Определение пространственного положения и распознавание типов летательных аппаратов на основе контурного анализа

Определение пространственного положения и распознавание типов летательных аппаратов на основе контурного анализа

Автор: Малышев, Олег Владимирович

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2011

Место защиты: Рыбинск

Количество страниц: 157 с. ил.

Артикул: 5401633

Автор: Малышев, Олег Владимирович

Стоимость: 250 руб.

Определение пространственного положения и распознавание типов летательных аппаратов на основе контурного анализа  Определение пространственного положения и распознавание типов летательных аппаратов на основе контурного анализа 

Содержание
Введение
Глава 1. Постановка задач и обзор методов
1.1. Постановка задач.
1.2. Обзор методов контурного анализа
1.3. Обзор методов распознавания образов.
1.4. Обзор методов определения положения.
Глава 2. Определение пространственного положения ЛА
2.1. Обработка математических моделей Л А
2.2. Метод определения пространственною положения Л А
2.3. Оценки точности метода для модельных и реальных полетов
2.4. Выводы
Глава 3. Распознавание типов и элементов конструкции ЛА
3.1. Границы яркостей на монохромных изображениях
3.2. Распознавание типов ЛА
3.3. Распознавание элементов конструкции ЛА.
3.4. Выводы.
Глава 4. Программная реализация
4.1. Подготовительный этап
4.2. Определение пространственного положения
4.3. Распознавание типа Л А.
Заключение
Литература


Следует отметить, что системы определения положения и распознавания изначально разрабатывались и тестировались на основе видеосъемки полетов реальных ЛА моделей F-, F-, Р-, AGM-9, BGM-9, Global Hawk, PredatorB, Су-,iVIиг-,Су- и некоторых других. Поэтому оценка точности определения пространственного положения и оценка вероятности правильного распознавания на уровнях математического и физического моделирования носили вспомогательный характер. Основная польза от указанных методов заключается в получении оценок снизу для точности определения положения и оценок сверху для вероятности распознавания типов и классов. Например, при видеосъемке физической модели ЛА типа F- с антибликовым покрытием при диаметре изображения от - пикселей точность определения угла тангажа составила 2-3 градуса, а вероятность распознавания классов для режима прилета составила - процентов на независимых кадрах и 0 процентов на сериях из 7-8 кадров. В заключение данного раздела представляется уместным перечислить задачи, тесно связанные с задачами определения положения и распознавания, но получившие в диссертации только частичные решения. Задача ветвления. Большинство ЛА имеют плоскость симметрии. Поэтому ЛА может иметь практически одинаковые изображения из разных ракурсов. Это приводит к задаче ветвления положений. В автоматизированном режиме задача определения правильной ветви полета решается на основе законов практической аэродинамики. Однако в автоматическом режиме задача определения правильной ветви в диссертации не решена. Важно заметить, что при решении в автоматическом режиме задачи распознавания типов ЛА не требуется определение правильной ветви полета. Задача выделения. В диссертации предложено решение задачи выделения Л А на фоне небосвода в автоматическом режиме для случая отрицательной контрастности, когда изображение объекта темнее фона, и для случая положительной контрастности, когда изображение объекта светлее фона. При этом качество выделения существенно зависит от контрастности (перепада яркости на границе объекта и фона). В случае низкой контрастности, когда некоторые сегменты объекта сливаются с фоном, и в случае переменной контрастности, когда некоторые сегменты объекта темнее, а некоторые сегменты объекта светлее фона, задача выделения решена только в автоматизированном режиме. Возможный путь полного решения задачи выделения - перевод приемов выделения объектов в автоматизированном режиме в алгоритмы автоматического выделения объектов. Задача перепутывания. В прикладных областях предъявляются исключительно высокие требования к вероятности правильного распознавания. При этом уровень вероятности должен сохраняться вне зависимости от факторов съемки: расстояния до объекта, ракурса объекта, режимов пилотирования, условий освещенности, состояния атмосферы, вида фоновой поверхности и дефектов съемки. На качественном уровне при работе над диссертацией выявлено влияние каждого из этих факторов. Однако количественный анализ проведен только для факторов расстояния и ракурса. Выражением этого анализа в диссертации являются матрицы перепутывания типов и классов ЛА. Возможность применения методов контурного анализа для решения задач определения положения и распознавания предоставляется благодаря тому, что при съемке ЛА на фоне небосвода в большинстве случаев объект темнее фона (случай отрицательной контрастности) или светлее фона (случай положительной контрастности). В этих случаях при условии хорошей контрастности изображения удается в автоматическом режиме решить задачу выделения - построить контур, достаточно близко примыкающий к геометрической границе объекта. В случаях слабой или переменной контрастности задача выделения Л А на фоне небосвода становится более сложной. Например, в случае переменной контрастности внешний контур объекта составляется из частей контуров, ограничивающих сегменты положительной и отри цательной контрастности. Пример решения задачи выделения Л А на фоне небосвода дается на рис. Слева на рис. ЛА для случая отрицательной контрастности. В центре на рис. Граница яркостей, осуществляющая наилучшее выделение границы объекта в смысле перепада яркостей в полосе порядка одного пикселя, показана на рис. Рис.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.315, запросов: 244