Комплексирование изображений разных диапазонов спектра в многоканальных системах наблюдения

• Автор: Михеев, Сергей Михайлович
• Шифр специальности: 05.13.01, 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Москва
• Количество страниц: 112 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1 АНАЛИТИЧЕСКИЙ ОБЗОР И СИСТЕМАТИЗАЦИЯ МЕТОДОВ КОМПЛЕКСИРОВАНИЯ ИЗОБРАЖЕНИЙ

1Л Анализ режима комплексирования в многоканальной системе

наблюдения

1.2 Повышение разрешения изображения

1.3 Задача привязки изображений

1.3.1 Методика привязки изображений

1.3.2 Селекция характерных точек

1.3.3 Блочные методы

1.3.4 Модель трансформации
1.4 Методы синтеза разноспектральных изображений
1.4.1 Многомасштабное преобразование
1.4.2 Вейвлет-синтез
1.4.3 Синтез с приоритетом ТВ изображения
1.5 Выводы и постановка задачи диссертационной работы
2 ПРИВЯЗКА ИЗОБРАЖЕНИЙ РАЗНЫХ ДИАПАЗОНОВ СПЕКТРА
2.1 Особенности привязки ТВ и ТПВ изображений
2.2 Критерий согласования блоков
2.2.1 Критерий максимума взаимной информации
2.2.2 Предобработка
2.2.3 Сокращение времени вычисления
2.2.4 Стратегия поиска
2.3 Сравнительный анализ критериев согласования
2.4 Результаты и выводы
3 СИНТЕЗ ИЗОБРАЖЕНИЙ РАЗНЫХ ДИАПАЗОНОВ СПЕКТРА
3.1 Описание метода локального синтеза
3.2 Обнаружение объектов интереса по яркости
3.3 Обнаружение объектов по признаку движения
3.3.1 Алгоритм определения оптического потока
3.3.2 Выделение движущихся объектов
3.4 Синтез изображений и маркировка объектов интереса
3.5 Оценка качества синтеза
3.6 Результаты и выводы
4 ОЦЕНКА РЕЗУЛЬТАТОВ КОМПЛЕКСИРОВАНИЯ И ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ РАЗРАБОТАНОГО АЛГОРИТМА
4.1 Общая схема алгоритма комплексирования
4.2 Комплексирование ТВ и ТПВ изображений
4.3 Конструкция многоканальной системы наблюдения
4.4 Программное обеспечение и аппаратная реализация
4.5 Результаты и выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАНЫХ ИСТОЧНИКОВ

ВВЕДЕНИЕ
Актуальность темы. Современные многоканальные оптикоэлектронные системы наблюдения (МСН) имеют в своем составе датчики различной физической природы. Каждый датчик обладает уникальными свойствами и характеристиками и вносит свой вклад в изображение, которое анализирует человек-оператор комплекса [1] - [3]. МСН позволяют вести круглосуточное и всепогодное наблюдение, обнаружение, сопровождение наземных и воздушных объектов, выполнять охрану периметра, разведку местности, оценку состояния техногенной, экологической1 обстановки, мониторинг местности.в условиях чрезвычайных.ситуаций.
Большое распространение получили системы, снабженные тепловизионной (ТПВ) и телевизионной (ТВ) камерой [2]. Тепловизионный канал предназначен- для получения- на экране монитора изображения- в инфракрасном (ИК) диапазоне спектра (3..5- мкм- — ближний ИК, 8..14 — дальний ИК). Данный канал позволяет обнаруживать и- идентифицировать объекты, обладающие тепловым контрастом. Телевизионный канал обладает цветовым контрастом, и предназначен для получения изображения наблюдаемой сцены в видимом диапазоне спектра (0,38...0,76 мкм).
Полезная информация, необходимая для принятия- решения человеком-оператором, может быть распределена между изображениями разного спектра. В, этом случае оператор вынужден анализировать несколько изображений и сопоставлять их между собой, что приводит к задержкам в принятии решения: Особенно критичны данные задержки в работе оператора комплекса беспилотного летательного аппарата, оборудованного бортовой МСН. По этой причине целесообразно выводить на дисплей единое комплексированное изображение, синтезированное из исходных ТПВ и ТВ кадров. Такой режим позволяет повысить информативность системы,

точность и устойчивость при изменении условий освещенности, цвета пикселя, появлении шума, перекрытии сцены и больших значений трансформации.
Предлагаемый критерий пришел из теории коммуникаций, как мера информации, распределенной между источником и приемником.
1(А,В) = Н(А) + Н(В)-Н(А,В) (2.1)
где: 1(А,В) - взаимная информация блоков А и В; Н(А), Н(В) -собственная энтропия изображений по Шеннону; Н(А,В) - совместная энтропия;
Н(А) = -£РА(а)1оВРА(а); Н(В) - ~Рв(Ь)1оёРвф) (2-2)

Н(_А,В) = -Рлв{а,Ь)о%РАВ{а,Ь) (2.3)

Для определения величины взаимной информации необходимо оценить вероятности событий: РА(а), РВ(Ь), РАВ(а,Ь). В данной задаче, если преобразовать исходные изображения в полутоновый формат (8 бит на пиксель) - это вероятность принятия пикселем одного из 256 значений. Для оценки вероятности Уэльсом [46] были использован метод Парзеновского окна - это метод требует значительных' объемов вычислений. Предлагается использовать другой подход:
Если рассматривать яркости пикселей изображения А, как отсчеты случайной величины, тогда распределение частот яркостей (7(а), а = 0..255 (гистограмма изображения) соответствует плотности вероятности этой величины
РА(а) = С(а)ША (2.4)
где ЫА - размер изображения. Совместная гистограмма С(а,Ь) определяется подсчетом пар пикселей яркости а на изображении А и яркости Ь на В, где а- 0..255, Ь = 0..255, таким образом, элемент массива С(а,Ь) соответствует