Идентификация подвижных наземных объектов с борта беспилотного летательного аппарата

• Автор: Казбеков, Борис Валентинович
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва
• Количество страниц: 159 с. : ил.

Содержание
Введение
1 Проблемные вопросы теории и практики обработки изображений
1.1 Специфика предметной области
1.2 Анализ способов представления изображений и методы сопоставления изображений
1.3 Существующие методы обработки видеопотока, поступающего со стационарно расположенной камеры
1.4 Существующие методы обработки видеопотока, поступающего с камеры, расположенной на подвижном носителе
1.5 Постановка задачи диссертационного исследования
1.6 Основные результаты и выводы по материалам первой главы
2 Разработка методического аппарата обработки видеопотока
2.1 Обнаружение подвижных объектов
2.2 Использование инфракрасных снимков для уточнения маски движения
2.3 Идентификация наземного объекта
2.4 Основные результаты и выводы по материалам второй главы
3 Разработка алгоритма автоматической идентификации подвижных наземных объектов по анализу видеопотока
3.1 Предобработка

3.2 Выбор пары кадров для анализа
3.3 Определение подвижных наземных объектов
3.4 Комплексирование алгоритмов обработки изображений видимого
и инфракрасного диапазонов
3.5 Определение характеристик найденных объектов и их идентификация
3.6 Основные результаты и выводы по материалам третьей главы
4 Экспериментальные исследования разработанного алгоритма идентификации подвижных наземных объектов по анализу видеопотока
4.1 Описание бортовой аппаратуры
4.2 Результаты моделирования
4.3 Результаты анализа видеофрагментов, полученных с борта беспилотного летательного аппарата
4.4 Результаты совместного анализа изображений видимого и инфракрасного диапазонов
4.5 Основные результаты и выводы по материалам четвертой главы
Заключение
Список использованной литературы

Введение
Актуальность работы
В настоящее время всё более интенсивно применяются системы первичной обработки и детального анализа видеоинформации. Такие системы используют в различных областях человеческой деятельности. Наиболее широкое распространение они получили при решении следующих задач: навигация различных судов, космический мониторинг Земли, контроль производства, обеспечение безопасности различных объектов, мониторинг транспортных потоков, хранение и ретрансляция видеоматериалов, медицинские и военные приложения.
Со значительным ростом объёмов видеоинформации, фиксирующей реальные события, соответственно увеличиваются затрачиваемые ресурсы на её обработку. Помимо этого, не редко видеоматериалы содержат факты, для анализа которых требуется привлечение высокооплачиваемых специалистов, способных квалифицированно и качественно описать зафиксированный материал. В связи с этим появляется задача снизить материальные, а главное временные затраты на анализ видеоматериалов, полученных из различных источников.
За последние десять лет было разработано достаточно большое число методов и алгоритмов обработки видеоданных. Созданы и успешно функционируют различные системы анализа видеоматериалов: система «Hawk-Eye» - программно-аппаратный комплекс, моделирующий траекторию спортивного снаряда; система «Стрелка» стационарный радарный комплекс контроля дорожного трафика и регистрации нарушений; компьютерная система видеоанализа (КСВА) «Бастион-Номер» -предназначена для считывания государственных регистрационных знаков
(1.17)

Первый член выражения (1.17) - «энергия» фрагмента А не зависит от к и 1, поэтому возможно нормировать ошибку:
и перейти к поиску наибольшего значения коэффициента корреляции между рассматриваемым фрагментом и фрагментом А. взятым из первого изображения:
Необходимо установить пороговое значение и для коэффициента взаимной корреляции тах?(к,1): если тах?(к,1)>гпор, то с заданной
вероятностью гарантируется соответствие определенной пары фрагментов. Значение порога определяется двумя параметрами:
- функцией распределения коэффициента корреляции;
- задаваемой доверительной вероятностью принятия решения о действительном соответствии фрагментов.
Одним из главных недостатков данного метода является его чувствительность к искажениям, вызванными масштабными преобразованиями или изменениями ракурса съемки.
ZZQo(x,y)-G(x,y)

(1.18)
X у X у
Е1Х(х,У)-й(х,у)
?(к,1)=

(1.19)