Пособие соответствует утвержденной рабочей программе дисциплины «Современные проблемы оптотехники». Оно содержит также вопросы используемые при проведении контроля и тестирования. Библиография 76 наим

Вид материала

Учебное пособие

Содержание 5. Программное обеспечение ИКС 3-го поколения

Подобный материал:

• Учебное пособие Томск 2004 ббк, 2186.02kb.
• Программа дисциплины "современные проблемы науки", 33.09kb.
• 1. Предмет, задачи и проблемы экологии как науки, 368.36kb.
• Учебное пособие соответствует обучающей программе «Типичные проблемы при медико-социальном, 516.93kb.
• «Философия. Часть I. История философии», 1572.94kb.
• Методическое пособие по переводу сокращений и выражений, часто встречающихся в аэронавигационных, 5767.72kb.
• Методическое пособие для преподавателей по выполнению лабораторных работ, вопросы программированного, 905.89kb.
• Пособие подготовлено на кафедре культурологи и социальной коммуникации, соответствует, 1593.29kb.
• Методические рекомендации 37 Библиография 40 Контрольные вопросы 41 Глава Субъектный, 78.23kb.
• Пособие подготовлено на кафедре культурологии и социальной коммуникации, соответствует, 1653.9kb.

^

5. Программное обеспечение ИКС 3-го поколения

Возможности пассивных ИК-систем (тепловизионных систем) в последние годы широко используются при разработке так называемых интеллектуальных комплексов, в которых решение задач по обнаружению, распознаванию, классификации и идентификации различных объектов и явлений ведется аналоговыми или комбинированными аналого-цифровыми способами, часто имитирующими работу зрительного аппарата живых существ и человека.

Анализ и обработка видеосигнала, получаемого с выхода ФПУ, позволяет решать такие задачи, которые в большинстве ИКС 1-го и 2-го поколений не рассматривались. Примерами таких задач являются повышение контраста изображения, улучшение его качества, сегментация движущихся объектов, статистическая обработка изображения наблюдаемого поля с целью исключения помех и фонов, находящихся на втором плане и снижающих вероятность правильного обнаружения человеком-оператором объектов, находящихся на переднем плане наблюдаемой сцены.

Наиболее распространенными задачами, которые решаются программными средствами современных ИКС, являются:

• автоматическая коррекция неоднородности изображений из-за геометрического шума матричных ФПУ и нелинейности их передаточной функции;
  
• замещение дефектных элементов матричного ФПУ;
  
• изменение масштаба и формата изображения;
  
• сжатие динамического диапазона видеосигналов для адекватного отображения информации на экране системы отображения (дисплее);
  
• выделение отдельных областей изображения, например, имеющих большую (или малую) яркость;
  
• псевдоокраска зон изображения с различными яркостями или температурами;
  
• повышение качества изображения путем увеличения его резкости и "подчеркивания" границ изображений отдельных объектов сцены;
  
• автоматическая регулировка контраста и яркости как в изображении всей сцены, так и в отдельных (локальных) ее частях;
  
• объединение изображений, получаемых в различных спектральных каналах;
  
• коррекция несовпадения (геометрического рассогласования) кадров, получаемых в разных спектральных диапазонах;
  
• изменение увеличения («зумминг»);
  
• стабилизация изображения (поля наблюдения);
  
• устранение дискретности изображения путем использования алгоритмов интерполяции;
  
• предсказание визуальных различий отдельных объектов (элементов сцены);
  
• определение факта наличия в изображаемой сцене интересующего наблюдателя объекта и его идентификация;
  
• подавление нежелательных мощных сигналов, например, орудийных вспышек;
  
• автофокусировка;
  
• отображение других данных и символов – текущего времени, сеток, шкал, координат по GPS и др.
  

Не останавливаясь на путях решения этих задач, рассматриваемых в огромном числе публикаций, упомянем лишь небольшое число некоторых типовых алгоритмов, используемых в программно-аппаратном блоке ИКС 3-го поколения.

Алгоритм повышения резкости, в соответствии с которым изображение обрабатывается в областях высоких пространственных частот, т.е. тех, от которых зависит качество идентификации объектов. обеспечивает выделение мелких деталей изображения.

Алгоритм локальной регулировки яркости устанавливает локальный уровень контраста и яркости для каждого отдельного пиксела или сравнительно небольшой их группы, определяемый статистическими показателями окрестных пикселов. Входными параметрами при этом являются размер принимаемой в учет окрестности, взвешивающей контур, и взвешенная глобальная статистика изображения. Этот алгоритм, в основном, выделяет детали в области средних пространственных частот, определяющих классификацию объектов.

Алгоритм задания порогов уровней яркости, которые выбираются для обеспечения высокого контраста между передним планом наблюдаемой сцены и общим фоном применяется для выявления более ярких, чем фон, объектов и подавления фоновых помех. Он обычно используется для обнаружения информации в области низких пространственных частот.

Для повышения эффективности обнаружения, классификации и идентификации различных целей помимо алгоритмов обработки пространственной информации целесообразно использовать алгоритмы обработки пространственно-временной информации. Примерами таких алгоритмов могут быть:

• суперразрешение;
  
• коррекция неоднородности с учетом содержания сцен;
  
• коррекция качества изображения, создаваемого объективом системы;
  
• электронная стабилизация изображения;
  
• медианная фильтрация;
  
• определение координат и параметров движения целей.
  

Программное обеспечение ИКС 3-го поколения разрабатывается для обработки много- и гиперспектральных данных и измерений, пригодных для военных применений. Сюда относится, например, программа MASINT (Measurement and Signatures Intelligence) включающая в себя программы COSMEC и COSMEC Subpixel Classifier; файлы программы субпиксельного классификатора программы IMAGINE; программы FLEXlm^тм; ASM, HySITES и NIDA.

Приведем сведения о некоторых разработках программного обеспечения работы ИКС, появившихся в последние годы.

Повышение контраста и пространственного разрешения ИКС при низкой облученности цели может быть достигнуто путем синтеза изображений, получаемых в ближневолновой и длинноволновой частях ИК спектрального диапазона. Так, в [68] описывается система, в которой ближневолновый канал построен на ЭОП 3-го поколения, соединенном с ФПУ на матричных КМОП-приемниках формата 1900 х 1086 пикселов. Для построения изображения используется 1280 х 1024 пикселов. В длинноволновом канале применяется микроболометр формата 320 х 240 или 640 х 480. Перед синтезом изображений на двухцветовом дисплее с управляемой оператором яркостью они масштабируются с частотой 30 кадров в секунду.

В [69] приводится описание статистической операции сегментации движущихся объектов в реальном масштабе времени в тепловизионной охранной системе. Фильтрация помех из-за прохождения тени от облаков, развеваемой по ветру травы и другой растительности позволила снизить вероятность ложных тревог, уменьшить утомляемость персонала подразделений безопасности.

Группой обработки визуальной информации Исследовательского Центра NASA (Лэнгли, США) был разработан алгоритм обработки изображения MSR (Multiscale Retinex), полученного многоканальной оптико-электронной системой визуализации в тех случаях, когда изменение освещенности наблюдаемой сцены или плохие атмосферные условия (дождь, туман, сильная дымка, тонкий слой облаков при наблюдениях земной поверхности сверху) мешают получению хорошего изображения и восприятию его зрительным аппаратом человека-наблюдателя [70]. Алгоритм обеспечивает сжатие динамического диапазона освещенности в изображении без насыщения в случае больших яркостей сцены и отсечки сигналов в случаях малых её яркостей, а также постоянство цвета изображения, воспринимаемого наблюдателем, независимо от того, каким источником облучается (подсвечивается) сцена. Результаты многочисленных экспериментов на местности, приведенные в [70], свидетельствуют о заметном улучшении видимости (на 50% и более) и четкости изображения при использовании алгоритма MSR. Целью разработки являлась помощь пилотам летательных аппаратов, однако, она с успехом может быть использована в военных и охранных системах, службах спасения, в медицине, при судебных расследованиях и др., а также во многих многодиапазонных оптико-электронных и инфракрасных системах.

Агенство ракетной обороны США совместно с Исследовательской лабораторией ВВС США и компанией Solid State Scientific сообщили об интеграции ИК ФПУ с мощным параллельным процессором – ячеистой сетевой нелинейной структурой (CNN), могущей обрабатывать до 10000 кадров в секунду, что особенно важно при обработке сигналов от быстро движущихся объектов. Вероятность обнаружения различных целей может достигать 0,95, если для разделения сигналов от целей применяются нейронные сети с импульсной связью и фильтры для отделения сигнала от шума.

В сообщении Шведского агенства оборонных исследований [71] говорится об идентификации целей с использованием гиперспектральной информации, получаемой от множества отдельных датчиков. Для конкретного типа целей возможно выбрать оптимальную полосу.

Поскольку ИКС визуализации работают в самых различных условиях, алгоритмы обработки изображений должны обеспечивать оптимизацию восприятия и интерпретации человеком-наблюдателем получаемой видеоинформации. В целях усиления локального контраста в изображениях сцены, повышения резкости, автоматической классификации изображений компанией L- CE(Communication Cincinnati Electronics, Mason, Ohio, US) были разработаны алгоритмы такой обработки изображений, объединенные в программный пакет (компьютерную модель) предсказания визуальных различий (Visual Difference Predictor - VDP). [72]. Эти алгоритмы предназначены, в первую очередь, для использования в режиме обнаружения целей военного назначения при работе в реальном масштабе времени с потоками видеоинформации до 840 Мбайт/с, что соответствует матричным многоэлементным ФПУ с 10⁶ пикселов и частоте кадров 60 Гц.

Описанный в [72] программный пакет VDP - это аппаратно независимая модель, основанная на свойствах зрительной системы человека. С помощью VDP может быть измерена вероятность Р_k того, что глаз обнаружит разницу двух представленных изображений. Он используется для сравнения исходного и обработанного изображений с последующим измерением вероятности того, что наблюдатель увереннее выявит информацию, рассматривая улучшенное изображение. Пакет VDP включает в себя четыре независимых составляющих, которые комбинируются при изменении вероятности обнаружения.

Выходом VDP являются вероятности обнаружения как функции пространственных частот. Для целей сравнения может быть получено единственное значение вероятности путем усреднения данных по пикселам.

Модель VDP показала себя вполне работоспособной, однако она требует большого объема входной информации и весьма сложна в эксплуатации. Поэтому было желательно разработать более простую форму VDP, способную сохранить необходимую точность. С этой целью произведены две модификации модели VDP. Первая состояла в том, что был применен более простой подход к расчету карты уровней порогов ΔТ, присущий изображениям формата JPEG. Вторая предусматривала применение вместо преобразования Сortex, учитывающего как пространственные частоты, так и угол ориентации, техники пространственной фильтрации, которая учитывает только контрастную разницу пространственных частот. Результатом явились более эффективные и достаточно точные алгоритмы.

Для оценки улучшений, способствующих решению задач обнаружения, классификации и идентификации целей VDP группируются согласно соответствующим требованиям. Например, два низкочастотных поддиапазона группируются, формируя поддиапазон обнаружения. Результаты VDP для групп поддиапазонов затем комбинируются для формирования единого VDP-изображения для каждой из трех категорий задач. Результаты для ансамбля пикселов в данном изображении могут быть усреднены для получения единого количественного показателя. В результате можно получить показатели улучшения изображения для каждой из трех категорий задач.

При построении много- и гиперспектральных изображений в видимом и ближневолновом ИК (0,4-2,5 мкм) диапазонах спектра, которые образуются за счет отражения излучения от наблюдаемой сцены, важно исключить влияние поглощения и рассеяния в атмосфере, т.е. провести атмосферную коррекцию сигналов, получаемых при дистанционном зондировании сцены через атмосферу. В [73] предлагается алгоритм такой коррекции, отличающийся от известных методов корректировки (использование уравнений теплопереноса, эмпирический линейный метод ELM) большей точностью, более высокой скоростью вычислений, что позволяет использовать его в реальном масштабе времени и не зависеть от априорных сведений о состоянии атмосферы.

Алгоритм основан на определении параметров, необходимых для проведения коррекции влияния атмосферного поглощения и рассеяния, непосредственно по сигналам, получаемым от отдельных участков (пикселов) наблюдаемой сцены. Это позволяет отказаться от радиометрической и спектральной калибровки аппаратуры, образующей изображения сцены. При реализации алгоритма предполагается, что сцена содержит 10 и более участков с различными значениями спектральной отражательной способности, а средние квадратические значения этой способности практически постоянны в рабочем спектральном диапазоне (0,4...2,5 мкм). Кроме того, предполагается, что наблюдаемая сцена содержит "темные" пикселы, т.е. участки со спектральным отражением, близким к нулю.

Экспериментальная проверка эффективности алгоритма проводилась с помощью гиперспектрального видеоспектрометра AVIRIS, работающего в 224-х спектральных каналах внутри диапазона 0,4...2,5 мкм с разрешением на подстилающей поверхности - наблюдаемой сцены равным 2...20 м. Проверка подтвердила эффективность предлагаемого способа коррекции влияния атмосферы на результаты определения отражательной способности наблюдаемой сцены.