Разработка алгоритмов функционирования и архитектуры автомата сопровождения объектов по данным видеонаблюдений

• Автор: Блохин, Алексей Николаевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Рязань
• Количество страниц: 173 с. : ил.

ВВЕДЕНИЕ
1 АНАЛИЗ ЗАДАЧ ОБНАРУЖЕНИЯ, ВЫДЕЛЕНИЯ, ИЗМЕРЕНИЯ
КООРДИНАТ И СОПРОВОЖДЕНИЯ ОБЪЕКТОВ В ОПТИКОЭЛЕКТРОННЫХ СИСТЕМАХ (ОЭС)
1Л Задачи, решаемые ОЭС
1.2 Качественная постановка задачи обнаружения, выделения, измерения координат и сопровождения объектов
1.3 Обзор и анализ методов и алгоритмов обнаружения и измерения

координат объектов
2 РАЗРАБОТКА АЛГОРИТМОВ ЗАХВАТА И ИЗМЕРЕНИЯ КООРДИНАТ ОБЪЕКТА С ИСПОЛЬЗОВАНИЕМ ЕГО ЭТАЛОННОГО ИЗОБРАЖЕНИЯ
2.1 Разработка алгоритма захвата движущихся объектов
2.2 Выбор и обоснование размеров эталонного изображения объекта в

алгоритме измерения координат
2.3 Разработка алгоритма измерения координат объекта на основе

эталона
2.4 Исследование алгоритма измерения координат
2.5 Состояния (режимы работы) автомата сопровождения, использующего алгоритм измерения координат на основе эталона
3 РАЗРАБОТКА МНОГ ОЭТ АПНОНГ О АЛГОРИТМА ИЗМЕРЕНИЯ
КООРДИНАТ ОБЪЕКТА, ОСНОВАННОГО НА СЕГМЕНТАЦИИ
3.1 Выбор и обоснование признаков, используемых для классификации точек изображения
3.2 Разработка многоэтапного алгоритма измерения координат
3.3 Разработка критериев оценки работоспособности алгоритма измерения

координат на основе сегментации
3.4 Исследование алгоритма измерения координат
3.5 Состояния (режимы работы) автомата сопровождения, использующего алгоритм измерения координат.на основе сегментации
4 РАЗРАБОТКА АРХИТЕКТУРЫ АВТОМАТА СОПРОВОЖДЕНИЯ ОБЪЕКТОВ
4.1 Обоснование применения программируемых логических интегральных схем
4.2 Разработка архитектуры автомата сопровождения
4.3 Реализация архитектуры автомата сопровождения. Результаты применения автомата в комплексах различного назначения
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
ПРИЛОЖЕНИЯ

ВВЕДЕНИЕ
Актуальность работы.
Задачи цифровой обработки изображений можно условно разделить на два больших класса: повышение качества изображений для улучшения его визуального восприятия человеком и обработка изображений с целью их хранения, передачи и анализа в системах технического зрения.
Совершенствование технологий способствует интенсивному внедрению видеоинформационных систем в различные области человеческой деятельности. Системы обработки и анализа видеоинформации, определяемые как оптикоэлектронные системы (ОЭС), находят все большее применение как в гражданских, так и, в особенности, в военных областях. В настоящее время ОЭС являются основой построения многих систем наведения и прицеливания в различных образцах военной техники. В гражданской сфере ОЭС находят применение в системах охраны и наблюдения за объектами, системах раннего оповещения о пожарах и повреждениях газо- или нефтепроводов.
Одним из направлений разработки ОЭС является обеспечение возможности их установки на подвижных носителях: самолётах, вертолётах, кораблях и бронетехнике. Целью подобных систем является решение задач обнаружения неподвижных и движущихся объектов, оценки их параметров, построения траекторий движения объектов, распознавания образов. При этом условия применения ОЭС достаточно широкие - это и воздушные объекты, и наземные, и морские.
Естественным требованием, предъявляемым к ОЭС, является необходимость работы в реальном масштабе времени. Разрабатываемые системы также должны иметь автоматизированный режим функционирования, требуя лишь незначительных усилий со стороны оператора.
Постоянное совершенствование средств обработки информации приводит к расширению сферы практического применения методов и алгоритмов обработки изображений. В некоторых задачах ОЭС стали составлять конкуренцию радиолокационным станциям (РЛС). К числу существенных недостатков

странственной структуры объекта и фона. В противном случае разделение изображения на точки объекта и фона затруднительно.
Методы сегментации. Использование этих методов основано на априорной информации о различии статистических свойств объекта и фона [34-42]. Для этого используются методы пороговой обработки, методы наращивания областей [37], метод байесовской классификации [36, 38].
Математическая постановка задачи сегментации может иметь следующий вид [39]. Пусть f(x,y) — функция яркости анализируемого изображения; X-конечное подмножество плоскости, па котором определена функция fix, у); S = {S],Si
Сегментацией изображения f(x,y) по предикату LP называется разбие-
ниеS* = {s*,S*2
i)Us;=x, 2) s;rs* = 0,/i*j, О-4)

3) LP (S') = true Vi,
4) LP(S. U S*) = false Vi Ф j.
Условие 1) в соотношениях (1.4) означает, что каждая точка изображения должна быть отнесена к некоторой области, 2) что области S, должны быть связными, 3) определяет вид (тип) однородности получаемых областей и, наконец, 4) выражает свойство «максимальности» областей разбиения. Подразумевается, что разбиение S существует и оно единственно. Предикат LP в (1.4) называется предикатом однородности и его истинное или ложное значение зависит от свойств функции f(x,y)
Таким образом, сегментацию можно рассматривать как оператор вида