Разработка и исследование метода обнаружения объектов искусственного происхождения средствами вейвлет-анализа

• Автор: Беспалов, Дмитрий Анатольевич
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Таганрог
• Количество страниц: 225 с. : ил.

Содержание
Введение

1 Анализ существующих методов обнаружения объектов искусственного происхождения

1.1 Постановка задачи обнаружения

1.1.1 Основные положения

1.1.2 Понятие характеристических точек объекта обнаружения

1.1.3 Понятие априорной неопределенности в задачах обнаружения

1.2 Методы обнаружения объектов искусственного происхождения

1.2.1 Пороговые методы обнаружения

1.2.2 Методы дистантного сопоставления с эталоном

1.2.3 Контурные методы обнаружения

1.2.4 Согласованная фильтрация
1.2.5 Текстурные методы обнаружения
1.3 Требования к разрабатываемому методу обнаружения объектов искусственного происхождения
1.4 Выводы
2 Разработка метода обнаружения объектов искусственного происхождения в условиях неопределенности исходных данных средствами вейвлетанализа
2.1 Постановка задачи
2.2 Основные положения вейвлетанализа
2.3 Предварительная обработка данных
2.3.1 Постановка задачи предварительной обработки данных
2.3.2 Выделение вейвлетмаксимумов
2.3.3 Адаптивная вейвлетфильтрация в условиях неопределенности исходных данных
2.3.4 Пространственная и многомасштабная сегментация сигналов
2.4 Выделение векторов характеристических признаков сегментов
2.5 Выводы
3 Разработка алгоритмов обнаружения объектов искусственного происхождения методами вейвлетанализа
3.1 Анализ требований к алгоритмам обнаружения и первичной классификации объектов искусственного происхождения
3.2 Особенности быстрых алгоритмов вейвлетпреобразования
3.3 Базовый комплексный алгоритм обнаружения и первичной классификации объектов искусственного происхождения
3.3.1 Алгоритм адаптивной декомпозицииреконструкции анализируемых сигналов в оптимальных вейвлетбазисах
3.3.2 Алгоритм адаптивной вейвлетфильтрации оптимальными порогами
3.3.3 Алгоритм многомасштабной сегментации сигналов
3.3.4 Алгоритм выделения масштабных и локальных векторов характеристических вейвлетпризнаков
3.3.5 Комплексный алгоритм обнаружении объектов искусственного происхождения методами вейвлетанализа
3.4 Теоретическая оценка вычислительной трудоемкости
3.5 Оптимизация разработанных быстрых алгоритмов обнаружения и первичной классификации методами параллельных вычислений
3.6 Синтез оптимальных конфигураций аппаратных средств поддержки вычислительного процесса
3.7 Выводы
4 Программная реализация и результаты экспериментальных исследований оптимизированных алгоритмов обнаружения объектов искусственного происхождения методами вейвлетанализа
4.1 Основные требования к программной модели разработанного метода и методика проведения экспериментальных исследований
4.2 Постановка задачи обнаружения с позиции экспериментального исследования предложенного метода
4.3 Методика проведения экспериментов
4.4 Результаты экспериментальных исследований разработанной программной модели обнаружения объектов искусственного происхождения методами вейвлетанализа
4.4.1 Оценка зависимости типа базисных вейвлетфункций, используемых для представления данных, от особенностей анализируемых сигналов
4.4.2 Оценка зависимости значений порога вейвлетфильтрации по мягкой и жесткой схемам от параметров анализируемого сигнала
4.4.3 Оценка зависимости количества ненулевых коэффициентов от значения порога вейвлетфильтрации и уровня шумов
4.4.4 Оценка зависимости вероятности обнаружения объектов от особенностей сигналов и параметров выделения значимых вейвлеткоэффициентов
4.5 Применение предложенной методики для решения задачи обнаружения на реальных данных
4.6 Выводы
Заключение
Библиографический список использованных источников
Приложение А
Приложение Б
Введение
Задача совершенствования методов цифровой обработки сигналов, в общем, и методов обнаружения объектов искусственного происхождения, в частности, является одной из важнейших во многих отраслях науки и техники гидролокации, сейсморазведке, обработке изображений, видео и звука, медицине и т.п.
Актуальность


Ее особенностью также является возможность одновременного выделения векторов локальных и масштабных характеристических признаков сегментов с обновлением их динамики для каждого достигнутого уровня разложения. Последним рассмотренным этапом обнаружения является непосредственно этап первичной классификации обнаруженных объектов. Кроме того, в разделе рассмотрены случаи принятия решения об обнаружении объектов искусственного происхождения в случае отсутствия их эталонной формы в базе искомых объектов. Данная ситуация охватывает класс задач обнаружения объектов, определенных только рядом своих характерных признаков и является частным случаем поставленной комплексной задачи обнаружения. Раздел завершается выводами по проделанной работе и синтезом схемы метода обнаружения, включающей в себя все разработанные и обоснованные ранее этапы. Третий раздел диссертационной работы посвящен алгоритмической составляющей разработанного метода обнаружения объектов искусственного происхождения и способам реализации вычислительного процесса на программном и аппаратном уровне. Введением в данный раздел является анализ требований к алгоритмам обнаружения, определяющих общие черты вычислительного процесса и ход обнаружения в целом. Далее, в разделе последовательно рассмотрены следующие этапы предложенного метода обнаружения с точки зрения их алгоритмической реализации быстрые алгоритмы адаптивной декомпозицииреконструкции сигнала в базисе вейвлетфункций алгоритм адаптивной вейвлетфильтрации с оптимальными порогами алгоритм многомасштабной сегментации анализируемого сигнала алгоритм выделения векторов масштабных локальных и глобальных признаков сегментов алгоритм первичной классификации обнаруженных объектов, присутствующих в базе эталонов и алгоритм обнаружения объектов. В представленном материале рассмотрены структурные схемы данных алгоритмов и особенности их реализации. Далее, в разделе рассматриваются методы повышения эффективности и оптимизации вычислительного процесса. Как продолжение данной работы выполняется анализ современных средств аппаратной реализации алгоритмов цифровой обработки сигналов, применимых для решения поставленной задачи. В результате чего сделан вывод о целесообразности применения современных процессоров цифровой обработки сигналов, объединенных в вычислители специального вида многопроцессорные комплексы. В качестве дополнительного преимущества выделенного множества аппаратных средств поддержки выделяется полное соответствие операционного состава синтезированных быстрых алгоритмов операционному базису процессоров, а также возможность наиболее эффективного использования естественного параллелизма алгоритмов вейвлетанализа. Результатом проведенной в данном направлении работы является предложенная совокупность последовательных и параллельных схем реализации комплексного алгоритма обнаружения на базе многопроцессорных комплексов цифровой обработки сигналов. Приводятся формулы расчета основных характеристик комплексного алгоритма обнаружения, и осуществляется сравнительный анализ различных реализаций последнего. Проведенный анализ вычислительной трудоемкости и быстродействия алгоритмического состава предложенного метода обнаружения позволил провести сравнение параметров работы алгоритмов для последовательного и параллельного вариантов для случаев реализации на ЭВМ и многопроцессорных комплексах. Данный раздел завершается выводами относительно разработанного комплексного алгоритма, его быстродействия и вычислительной трудоемкости, а также анализом полученных характеристик оптимизированной алгоритмической базы предложенного метода. В четвертом разделе приводятся результаты экспериментального исследования и практического применения разработанной методики обнаружения. Введением в раздел является анализ требований к программной реализации предложенной методики, а также постановка задачи обнаружения с позиции его экспериментального исследования. Далее предлагается методика проведения экспериментов, регламентирующая основные этапы исследования, структуру и связи оцениваемых параметров, строение программной модели системы, для проведения наиболее полного исследовании, а также определяется набор модельных данных для проведения экспериментов.