.З. Справочник по основам ИК-техники. – М.: Советское радио, – 1978. – 400 с.

5. Бабаян П.В., Фельдман А.Б. Обнаружение и оценка параметров воздушных объектов в видеопоследовательностях на основе краткомасштабной пространственной обработки // Цифровая обработка сигналов. 2010. № 4. С. 7 – 12.

6. Yilmaz A., Shaque K., Shah M. Target tracking in airborne forward looking infrared imagery // Image Vision Computing, 2003, no. 21, pp. 623 – 635.

7. Якименко И.В., Жендарев М.В. Пространственная фильтрация тепловых объектов на коррелированном атмосферном фоне // Журнал Радиоэлектроники. 2009. № 2. URL: http://jre.cplire.ru/jre/feb09/1/text.pdf

8. Алпатов Б.А., Бабаян П.В., Фельдман А.Б. Обнаружение и оценка параметров малоразмерных воздушных объектов в последовательности изображений // Труды Российского научно-технического общества радиотехники, электроники и связи им. А.С. Попова «Цифровая обработка сигналов и ее применение». – М.: 2010. Т.1 – С. 117 – 120.

9. 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.

10. Катулев А.Н., Колонсков А.А. Храмичев А.А., Ягольников С.В. Адаптивный метод и алгоритм обнаружения малоконтрастных объектов оптико-электронным средством // Оптический журнал. 2014. Т. 81. № 2. С. 29 – 39.

11. Якушенков Ю.Г. Теория и расчет оптико-электронных приборов. – М.: ЛОГОС, 1999. – 360 с.

12. Ваниев А.А., Емельянов Г.М. Метод выделения быстродвижущихся объектов при использовании цифрового оптического локатора следящего типа // Компьютерная оптика. 2013. Т. 37. № 4. С. 477 – 483.

13. Кочкин В.А. Автоматическое выделение динамических объектов на фоне подстилающей поверхности // Наука и Образование. 2014. № 12. URL: http://engineering-science.ru/doc/749279.html

14. Астапов Ю.М., Васильев Д.В., Заложнев Ю.И. Теория оптико-электронных следящих систем. – М.: Наука, 1988. – 322 с.

15. Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера, 2005. – 1072 с.

16. Претт У. Цифровая обработка изображений. – М.: Мир, 1982. – 781 c.

17. Бельский А.Б., Чобан В.М. Математическое моделирование и алгоритмы распознавания целей на изображениях, формируемых прицельными системами летательного аппарата // Труды МАИ. 2013. № 66. URL: http://trudymai.ru/published.php?ID=40856

18. Чочиа П.А. Сегментация изображений на основе анализа расстояний в пространстве признаков // Автометрия. 2014. Т. 50. № 6. С. 97 – 110.

19. Минченков М.В., Хельвас А.В., Юрин Д.В. Алгоритм автоматической сегментации изображений для систем технического зрения. Сборник: Обработка информации и моделирование. – М.: МФТИ, 2002. С. 66 – 80.

20. Чочиа П.А. Пирамидальный алгоритм сегментации изображений // Информационные процессы. 2010. Т. 10. № 1. С. 23 – 35.

21. Белим С.В., Ларионов С.Б. Алгоритм сегментации изображения с помощью искусственной нейронной сети без использования других изображений // Радиостроение. 2017. № 3. С. 43 – 53.

Скачать статью