Специальность 05.13.01 – Системный анализ, управление и обработка информации (промышленность)
Автореферат диссертации на соискание ученой степени кандидата технических наук
Иркутск – 2012
Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Иркутский государственный университет путей сообщения» (ФГБОУ ВПО ИрГУПС).
Научный руководитель: доктор технических наук, профессор Марюхненко Виктор Сергеевич
Официальные оппоненты: доктор физико-математических наук, профессор Агарышев Анатолий Иванович;
кандидат технических наук, Орлов Лев Валерьевич
Ведущая организация: Открытое акционерное общество «Научноисследовательский институт точных приборов» (ОАО НИИ ТП), 127490, г. Москва, ул. Декабристов, 51.
Защита диссертации состоится « » декабря 2012 г. в « » часов на заседании диссертационного совета Д 218.004.01 при ФГБОУ ВПО «Иркутский государственный университет путей сообщения» (ИрГУПС) по адресу: 664074, г. Иркутск, ул. Чернышевского, д.15, ауд. А-803.
С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Иркутский государственный университет путей сообщения» (ИрГУПС).
Автореферат разослан « » ноября 2012 г.
Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью организации, просим направить в адрес диссертационного совета.
Ученый секретарь диссертационного совета доктор технических наук, профессор Тихий Иван Иванович
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность работы. Обладание информацией является основой развития современного общества. Оперативная и достоверная информация становится решающим фактором успеха при организации промышленного производства, в бизнесе, при подготовке и ведении вооруженной борьбы и в иных сферах человеческой деятельности. Один из путей сбора информации – удаленный мониторинг промышленных объектов, территории государства и акватории. Среди способов мониторинга следует выделить радиолокационное дистанционное зондирование Земли (ДЗЗ).
Радиолокационное ДЗЗ позволяет получать радиолокационные изображения (РЛИ) земной поверхности днем и ночью при различных погодных условиях.
Современные радиолокационные средства ДЗЗ включают системы с синтезированной антенной (РСА), размещаемые на борту аэрокосмических носителей. РЛИ, полученные при помощи РСА, отличаются потенциально высокой разрешающей способностью, поэтому являются ключевым элементом современных и перспективных информационных систем. Они широко применяются для: оперативного мониторинга состояния объектов промышленной и транспортной инфраструктуры;
управления устранением последствий чрезвычайных ситуаций; контроля важных подвижных транспортных объектов; наблюдения за опасными быстропротекающими природными явлениями: ледовой обстановкой, появлением и развитием цунами, атмосферными вихрями. В подобных задачах основным фактором является получение информации в реальном масштабе времени. Но особенности РЛИ, а именно большая зашумленность гауссовскими и спекл-шумами, геометрические искажения и нестационарность объекта наблюдения, требуют их предварительной обработки и дешифрирования, что связано с большими временными затратами.
Решение противоречия между необходимостью предоставления результатов дешифрирования РЛИ в реальном масштабе времени и большим объемом данных РСА, необходимых для его предварительной обработки, возможно путем автоматизации процессов обнаружения наземных объектов на РЛИ и их распознавания.
Задача автоматизации обработки РЛИ является сложной и многогранной. Её решение предполагает создание сложной, многоуровневой, вероятностной, с обратной связью системы распознавания объектов. Задачи подобного класса возможно решить методами системного анализа на основе теории, разработанной трудами Оптнера С., Акоффа Р.Л., Месаровича М., Матросова В.М.
Вследствие случайного нестационарного характера сигналов, принимаемых в РСА, основой для построения алгоритмов обработки РЛИ служит статистическая теория радиотехнических устройств, основополагающий вклад в становление и развитие которой внесли Р.Л. Стратонович, В.И. Тихонов, М.С. Ярлыков, Ширман Я.Д.
Решение задач обработки РЛИ базируется на теории распознавания образов, в развитие которой внесли вклад Горелик А.Л., Журавлев Ю.И., Сироджа С.Б., Цыпкин Я.З., Сойфер В.А., Вальд А., Вудс Р., Фукунага К., Дуда Р., Гонсалес Р. Вопросам построения и обработки РЛИ посвящены работы Кондратенкова Г.С., Горяинова В.Т., Дудника П.И., Реутова А.П., Толстова Е.Ф., Школьного Л.А. Основы синтеза динамических систем со случайной структурой в применении к распознаванию образов представлены в работах Клекиса Э.А., Бухалева В.А. Практические реализации распознавания объектов на РЛИ предложены в работах Достовалова М.Ю. и Новака Л.М. Заметный вклад в разработку теории и практики обработки РЛИ, полученного при помощи РСА, внесли Миронов Б.М. и его ученики. Автор приносит глубокую признательность Миронову Б.М. за содержательные консультации, которые позволили успешно решить ряд вопросов диссертационных исследований.
Существующие теоретические разработки методов дешифрирования РЛИ и их практические приложения в условиях нестационарности изображений объектов и условий наблюдения допускают лишь визуальную обработку изображений оператором. Скорость такой обработки не удовлетворяет требованиям функционирования информационных систем реального времени.
Таким образом, необходимость развития эффективных алгоритмов автоматизированной обработки РЛИ в реальном масштабе времени обуславливает актуальность темы исследований.
Объектом исследования является система обработки изображений, полученных авиационными РСА при дистанционном зондировании земной поверхности.
Предметом исследования являются алгоритмы автоматизированного обнаружения и распознавания наземных объектов на РЛИ в реальном масштабе времени.
Целью диссертационной работы является повышение достоверности и сокращение времени обработки объектов РЛИ, полученных посредством РСА, в реальном масштабе времени путем синтеза алгоритмического обеспечения для автоматизированного обнаружения и распознавания объектов изображения.
Для её достижения решаются частные задачи:
1. Системный анализ задачи распознавания радиолокационных изображений, полученных с помощью РСА, для создания адекватной модели РЛИ и эффективных алгоритмов его обработки.
2. Разработка математической модели радиолокационного изображения распределенного объекта с учетом спекл-структуры, необходимой для исследования эффективности разработанных алгоритмов.
3. Синтез алгоритмов:
а) классификации топографических объектов на основе модели системы со случайной скачкообразной структурой;
б) автоматизированного обнаружения и распознавания наземных объектов по изображениям, полученным посредством авиационных РСА.
5. Выработка практических рекомендаций по применению синтезированных алгоритмов в реальном масштабе времени.
Методы исследований. Задачи диссертационных исследований решались методами: теории математической статистики; теории вероятностей; теории оптимальной обработки случайных процессов; теории алгоритмов; теории статистического моделирования.
Достоверность полученных результатов подтверждается корректным использованием апробированного математического аппарата, обоснованностью допусков и предположений, соответствием теоретических результатов результатам компьютерного моделирования и обработки реальных радиолокационных изображений.
Научную новизну составляют и на защиту выносятся:
1. Результаты системного анализа задачи распознавания РЛИ, полученных с помощью РСА, при котором доказано, что она должна решаться известными математическими методами как частная задача распознавания образов с учетом условий наблюдения и ограничений.
2. Математическая модель радиолокационного изображения распределенного объекта в виде набора гауссовских случайных полей с учетом корреляционных связей между элементами изображения.
3. Алгоритмы классификации топографических объектов со сглаживанием достаточной статистики, обеспечивающие повышение достоверности обнаружения и распознавания объектов на РЛИ путем применения модели системы со случайной скачкообразной структурой.
4. Алгоритмы автоматизированного обнаружения и распознавания радиолокационных изображений распределенных объектов, обеспечивающие повышение оперативности и достоверности радиолокационного мониторинга в целом, путем многоэтапной параллельной обработки классифицированного РЛИ и поля локальных контрастов.
Авторская оценка научной новизны результатов исследований:
1. Проведен системный анализ задачи распознавания РЛИ, полученных посредством РСА, с учетом условий наблюдения при дистанционном зондировании Земли, что позволяет сделать вывод о том, что распознавание объектов на РЛИ – частная задача распознавания образов.
2. Создана математическая модель радиолокационного изображения распределенного объекта, представленная в виде набора гауссовских случайных полей, в которой, в отличие от известных моделей, учтены корреляционные связи между элементами изображения. Это позволяет повысить адекватность модели по отношению к реальным РЛИ.
3. Во вновь разработанные алгоритмы классификации топографических объектов на основе модели системы со случайной скачкообразной структурой, в отличие от известных, введена процедура сглаживания достаточной статистики, что позволяет уменьшить число ложных объектов на этапах обнаружения и распознавания до 76%.
4. Во вновь созданных алгоритмах автоматизированного обнаружения и распознавания наземных объектов по изображениям РСА, основанных на многоэтапной параллельной обработке изображений, применены, в отличие от известных алгоритмов, в качестве признаков распределенных объектов на этапах обнаружения и распознавания соотношения классов топографических объектов, что позволяет повысить достоверность обнаружения и распознавания распределенных объектов до 12,9%, а также сократить время обработки РЛИ до 75% - 98,4%.
Практическая значимость научных результатов состоит в разработке предложений по применению синтезированных алгоритмов, позволяющих выполнять автоматизированную обработку РЛИ, полученных с помощью РСА, в реальном масштабе времени с учетом условий наблюдения.
Апробация работы. Результаты работы докладывались на Международной научно-практической конференции (г. Томск, 2007 г.), V и VI Самарском конкурсеконференции научных работ студентов и молодых исследователей по оптике и лазерной физике (г. Самара, 2007, 2008 г.г.), совместном семинаре Самарского аэрокосмического университета и Института систем обработки изображений РАН (г. Самара, 2007 г.), XV Всероссийской научно-технической конференции, (г. Иркутск, 2007 г.), XXVI Школе по когерентной оптике и голографии (г. Иркутск, 2007 г.), Второй Всероссийской научно-технической конференции (г. Москва, 2008 г.), семинарах факультета РЭО ВУНЦ ВВС «ВВА» (г. Москва, г. Воронеж, 2009-2012 г. г.), Конкурсе научно-исследовательских и творческих работ молодежи «Талантливая молодежь Воронежской области» (г. Воронеж, 2011 г.).
Публикации по теме диссертации. Основные результаты диссертационной работы содержатся в 15 научных трудах: 3 статьях в изданиях, рекомендуемых ВАК, из них 1 в единоличном авторстве, 3 статьях в научных изданиях, 7 материалах и тезисах докладов, 1 отчете о НИР и 1 отчете по проекту РФФИ 06-08-00596-а.
Структура и объем диссертации. Диссертационная работа состоит из введения, пяти глав, заключения и списка используемой литературы. Работа содержит страницу машинописного текста, 106 рис. и 9 табл. Список используемой литературы включает 136 наименований.
Личный вклад: выносимые на защиту положения получены соискателем.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Во введении обсуждается актуальность темы исследования, приведен краткий обзор известных научных результатов, касающихся темы диссертации. Сформулированы цель, задачи, объект и предмет исследования, в аннотированном виде изложены основные результаты диссертационной работы.
В первой главе выполнен системный анализ задачи распознавания изображений, приведена классификация систем распознавания, рассмотрены алгоритмы распознавания, используемые в системах обработки радиолокационной информации.
Распознавания изображений при множестве возможных решений системы распознавания L={l1,..., lk} сводится к определению оптимального алфавита классов А0={А1,...,А,...,Аr} и оптимального рабочего словаря признаков x0={x1,...,xN}, которые при наилучшем решающем правиле обеспечивают максимальную эффективность:
где x) – оценка апостериорной вероятности правильного решения задачи распознавания, G ( iA ) – значения эффективности, получаемые системой распознавания от конкретных решений из множества возможных решений L. В качестве основных показателей эффективности используются быстродействие и вероятность правильного распознавания Pnp.
Системы распознавания подразделяются на простые и сложные, одноуровневые и многоуровневые, самообучающиеся, с обучением и без обучения; в зависимости от языка описания признаков объектов – детерминированные, вероятностные, логические, структурные и комбинированные. Показано, что все виды систем распознавания базируются на строго формализованном описании каждого класса объектов на языке признаков и обладают обратной связью. Системный анализ показывает, что задача распознавания РЛИ объектов в РСА – это частный случай решения задачи распознавания изображений объектов при конкретных, характерных для РСА, начальных условиях и особенностях их изображений. На основании проведенного анализа существующих алгоритмов распознавания объектов отмечается, что задача дешифрирования РЛИ решена лишь частично и является актуальной.
Проведена классификация объектов радиолокационного мониторинга, определены требования к разрешающей способности РСА по их обнаружению и распознаванию. Анализ показал, что наземные радиолокационные объекты на РЛИ являются сложными и распределенными. Эффективное обнаружение и распознавание таких объектов до типа возможно при разрешающей способности РСА от 1 до 0,15 м.
Приведен анализ временных ограничений, а также основных факторов, определяющих их, при дешифрировании РЛИ местности. Установлено, что при мониторинге поверхности Земли следует учитывать как динамичные изменения окружающей среды, так и потенциальную подвижность обнаруживаемых объектов. В связи с этим задержка данных наблюдения должна укладываться во временной интервал 3минут, при объеме данных для обработки РЛИ десятки-сотни Тбайт в сутки.
Выполнена оценка времени обработки такого объема данных. Для дешифрирования РЛИ площадью 325 тыс. км2 требуется работа 17 операторов в течение 4,5 часов. С другой стороны, если ограничиться количеством объектов на рассматриваемой площади 800-1000, то необходимое время их дешифрирования составит уже порядка 20 минут. Следовательно, разрешение возникшего противоречия с одной стороны между требованиями к полноте, достоверности, точности и к срокам представления данных по результатам радиолокационного мониторинга, – с другой, можно обеспечить только путем автоматизации процесса обработки радиолокационной информации с учетом особенностей и специфики распознавания объектов на РЛИ.
Во второй главе рассматривается специфика РЛИ, полученного посредством использования когерентного излучения. Особенности дифракции электромагнитных волн радиодиапазона на поверхности искусственных объектов сложной формы определяют принципиальные отличия РЛИ от изображений, получаемых системами оптического диапазона. Обычно полагают, что поле отраженной волны является результатом суммирования элементарных полей в точке расположения РСА, создаваемых отраженными сигналами от элементов dS выпуклой поверхности S:
где – длина волны РСА; Еп – напряженность поля падающей волны; D – дальность до элемента dS поверхности S; – угол между направлением «РСА-dS» и нормалью к элементу dS. Для максимальной дальность обнаружения объекта с помощью РСА:
где Рср – средняя мощность передатчика; G – коэффициент усиления антенны; – эффективная поверхность рассеяния (ЭПР):
где i – площадь, а N – количество элементарных отражателей;
QСА – отношение сигнал/шум в элементе разрешения; кТ = 4 10 21 Вт / Гц ; kш – интегральный коэффициент шума входного устройства приемника; п – потери в высокочастотном тракте и среде распространения; Vc – скорость носителя РСА; l аз – разрешающая способность РСА по азимуту:
где tкнРСА – время когерентного накопления (синтезирования).
В импульсных РСА отношение QСА увеличивается в Nкн раз:
где Fи – частота повторения импульсов.
К основным особенностям РЛИ следует отнести «дробление» изображения ввиду зеркального отражения падающих под малыми углами радиоволн в сторону от РСА и затенения части поверхности объектов, блики из-за очень сильных отражений от плоских поверхностей, спекл-структура РЛИ, обусловленная интерференцией сигналов, рассеянных элементарными отражателями поверхности в каждом элементе разрешения РСА, ложные отметки из-за ошибок дискретизации сигналов РСА, эффект плановости РЛИ, геометрические искажения, наличие радиолокационной тени, влияние поляризации на контраст объектов на РЛИ, значительная зависимость от условий наблюдения – углах визирования и ракурсах (рис.1).
Рассмотренная специфика изображений, полученных с помощью РСА, затрудняет и, в некоторых случаях, делает невозможным применение традиционных методов автоматизированной обработки РЛИ. Это, в свою очередь, приводит к необходимости применения особого подхода к созданию алгоритмов автоматического дешифрирования объектов на РЛИ.
Проведенный анализ существующих отечественных и зарубежных РСА показывает, что современные системы обработки данных способны обнаруживать и распознавать на РЛИ тысячи наземных объектов с вероятностью 0,85…0,98. При этом вычислительные системы состоят из десятков-сотен процессоров, обеспечивающих производительность обработки радиолокационных сигналов и цифровых данных 2,5109 операций в секунду. Однако задача устойчивого и эффективного дешифрирования объектов на РЛИ решена лишь частично, в рамках узкой специфики таких систем. При этом основным направлением является создание методов многоэтапной, параллельной обработки РЛИ, в том числе высокоэффективных алгоритмов автоматизированного распознавания с высокой вероятностью дешифрирования распределенных объектов на радиолокационных изображениях, полученных посредством РСА с высоким разрешением.
В третьей главе рассматривается математическая модель радиолокационного изображения распределенного объекта, основанная на анализе свойств и статистических характеристик реальных РЛИ распределенных объектов до и после сглаживания спекл-шума, а также на основе представления РСА в качестве формирователя изображения как системы со случайной сменой структуры, для описания которой используется уравнение со скачкообразным изменением параметров. Анализ структуры амплитудных портретов (АП) реальных объектов показал, что при неизменном пространственном разрешении РСА и постоянстве геометрических размеров элементов изображения (ЭИ), распределенные объекты разных размеров отображаются на РЛИ различным количеством ЭИ. При этом прослеживается зависимость количества ЭИ, занимаемых распределенным объектом (РО), от условий наблюдения.
Влияние условий наблюдения на структуру АП показывают примеры изображений самолета А-50 (Ил-76), полученные математическим моделированием при различных условиях наблюдения, разрешением менее 1 м (рис.1). Преобладающая доля ЭПР объекта (на изображении - яркости всех ЭИ) сосредоточена в нескольких доминантных центрах отражения (ДЦО), причем для разных ракурсов эти центры соответствуют различным элементам конструкции. Представленные конфигурации элементов распределенного объекта, количество которых зависит от условий наблюдения. Например, количество ЭИ, принадлежащих объектам авиационной техники, суа) математических моделей объектов типа ИлИл-62 и Ту-134, дает возможность представления РО конечной совокупностью ЭИ на АП. При этом ОУ с одинаковыми средними возможно группировать в классы для упрощения сравнения АП распознаваемых объектов между собой.
чений яркости ЭИ одним видом распределения. Установлено, что ОУ объектов с достаточной точностью могут быть описаны распределением Рэлея (кривая 3, рис. 3,а), а ОУ изображения подстилающей поверхности – гамма-распределением.
Полученные корреляционные функции исследуемых ОУ имеют экспоненциальный вид с узким пиком в пределах 1-3 ЭИ (рис. 3,б), что обусловлено наличием спекл-шума на РЛИ и говорит о слабых корреляционных связях между соседними ЭИ, что учтено в предложенной математической модели изображения РО.
«