Разработка и исследование алгоритмов обнаружения протяженных аномалий на многозональных изображениях

• Автор: Лучков, Николай Владимирович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Ульяновск
• Количество страниц: 123 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. МЕТОДЫ МОДЕЛИРОВАНИЯ И АНАЛИЗА ЭФФЕКТИВНОСТИ
АЛГОРИТМОВ ОБНАРУЖЕНИЯ АНОМАЛИЙ
1.1 Постановка задачи
1.2. Обзор задач дистанционного зондирования Земли
1.3 Методы имитации изображений
1.4. Дважды стохастическая модель СП
1.5 Анализ характеристик дважды стохастической модели СП
1.6. Методика формирования изображений
1.7. Обзор алгоритмов обнаружение протяженных аномалий на
многозональных изображениях
1.8 Выводы
ГЛАВА 2. МОДЕЛИРОВАНИЕ И АНАЛИЗ АЛГОРИТМОВ ФИЛЬТРАЦИИ СЛУЧАЙНЫХ ПОЛЕЙ
2.1. Постановка задачи
2.2. Эффективность фильтрации СП на многомерных сетках
2.3. Аппроксимация дисперсий ошибок фильтрации СП дискретного аргумента с помощью СП непрерывного аргумента
2.4. Определение условий приемлемой аппроксимации дисперсий ошибок фильтрации СП дискретного аргумента
2.5. Выводы
ГЛАВА 3. ОБНАРУЖЕНИЕ ПРОТЯЖЕННЫХ АНОМАЛИЙ НА ФОНЕ МНОГОМЕРНЫХ ИЗОБРАЖЕНИЙ
3.1. Постановка задачи
3.2. Исследование зависимостей вероятности правильного обнаружения от характеристик СП
3.3. Анализ эффективности обнаружения протяженных аномалий на многомерных СП

3.4. Обнаружение протяженных аномалий с неизвестными уровнями
3.5. Обнаружение появления аномалий на последовательности кадров многозональных изображений
3.6. Эффективность обнаружения протяженных сигналов различной формы
3.7. Выводы
ГЛАВА 4. ОСОБЕННОСТИ ПРОГРАММНОЙ РЕАЛИЗАЦИИ АЛГОРИТМА ОБНАРУЖЕНИЯ
4.1 Постановка задачи
4.2 Программный пакет для исследования алгоритмов обнаружения протяженных аномалий на фоне коррелированных помех
4.3 Пакет программ для анализа эффективности алгоритмов обнаружения протяженных аномалий на многомерных изображениях
4.4 Применение предложенных алгоритмов
4.5 Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Актуальность работы
В связи с широким распространением методов мультиспектральной (до 10 спектральных диапазонов) и гиперспектральной (до 300 диапазонов) регистрации земной поверхности, все большее значение приобретают задачи вероятностного представления и статистического анализа многомерных данных. Совместная обработка данных в нескольких спектральных диапазонах позволяет эффективно решать задачи радио- и гидролокационных комплексов, систем глобального мониторинга Земли, систем технического зрения и др. Для ряда приложений особый интерес представляют задачи обнаружения и оценивания параметров протяженных аномалий на многозональных изображениях. Вместе с тем, для выбора наиболее подходящего правила обнаружения актуальным является исследование и сопоставление эффективности соответствующих алгоритмов, и потенциальные возможности реальных систем обработки многозональных изображений.
В ряде работ предлагаются локальные алгоритмы обнаружения на многомерных изображениях, основанные на оценках градиента поля изображения. Рассматривается применение адаптивных алгоритмов компенсации коррелированных помех и алгоритмов обнаружения с «выбеливанием» многомерного изображения. Несмотря на большое число публикаций по проблемам синтеза алгоритмов обнаружения сигналов, в настоящее время мало исследована их эффективность. Существующие решения не дают удовлетворительного результата в задачах анализа эффективности и сравнения соответствующих алгоритмов обнаружения, особенно алгоритмов обнаружения протяженных аномалий на многомерных изображениях. Это обусловливает необходимость дополнительного исследования эффективности алгоритмов обнаружения аномалий.

. Если г=1, тогда /?, = р,_, при любом значении 1=1,2, где рг -случайная величина со средним значением т и дисперсией а2.
Анализ результатов (1.4) позволяет сделать вывод, что для а2 «1
выражение для КФ можно записать в следующем компактном виде:

в(к)»
У-')г'

(1.5)
Так, например, погрешность выражения (1.5) для сгр = 0,01 достигает
значения порядка 10-8.
Проверка правильности полученных аналитических соотношений была проведена с помощью статистического моделирования. На рис. 1.13 представлены теоретические (гладкие кривые) и экспериментальные (ломаные кривые) исследования КФ дважды стохастического СП, используя уравнение
(1.5).
Рис. 1.13. Экспериментальные и теоретические корреляционные функции
Для определения области применения дважды стохастических СП на рис. 1.14 - рис. 1.17 представлены результаты исследования их вероятностных характеристик.