Автоматическое совмещение радиолокационных и эталонных изображений земной поверхности

• Автор: Кирдяшкин, Владимир Владимирович
• Шифр специальности: 05.12.14
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Москва
• Количество страниц: 202 с. : ил.

Содержание
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, посвящённых 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 между эталонными и распознаваемыми изображениями
3.2. Статистические показатели качества распознавания
3.3. Выводы
4. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ АЛГОРИТМОВ 92 ПОИСКА И РАСПОЗНАВАНИЯ
4.1. Методика последовательного поиска и распознавания изображения 92 объекта в пространственной области
4.1.1. Алгоритм распознавания на основе вычисления корреляционной 96 функции
4.1.2. Модифицированный корреляционный алгоритм
4.1.3. Алгоритм распознавания на основе вычисления коэффициента 109: корреляции
4.2. Исследование частотных методов
4.2.1. Общие сведения
4.2.2. Алгоритм распознавания на основе согласованной фильтрации
4.2.3. Алгоритм распознавания на основе согласованной фильтрации с 118 нормировкой в частотной области
4.3. Применение нейронной сети для решения задачи поиска и 120 распознавания объектов
4.4. Применение методов инвариантных к аффинным преобразованиям 133 изображений
4.4.1. Геометрические моменты
4.4.2. Моменты Лежандра
4.5. Сравнительный анализ методов и их особенности
4.5.1. Сравнительный анализ вычислительных затрат
4.5.2. Сравнительный анализ качества распознавания
4.6. Выводы
5. АЛГОРИТМЫ И АНАЛИЗ ЭФФЕКТИВНОСТИ ПРОЦЕССА
СОВМЕЩЕНИЯ ИЗОБРАЖЕНИЙ
5.1. Выбор характерных малоразмерных эталонных участков земной 150 поверхности
5.2. Алгоритм совмещения, основанный на автоматическом выборе

эталонов на радиолокационном изображении с выделением контуров радиоконтрастных объектов
5.2.1. Предварительная обработка ЦКМ и устранение геометрических 163 искажений
5.2.2. Обработка РЛИ и выбор эталонов
5.3. Трёхэтапный алгоритм совмещения с выбором эталонных участков 172 на оптических изображениях
5.4. Оценка точностных характеристик совмещения и быстродействия
5.5. Выводы
Заключение
Список литературы

гарантированно не пропустить объекты поиска), а на втором - фильтрация ложных целей по некоторому набору признаков.
В работе [58] предложен метод борьбы со спекл-шумом. Проводится анализ текстуры радиолокационного изображения для оценки параметров найденного закона распределения спекл-шума, по которым из таблиц выбирается соответствующий метод обработки. Алгоритм комбинированной фильтрации разрабатывался на моделях РЛИ, В статье указывается, что разработанный алгоритм был опробован на реальных изображениях, получаемых при помощи PGA.
В работе [59] исследуется проблема обнаружении нефтяных пятен на поверхности моря. Изображения морской поверхности формируются при помощи РСА. При обнаружении используются пространственные (яркостные) отличия нефтяного пятна от морской поверхности. Формируется матрица, содержащая информативные характеристики; находится взвешенная сумма значений яркости пикселов и сравнивается с порогом. Разработка алгоритмов была проведена на моделях, а затем опробована на реальных изображениях РСА.
В работе [60] исследуется возможность обнаружения и анализа подвижных объектов на изображениях РСА. Сигналы от подвижного объекта имеют дополнительные флуктуации, которые приводят к “размытию” изображения объекта: Оценивая эти флюктуации, авторы обнаруживают подвижный объект и определяют его скорость.
В настоящее время разработаны программы, позволяющие обрабатывать изображения, земной поверхности с целью: коррекции и привязки получаемых изображений к географическим координатам, .создания трёхмерной поверхности, т. е. отображения рельефа местности [61].
Эти и другие программы облегчают работу оператора при обнаружении целей.
При анализе работ по распознаванию изображений объектов, нужно отметить ещё следующие результаты.