Содержание к диссертации
Введение
1. Анализ технических средств формирования тепловизионных изображений и методов их обработки 9
1.1. Технические средства формирования тепловизионного изображения 9
1.2. Обработка тепловизионных сигналов 21
1.3. Методы обнаружения сигналов с известными параметрами 25
1.4. Постановка задачи 35
1.5. Выводы 38
2. Обработка тепловизионного изображения 40
2.1. Определение положения объекта 40
2.2. Сигналы, формирующие тепловизионное изображение 42
2.3. Модель тепловизионного изображения 47
2.4. Обработка тепловизионного сигнала 54
2.5. Оценка ширины интервала изменения гистограммы 58
2.6. Выводы по главе 63
3. Оценка используемых размеров апертуры обработки изображения 64
3.1. Анализ движения апертуры по полю изображения 64
3.2. Зависимость размеров зон с различными видами гистограмм от размера апертуры 71
3.3. Оценка рациональных размеров апертуры обработки изображений 74
3.4. Оценка интервалов амплитуд для эффективного анализа 80
3.5. Поиск яркостных интервалов, подлежащих удалению из числа анализируемых 83
3.6. Определение величины смещения «цели» 86
3.7. Выводы по главе 88
4. Оценка эффективности алгоритмов анализа изображения 90
4.1. Математическое ожидание критерия близости гистограмм 90
4.2. Алгоритм идентификации состояния сцены по большему количеству пикселей в пределах апертуры 94
4.3. Оценка качества алгоритма идентификации состояния сцены на основе энтропийого критерия 102
4.4. Выводы по главе 114
5. Экспериментальные исследования методов гистограммного анализа тепловизионных изображений 116
5.1. Алгоритмическое и программное обеспечение гистограммного анализа тепловизионных изображений 116
5.2. Анализ статистических характеристик реальных тепловизионных изображений 119
5.3. Экспериментальные исследования предложенного алгоритма гистограммного анализа тепловизионных изображений 127
5.4. Вычисление квадратичного критерия близости 138
5.5. Алгоритм обработки данных тепловизионного наблюдения 147
5.6. Выводы 157
Заключение 159
Библиографический список 163
Приложение 1. Структура специализированной ЭВМ гистограммного анализа изображений 171
- Методы обнаружения сигналов с известными параметрами
- Оценка ширины интервала изменения гистограммы
- Поиск яркостных интервалов, подлежащих удалению из числа анализируемых
- Алгоритм идентификации состояния сцены по большему количеству пикселей в пределах апертуры
Введение к работе
Актуальность темы. В настоящее время автоматические системы обработки, анализа и обнаружения сигналов по заданным яркостным и пространственным параметрам находят все большее применение в различных областях промышленности и жизнеобеспечения. К таким системам относятся системы идентификации личности, системы обеспечения безопасности, системы высокоточного вооружения и т.д.
При функционировании таких систем и механизмов в условиях большого количества оптических помех важным является вопрос обнаружения объектов, которые обладают определенными излучающими и отражающими свойствами. К таким свойствам, например, относится способность объектов создавать при нагревании излучение в определенном частотном диапазоне – инфракрасном или тепловом.
При регистрации системой наблюдения теплового излучения объектов пространственной сцены формируется тепловизионное изображение. Тепловизионное изображение представляет собой невидимое глазом изображение, яркость элементов которого соответствует интенсивности теплового (инфракрасного) излучения различных объектов наблюдаемой сцены.
В последнее время все большее внимание уделяется разработке комплексов регистрации теплового излучения, не требующих постоянного участия человека-оператора в наведении на «цель». Автоматика в работе подобных систем повышает точность их работы, делая независимыми от ошибок, которые могут быть допущены оператором.
Вышеизложенное делает задачу разработки информационно-измерительных систем обработки тепловизионных изображений актуальной и, вместе с тем, создает предпосылки для ее научного и технического решения.
Объектом исследования диссертационной работы является информационно-измерительная система (ИИС) регистрации и обработки тепловизионных изображений пространственной сцены.
Предметом исследования диссертационной работы являются методы цифровой обработки тепловизионных изображений, позволяющие произвести обнаружение «цели» на изображении с меньшей по сравнению с существующими методами вероятностью ошибочного определения участка сигнала, содержащего изображение «цели».
Цель диссертации: повышение эффективности работы ИИС обработки тепловизионных изображений путем использования статистического обобщения анализируемого сигнала.
Для решения поставленных задач используются методы теории распознавания образов, теории вероятностей и математической статистики.
В соответствии с поставленной целью в диссертации решены следующие задачи.
1. Проведен анализ физических аспектов формирования тепловизионного изображения пространственной сцены и факторов, определяющих яркостные характеристики получаемого изображения.
2. На основании анализа выявленных факторов, оказывающих влияние на формирование изображения и передачи яркости фона и «цели», а также методов обнаружения участка сигналов, обладающих определенными характеристиками, сделан вывод о необходимости разработки метода обнаружения «цели» на тепловизионном изображении, инвариантного к пространственным характеристикам целевого сигнала.
3. После анализа статистических характеристик сигналов, составляющих тепловизионное изображение разработана его модель, учитывающая факторы, влияющие на снижение контраста на границе «фон»-«цель» и приводящие к возрастанию вероятности ошибок обнаружения «цели».
4. Разработаны методы оценки состояния сцены тепловизионного наблюдения, учитывающие статистику значений пикселей из их локального множества на основании локальной и эталонных гистограмм.
5. Разработан критерий оценки эффективности предложенного метода анализа тепловизионных изображений.
6. Разработан алгоритм ускоренного выполнения гистограммного анализа изображений в ИИС за счет обнаружения яркостных интервалов, в которых перекрываются распределения значений гистограмм.
7. Разработан алгоритм ускорения процедуры построения гистограммы и вычисления критерия близости гистограмм.
8. Осуществлена программная реализация и экспериментальная апробация разработанных методов анализа изображений.
Научная новизна работы состоит в следующем:
1. Предложен метод построения эффективных по энтропийному критерию алгоритмов обнаружения «цели», основанных на вычислении квадратичного критерия близости гистограмм.
2. На основании исследования характера и параметров распределения значений гистограммы интенсивностей теплового излучения разработан метод определения ширины и положения эффективных для анализа значений яркости элементов тепловизионных изображений.
3. Разработана система методик, обеспечивающих выбор размера апертуры обработки изображения исходя из размеров «цели» и помех, которая позволят корректировать размер апертуры, а также выполнять слежение за местоположением «цели» в последовательности кадров при ведении наблюдения за сценой.
Практическая ценность работы состоит в следующем:
1. Разработано программное обеспечение, позволяющее выполнить имитационное моделирование выполнения процедуры гистограммного анализа в ИИС регистрации и обработки тепловизионного сигнала.
2. Проведено исследование характеристик тепловизионных изображений реальных сцен и показано их соответствие выбранным моделям.
3. Разработан рекуррентный алгоритм функционирования ИИС, обеспечивающий ускоренное вычисление квадратичного критерия близости, что позволяет уменьшить объем вычислений.
4. Предложен алгоритм принятия решения относительно определения координат «цели» на тепловизионном изображении, основанный на результатах гистограммного анализа.
Достоверность полученных теоретических результатов подтверждается корректным применением математического аппарата при получении конечных зависимостей, характеризующих алгоритм гистограммного анализа, а также имитационным моделированием алгоритма функционирования информационно-измерительной системы, выполняющей гистограммный анализ тепловизионных изображений.
Научные положения, выносимые на защиту.
1. Использование квадратичного критерия близости гистограмм для определения состояния наблюдаемой сцены.
2. Оценка ширины и положения эффективных для анализа яркостных интервалов.
3. Вероятностная и энтропийная оценка эффективности методов анализа тепловизионных изображений.
4. Система методик, направленных на выбор рационального размера апертуры обработки, его коррекции и слежение за целью.
Реализация и внедрение результатов.
Предложенные в диссертации методы и методики согласно Акту №52/УЦ из ГУП КБП от 27.12.06 о внедрении в производство результатов научной работы реализованы автором в процессе выполнения ОКР по договору №17001 от 15.09.2000.
Апробация работы. Основные положения диссертации докладывались на следующих конференциях и семинарах: I Всероссийская научно-техническая конференция студентов и аспирантов «Идеи молодых – новой России» – Тула: ТулГУ, 2004; Гагаринские чтения – Москва: МАТИ-РГТУ им. К.Э. Циолковского, 2004, 2005, 2006; Интеллектуальные и информационные системы. – Тула: ТулГУ, 2004; Научная сессия НТО РЭС, посвященная Дню радио – Тула: ТулГУ, 2005, 2006; «Студенчество. Интеллект. Будущее», Межвузовская молодежная конференция, посвящ. 25-летию Камского госуд. политехн. ин-та – Наб. Челны, КамПИ, 2005; Всероссийская конференция «Проблемы проектирования систем и комплексов» – Тула: ТулГУ, 2004, 2005, 2006 гг.; Всероссийская конференция, посвященная 50-летию кафедры «Системы автоматического управления» - Тула: ТулГУ, 2006 г.; Научно-техническая конференция профессорско-преподавательского состава ТулГУ 2004, 2005, 2006 гг.
По теме диссертации опубликовано 19 работ, включенных в список литературы, в том числе: 4 работы с тезисами докладов на всероссийских конференциях, 15 статей.
Структура и объем работы. Диссертационная работа состоит из введения, пяти разделов и заключения, изложенных на 170 страницах машинописного текста и включающих 78 рисунков и 3 таблицы, шести приложений на 34 страницах и списка использованной литературы из 80 наименований.
Методы обнаружения сигналов с известными параметрами
Методы, использующие предварительную обработку сигналов, также делятся на две категории, как показано на рис. 1.11. При использовании одноуровневых методов выполняется предварительная обработка сигналов, заключающаяся, как правило, в нормализации или умножения отсчетов сигнала на весовые коэффициенты для дальнейшего вычисления корреляции с каждым из множества эталонных сигналов.
В случае многоуровневых методов распознавания выполняется многоступенчатая обработка сигнала с целью вычисления совокупности имеющихся в сигнале информативных признаков, которые не выражены явным образом. Использование таких методов предполагает также наличие совокупности значений информативных признаков для эталонов классифицируемых объектов. Эта совокупность используется в дальнейшем для того, чтобы на последнем этапе классификации на основе найденных ранее информативных параметров исследуемого сигнала вычислить степень «похожести» его определенных участков и каждым из множества эталонных сигналов по вычисленным значениям информативных признаков.
Первой группой методов обнаружения сигнала с известными параметрами являются методы, основанные на пороговой сегментации участков сигнала, соответствующих различным состояниям. Сюда входят статистические алгоритмы, которые используются при наличии вероятностных зависимостей между значениями участков сигналов и класса, к которому эти участки относятся [5,41].
В данном случае вся совокупность пикселей, составляющих тепловизи-онное изображение, подразделяется на два класса - пиксели фона и цели, а для характеристики пикселей используется один признак - их яркость Р. Известны описания классов - условные плотности распределения вероятностей значений признака Р для обоих классов, т.е. функции fB(P) и fj{P)- Обозначим через Р пороговое значение такое, что: - если значение пикселя Р(х0,у0) с координатами х0,у0, полученное при измерении меньше /,0, то пиксели, имеющие такое значение яркости, относятся к первому классу - фону; - если измеренное значение Р[х0,у0) Р , то пиксели, имеющие такое значение яркости относятся ко второму классу - цели.
Построение границы на основе критерия Байеса выполняется при известных плотностях распределения вероятностей значений информативного признака для совокупности классов, априорных вероятностях появления определенного состояния и платежной матрицы, содержащей в качестве элементов потери, связанные с ошибками классификации.
В случае использования минимаксного критерия построение границы выполняется при отсутствии сведений об априорных вероятностях появления пикселей соответствующего класса. При использовании этого критерия минимизируется максимально возможное значение среднего риска ошибочной классификации [41].
Если неизвестны не только априорные вероятности появления пикселей соответствующих классов, но и платежная матрица, то построение порога разделения осуществляется на основе критерия Неймана-Пирсона. Данный критерий предполагает принятие допустимой (заданной) вероятности ошибок ложной тревоги и максимизации на основе этого значения вероятности обнаружения цели.
Следующей группой методов, используемых для классификации сигналов, является группа методов, использующих для классификации промежуточные вычисления. Эти методы основаны на оценке близости формы эталонных и классифицируемых сигналов, т.е. корреляционные методы.
Такие методы молено классифицировать по количеству этапов, на которые разбивается обработка исходной информации перед тем, как будет принято решение о соответствии анализируемого сигнала искомому. На рис. 1.14 показана подобная классификация методов идентификации сигналов.
Наблюдаемые переменные проходят через массив согласованных фильтров, каждый из которых настроен на некоторый эталонный сигнал, соответствующий одному из состояний наблюдаемого объекта. При наличии такого сигнала реакция соответствующего фильтра оказывается больше остальных. В простейшем случае алгоритм принятия решения сводится к поиску фильтра с наибольшей реакцией.
Развитием структуры персептрона, представленной на рис. 1.15, являются нейронные сети [1, 20]. Существует значительное количество вариантов различных структур нейронных сетей, однако наиболее часто используется трёхслойная полносвязная сеть (рис. 1.16), состоящая, соответственно, из входного, внутреннего и выходного слоев.
Узлы в первом слое являются пассивными, т.е. не изменяют сигналов. Их назначением является передача единственного отсчёта, поступающего на вход, на несколько выходов, соединённых с узлами второго слоя. Узлы внутреннего слоя - активные. Фактически, они представляют собой корреляторы, выполняющие нормализацию и взвешивающее суммирование входных величин и нормирование результата. Структура отдельного узла показана нарис. 1.17. Линейка умножителей выполняет умножение входных отсчётов анализируемого сигнала на заданный набор весовых коэффициентов {w;}, определяющих эталонную форму сигнала, соответствующего одному из состояний 5, наблюдаемого объекта, или некоторому подмножеству состояний. Далее с помощью сумматора X выполняется сложение результатов поэлементных умножений с последующей их нормировка нелинейным элементом S (сигмоид). В классической нейронной сети этот элемент реализует функцию вида:
Оценка ширины интервала изменения гистограммы
Предложенные в разделах 2-4 методы гистограммного анализа реализованы в алгоритмическом и программном обеспечении. Общая схема алгоритма гистограммного анализа тепловизионных изображений показана на рис. 5.1. Исходное изображение формируется с помощью ИИС регистрации тепловизионных сигналов. Для ЭВМ разработано программное обеспечение [Ошибка! Источник ссылки не найден.], моделирующее процедуру гистограммного анализа исходных данных. В памяти ЭВМ изображения хранятся в формате точечных рисунков с глубиной цвета 8 бит на один пиксель.
Для выполнения процедуры обнаружения «цели» необходима информация об оценках плотности распределения значений частоты встречаемости пикселей по уровням яркости - гистограммы эталонных участков, представляющие собой зоны, априори принадлежащие фону и «цели». Гистограммы различных участков могут строиться по апертурам различных размеров. Это обстоятельство учитывается при выборе размера апертуры оператором (блоки 3, 7 - Dl, L1). Далее оператор выбирает области на изображении, соответствующие «цели», а также различным участкам фона (блоки 4-6 - Fl, HI, Л). При выборе эталонного участка программа автоматически строит гистограмму выбранной области, которая сохраняется в массиве для повторного обращения при вычислении критериев квадратичной близости. В программе реализована возможность сохранения вычисленных по изображению гистограмм в файл и загрузка из файла ранее подготовленных данных.
При обработке выполняется последовательный перебор пикселей изображения (операторы цикла в блоках 8, 9, 13,14 - A3, ВЗ, НЗ, 13).
Определение состояния сцены состоит в выполнении определенной последовательности действий (блоки 10-12 - СЗ, ЕЗ, G3). Сначала вычисляется массив критериев близости между локальной гистограммой (гистограммой участка сигнала Р[х,у), накрытого апертурой А) и массивом эталонных гистограмм (блок 10 - СЗ).
Далее находится номер минимального значения из вычисленного массива (блок 11 - ЕЗ) и на основе найденного значения выполняется идентификация состояния наблюдаемой сцены (блок 12 - G3). Процедура идентификации выполняется на основе сравнения найденного минимального значения критерия близости с заранее заданным значением порога. Если найденное минимальное значение критерия превышает порог, то состояние сцены в текущей точке считается неопределенным. В противном случае состояние сцены принимается соответствующим классу, критерий близости локальной гистограммы с которым имеет наименьшее значение.
На основе алгоритма (рис. 5.1) разработано программное обеспечение (ПО) (рис. 5.2), позволяющее промоделировать процедуру гистограммного анализа синтезированных и реальных тепловизионных изображений. В основу ПО положены алгоритмы оценки состояния пространственной сцены по полученному тепловизионному изображению (соотношения (2.32), (2.38), (2.40), (5.22)).
Программа позволяет оператору загружать для обработки файл теплови-зионного изображения, сохраненного на магнитном носителе информации в формате точечных рисунков BMP. Оператору предоставлена возможность детального изучения всех областей загруженного изображения с помощью окна увеличения. Реализована возможность просмотра и сохранения в файл значений мгновенной гистограммы изображения. Обработка изображения ведется апертурой произвольного размера, который задается оператором. Предусмотрены органы управления процедурой формирования множества эталонных гистограмм. Помимо этого, реализованы процедуры сохранения, загрузки и просмотра ранее сохраненных наборов эталонных гистограмм.
Разработанное программное обеспечение позволяет также выполнить трассировку уровня яркости в горизонтальном и вертикальном направлении по полю изображения от указываемой оператором точки.
В разработанную программу включена возможность синтеза тепловизионных изображений согласно описанной в главе 2 модели и оценки эффективности предложенных алгоритмов по сравнению с существующими.
Как показано в главе 2, существует три основных величины, используемых для описания статистических параметров тепловизионных изображений: математические ожидания яркости фона и «цели», а также среднеквадратиче-ское отклонение шумовой составляющей, принятое одинаковым для фона и «цели». В результате анализа тепловизионных изображений реальных сцен найдены точечные оценки указанных величины и оценки их плотностей распределения, приведённые на рис. 5.3, рис. 5.4 и в приложении 2. Характер плотности распределения яркости по уровням квантования оценивался по гистограмме, построенной по 625 отсчетам, которые входили в апертуру размером 25x25.
Поиск яркостных интервалов, подлежащих удалению из числа анализируемых
В работе показано взаимодействие ИИС тепловизионного наблюдения со внешней средой и общая схема функционирования системы анализа сигналов тепловизионного наблюдения. Рассмотрена обобщенная структура ИИС и основные подсистемы являющиеся ее компонентами. Представлена архитектура вычислительной подсистемы, выполняющей основную задачу ИИС - обнаружение «цели».
Показаны основные этапы формирования двумерного квантованного по уровням и дискретного по пространственным координатам сигнала, представляющего собой цифровое описание регистрируемой сцены. Выбрана модель источника сигнала, характеризующего состояние анализируемой пространственной сцены.
Проведен обзор методов, использующихся для обнаружения сигналов, обладающих априори известными параметрами. Выделены две группы методов классификации, различающихся по способу обработки результатов измерений и объему массива измерений, участвующих в анализе. Показано, что при использовании статистического обобщения массива анализируемых данных снижается вероятность ошибки классификации, но снижает эффективность метода порогового разделения с точки зрения определения пространственных координат. Анализ методов, основанных на использовании согласованной фильтрации, показал, что их использование при анализе тепловизионных изображений является малоэффективным из-за значительной вычислительной трудоемкости, возрастающей с увеличением количества эталонных сигналов и их размерности.
Как следует из обзора методов классификации, для рассматриваемого объекта исследования существует проблема разработки алгоритма классификации, позволяющего обнаруживать тепловизионный сигнал с заранее известными параметрами. Процедура обработки сигнала, предусмотренная алгоритмом классификации, должна учитывать пространственные особенности анализируемого сигнала и использовать обобщение инвариантное к форме «цели» на тепловизионном изображении.
Разработана модель тепловизионного изображения наблюдаемой сцены, описывающая изображение как совокупность двух сигналов (фона и «цели»), обладающих определенными статистических характеристиками. Модель позволяет выполнить исследование характеристик алгоритмов обработки тепловизионных изображений, а также синтез искусственных тепловизионных изображений для имитационного моделирования алгоритмов их анализа. Введено условие успешного обнаружения «цели» на изображении, которое позволяет сделать вывод о целесообразности использования гистограммного анализа при обработке тепловизионных изображений
В результате анализа модели тепловизионного изображения предложен метод оценки состояния пространственной сцены с использованием меры расстояния в признаковом пространстве между множеством эталонных гистограмм и локальной гистограммой - гистограммой, участка сигнала, накрытого апертурой, который позволяет оценить принадлежность отдельных элементов изображения тому или иному объекту наблюдаемой сцены - «цели» или фону. В качестве критерия оценки расстояния в признаковом пространстве выбран квадратичный критерий близости гистограмм.
Выполнена оценка зависимости ширины изменения гистограммы от размеров апертуры обработки изображения, позволяющая найти минимальное количество пикселей, используемых при построении апертуры, необходимых для обеспечения заданной величины дисперсии отдельных значений гистограммы. Показано, что дисперсия отдельных значений гистограммы обратно пропорциональна количеству пикселей, по которым строится гистограмма. Полученная оценка позволяет выполнить оценку минимального размера апертуры обработки изображения, исходя из заданной дисперсии отдельных отсчетов гистограммы.
161
Выполнен анализ вариантов взаимного расположения апертуры и объекта на изображении в процессе обработки, который позволил выделить ряд зон (характерных положений) апертуры и соответствующих им гистограмм анализируемого теплвоизионного сигнала. Это позволяет установить характер изменения размеров зон с различными видами гистограммы в зависимости от изменения размеров апертуры обработки изображения.
Выполнена оценка максимального и минимального размеров апертуры, которая послужила основой для разработки методики выбора рационального размера апертуры обработки тепловизионного изображения. Размер апертуры выбирается в зависимости от предполагаемой дальности «цели» от прибора регистрации тепловизионного сигнала и ее размеров, а также в зависимости от требований к ширине интервала изменения значений локальной гистограммы.
Найдено соотношение для выполнения рационального выбора яркостных интервалов для эффективного анализа состояния наблюдаемой сцены, основанная на найденной оценке дисперсии отдельных элементов гистограмм при движении апертуры по изображению. Предложенный метод позволяет сократить вычислительные затраты при анализе тепловизионного изображения в различных условиях.
Алгоритм идентификации состояния сцены по большему количеству пикселей в пределах апертуры
Выполнен анализ вариантов взаимного расположения апертуры и объекта на изображении в процессе обработки, который позволил выделить ряд зон (характерных положений) апертуры и соответствующих им гистограмм анализируемого теплвоизионного сигнала. Это позволяет установить характер изменения размеров зон с различными видами гистограммы в зависимости от изменения размеров апертуры обработки изображения.
Выполнена оценка максимального и минимального размеров апертуры, которая послужила основой для разработки методики выбора рационального размера апертуры обработки тепловизионного изображения. Размер апертуры выбирается в зависимости от предполагаемой дальности «цели» от прибора регистрации тепловизионного сигнала и ее размеров, а также в зависимости от требований к ширине интервала изменения значений локальной гистограммы.
Найдено соотношение для выполнения рационального выбора яркостных интервалов для эффективного анализа состояния наблюдаемой сцены, основанная на найденной оценке дисперсии отдельных элементов гистограмм при движении апертуры по изображению. Предложенный метод позволяет сократить вычислительные затраты при анализе тепловизионного изображения в различных условиях.
После анализа значений критерия близости гистограмм получены соотношения, позволяющие найти математическое ожидание для квадратичного критерия близости, которые позволяют оценить степень эффективности использования квадратичного критерия близости с точки зрения снижения вероятности пропуска «цели» и ложной тревоги.
Проведено исследование статистических характеристик алгоритмов идентификации состояния сцены тепловизионного наблюдения, основанных на пороговом разделении и наибольшем количестве пикселей в пределах апертуры. Получены зависимости вероятностей верного и ошибочного исходов алгоритмов от размеры апертуры и степени близости по яркости исходных сигналов.
Предложен энтропийный критерий оценки эффективности алгоритма идентификации состояния наблюдаемой сцены, основанный на оценке неопределенности принятия решения до выполнения алгоритма и после выполнения алгоритма обработки экспериментальных данных. С его использованием проведена оценка алгоритма классификации состояния сцены по минимальному значению квадратичного критерия близости.
Исследованы статистические характеристики тепловизионных изображений реальных сцен и вычислены основные яркостные и статистические характеристики этих изображений. Показано соответствие их характеристик выбранным моделям. Разработан алгоритм выполнения гистограммного анализа, по которому создано ПО, позволяющее выполнять моделирование процедуры обработки тепловизионного изображения.
Проанализированы результаты работы алгоритма гистограммного анализа с синтезированными и реальными тепловизионными изображениями. Показано преимущество гистограммного анализа с точки зрения вероятности ложной тревоги и вероятности пропуска «цели» по сравнению с алгоритмом пороговой классификации на 20-25 %.
Предложен рекуррентный алгоритм ускоренного вычисления квадратичного критерия близости гистограмм при движении апертуры по изображению за счет сокращения количества обрабатываемых пикселей путем учета лишь части массива пикселей, изменяющих свое значение при сдвиге апертуры. Вычислительные затраты сокращаются на величину от 50% в зависимости от размера стороны апертуры.
Разработан итерационный алгоритм анализа результатов гистограммного анализа тепловизионных изображений. Алгоритм использует индикаторную матрицу «цели», полученную после оценки состояния сцены по минимуму критерия близости гистограмм. Результатом работы алгоритма являются координаты расположения «цели» в пределах анализируемого изображения. Проанализирована работа алгоритма уточнения координат положения цели после выполнения гистограммного анализа.
