Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Распознавание наземных объектов по матрицам высот




Выделение наземных объектов над подстилающей поверхностью по заданному уровню приводит к бинаризации их 3D портретов по матрице высот, когда пиксели объекта окрашиваются в более светлые тона, чем пиксели фона. Такая бинаризация позволяет построить внешние контуры объектов и осуществлять распознавание объектов по их внешним контурам.

Вероятность распознавания объектов существенно зависит от качества их изображений. На качество изображений объектов наибольшее влияние оказывает ошибка по направлению лучей, вызываемая атмосферной турбулентностью и точностью сопровождения цели. Приведем примеры изображений высокого, среднего и низкого качества для объектов ВВТ.

На изображениях высокого качества основные элементы конструкции (корпусы, стволы орудий, ракеты и т.д.) имеют четкие очертания и хорошо выделяются внешними контурами, как на рисунке 3.2.13.

 

 

Рисунок 3.2.13 – Изображения высокого качества для =0.2 пикс

 

На изображениях среднего качества крупные элементы имеют четкие очертания, однако более мелкие элементы начинают терять четкую геометрическую форму и связь с объектом, как на рисунке 3.2.14.

 

 

Рисунок 3.2.14 – Изображения среднего качества для =0.5 пикс

На изображениях низкого качества мелкие элементы исчезают полностью, а крупные элементы деформируются в «облако» точек, как на рисунке 3.2.15.

 

 

Рисунок 3.2.15 – Изображения низкого качества для =1.5 пикс

 

В текущей версии системы распознавание осуществляется на изображениях высокого и среднего качества, поскольку для ее корректной работы требуется устойчивость геометрических характеристик внешних контуров образов наземных объектов. При разработке алгоритмов распознавания по 3D портретам матрицы высот будем опираться на методы контурного анализа и геометрической фильтрации, которые ранее были использованы в задачах распознавания летательных аппаратов на фоне подстилающей поверхности [11,12] и на фоне небосвода [13, 14].

Пусть на внешних контурах определена функция, называемая фильтром. При заданных нижнем и верхнем границах будем говорить, что контур пропускается фильтром в случае и отсеивается фильтром в случаях или. Определим пять фильтров внешних контуров, которые далее будут использоваться при решении задачи распознавания

· Фильтр по площади определяется как площадь, заключенная внутри контура с вершинами и может быть вычислен по формуле

.

· Фильтр по диаметру определяется как диаметр выпуклой оболочки контура.

· Фильтр по выпуклости определяется по формуле

 

и характеризует степень выпуклости объекта.

· Фильтр по удлинению определяется по формуле

 

Для определения фильтра удлинения рассматриваются все описанные около выпуклой оболочки прямоугольники со сторонами. Далее, выбирается прямоугольник с максимальным отношением сторон.

· Фильтр по средней яркости вычисляется для прямоугольной полосы, расположенной внутри минимального по площади прямоугольника со сторонами, содержащей контур.

Геометрический смысл введенных фильтров иллюстрируется на рисунке 3.2.16.

 

 

Рисунок 3.2.16 – Фильтры диаметра, выпуклости, удлинения и средней яркости

 

Принцип работы алгоритма распознавания состоит в следующем. Для каждого объекта заданного класса наземных объектов, нумеруемых индексом i задается цепочка фильтрации из пяти фильтров

 

 

 

 

 

 

 

Рисунок 3.2.17

 

 

 

Рисунок 3.2.18

 

 

Рисунок 3.2.19

 

 

Границы цепочек фильтрации в количестве 60 чисел определяются так, чтобы через цепочку данного объекта пропускались только внешние контуры его изображений и отсеивались внешние контуры других объектов и случайных помех. Совокупность цепочек фильтрации, построенных для всех объектов заданного класса, образует блок фильтрации системы распознавания.

С целью проверки работоспособности системы были проведены 18 численных экспериментов.

В каждом эксперименте случайным образом с равномерным распределением по положению и ориентации были установлены 20 объектов пяти типов.

Ошибка по направлениям лучей принимала значения 0.5 и 0.2 пикс.

Результаты экспериментов приведены в таблице 3.2.1, где для каждого объекта даются вероятности распознавания при заданных параметрах,,. При этом в верхней половине таблицы 3.2.1 даны вероятности распознавания для изображений среднего качества, а в нижней половине таблицы 3.2.1 даны вероятности распознавания для изображений высокого качества.

 

Таблица 3.2.1 – Вероятности распознавания объектов (в процентах)

N        
Объект 1 Объект 2 Объект 3  
    0.5        
    0.5        
    0.5        
    0.2        
    0.2        
    0.2        

 

На основе проведенных исследований и экспериментов могут быть сделаны следующие выводы.

Общая блок-схема системы отслеживания наземных объектов в лазерном канале показана на рисунке 3.2.20.

1. Наведение носителя по ЦУ
2. Определение углов поворота лазерного канала на центр объекта.
3. Формирование матрицы наклонных дальностей.
5. Преобразование матрицы наклонных дальностей в матрицу высот.
6. Вычисление значений фильтров для распознаваемого объекта
7. Блок фильтрации
Цепочки фильтрации
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Тип распознанного объекта
4. Аппроксимация подстилающей поверхности.

Рисунок 3.2.20 – Блок схема системы распознавания





Поделиться с друзьями:


Дата добавления: 2014-10-17; Просмотров: 384; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.017 сек.