Содержание к диссертации
Введение
ГЛАВА 1. Аналитический обзор и состояние вопроса систем дистанционного зондирования земной поверхности 11
1. Обзор современных сисетм дистанционного зондирования земной поверхности и тенденции их развития 11
2. Анализ систем обработки гиперспектральной информации и методов их проектирования 21
2.1. Вычислительная система обработки данных гиперспектрального аэрокосмического зондирования 22
2.2. Программно-аппаратный комплекс классификации объектов земной поверхности на основе средств искусственного интеллекта 23
2.3. Программный комплекс GS-VKA 24
2.4. Программный комплекс «Альбедо» для видеоспектрометра НПО «Лептон» 24
2.5. Система обработки многоспектральных и гиперспектральных снимков ENVI 25
3. Концепция систем автоматизации проектирования 26
4. Постановка задачи автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ 28
5. Выводы к главе 1 29
ГЛАВА 2. Методы автоматизации проектирования средств обработки изображений в дифракционных гиперспектральных систмеах дистанционного зондирования земли 30
1. Основные понятия теории переноса излучения, используемые при решении прикладных задач дистанционного зондирования 30
2. Особенности формирования гиперспектрального изображения 33
3. Эмпирические методы классификации и оценки состояния растительного покрова на основе использования вегетационных индексов 37
4. Метод выбора систем распознавания образов при решении задач обнаружения 40
4.1. Критерий Байеса 40
4.2. Минимаксный критерий 42
4.3. Критерий Неймана-Пирсона 43
5. Метод автоматизации проектирования средств обработки изображений в дифракционных гиперспектральных системах дистанционного зондирования Земли 46
6. Выводы к главе 2 50
ГЛАВА 3. Разработка алгоритмов обработки изображений в дифракционных гиперспектральных системах дистанционного зондирования земли 51
1. Особенности обработки гиперспектральной информации видеоспектрометра «Фрегат» и проблема наложения спектра второго порядка на первый 51
2. Радиометрическая калибровка выходных спектральных характеристик видеоспектромтера «Фрегат» 57
3. Решение задачи обнаружения замаскированных объектов 64
4. Алгоритмы обработки изображений в дифракционных гипеспектральных системах дистанционного зондирования Земли 68
4.1. Алгоритм формирования полноформатного КОВ-изображения68
4.2. Алгоритм формирования спектральных характеристик 69
4.3. Алгоритм идентификации замаскированных объектов на фоне растительности 72
5. Реализация системы изменения размеров изображения во входном объективе видеоспектромтера 74
6. Выводы к главе 3 78
ГЛАВА 4. Результаты экспериментальных исследований и внедрение полученных результатов 79
1. Проверка эффективности математической модели системы распознавания образов на основе критерия Неймана-Пирсона 79
2. Проведение эксперимента по обнаружению замаскированных объектов с применением программного обеспечения Ну View 80
3. Выводы к главе 4 83
Заключение 84
Список литературы
- Вычислительная система обработки данных гиперспектрального аэрокосмического зондирования
- Эмпирические методы классификации и оценки состояния растительного покрова на основе использования вегетационных индексов
- Радиометрическая калибровка выходных спектральных характеристик видеоспектромтера «Фрегат»
- Проведение эксперимента по обнаружению замаскированных объектов с применением программного обеспечения Ну View
Введение к работе
Актуальность темы. Одной из важных проблем настоящего времени является автоматизация проектирования в различных отраслях науки и техники. Данный факт обусловлен тем, что необходимо сокращать время проектирования и уменьшать трудозатраты. Для решения этих проблем применяются системы автоматизации проектирования (САПР), которые представляют собой организационно-техническую систему, предназначенную для автоматизации процесса проектирования, состоящую из персонала и комплекса технических, программных средств автоматизации. Одной из областей, в которой нашли применение подходы, методы и алгоритмы САПР, является обработка изображений в гиперспектральных системах дистанционного зондирования Земли (ГСС ДЗЗ).
Гиперспектральная аппаратура, работающая на различных участках ультрафиолетового, видимого и инфракрасного спектра, в настоящее время активно используется при решении научно-исследовательских и прикладных задач по мониторингу природных комплексов и антропогенных объектов Земли с использованием дистанционных методов. Приборы данного класса по сравнению с классическими системами оптического сканирования, существенно расширяют возможности обнаружения и распознавания объектов и фонов по их спектральным образам.
В нашей стране для обработки гиперспектральных изображений, получаемых средствами ДЗЗ первоначально использовалось готовое программное обеспечение, поставляемое зарубежными фирмами. В начале 2000-х годов в России начались разработки программных продуктов, предназначенных для обработки изображений, получаемых посредством отечественных ГСС ДЗЗ.
Разработка средств обработки изображений в дифракционных ГСС ДЗЗ является весьма трудоемким процессом. Основные используемые на сегодняшний день алгоритмы распознавания образов на гиперспектральных снимках требуют много времени и не являются оптимальными для решения конкретных задач обнаружения. Применение методологии САПР позволяет решить эти проблемы.
В связи с этим возникла необходимость разработки новых методов автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ и сокращения времени получения пользователем необходимых данных об объектах Земли.
Объектом исследования диссертационной работы являются методы автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ.
Предметом исследования диссертационной работы является автоматизация обработки изображений в дифракционных ГСС ДЗЗ и выявление особенностей проектирования программных приложений для данного класса приборов.
В рамках настоящей диссертационной работы предлагается метод автоматизации проектирования средств обработки изображений на примере разработки системы обработки гиперспектральной информации и решения задачи обнаружения замаскированных объектов при помощи дифракционных ГСС ДЗЗ, математических моделей систем распознавания образов и вегетационных индексов.
Цели и задачи работы. Целью диссертационной работы является разработка методов и алгоритмов автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ.
В соответствии с поставленной целью в работе решены следующие задачи:
-
Определены направления развития систем ДЗЗ, проведен анализ гиперспектральной аппаратуры, средств обработки изображений и методов их проектирования.
-
Сформулированы основные этапы проектирования средств обработки изображений в дифракционных ГСС ДЗЗ для реализации в САПР.
-
Разработан метод автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ, позволяющий оптимизировать системы обработки гиперспектральной информации под конкретные задачи обнаружения.
-
Разработана методика радиометрической калибровки выходных данных при проектировании средств обработки изображений в дифракционных ГСС ДЗЗ, позволяющая универсализировать анализ спектральных характеристик.
-
Разработана методика изменения размеров изображения, получаемого входным объективом дифракционной ГСС ДЗЗ.
-
Разработан алгоритм обнаружения и распознавания объектов для автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ.
-
Проведена экспериментальная проверка результатов исследований.
Методы исследования. Для решения поставленных задач применены теория систем автоматизации проектирования, методы машинной графики, обработки изображений, обнаружения и распознавания объектов на них, методы вычислительной математики и математической логики, методы линейной оптики и оптики спектральных приборов, а также прикладного программирования.
Достоверность и обоснованность полученных результатов обеспечивается учетом новых факторов и условий, влияющих на исследуемые проблемы; анализом имеющихся результатов в рассматриваемой области знаний; методологической основой научного задела по рассматриваемой тематике; применением современных апробированных теоретических подходов и математических методов исследований; обоснованностью принятых допущений и ограничений при разработке методического аппарата
исследований; проведением многовариантного анализа; учетом имеющегося опыта и практики в области систем автоматизации проектирования.
Научная новизна заключается в разработке и исследовании методов и алгоритмов автоматизации проектирования новых средств обработки гиперспектральной информации в системах ДЗЗ, алгоритма обнаружения замаскированных объектов, а также в разработке нового входного параболического вариообъектива для систем дистанционного зондирования.
Основные положения, выносимые на защиту:
-
Метод автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ.
-
Метод выбора критерия обнаружения.
-
Метод выбора математической модели систем распознавания образов.
-
Методика и алгоритм радиометрической коррекции спектральных характеристик, получаемых с помощью средств обработки изображений дифракционных ГСС ДЗЗ.
-
Алгоритм обнаружения и распознавания объектов для автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ.
-
Методика изменения размеров изображения, получаемого входным объективом дифракционной ГСС ДЗЗ.
Практическая значимость. Эффект от использования результатов диссертационной работы заключается в:
-
сокращении сроков проектирования дифракционных ГСС ДЗЗ;
-
автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ;
-
сокращения времени получения пользователем необходимых данных об объектах Земли;
-
разработке нового входного параболического вариообъектива для систем дистанционного зондирования согласно государственной регистрации полезной модели параболической оптической системы (патент №147776, приоритет от 30.12.2013).
Внедрение и реализация. Практические результаты работы используются в специализированных и научно-исследовательских организациях, что подтверждено соответствующими актами о внедрении.
В число организаций, внедривших и использующих результаты работы, входят АО «ГОИ им. СИ. Вавилова», Университет ИТМО.
Апробация работы. Основные результаты диссертационной работы прошли апробацию в ходе докладов и их обсуждений на международных и всероссийских научно-технических конференциях:
-
II, III Всероссийский конгресс молодых ученых (СПб НИУ ИТМО 2013г, 2014г.).
-
Международный конгресс по интеллектуальным системам и информационным технологиям (г. Дивноморск 2013г, 2014г.).
3. Ill Всероссийская научная конференция "Проблемы военно-прикладной геофизики и контроля состояния природной среды" (ВКА им. А.Ф. Можайского, 2014г).
Публикации. По теме диссертации опубликовано 10 печатных работ, из которых 3 опубликованы в журналах, входящих в перечень, утвержденный ВАК РФ.
Структура и объем диссертации. Работа состоит из введения, четырех глав, заключения, приложения и списка литературы.
Вычислительная система обработки данных гиперспектрального аэрокосмического зондирования
Дистанционное зондирование как отдельная область приборов появилась в нашей стране больше 30-ти лет назад. Во время холодной войны возникла потребность в обнаружении местоположения старта пуска ракет. Это послужило причиной возникновения видеоспектральных систем наблюдения за земной поверхностью в ближнем инфракрасном, видимом и ультрафиолетовом диапазонах. Также велись разработки приборов данного класса и для других целей. В частности, видеоспектрометры (ВС), принимающие оптическую информацию в видимом и ближнем инфракрасном диапазонах, позволяют анализировать земную поверхность с целью идентификации расположенных на ней природных и антропогенных объектов. Приборы данного класса хорошо зарекомендовали себя в метеорологии, геологии, экологии и картографии. Но технические особенности данных приборов позволяют расширить границы их применения. Видеоспектрометрия как отдельная область технического знания была заморожена на длительный срок в связи с распадом Советского Союза. Вместе с тем, за последние десятилетия появились такие виеоспектрометрические приборы как «Лептон», «Реагент», «Сокол-ГЦГТ». В эти же годы начались разработки в области программного обеспечения и методик анализа гиперспектральных снимков.
Начало эффективному использованию методов ДЗЗ для получения сведений о свойствах земной поверхности из космоса было положено не многим более четырех десятилетий тому назад с началом использования метеорологических искусственных спутников Земли (ИСЗ) и спутников для исследования природных ресурсов. Особое место здесь заняли приборы, її позволяющие получать информацию об объектах земной поверхности в значениях КСЯ. Появившиеся в то время многоспектральные оптические системы фотографического типа (МКФ-6, МСП-4) использовались только для разделения (дифференциации) объектов, существенно отличающихся по спектральным характеристикам.
Многоспектральная камера МКФ-6 представляла собой шесть отдельных одинаковых фотокамер, объединенных в общем корпусе. Каждая камера осуществляла съемку земной поверхности в строго определенном спектральном интервале шириной в 60 нм. Таким образом, МКФ-6 производила съемку в шести зонах электромагнитного спектра с эффективными длинами волн, близкими к следующим значениям: 480, 540, 600, 660, 740 и 840 нм.
Многоканальный синтезирующий проектор МСП-4 был разработан для дешифрования многозональных фотографических снимков и синтеза на их основе цветных изображений.
Из-за длительной процедуры обработки получаемых результатов и невозможности работать в реальном масштабе времени фотографические методы ДЗЗ отошли на второй план.
Дальнейшие разработки велись в направлении создания методов и средств, обеспечивающих оперативное получение и обработку информации, которая должна отличаться высокой радиометрической точностью и отображать с хорошим спектральным и пространственным разрешениями объекты земной поверхности. В результате были созданы многоспектральные системы оптического сканирования (МСОС).
В отличие от фотографических систем МСОС позволили сильно расширить регистрируемую часть спектра излучений абиотических, биотических и антропогенных объектов. Как правило, МСОС включали в себя входную проецирующую оптическую систему, полевую диафрагму, фильтровый полихроматор и систему регистрации. В большинстве таких систем сканирование по пространству осуществлялось при помощи подвижного зеркала, а разложение в спектр обеспечивалось спектральными фильтрами в сочетании с тем или иным разветвителем (например, волоконнооптическим жгутом). Регистрация излучения в МСОС осуществлялась набором фотоприемников.
Одной из первых систем этого типа являлась многозональная сканирующая система (MSS), разработанная для спутников серии LANDSAT. Она позволяла получать многоспектральные синоптические изображения в цифровом виде.
Дальнейшим развитием системы MSS стала разработка прибора тематического картографирования (ТМ), предназначенного для получения спектрозональных изображений с высоким пространственным разрешением. Этот прибор впервые был использован в 1982 г. на спутнике LANDSАТ-4 и в 1984 г. на спутнике LANDSАТ-5. Данная система явилась логическим продолжением прибора MSS. Вместо четырех спектральных каналов в системе MSS, данный прибор ТМ получал семь каналов с улучшенными спектральными и пространственными разрешениями. Такое улучшение параметров ТМ было достигнуто благодаря ряду изменений, внесенных в конструкцию прибора при его разработке.
Первой отечественной МСОС следует считать аппаратуру «Фрагмент» [19], созданную совместно с немецкими специалистами. Основная задача, которая решалась разработчиками МСОС «Фрагмент» - это разработка методов и технических средств оперативного исследования природных ресурсов Земли. Данная аппаратура была установлена на ИСЗ «Метеор». МСОС «Фрагмент» - это радиометр, предназначенный для дистанционных измерений спектральной плотности энергетической яркости (СПЭЯ) в восьми спектральных интервалах оптического диапазона (0,4мкм -2,4мкм). В МСОС «Фрагмент» были использованы в качестве приемников излучения точечные детекторы совместно с развертывающим оптико-механическим устройством. Применение различных между собой детекторов позволило охватить широкий спектральный диапазон получаемых измерений. Из-за применения точечного приемника с минимальным количеством ступеней преобразования с возможностью его калибровки по эталону, а также одной оптической системы была достигнута высокая точность измерения потоков излучений.
Аппаратура «Фрагмент», размещенная на ИСЗ, успешно проработала несколько лет, регулярно передавая в центр управления многоспектральную видеоинформацию. В результате этого эксперимента отработаны многие важные технические и технологические решения по построению аппаратуры дистанционного зондирования.
В результате проделанного анализа можно сделать вывод, что системы данного класса обладали рядом недостатков. В первую очередь они обладают значительными массогабаритными характеристиками и имеют механические сканирующие элементы, снижающие точность и надежность приборов. Последовательное формирование кадров изображений, применение фильтров и механических систем оптического сканирования уменьшает информационные возможности данных систем, т.к. необходима более гибкая система формирования спектральных интервалов.
Таким образом, на ранних этапах развития спектральных средств ДЗЗ подавляющее большинство исследований, направленных на получение графиков и таблиц КСЯ, проводилось в лабораторных и полевых условиях с помощью различного типа спектрорадиометров с низким и средним спектральным разрешением. Полевые измерения велись специально разработанными быстродействующими приборами на земной поверхности или с авиа- и космических носителей.
Эмпирические методы классификации и оценки состояния растительного покрова на основе использования вегетационных индексов
Программное обеспечение обработки многоспектральной и гиперспектральной информации представляет собой универсальный продукт для визуализации и обработки данных ДЗЗ, который включает в себя набор инструментов для проведения полного цикла обработки данных от ортотрансформирования и пространственной привязки изображения до получения необходимой информации и её интеграции с геоинформационными системами. Данное программное обеспечение разработано компанией ITT Visual Information Solutions для многоспектральных систем космического базирования Landsat и Hyperion. Оно является самым распространенным и востребованным в нашей стране из-за большого числа различных функций и реализованных алгоритмов коррекции. Программное обеспечение ENVI выполняет следующие основные функции:
Программные продукты «Альбедо» и GS-VKA разрабатывались для ВС НПО «Лептон», который, как говорилось раннее, обладает разным спектральным разрешением и не подходит для более подробного анализа спектральных характеристик. Данные приложения позволяют получать спектральные характеристики в значениях спектральной плотности энергетической яркости (СПЭЯ). Другие же из представленных программ являются универсальными и не позволяют в полной мере учитывать особенности конкретных ВС. Также следует отметить тот факт, что ни одно из представленных программных обеспечений не позволяет получать спектральные характеристики в значениях КСЯ. Это приводит к тому, что значение спектральных характеристик для разных приборов будет разное. Отсюда следует вывод, что проектирование программного обеспечения должно быть специальным для каждого отдельно взятого видеоспектрометра с учетом особенностей его матрицы и оптической схемы. Реализованные в данных программных продуктах алгоритмы классификации приспособлены для спектрального анализа всего изображения и не сообщают, где какой объект расположен. Принятие решения о принадлежности рассматриваемого объекта к конкретному классу принимает оператор данного средства.
Концепция систем автоматизации проектирования В настоящее время одной из важных проблем является автоматизация проектирования в различных отраслях науки и техники, что обусловлено необходимостью сокращения времени проектирования и уменьшением трудозатрат. Для решения этих проблем в последнее время применяются САПР, которые представляют собой организационно-техническую систему, предназначенную для автоматизации процесса проектирования, состоящую из персонала и комплекса технических, программных и др. средств автоматизации его деятельности.
Методы, применяемые в САПР могут найти свое применение при проектировании средств обработки изображений в дифракционных ГСС ДЗЗ. Они позволят ориентировать проектируемые приложения под конкретные задачи обнаружения. Это достигается за счет эффективного выбора необходимых критериев идентификации и наиболее подходящих для этого алгоритмов. 4. Постановка задачи автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ
В соответствии с целью и на основе проделанного анализа систем дистанционного зондирования и программных приложений для обработки гиперспектральной информации, поставлены следующие задачи: 1. Определить основные этапы проектирования средств обработки изображений в дифракционных ГСС ДЗЗ для реализации в САПР. 2. Разработать метод автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ, позволяющий оптимизировать системы обработки гиперспектральной информации под конкретные задачи обнаружения. 3. Разработать методику радиометрической калибровки выходных данных при проектировании средств обработки изображений в дифракционных ГСС ДЗЗ, позволяющая универсализировать анализ спектральных характеристик. 4. Разработать методику изменения размеров изображения, получаемого входным объективом дифракционной ГСС ДЗЗ. 5. Разработать алгоритм обнаружения и распознавания объектов для автоматизации проектирования средств обработки изображений в дифракционных ГСС ДЗЗ. 6. Провести экспериментальную проверку результатов исследований. 5. Выводы к главе 1 В результате выполненного анализа были сделаны следующие выводы: 1) дифракционные ВС являются на сегодняшний день самыми перспективными ГСС ДЗЗ; 2) средства обработки гиперспектральной информации для дифракционных ВС не учитывают особенности их матриц и оптических схем; 3) необходима разработка методов автоматизации проектирования средств обработки гиперспектральной информации для дифракционных ВС; 4) для реализации функции масштабирования изображения целесообразно предложить методику изменения размеров изображения, получаемого входным объективом дифракционной ГСС ДЗЗ.
Основной характеристикой, описывающей поле излучения, является монохроматическая энергетическая яркость, которая представляет собой количество энергии, проходящей по нормали через единичную площадку в единицу времени в единичном интервале частот внутри единичного телесного угла. Если нормаль к элементарной площадке характеризуется в сферической системе координат углом О между нормалью и вертикальной осью z и азимутальным углом ф между проекцией нормали на плоскость (х, у) и осью х, то энергетическая яркость излучения 1=1(к, О, ф); единицы измерения J - Вт/(м2хмкм ср) [39].
Радиометрическая калибровка выходных спектральных характеристик видеоспектромтера «Фрегат»
После наложения данных коэффициентов на спектральные характеристики белой и серой панели соответственно были получены соответствующие графики. Графики спектральных характеристик изображены на рисунках 3.5 и 3.6. 4000
Спектральные характеристики серой однородной поверхности. Из последнего графика видно, что в крайней левой части спектра наблюдается небольшое увеличение значений по сравнению с показаниями прибора FieldSpec. Данное отклонение обусловлено завышенной чувствительностью спектрорадиометра FieldSpec в синей области спектра.
Данная методика хорошо показала себя в проведенных экспекриментах. Дальнейшим ее развитием является составление полноценной таблицы энергетических коэффициентов для каждого пиксела матрицы соответственно, что приведет к повышению точности плучаемых спктральных характеристик.
Решение задачи обнаружения замаскированных объектов В соответствии с проектной процедурой был проведен эксперимент по получению спектральных характеристик маскировочного комплекса (МК), изготовленного в Германии, с углубленным анализом близких цветовых оттенков. Объектом экспериментального исследования являлся макет реального объекта, укрытый маскировочной сетью, на фоне зеленой растительности (ель). Для получения точных значений КСЯ рядом с объектом был расположен эталон в виде белой диффузной пластины с известным коэффициентом отражения.
По данным графикам видно, что основные тонкие спектральные различия объектов «маскировка» и «ель» находятся не только в зеленой, но и в красной областях спектра. Этот факт позволяет сделать вывод, что для обнаружения замаскированного объекта лучше всего подходит вегетационный индекс TCHVI, учитывающий данные спектральные каналы.
Для получения статистических характеристик, были рассчитаны значения TCHVI для 140 точек объекта «маскировка» и объекта «ель» и составлены графики плотности распределения множества значений взятых по модулю (рисунки 3.10-3.11). ал::
Плотность распределения вегетационного индекса TCHVI объекта «ель». Априорные вероятности и платежные матрицы присутствия объектов этих двух классов на гиперспектральном изображении не известны, поэтому для построения алгоритма обнаружения необходимо применение математической модели системы распознавания образов по критерию Неймана-Пирсона.
В соответствии с математической моделью системы распознавания образов по критерию Неймана-Пирсона, полагая, что вероятность ошибки первого рода Qi не должна превышать 5%, было получено пороговое значение вегетационного индекса TCHVI - ао=-0.52.
Алгоритм формирования полноформатного RGB-изображения Все существующие на сегодняшний день системы обработки гиперспектральной информации обладают очень низким быстродействием. В первую очередь это связано с тем, что данные приложения работают на основе полной перекодировке выходных данных, получаемых с ВС. Для уменьшения времени и более эффективной обработки информации необходимы алгоритмы селективного формирования выборки и гиперкуба, работающие независимо друг от друга и использующие небольшие технические ресурсы.
Основой любой системы обработки гиперспектральной информации служит формирование полноформатного RGB-изображения. В основе описанных в главе 1 приложений лежат алгоритмы формирования изображения после расчета гиперкуба данных и перевода его в удобный для разработчика тип, что ведет за собой долгую обработку и пересчет входной информации. Наиболее эффективным здесь будет алгоритм формирования RGB-изображения, изображенный на рисунке 3.12. Входные данные в виде RWW-файла
Основная идея данного алгоритма в том, что при формировании полноформатного изображения берутся сырые данные с ПЗС-матрицы без какой-либо обработки и пересчета. Для видеоспектрометра «Фрегат» синяя область спектра соответствует 1 спектральному каналу, зеленая - 21, красная - 48. Принимая каждый элемент получаемых массивов за уровень цвета в палитре RGB, на последнем этапе происходит сложение составляющих, и формирование итогового полноформатного изображения, которое выводится на экран для последующей обработки оператором.
При разработке программного обеспечения для обработки гиперспектральной информации, одной из основных задач является грамотное формирование спектральных характеристик. У всех ВС есть свои конструктивные особенности. На сегодняшний день не существует ни одного идеального ВС. Все они вызывают различные трудности при обработке информации. У одних основная проблема - это разное спектральное разрешение (например, видеоспектрометр «Лептон»), у других -чувствительность матрицы из-за наличия поглощающих фильтров. Мною разработаны алгоритмы и программное обеспечение для ВС «Фрегат», который обладает различной чувствительностью в разных спектральных диапазонах. Ранее была расписана методика, которая позволяет привести выходные данные ВС «Фрегат» к показаниям СПЭЯ. На основе данной методики был разработан соответствующий алгоритм, схема которого изображена на рисунке 3.13.
Проведение эксперимента по обнаружению замаскированных объектов с применением программного обеспечения Ну View
В сравнении с оптическими системами, содержащими преломляющие поверхности, достоинством внеосевых зеркальных параболоидов является то, что у них отсутствует хроматическая аберрация и поглощение света стеклами, кристаллами и другими материалами, работающими на пропускание в линзовых и зеркально-линзовых системах.
При фокусировке параллельных пучков лучей параболические зеркала со смещенной осью обеспечивают качественные изображения удаленных объектов. Такие изображения формируются внеосевыми зеркальными параболоидами в плоскости главного фокуса, ориентированной ортогонально заднему фокальному отрезку, называемому в ряде случаев наклонным фокусным расстоянием. При этом величина изображения V определяется угловым размером со исследуемого фрагмента удаленного объекта, а также наклонным фокусным расстоянием /накл внеосевого зеркального параболоида, что согласуется с простым выражением: l =fHaiui tgв)(3.5). Процесс изменения изображения в такой оптической параболической системе представляет собой перемещение апертурной диафрагмы по поверхности параболоида в направлении его вершины и обратно. При этом необходимо, чтобы плоскость главного фокуса, в которой формируется изображение предмета, всегда оставалась ортогональной наклонному фокусному расстоянию. При перемещении апертурной диафрагмы, например, в направлении вершины параболоида происходит уменьшение размеров изображения из-за уменьшения /накл в соответствии с выражением (3.5). При обратном перемещении диафрагмы происходит увеличение размеров изображения. В результате проведенных расчетов данная система позволяет легко получать 5-ти кратное оптическое увеличение размеров изображения. Такая зеркальная система, применяемая в качестве входного (проецирующего) объектива ВС совместно с системой выведения изображения на оптическую ось прибора, позволяет не только реализовать устройство изменения размеров изображения, но и получать качественные изображения объектов, лишенные большинства оптических аберраций.
Проблемы исправления оптических аберраций все еще остро стоит при проектировании оптических схем для систем дистанционного зондирования земной поверхности. Применение большого числа элементов, несовершенство оптики, все это снижает качество изображения, в то время, как область дистанционного зондирования требует получение высококачественного изображения. Предложенная мною система не только проста в изготовлении, но и удовлетворяет всем требованиям, необходимым для проектирования входного объектива видеоспектрометра и также может эффективно применяться в качестве входного зеркального объектива для видеокамер. По данной оптической системе получен патент на полезную модель №147776 «Параболическая оптическая система». 6. Выводы к главе 3
На основе методов автоматизации проектирования были разработаны алгоритмы, положенные в основу средства обработки изображений для дифракционного ВС «Фрегат». На основе проектных процедур была решена задача обнаружения замаскированных объектов на основе использования вегетационных индексов и математической модели системы распознавания образов по критерию Неймана-Пирсона.
Для проверки эффективности предложенных методов и алгоритмов распознавания замаскированных объектов защиты информации был реализован программный проект обработки гиперспектральной информации для ВС класса «Фрегат» под названием «НуView» и проведен эксперимент по обнаружению закамуфлированного объекта.
Проверка эффективности математической модели системы распознавания образов на основе критерия Неймана-Пирсона. Математическая модель системы распознавания образов на основе критерия Неймана-Пирсона предполагает анализ ошибок первого и второго рода.
По условиям поставленной задачи обнаружения замаскированных объектов вероятность того, что пиксел изображения принадлежащий объекту маскировочной сети неправильно определен, не должна превышать 5%. Для данного значения вероятности ошибки первого рода был рассчитан пороговый критерий разделения множества значений вегетационного индекса TCHVI на два отдельных класса а0=-0.52. Для проверки эффективности и правильности расчета порогового значения необходимо рассчитать вероятность ошибки второго рода, определяемой по формуле (2.29):
После проведенных расчетов вероятность ошибки второго рода оказалась равна 6%, что в пределах допустимых значений. 2. Проведение эксперимента по обнаружению замаскированных объектов с применением программного обеспечения HyView Для проверки эффективности разработанных методов и алгоритмов был проведен эксперимент совместно с сотрудниками Военно-космической академии им. А.Ф. Можайского по определению спектральных характеристик и обнаружению замаскированных объектов. На рисунке 4.1 представлена фотография данного эксперимента.
Объект исследования в данном несекретном эксперименте представлял собой закамуфлированный макет артиллерийского орудия (изготовленного подручными средствами) на фоне темно-зеленой ели. Суть эксперимента заключалась в определении возможности дифференциации спектральных характеристик этих двух объектов без применения методов наблюдения невооруженным глазом. В ходе эксперимента проводились горизонтальные и вертикальные сканирования с высоты 2-х этажного дома и наземные горизонтальные сканирования объекта анализа двумя спаренными видеоспектрометрами: ГСК «Лептон» и видеоспектрометр «Бурелом» (из семейства видеоспектрометров «Фрегат»). На рисунках 3.8 и 3.9 уже приводились спектральные характеристики, полученные в результате данного эксперимента. На этих графиках видно, что дифференциация по спектральным характеристикам возможна в силу того что в зеленой и красной областях спектра у маскировочного покрытия отсутствуют полосы поглощения хлорофилла. На рисунке 4.2 представлен результат работы алгоритма классификации с помощью программного обеспечения Ну View.
После проведенных исследований время формирования полноформатного RGB-изображения составило 4 с. (для 128-ми канального гиперспектрального изображения), время формирования спектральных характеристик - 25 с. (для участка 60x100 128-ми канального гиперспектрального изображения), время работы алгоритма распознавания -3 мин (для участка 60x100 64-х канального гиперспектрального изображения).