Способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне Российский патент 2017 года по МПК G06T7/20 G06K9/62 

Изобретение относится к способам обнаружения слабоконтрастных динамических объектов (СДО) на сложном стационарном и нестационарном атмосферном фоне в любых дневных и ночных условиях с использованием оптико-электронной системы (ОЭС) обнаружения воздушных объектов (ВО).

Рассматриваемая ОЭС имеет оптическую систему с широким полем зрения, коротким фокусным расстоянием и матричным приемником оптического излучения. Угловой размер СДО в такой ОЭС меньше или равен элементарному угловому полю матричных оптических приемников [1, с. 58].

Под СДО понимается относительно малоразмерный оптический объект, например самолет, удаленный от ОЭС на расстояние, при котором его изображение умешается в элементарном поле зрения (представляемом на экране монитора в виде пикселя изображения) ОЭС или одновременно попадает в несколько соседних пикселей по вертикали или горизонтали [2, с. 64].

Для таких ОЭС известны способы обнаружения СДО на сложном атмосферном фоне [3, 6], основанные на применении порога при разделении отметок от объекта и от фона с использованием отличий пространственных спектров излучения точечного оптического объекта и протяженного атмосферного фона.

Наиболее близким к заявляемому способу является выбранный в качестве прототипа способ обнаружения точечных тепловых объектов на сложном атмосферном фоне [6], основанный на использовании отличий амплитуд сигналов и угловых размеров изображений излучения точечного теплового объекта и протяженного, более холодного, атмосферного фона, и в котором для обнаружения точечного теплового объекта в условиях ночного неба производится разделение массива изображения на сегменты, размер которых выбирается исходя из экспериментально установленных значений радиуса пространственной корреляции, пространственно-корреляционная и пороговая обработка выделенных сегментов изображений с последующим формированием бинарного изображения точечного теплового объекта на экране монитора видеоконтрольного устройства оптико-электронной системы.

Согласно способу [6] оптическую ОЭС направляют и затем фиксируют в сегменте небесной полусферы поиска, размер которого равен угловому полю ее объектива. Фоноцелевое изображение (ФЦИ) фокусируют на чувствительных элементах матричного многоэлементного приемника и, используя строчную схему считывания, фиксируют электрический сигнал, пропорциональный энергетической яркости излучения фона и СДО. Амплитуды сигналов преобразуют в цифровой код при помощи аналогово-цифрового преобразователя. Цифровые коды сигналов запоминают в оперативном запоминающем устройстве видеопроцессора в виде двумерного массива , где N - число строк, а М - число столбцов массива, так что элемент u_n,m этого массива содержит информацию о напряжении, пропорциональном яркости излучения фона, снятого с ячейки многоэлементного приемника в n-й строке на m-м шаге обзора. Далее на двумерном цифровом массиве сигналов, принятых от исследуемого сегмента воздушного пространства, производят обнаружение теплого ТДО на холодном атмосферном фоне методом корреляционной цифровой обработки изображений для определения различий температуры ТДО и атмосферного фона.

Недостатками способа-прототипа являются недостаточные функциональные возможности и трудность реализации, связанные с тем, что:

- известный способ в процессе оптического обзора и фиксации текущего сегмента небесной полусферы, равного угловому размеру поля зрения оптической системы ОЭС, предполагает нахождение теплового объекта в указанном сегменте поиска. Указанное допущение может быть осуществлено только при использовании априори выработанной пространственно-временной информации об обнаруживаемом точечном тепловом объекте. В ОЭС обнаружения воздушных динамических объектов априори такой информации не имеется, а функционировать ОЭС должны непрерывно как в ночных, так и дневных условиях при стационарном и нестационарном атмосферном фоне;

- известный способ обнаружения точечных тепловых объектов может быть применен только в условиях ночного неба, когда наблюдается температурный контраст ТДО на фоне холодного ночного неба;

- в известном способе пороговое значение сравнения величин массива Е_к вычисляется по формуле , где и - минимальное и среднее значение массива Е_к. Однако величины массива Е_к являются случайными, так как они взяты из массива изображения , то есть из массива сигналов на выходе аналого-цифрового преобразователя видеопроцессора размером N×M в условиях сложного фона, где N - четное число строк, а М - четное число столбцов массива. Массив содержит выборку-совокупность преобразованных в двоичный код данных по принятому оптической системой с широким полем зрения, коротким фокусным расстоянием и матричным приемником оптического излучения. Преобразованные в двоичный код данные есть напряжения, пропорциональные яркостям излучения фона. Поскольку фон, на котором работает оптическая система, сложный и, естественно, случайный, то выборка представляет реализацию случайных величин. Поэтому обоснованно вычисление порогового значения может быть выполнено только с использованием закона распределения вероятностей получения выборки при условии нахождения точечного теплового объекта в поле зрения оптико-электронной системы;

- известный способ может быть применен только при обнаружении точечных тепловых объектов, имеющих положительный контраст. Однако воздушные динамические объекты, подлежащие обнаружению ОЭС на сложном атмосферном фоне, являются слабоконтрастными объектами, в том числе могут иметь и отрицательный контраст.

Задачей изобретения является устранение недостатков прототипа путем разработки автоматического инвариантного к текущим изменениям сложного атмосферного фона способа достоверного (в смысле вероятности правильного обнаружения ДО, не ниже требуемой, при допустимой вероятности ложной тревоги) обнаружения оптико-электронной системой слабоконтрастных динамических объектов (СДО) различных типов по их излучению в оптическом диапазоне длин волн.

Технический результат, на достижение которого направлено заявляемое изобретение, состоит в повышении точности выделения прямоугольных окон-сегментов, содержащих информацию об объектах (действительных и подобных действительным фоновым) на двумерном изображении, формируемом ОЭС в реальных текущих сложных условиях функционирования, вероятности правильного обнаружения слабоконтрастных динамических объектов, вероятности фильтрации фоновых объектов, подобных действительным объектам, подлежащим обнаружению, и в автоматизации всех этапов обнаружения динамических объектов на двумерных изображениях, формируемых ОЭС в сложных фоновых условиях функционирования.

Технический результат и решение поставленной задачи достигаются тем, что способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне включает прием оптических сигналов в текущем угловом сегменте обзора воздушного пространства, формирование фоноцелевого изображения (ФЦИ) в виде двумерной матрицы амплитуд аналоговых сигналов, фокусировку аналогового ФЦИ на чувствительных элементах матричного многоэлементного приемника, преобразование аналогового ФЦИ в цифровую форму, запоминание цифрового ФЦИ в оперативном запоминающем устройстве видеопроцессора в виде двумерного массива А=(a_ij) так, что каждый элемент a_ij i-й строки (i- 1, 2, …N) j-го столбца (j=1, 2, …, М) этого массива содержит информацию о напряжении сигнала, пропорциональном яркости принятого излучения, снятого с (i,j)-й ячейки многоэлементного приемника ОЭС, вейвлет-фрактально-корреляционную обработку массива А=(a_ij) и обнаружение на нем слабоконтрастного динамического объекта.

Согласно изобретению при обработке массива А=(a_ij) и обнаружении на нем слабоконтрастного динамического объекта (СДО) производят вейвлет-методом прямоугольно-оконную сегментацию (ПОС) массива А=(a_ij) ФЦИ каждого текущего двумерного кадра, в каждом сегменте ПОС производят фрактально-корреляционную обработку выделенных сегментов ФЦИ и обнаружение бинарной пороговой обработкой СДО.

При вейвлет-фрактально-корреляционной обработке А=(а_ij) выделенных сегментов ФЦИ вычисляют вейвлет-коэффициенты вейвлета Хаара [7] каждой строки массива А=(a_ij) в зависимости от изменения переменных сдвига k_j∈N и масштаба m_i>0. Далее производят пороговое преобразование вычисленных вейвлет-коэффициентов строки и отбор вейвлет-коэффициентов, превышающих пороговую величину, установленную по критерию Неймана-Пирсона для допустимой вероятности вычисления ложного вейвлет-коэффициента, вызванного фоном. Затем в каждой i-ой строке методом типа Хука-Дживса выявляют локальные максимальные и минимальные вейвлет-коэффициенты по переменным масштаба и сдвига с лебеговым разбиением области значений вейвлет-коэффициентов. Далее для каждого локального максимального вейвлет-коэффициента определяют строки по переменной сдвига ближайших слева и справа локальных минимальных вейвлет-коэффициентов. Затем определяют по переменной сдвига для каждого максимального локального вейвлет-коэффициента окрестности значений вейвлет-коэффициентов между значениями ближайших слева и справа локальных минимальных вейвлет-коэффициентов строки. Далее устанавливают признаки соответствия окрестностей i-й и i+1-й строк по их множественному пересечению по переменной сдвига и проводят идентификацию пар окрестностей с локальными максимальными вейвлет-коэффициентами i-й и i+1-й строк с признаком их соответствия. Идентификацию проводят по непараметрическому критерию однородности Колмогорова:

, , ,

где ζ_km - вейвлет-коэффициенты в i-й и i+1-й строках фоноцелевого кадра, N_i, N_i+1 - объемы-выборки окрестностей локальных максимумов вейвлет-коэффициентов i-й и i+1-й строк, d_0α(N_iN_i+1) - критическая точка распределения статистики , иначе , N₀≥20 при уровне значимости α (вероятности отклонения идентификации вейвлет-коэффициентов строк, α=1-K(d_0α(N_iN_i+1)),

- закон Колмогорова), F_i(ζ_km), F_i+1(ζ_km) - интегральные выборочные функции распределения вероятностей вейвлет-коэффициентов в (i, i+1) смежных строках текущего фоноцелевого кадра.

При невыполнении критерия принимают решение об отклонении идентификации выборок вейвлет-коэффициентов окрестностей i-й и i+1-й строк фоноцелевого кадра, производят формирование кластеров идентифицированных окрестностей локальных максимальных вейвлет-коэффициентов строк фоноцелевого кадра и выполнение указанных выше операций идентификации для столбцов матрицы ФЦИ.

Далее производят вычисление множественного пересечения кластеров вейвлет-коэффициентов строк и столбцов ФЦИ с последующим формированием - обнаружением (при пересечении не менее 90% вейвлет-коэффициентов кластеров строк и столбцов) кластеров вейвлет-коэффициентов в целом текущего фоноцелевого кадра. На основе выявленных пересечений строят выпуклые оболочки в виде прямоугольных окон, накрывающих соответствующие кластеры вейвлет-коэффициентов. Преобразуют выпуклые оболочки в прямоугольные окна яркостей пикселей фоноцелевого кадра ФЦИ. Вычисляют фрактальные размерности кластеров яркостей пикселей фоноцелевого кадра и корреляционные матрицы окон яркостей пикселей фоноцелевого кадра. Затем вычисляют максимальное собственное значение корреляционной матрицы и статистики , критерия обнаружении ДО на ФЦИ при «сдвиге» выборок , в интервалы [0,1] и μ_11d, . Проверяют выполнение критериев Неймана-Пирсона обнаружения СДО на ФЦИ по статистикам , операции обнаружения и осуществляют формирование бинарно-квантованных сигналов (серии из единиц, нулей) как исходных статистик для принятия решения бинарным накопителем об обнаружении СДО по правилу «3 из 5» в зоне обзора ОЭС.

Предложенный способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне прошел экспериментальную проверку на цифровой модели обработки сигналов, сопряженной с блоком ОЭС, включающим обнаружители инфракрасного и видимого диапазонов длин волн.

Результаты экспериментов по обнаружению воздушных объектов (ВО) предложенным способом представлены на фигурах 1,2.

На фиг. 1 представлены фотографии фрагментов воздушной обстановки в зоне контроля ОЭС, где 1а - три воздушных объекта (ВО) на фоне ясного неба; 1б - два ВО на сложном фоне (кучевая облачность) и один ВО на фоне ясного неба; 1в - три ДО на сложном фоне (кучевая облачность). На фиг. 2 - построенные программой кластеры и накрывающие их окна с изображениями действительных и целеподобных-ложных ВО в типовых фоновых условиях, где 2а, 2г - кластеры и окна, построенные алгоритмом по ДО в условиях ясного неба фиг. 1а; 2б, 2д - кластеры и окна, построенные алгоритмом по ВО (окна 1, 2, 3 фиг. 2д) и целеподобным - ложным фоновым объектам (окна 4, 5, 6 фиг. 2д) в сложных фоновых условиях фиг. 1б; 2в, 2е - кластеры и окна, построенные алгоритмом по ВО (окна 1, 2, 3 фиг. 2е) и целеподобным - ложным фоновым объектам (окно 4 фиг. 2е) в сложных фоновых условиях фиг. 1в.

Эксперименты показали, что заявляемый способ в автоматическом режиме функционирования ОЭС обеспечивает:

- сегментацию изображения фоноцелевого кадра с однозначной локализацией практически с единичной вероятностью кластеров структурных особенностей изображения, обусловленных нахождением динамических объектов в зоне контроля оптико-электронного прибора. При этом в сложных условиях функционирования ОЭС целеподобные фоновые кластеры изображений с геометричекими размерами, близкими к размерам выделенных изображений динамических объектов, могут локализовываться с вероятностью, не превышающей 0.25-0.3 (результат сегментации на фиг. 2);

- формирование прямоугольных «окон» с минимальными площадями накрытия локализованных кластеров структурных особенностей пространственно протяженных и малоразмерных контрастных и слабоконтрастных изображений на сложном нестационарном фоне для последующего оценивания фрактальной размерности и максимального собственного значения корреляционной матрицы яркостей пикселей при обнаружении ДО. При этом сформированные окна наряду с изображением истинного или ложного ДО могут содержать 25-35% аппликативного фона; на фиг. 2 представлены построенные алгоритмом окна на фоноцелевых кадрах, сформированных ОЭС в условиях воздушной обстановки фиг. 1;

- практически безошибочную идентификацию структурных особенностей изображений по окрестностям вейвлет-коэффициентов строк (столбцов) фоноцелевого кадра с использованием непараметрической статистики критерия однородности Колмогорова. Однако при этом не предоставляется возможным идентифицировать обнаруженные структурные особенности изображения с изображениями истинных ДО или целеподобных изображений, порождаемых только фоном;

- чувствительность к структурным изменениям изображений составила 2-3 пикселя;

- разрешающую способность 1-3 пикселя или формирование кластеров по изображениям ВО, расстояние между которыми на фоноцелевом кадре составляет 1-3 пикселя;

- фильтрацию целеподобных изображений, порождаемых нестационарным фоном, с высокой (практически с единичной) вероятностью.

В целом указанные технические преимущества обеспечили достижение заявленного технического результата и решение поставленной задачи.

Результаты экспериментов показали сходимость результатов обнаружения ВО в исследованных спектральных диапазонах в ночных и дневных условиях, что свидетельствует о расширении функциональных возможностей заявленного способа по обнаружению слабоконтрастных динамических объектов на сложном атмосферном фоне.

Изобретение разработано на уровне технического проекта и физической модели аппаратно-программного вейвлет-фрактально-корреляционной обработки оптических сигналов ФЦИ на перепрограммируемых логических интегральных схемах, сопряженной с блоком ОЭС, включающим обнаружители инфракрасного и видимого диапазонов.

Источники информации

1. Якушенков Ю.Г., Тарасов В.В. Инфракрасные системы «смотрящего» типа. - М.: Логос, 2004, 430 с.

2. Приходько В.Н., Хисамов Р.Ш. Обнаружение «точечных» объектов теплопеленгатором на основе матричного фотоприемного устройства. // Оборонная техника. Вып. 1-2, 2007. С. 64-66.

3. Якименко И.В. и др. Способ селекции тепловых объектов. Патент на изобретение №2401445.

4. Алленов М.И. и др. Стохастическая структура излучения облачности. СПб: Гидрометеоиздат, 2000, 175 с.

5. Якименко И.В., Коваль С.Н. и др. Цифровая обработка сигналов тепловизионных устройств перспективных образцов вооружений. // Государственная академия наук. Российская академия образования. Институт информатизации образования. Свидетельство об отраслевой регистрации электронного ресурса №00042.

6. Жендарев М.В. и др. Способ обнаружения точечных тепловых объектов на сложном атмосферном фоне. Патент №2461017.

7. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. - М.: ДМК Пресс, 2005, 304 с.

Способ обнаружения слабоконтрастных динамических объектов (СДО) на сложном стационарном и нестационарном атмосферном фоне в дневных и ночных условиях с использованием оптико-электронной системы (ОЭС) обнаружения воздушных объектов основан на вейвлет-фрактально-корреляционной обработке прямоугольно-оконной сегментации изображения каждого текущего двумерного кадра, формируемого ОЭС, посредством реализации критерия достоверного обнаружения СДО бинарным пороговым обнаружителем с последующим формированием координатной информации по обнаруженному динамическому объекту для исполнительных устройств. 2 ил.

Способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне, включающий прием оптических сигналов в текущем угловом сегменте обзора воздушного пространства, формирование фоноцелевого изображения (ФЦИ) в виде двумерной матрицы амплитуд аналоговых сигналов, фокусировку аналогового ФЦИ на чувствительных элементах матричного многоэлементного приемника, преобразование аналогового ФЦИ в цифровую форму, запоминание цифрового ФЦИ в оперативном запоминающем устройстве видеопроцессора в виде двумерного массива А=(a_iy) так, что каждый элемент a_ij i-й строки (i=1, 2, …, N) j-го столбца (y=1, 2, …, М) этого массива содержит информацию о напряжении сигнала, пропорциональном яркости принятого излучения, снятого с (i, j)-й ячейки многоэлементного приемника оптико-электронной системы (ОЭС), вейвлет-фрактально-корреляционную обработку массива A=(a_ij) и обнаружение на нем слабоконтрастного динамического объекта, отличающийся тем, что при обработке массива А=(a_ij) и обнаружении на нем слабоконтрастного динамического объекта (СДО) производят прямоугольно-оконную сегментацию (ПОС) массива А=(a_ij) ФЦИ каждого текущего двумерного кадра, в каждом сегменте ПОС производят фрактально-корреляционную обработку выделенных сегментов ФЦИ и обнаружение бинарной пороговой обработкой СДО, при фрактально-корреляционной обработке А=(a_ij) выделенных сегментов ФЦИ вычисляют вейвлет-коэффициенты вейвлета Хаара каждой строки массива А=(a_ij) в зависимости от изменения переменных сдвига k_j∈N и масштаба m_i>0, производят пороговое преобразование вычисленных вейвлет-коэффициентов строки и отбор вейвлет-коэффициентов, превышающих пороговую величину, установленную по критерию Неймана-Пирсона для допустимой вероятности вычисления ложного вейвлет-коэффициента, вызванного фоном, в каждой j-й строке методом Хука-Дживса выявляют локальные максимальные и минимальные вейвлет-коэффициенты по переменным масштаба и сдвига с лебеговым разбиением области значений вейвлет-коэффициентов, для каждого локального максимального вейвлет-коэффициента определяют строки по переменной сдвига ближайших слева и справа локальных минимальных вейвлет-коэффициентов, определяют по переменной сдвига для каждого максимального локального вейвлет-коэффициента окрестности значений вейвлет-коэффициентов между значениями ближайших слева и справа локальных минимальных вейвлет-коэффициентов строки, устанавливают признаки соответствия окрестностей i-й и i+1-й строк по их множественному пересечению по переменной сдвига и проводят идентификацию пар окрестностей с локальными максимальными вейвлет-коэффициентами i-й и i+1-й строк с признаком их соответствия, идентификацию проводят по непараметрическому критерию однородности Колмогорова.