Сокращенный текст 3-го выпуска справочника "Кто есть кто в робототехнике" (фрагмент)

Обнаружение слабоконтрастных и замаскированных помехами объектов на изображении одного кадра классическими методами не во всех условиях работы информационно-измерительных средств эффективно, так как спектральные характеристики помехового фона перекрывают спектры сигналов от объектов. Поэтому для их обнаружения на таком изображении становится целесообразным применение фрактальных методов. При этом будем исходить из следующего допущения: реальный объект - нефракгальный, детерминированный и занимает незначительную часть (десятую долю и меньше) изображения и в этом случае имеет место аддитивное взаимодействие сигнала от объекта и фона контролируемой средством местности или помехового фона собственно средства. Это допущение обусловливает задачу выделения объекта как задачу теории статистических решений на множестве двух альтернативных гипотез 0, = 1 и в,=0. Одна из этих гипотез 0, = 1 связана с возможным нахождением на контролируемой местности объекта как источника соответствующего излучения с интенсивностью, не превышающей интенсивность помехового фона. При таком условии, то есть при появлении детерминированного объекта в какой-то любой части кадра средства, фрактальная размерность соответствующего фрагмента изображения изменится, и изменение будет тем значительнее, чем большую часть изображения будет занимать объект. Фрактальная размерность в большей степени зависит от геометрической конфигурации объекта и в меньшей - от «яркости» объекта. Поэтому для повышения чувствительности алгоритма обнаружения объекта становится целесообразным разбиение изображения на части - фрагменты, а при оценке чувствительности - использование отношения площади объекта к площади изображения на кадре.

Таким образом, при практической реализации исходное изображение следует накрыть сеткой окон - стробов, а математическое ожидание помехи заменить выражением для выборочного среднего; последнее можно вычислять отдельно: на каждом из выявленной совокупности стробированных фрагментов изображения с фрактальной размерностью положительно коррелированной помехи, и аналогично - на совокупности фрагментов с отрицательно коррелированной помехой. Фрагменты с фрактальной размерностью при положительной корреляции могут содержать сильно замаскированный помехой объект, а фрагменты с отрицательной корреляцией - слабо замаскированный помехой объект.

Соответствующий алгоритм выполняет следующие основные операции:

- построение дискретной функции фрактальной размерности в зависимости от пространственных координат; функция фрактальной размерности представляет реализацию двумерного случайного коррелированного процесса с неизвестным априори законом распределения вероятностей;

- выделение кластеров - локальных минимумов дискретной функции фрактальной размерности;

- упорядочение кластеров по убыванию значений занимаемой ими площади на снимке - кадре;

- фильтрация помехового фона на каждом кластере, начиная с первого, то есть с кластера, занимающего на снимке наибольшую площадь.

Работоспособность алгоритма повышения качества изображения проверена моделированием в динамике изменения контролируемой информационно-измерительными средствами обстановки на местности; установлена высокая эффективность его работы.

В заключение отметим, что излучение объекта всегда имеет случайную составляющую; её допустимо описывать нестационарным процессом Винера-Леви (фрактальным броуновским движением); полученные при исследовании метода оценки фрактальной размерности изображений с различными на них объектами подтверждают целесообразность первичной обработки изображения одного кадра с применением фрактальной компенсации помехового фона местности и фона собственно информационно-измерительного средства. По докладу А. Н. Катулева, М. Ф. Малевинского, Г. М. Соломахи на XVI Международной научно-технической конференции «Современное телевидение»

 

"Черный ящик" в автомобиле: технологии западных автоконцернов "отрихтуют" водителей  - http://www.liveinternet.ru/users/albrs/post402370094/