Телевизионная система нейросетевого наблюдения наземных объектов

• Автор: Лебедев, Алексей Георгиевич
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Москва
• Количество страниц: 113 с. : ил

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИЗ ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ СЛЕЖЕНИЯ ЗА НАЗЕМНЫМ ОБЪЕКТОМ В ПОЛЕТЕ И ПОСТАНОВКА ЗАДАЧИ ВЫБОРОЧНОГО НАБЛЮДЕНИЯ
1.1. Анализ функционирования системы слежения в полете за наземным ОБЪЕКТОМ
1.2. Постановка задачи выборочного наблюдения и повышения качества
ИЗОБРАЖЕНИЯ ПРИ СЛЕЖЕНИИ ЗА НАЗЕМНОЙ ЦЕЛЬЮ
1.3. Предлагаемый подход к решению задачи выборочного наблюдения
1.4. Выводы по главе
ГЛАВА 2. РАЗРАБОТКА НЕЙРОСЕТЕВОЙ ПРОЦЕДУРЫ РАСПОЗНАВАНИЯ ДИНАМИЧЕСКИХ ПОМЕХ
2.1. Классификация динамических помех, их упрощенное математическое описание и предварительная оценка точности определения границ их распространения
2.2. Выбор состава информативных признаков при распознавании динамической помехи и составление примеров для обучения нейронной СЕТИ
2.3. Результаты обучения нейронной сети задаче распознавания динамической помехи при использовании предварительно сформированных информативных признаков
2.4. Опознавание динамической помехи без предварительной обработки информации

2.5. Выбор состава информативных признаков при классификации
ДИНАМИЧЕСКОЙ ПОМЕХИ
2.6. Результаты обучения нейронной сети задаче оценки степени
ОПАСНОСТИ МАСКИРОВАНИЯ ПОМЕХОЙ НАБЛЮДАЕМОГО ОБЪЕКТА
2.7. Выводы ПО ГЛАВЕ
ГЛАВА 3. ФОРМИРОВАНИЕ НЕЙРОСЕТЕВОЙ ПРОЦЕДУРЫ ВЫБОРА СЕКТОРА НАБЛЮДЕНИЯ, СВОБОДНОГО ОТ ПОМЕХ, И ОЦЕНКА КОНТРАСТНОСТИ ОРИЕНТИРОВ МЕСТНОСТИ
3.1. Выбор сектора наблюдения, свободного от помех, с учетом динамики их распространения
3.2. Результаты обучения нейронной сети задаче альтернативного выбора сектора наблюдения
3.3. Двумерный алгоритм апертурного сжатия данных контрастности ориентиров для оценки информативности участков сектора наблюдения
3.4. Результаты обучения нейронной сети задаче оценки степени информативности участков выбранного сектора наблюдения
3.5. Выводы по главе
ГЛАВА 4. ВЫБОР АЛЬТЕРНАТИВЫ ПЕРЕМЕЩЕНИЯ ПОЛЯ ЗРЕНИЯ АППАРАТУРЫ НАБЛЮДЕНИЯ, ОБЕСПЕЧИВАЮЩИЙ ОПТИМАЛЬНЫЙ РЕЖИМ СЛЕЖЕНИЯ
4.1. Формирование минимизируемого функционала качества наблюдения и постановка задачи оптимального слежения
4.2. Выбор оптимальной траектории движения поля зрения с помощью динамического программирования
4.3. Анализ свойств информативного перемещения поля зрения вдоль контрастных ориентиров местности

4.4. Обучение нейронной сети альтернативному выбору траектории
ПЕРЕМЕЩЕНИЯ ПОЛЯ ЗРЕНИЯ
4.5. Выводы по главе
ГЛАВА 5. МОДЕЛИРОВАНИЕ НА ЭВМ ПРОЦЕССОВ НАБЛЮДЕНИЯ И РАСПОЗНАВАНИЯ
5.1. Выбор цифровых алгоритмов повышения качества изображения для
РАЗЛИЧНЫХ ЭЛЕМЕНТОВ ПОЛЯ ЗРЕНИЯ
5.2. Моделирование на ЭВМ процесса возникновения множественных ПОМЕХ и выборочного наблюдения ориентиров местности
5.3. Оценка возможности технической реализации нейросетевой системы выборочного наблюдения в ЗАДАЧЕ наведения ЛА
5.4. Оценка возможности применения выборочного наблюдения в автоматизированной системе посадки беспилотного летательного аппарата (БЛА)
5.5. Выводы по главе
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

времени появляются маскирующие помехи (одни позже, другие раньше), классифицируемые в первом приближении как расширяющиеся (например, помехи 1, 2, 3, 6) или движущиеся (например, помехи 4, 5). Все появившиеся помехи представляют разную степень опасности закрытия интересующего наземного объекта, и в зависимости от этого необходимо предварительно наметить сектор в окружающем фоне местности, который не будет замаскирован. От правильного выбора этого сектора будет зависеть точность навигации цели после того, как она будет полностью закрыта через некоторое время.
В связи с этим в рассматриваемой сложной динамической обстановке интеллектуальной системе принятии решений предстоит рассмотреть последовательность следующих задач, исследуемых в данной главе:
• предварительное поочередное обнаружение динамических помех и их грубая классификация;
• разбиение множества помех на три основных класса: неопасных, явно мешающих наблюдению цели и вызывающих тревогу (см. области трех типов на рис. 2.1);
• оценка точности определения границы распространения помех при ограниченном времени их наблюдения.
Ясно, что перечень этих задач уже указывает на их высокую сложность и невозможность решить их за реальное время полета аналитическими методами. Поэтому в данной работе анализируется возможность использования методов нейросетевого распознавания различного класса помех.
При этом рассматриваются три класса:
- крупное подвижное образование «разрастающегося» типа;
- помеха типа «одиночных вкраплений», имеющая малую скорость движения;
- и «движущаяся» в одном направлении помеха, имеющая заметную скорость поступательного движения.