Телевизионные средства определения координат объектов, расположенных на сложном фоне

• Автор: Мартышевский, Юрий Васильевич
• Шифр специальности: 05.12.04
• Научная степень: Докторская
• Год защиты: 2002
• Место защиты: Томск
• Количество страниц: 336 с. : ил

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ
ГЛАВА 1. ТЕЛЕВИЗИОННЫЕ АВТОМАТИЧЕСКИЕ СИСТЕМЫ (ТАС) ДЛЯ ОПРЕДЕЛЕНИЯ КООРДИНАТ ОБЪЕКТОВ
1.1. Определение координат объектов ТАС
1-2. Аналитический обзор литературы
1.3. Обработка телевизионных изображений в задаче определения
координат объектов
1.4. Методы оценки координат и синтеза оптимальных ТАС
1.5. Выводы по главе
ГЛАВА 2. МОДЕЛИ ИЗОБРАЖЕНИЯ СЦЕН
2.1. Модели изображения объектов
2.1.1. Модель изображения точечного светового объекта (ТСО)
2.1.2. Модель изображения протяженного светового объекта (ПСО)
2.1.3. Модель шума
2.1.4. Информативные признаки изображения объекта
2.1.5. Модель траектории движения объекта
2.2. Параметры изображения фона
2.2.1. Статистические характеристики изображения фона
2.2.2. Фрактальная размерность изображения фона
2.2.3. Вейвлет спектр изображения фона
2.3. Параметры сцены
2.4. Выводы по главе
ГЛАВА 3. СЕГМЕНТАЦИЯ ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ
3.1. Пороговая сегментация изображений по яркости
3.1.1. Критерии выбора порога
3.1.2. Сегментация при известных размерах изображения объекта
3.2. Статистическая сегментация
3.2.1. Многопараметрическая сегментация
3.2.2. Байесовская сегментация
3.3. Сегментация на основе текстурных признаков изображения
3.3.1. Сегментация на основе FD изображения
3.3.2. Сегментация на основе GLC матриц
3.4. Сравнение методов сегментации телевизионных изображений
3.5. Выводы по главе
ГЛАВА 4. СИНТЕЗ ТАСДЛЯ ОПРЕДЕЛЕНИЯ КООРДИНАТ И СЛЕЖЕНИЯ ЗА ОБЪЕКТАМИ
4.1. Синтез структуры оптимальной ТАС
4.2. Определение координат ТСО
4.2.1. Центроидный метод оценки координат объекта
4.2.2. Определение координат объекта на основе оценки фазового спектра изображения................................. .......... 1®
4.2.3. Оценка координат объекта на основе метода наименьших квадратов (МНК)
4.2.4. Синтез модернизированного центроидного метода оценки координат
4.2.5. Синтез рекуррентного алгоритма центроидного метода оценки координат
4.2.6. Результаты исследования работы ТАС при определении координат TCO
4.3. Определение координат ПСО
4.3.1. Определение координат ПСО при структурной обработке изображений
4.3.2. Определение координат ПСО на основе межкадровой разности
изображений
4.3.3, Результаты исследования работы ТАС при определении
координат ПСО
4.4. Выводы по главе
ГЛАВА 5. АНАЛИЗ КАЧЕСТВА РАБОТЫ ТАС
5.1. Потенциальная точность определения координат объекта ТАС
5.1.1. Потенциальная точность оценки координат объекта при детерминированном распределении освещенности изображения
5.1.2. Потенциальная точность оценки координат объекта при случайном распределении освещенности изображения
5.2. Устойчивость и чувствительность ТАС
5.2.1. Анализ чувствительности работы ТАС
5.2.2 Обнаружение маневра в траектории движения объекта
5.3. Работа ТАС при возникновении аномальных результатов измерений
5.3.1. Источники и причины возникновения аномальных результатов измерений в ТАС
5.3.2. Помехоустойчивость ТАС
5.3.3. Срывы слежения в работе ТАС
5.3.4. Синтез ТАС адаптивной к аномальным результатам измерений
5-4. Выводы по главе
ГЛАВА 6. ПРАКТИЧЕСКАЯ РАЗРАБОТКА И МОДЕЛИРОВАНИЕ

6.1. Высокоточный микропроцессорный телевизионный координатор
6.2. Стенд полунатурных исследований контура автосопровождения аппаратуры Р2224КН
6.3. Идентификация филиграни документов
6.4. Телевизионный селектор кристаллов алмазного сырья по форме

Отметим, что случайная составляющая ошибки составляет значительную (преобладающую) величину и составляет более чем 0,2 размера элемента (пикселя).
Синтез ТАС на основе динамического расширенного фильтра Калмана для определения координат точечных объектов проведен в работах Мэйбека (Maybeek). Исследована робастность ТАС к точности задания параметров модели при определении координат и слежении за малоразмерным объектом локационной системой переднего обзора самолета в инфракрасном диапазоне волн. Проведенное сравнение показало, что использование фильтра Калмана для определения координат малоразмерных подвижных целей более предпочтительно, чем использование корреляционного алгоритма [30].
Рассмотренные ТАС обладают ограниченными функциональными возможностями и относятся к системам первого поколения.
Разработке и исследованию ТАС, предназначенных для определения координат и слежения за ПСО, расположенными на сложном фоне, посвящено значительно меньше работ. Это объясняется как сложностью и неоднозначностью задачи, так и устоявшимися эвристическими подходами, используемыми разработчиками ТАС для ее решения.
Рассмотрим некоторые из доступных работ по этой проблеме.
Нахи [64] предложил весьма удобную модель изображения в виде аппликативно аддитивной смеси
где Х(к) - и общем случае т - мерный вектор информативных параметров, определяющий координаты условно принятого центра изображения объекта, его скорость и ускорение движения; .'?(•), Зд(-) представляют собой случайные функции, аппроксимирующие
распределение освещенности в изображении объекта и фона; у(Л, {) - весовая функция, определяющая принадлежность элемента изображения фону или объекту
Z(X, t) = S(X, Л,О-г a, 0 + (1-у(Л, t))-SB(X, t)+n(t) ,