«СБОРНИК ТРУДОВ НАУЧНО-ТЕХНИЧЕСКОЙ КОНФЕРЕНЦИИ ТЕХНИЧЕСКОЕ ЗРЕНИЕ В СИСТЕМАХ УПРАВЛЕНИЯ 2011 ПОД РЕДАКЦИЕЙ Р. Р. НАЗИРОВА МЕХАНИКА, УПРАВЛЕНИЕ И ИНФОРМАТИКА МОСКВА 2012 УДК [004.896:681.5](063) ISSN 2075-6836 ББК ...»

ISSN 2075-6836

ИНСТИТУТ

КОСМИЧЕСКИХ

ИССЛЕДОВАНИЙ

РАН

СБОРНИК ТРУДОВ

НАУЧНО-ТЕХНИЧЕСКОЙ

КОНФЕРЕНЦИИ

ТЕХНИЧЕСКОЕ

ЗРЕНИЕ

В СИСТЕМАХ

УПРАВЛЕНИЯ

2011

ПОД РЕДАКЦИЕЙ

Р. Р. НАЗИРОВА

МЕХАНИКА, УПРАВЛЕНИЕ И ИНФОРМАТИКА

МОСКВА

УДК [004.896:681.5](063) ISSN 2075- ББК 32.816я431(2Рос) Т Computer Vision in Control Systems 2011.

Proceedings of the Scientific-Technical Conference 15–17 March, Tarusa, 2011. Ed. R. R. Nazirov These are the Proceedings of the second scientific-technical conference “Computer vision in control systems 2011”. The conference was organized by the Space Research Institute of the Russian Academy of Sciences, State Research Institute of Aviation Systems, Keldysh Institute of Applied Mathematics of the Russian Academy of Sciences. Experts from the leading organizations both the industrial and academic research institutes as well as industry and universities participate in the conference. The reports, which are presented in the conference, reflect the major applications of computer vision in control systems — aerospace, terrestrial and underwater vehicles. The following issues of computer vision system development are considered: hardware and software, man-machine systems, methods of image analysis, objects detection and identification, image sequence analysis. The proceedings include panel reports at the conference which was held on March 15–17 in Space Research Institute, Moscow.

Техническое зрение в системах управления 2011:

Сборник трудов научно-технической конференции Таруса, 15–17 марта 2011 г. Под ред. Р. Р. Назирова Настоящий сборник содержит материалы 2-й Научно-технической конференции «Техническое зрение в системах управления 2011». Организаторы конференции — Учреждение Российской академии наук

Институт космических исследований РАН (с 1 января 2012 г. — Федеральное государственное бюджетное учреждение науки Институт космических исследований Российской академии наук (ИКИ РАН)), Федеральное государственное унитарное предприятие Государственный научно-исследовательский институт авиационных систем (ГосНИИАС), Учреждение Российской академии наук Институт прикладной математики им. М. В. Келдыша РАН (с 1 января 2012 г. — Федеральное государственное бюджетное учреждение науки Институт прикладной математики им. М. В. Келдыша (ИПМ им. М. В. Келдыша РАН)).

В проведении конференции участвовали специалисты отраслевых и академических научно-исследовательских институтов, предприятий промышленности, а также высшей школы. На конференции были представлены доклады по применению технического зрения в системах управления авиационно-космических, наземных и подводных аппаратов. Рассматривались вопросы разработки программно-аппаратного обеспечения систем технического зрения, человеко-машинные системы, методы обработки и анализа изображений, обнаружения и идентификации объектов, анализа последовательностей. В сборник также включены секционные доклады. Конференция проходила 15–17 марта 2011 г. в ИКИ РАН, Москва.

Редакционная коллегия: Желтов С. Ю., Назиров Р. Р., Визильтер Ю. В., Гришин В. А., Плато нов А. К., Соколов С. М., Кропотов А. Н., Носков В. П., Мещеряков А. Ю., Васильев Д. В., Ким Н. В., Алпатов Б. А., Костяшкин Л. Н., Антоненко Е. А.

Редактор: Егорова И. Н.

Компьютерная верстка: Комарова Н. Ю.

Отдельные материалы даны в авторской редакции.

© Федеральное государственное бюджетное учреждение науки Институт космических исследований Российской академии наук (ИКИ РАН), Содержание Предисловие............................................................. Секция АППАРАТНое обеСПечеНие СиСТем ТехНичеСкого зРеНия Егоров В. В., Ильин А. А., Калинин А. П., Родионов И. Д.

Гиперспектрометр как элемент цветного технического зрения................. Остриков В. Н.

Оценка функции рассеяния точки на произвольном снимке посредством слепого восстановления................................................... Остриков В. Н., Плахотников О. В., Шулика К. М.

Имитационная оценка потенциальных возможностей гиперспектральной съемки бортовой аппаратурой малого космического аппарата.................. Васильев Д. В., Гапон А. В., Коротеев А. С., Никонов В. А.

Моделирование следящего дальномерного канала однокамерной системы технического зрения для космического аппарата............................. Глазков В. Д., Котцов В. А.

Фасеточный солнечный датчик как система технического зрения для автономного управления космическим аппаратом......................... Дмитриев Н. И., Хрусталев А. А., Ляпин А. И., Суворов Е. Ю.

Система распознавания объектов, обеспечивающая работу бортовой системы технического зрения в реальном времени.................................... Секция человеко-мАшиННые СиСТемы ТехНичеСкого зРеНия Выголов О. В., Визильтер Ю. В.

Бондаренко А. В., Докучаев И. В., Рода А. В., Хаджиева Я. Я.

Обзорно-панорамная оптико-электронная система наблюдения Андреев В. П., Пряничников В. Е.

Системы технического зрения мобильных роботов с супервизорным Хрущ А. В., Михайлов Б. Б.

Корнева Н. Н., Назаров В. Н.

Некоторые аспекты использования технологий стерео визуализации обРАбоТкА изобРАжеНий в СиСТемАх ТехНичеСкого зРеНия Андреев В. П.

Коррекция геометрического шума в СТЗ со сканирующей линейкой Блажевич С. В., Винтаев В. Н., Ушакова Н. Н., Жиленев М. Ю.

Цифровая коррекция возмущений в изображениях, формируемых панхроматической оптико-электронной съемочной аппаратурой Басов И. В., Краснобаев А. А.

Статические способы увеличения Фаворская М. Н., Зотин А. Г., Пахирка А. И.

Метод улучшения цветных изображений на основе выравнивания Сторожилова М. В., Юрин Д. В.

Многомасштабная ранговая статистическая дифференциация: улучшение Ким Н. В., Коссов П. В., Михеев С. В.

Егоров В. В., Ильин А. А., Калинин А. П., Родионов А. И.

Устранение влияния динамики движения авиационного носителя Фаворская М. Н., Пьянков Д. И., Горошкин А. Н.

Пространственно-временная коррекция видеопоследовательностей Блажевич С. В., Винтаев В. Н., Селютина Е. С., Ушакова Н. Н.

Синтез цифровых изображений субпиксельного уровня разрешения Сомов Е. И., Бутырин С. А.

Комплексирование наблюдательной и навигационной информации для верификации работы системы управления спутника и улучшения А. Ю. Рубис, О. В. Выголов, Ю. В. Визильтер Морфологическое комплексирование изображений различных спектральных Левашов А. Е., Юрин Д. В.

Кий К. И.

Визильтер Ю. В., Горбацевич В. С.

Описание формы объектов на изображениях при помощи гибких Дорогов А. Ю.

Карташев В. А., Карташев В. В.

Туннельный микроскоп как система технического зрения для визуализации Блохинов Ю. Б., Чернявский А. С.

Поиск трехмерных объектов на изображениях на основе динамически Комаров Д. В., Визильтер Ю. В., Выголов О. В.

Разработка алгоритма автоматического обнаружения взлетно-посадочной Липатов А. Н., Ляш А. Н., Макаров В. С., Антоненко С. А., Захаркин Г. В.

Жуков Б. С., Жуков С. Б.

Отработка алгоритма автономного выбора места посадки космического Ким Н. В., Кузнецов А. Г.

Корнилов Ф. А., Костоусов К. В., Перевалов Д. С.

Применение алгоритма Виолы – Джонса с двухточечными признаками Девятериков Е. А., Михайлов Б. Б.

Система технического зрения для измерения пути мобильного робота.......... Гришин В. А.

Анализ влияния конструктивно-технологического разброса углового и линейного положения камер, а также асинхронности съемки на характеристики алгоритмов обработки изображений в стереорежиме......... Алпатов Б. А., Фельдман А. Б.

Измерение координат объекта в видеопоследовательности с использованием Настоящий сборник содержит материалы 2-й Научно-технической конференции «Техническое зрение в системах управления 2011» (ТЗСУ-2011), проходившей 15–17 марта 2011 г. в Учреждении Российской академии наук Институте космических исследований РАН (с 1 января 2012 года — Федеральное государственное бюджетное учреждение науки Институт космических исследований Российской академии наук (ИКИ РАН)), Москва. Организаторы конференции — ИКИ РАН, Федеральное государственное унитарное предприятие «Государственный научно исследовательский институт авиационных систем» (ГосНИИАС) и Учреждение Российской академии наук Институт прикладной математики им. М. В. Келдыша РАН (с 1 января 2012 г. — Федеральное государственное бюджетное учреждение науки Институт прикладной математики им. М. В. Келдыша (ИПМ им. М. В. Келдыша РАН). В проведении конференции участвовали специалисты отраслевых и академических научно-исследовательских институтов, предприятий промышленности, а также высшей школы.

Тематика компьютерного зрения и автоматического анализа изображений — сегодня предмет интенсивных научных исследований как в нашей стране, так и за рубежом. Ежегодно проводится значительное количество разнообразных семинаров и конференций, посвященных разработкам в этой области. Среди российских можно выделить такие известные и популярные конференции как «Математические методы распознавания образов» (ММРО), “Pattern Recognition and Image Analysis” (PRIA), «Интеллектуальная обработка информации» (ИОИ), Graphicon и ряд других. Тем не менее, как показал опыт проведения конференции-семинара «Техническое зрение в системах управления мобильными объектами-2010», она представляется в достаточной степени полезной и востребованной, поскольку, удачно дополняя спектр подобных мероприятий, занимает некую свою, особую и до сих пор пустовавшую нишу. Эта ниша определяется общей нацеленностью на практические приложения и специфическими требованиями, которые предъявляются не только к методам и алгоритмам обработки информации, но и, в не меньшей степени, к аппаратным и программным средствам технического зрения в системах управления. При этом особое внимание уделяется бортовым системам технического зрения, входящим в состав мобильных объектов и предназначенным для решения задач автономного и автоматизированного управления в сложной, неопределенной и быстро меняющейся внешней обстановке. Под мобильными объектами здесь понимаются авиационные и космические летательные аппараты, наземные, надводные и подводные транспортные средства, а также роботы различных классов и назначения.

Тематика конференции охватывает разнообразные аспекты разработки и построения подсистем технического зрения в системах управления.

Вопросы построения архитектуры бортовых систем технического зрения включают основные требования к ним, аппаратное (вычислители, датчики, оптика, каналы передачи данных) и программно-алгоритмическое обеспечение, способы повышения быстродействия алгоритмов, реализацию параллельных вычислений.

Информационное обеспечение процессов управления средствами технического зрения предполагает автономную навигацию и ориентацию в окружающей среде, автоматическое обнаружение, распознавание и сопровождение объектов в реальном времени, маневрирование на основе визуальной информации (выбор маршрута движения, обнаружение препятствий, стабилизацию, посадку, стыковку и др.).

Информационное обеспечение бортовых систем включает способы: представления и хранения геоинформационных данных, образов объектов, ориентиров и т. п.; подготовки исходных данных, включая создание цифровых моделей местности, ортофотопланов, мозаик, панорамных изображений; использования априорных данных в бортовых системах, а также их телеметрического обеспечения.

Проблемы технического зрения связаны с обеспечением устойчивости алгоритмов анализа изображений к условиям ограниченной видимости, наличию искажений, помех и противодействия, а также к яркостно-геометрической изменчивости наблюдаемых объектов и сцен, определяемой не только изменением условий, ракурсов и дальности наблюдения, но и собственной изменчивостью наблюдаемых объектов.

Важную группу проблем составляют вопросы взаимодействия систем технического зрения с системами управления, прежде всего, в контурах управления движением. Необходимо обеспечить устойчивость управления при сбоях в системах технического зрения, исследовать влияние динамики движения мобильных объектов на решение их задач. Актуальными считаются вопросы получения, моделирования и использования трехмерных данных в задачах управления, комплексирования видеоинформации с информацией от датчиков других типов (гироскопов, акселерометров и т. п.). Особый круг вопросов связан с техническим зрением в системах автономного искусственного интеллекта мобильных объектов.

Много интересных задач возникает при использовании в системах технического зрения различных типов двумерных сенсоров. Это задачи цветного зрения, получения и комплексного анализа изображений различной физической природы (телевизионной, инфракрасной, ультрафиолетовой, радиолокационной и др.), совместной обработки и комплексирования многозональных и многоспектральных изображений, дальнометрического трехмерного зрения, стерео и многокамерного зрения. К этой группе можно отнести и проблемы построения систем активного зрения, предполагающего адаптивное управление зрительными сенсорами.

Специфические требования определяют необходимость модификации известных и разработки новых математических методов обработки и анализа изображений, включая такие классические задачи как фильтрация и улучшение изображений, их сегментация, текстурный анализ, анализ формы (морфологический анализ), сравнение и привязка (matching) изображений, зрение на основе моделей и т. п. Обучение, самообучение и распознавание в задачах технического зрения представляет собой специфический раздел современного машинного обучения.

В последние годы все большую роль играют задачи синтезированного и улучшенного видения в человеко-машинных системах управления автономных технических объектов. Они применяются в условиях ограниченной видимости, неполной или неактуальной визуальной информации, поступающей по обычным визуальным каналам операторам (летчикам, водителям), принимающим решения по управлению теми или иными мобильными аппаратами, роботами, боевой техникой или транспортными средствами. Кроме собственно обработки изображений здесь востребованы технологии синтеза и моделирования пространственных сцен, специализированные аппаратные и программные средства (специализированные бортовые индикаторы, графические вычислители и т. п.).

Доклады участников конференции ТЗСУ-2011 были сгруппированы по секциям, связанным в основном с различными типами решаемых прикладных задач. Секция 1 была посвящена аппаратному обеспечению систем технического зрения — характеристикам датчиков и вычислителей. В секции 2 рассматривались человеко-машинные системы технического зрения: авиационные системы улучшенного видения, обзорно-панорамные системы наблюдения и обнаружения для мобильной наземной техники, системы зрения мобильных роботов с телеуправлением. Секция 3 была посвящена решению задач низкоуровневой обработки изображений в системах технического зрения: коррекции шума, улучшению изображений, устранению влияния динамики движения, комплексированию видеоинформации. В секции 4 рассматривались математические методы анализа изображений среднего уровня — поиск параметрических кривых, анализ формы и цвета. Секция 5 включала вопросы обнаружения и идентификации объектов в системах технического зрения. Секция 6 была посвящена анализу видеопоследовательностей и динамических факторов.

Представленные доклады в целом достаточно адекватно отражают проблематику и современный уровень развития рассматриваемой научно-технической области. Мы надеемся, что знакомство со сборником трудов конференции ТЗСУ-2011 окажется полезным для широкого круга практических специалистов, занятых созданием, внедрением и эксплуатацией систем технического зрения.

Секция  АппАрАтное обеСпечение СиСтем техничеСкого зрения УДК 528.852. в. в. егоров 1, А. А. ильин 2, А. П. калинин 3, и. д. Родионов Федеральное государственное бюджетное учреждение науки Институт космических исследований Российской академии наук (ИКИ РАН), Москва Закрытое акционерное общество «Научно-технический центр «Реагент», Учреждение Российской академии наук Институт проблем механики Учреждение Российской академии наук Институт химической физики Интеллектуальность систем управления связана с получением цветовой (спектральной) картины зондируемого объекта и возможности принятия управленческих решений на этой основе. Обсуждаются проблемы получения пространственно-спектральной (цветовой) картины изображения с помощью гиперспектральной аппаратуры дистанционного зондирования.

Показано, что гиперспектрометр действительно может быть элементом цветового технического зрения в системах управления.

Работа выполнена при частичной финансовой поддержке Федерального агентства по науке и инновациям.

Ключевые слова: гиперспектрометр, излучение, спектр, цветовое зрение, изображение, дистанционное зондирование, мониторинг, управление.

Цель технического цветного (или просто цветового) зрения — воспринимать испускаемое или отраженное световое излучение и дифференцировать его по длине волны. В настоящее время только гиперспектральный сенсор — именно тот прибор технического цветного зрения, который в полной мере соответствует этому определению. Гиперспектрометр во многом превосходит глаз по возможностям цветного зрения (по спектральному и пространственному разрешению, возможности регистрации интенсивности, чувствительностью к ультрафиолетовой и инфракрасной частям излучения и к поляризации).

В совокупности с экспертной системой (базой знаний) гиперспектрометр можно считать прибором, обладающим свойствами интеллектуального зрения.

Техническое зрение — важный составляющий элемент искусственных интеллектуальных систем, используемых в задачах управления. Например при тушении лесных пожаров, ликвидации последствий природных и техногенных катастроф, проведении агротехнических мероприятий в сельском хозяйстве, обнаружения несанкционированных наркосодержащих культур и т. п.

В значительной степени интеллектуальность систем управления связана с их способностью восприятия как трехмерной картины окружающего мира, так и получения цветовой (спектральной) картины об этом мире, а также поддержки управленческих решений.

егоров виктор валентинович — старший научный сотрудник, кандидат технических наук, e-mail: [email protected].

ильин Андрей Александрович — старший научный сотрудник, кандидат физико-математических наук, e-mail: [email protected].

калинин Александр Петрович — ведущий научный сотрудник, доктор физико-математических наук, e-mail:[email protected].

Родионов игорь дмитриевич — заведующий лабораторией, старший научный сотрудник, доктор физико-математических наук, e-mail: [email protected].

Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя Рис. 1. Функциональная схема гиперспектрометра типа pushbroom В настоящей работе обсуждаются проблемы получения пространственноспектральной картины изображения с помощью гиперспектральной аппаратуры дистанционного зондирования.

Функциональная схема гиперспектрометра типа pushbroom показана на рис. 1. Как правило, гиперспектрометр включает в себя оптическую систему формирования изображения, спектроделитель и фотоприемное устройство.

Подробное описание гиперспектрометра и его функционирования можно найти в работе [Калинин и др., 2006].

В результате проведения гиперспектральной съемки объекта дистанционного зондирования формируется так называемый «гиперкуб» (рис. 2). В плоскости XОY формируется пространственное изображение зондируемого объекта, для каждого пиксела которого существует развертка по длине волны (цветовая информация).

Кроме трех указанных координат, к ним может добавляться и поляризационная координата. Таким образом, измеряемые гиперспектрометром данные представляют собой значения функции, заданной в многомерном пространстве.

между очень близкими классами предметов, оценки биохимических и геофизических параметров и т. п., результаты которых широко используются в мониторинге В. В. Егоров, А. А. Ильин, А. П. Калинин, И. Д. Родионов. Гиперспектрометр как элемент цветного технического зрения использовались в лабораторных и натурных экспериментах по изучению кинетики процессов горения и взрыва, определению целевого типа растительности (например, наркосодержащих культур) на фоне других ценозов, исследованию биохимического состава растительности и т. п. Приведем примеры практического использования спектральных данных, представляющих интерес в принятии управленческих решений.

На рис. 3 показано авиационное гиперспектральное изображение участка тундры с грунтовой дорогой и газопроводной трассой. На нем наглядно отображаются процессы эрозии почвы, приведшие к оголению трубы газопровода. Эта информация может быть использована в управлении восстановительными работами на газопроводной трассе.

На рис. 4 — участок реки, на котором работает земснаряд 1. Цифрой 2 отмечен алюминиевый бакен. Проточная незамутненная вода помечена цифрой 3, замутненная в результате работы земснаряда вода — цифрой 4. Этот рисунок наглядно демонстрирует возможности гиперспектральной съемки для отслеживания ситуации на речной акватории при углублении русла реки. Получаемая в результате тематической обработки карта акватории может быть использована для выработки решений по управлению работой земснаряда. Данные съемки гиперспектрального цветового зрения найдут применение и для решения экологических проблем, связанных, например, с загрязнением воды нефтепродуктами, смывом удобрений с полей и т. п.

Рисунок 5 демонстрирует возможности цветового технического зрения для задач, связанных с распознаванием сельскохозяйственных культур с целью принятия управленческих решений [Родионов, 2010]. На рис. 5а красным прямоугольником выделен опытный участок с делянками различных культур (см. увеличенный фрагмент), используемый для процедуры обучения и последующего распознавания на рабочих участках. На рис. 5в — результаты тематической обработки гиперспектральных данных: распознавания сельскохозяйственных культур Рис. 3. Пример использования гиперспектральных данных Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя Рис. 4. Пример использования гиперспектральных данных для мониторинга экологического состояния речной акватории, связанного с работой земснаряда: а — гиперспектральное изображение акватории для длины волны 537 нм; б — результат тематической Рис. 5. Результаты авиационной гиперспектральной съемки сельскохозяйственного региона: а — видеосъемка; б — RGB-гиперспектральное изображение; в — пример тематической обработки гиперспектральных данных; г — легенда В. В. Егоров, А. А. Ильин, А. П. Калинин, И. Д. Родионов. Гиперспектрометр как элемент цветного технического зрения по трассе съемки, расшифровка классов которых приведена на рис. 5г. Эти материалы представляют интерес, в частности, для служб контроля за несанкционированными посадками наркосодержащих растений (конопля, мак).

В заключение отметим, что гиперспектрометр представляется эффективным инструментом цветового технического зрения, позволяющим проводить мониторинг состояния различных природных образований и техногенных объектов.

Данные такого мониторинга могут эффективно использоваться в системах поддержки принятия управленческих решений в экологии, сельском хозяйстве, при возникновении чрезвычайных ситуаций (пожары, наводнения, извержения вулканов, техногенные катастрофы) и т. п.

[Калинин и др., 2006] Калинин А. П. Орлов А. Г., Родионов И. Д. Авиационный гиперспектрометр // Вестн. МГТУ им. Н. Э. Баумана. Сер. «Приборостроение». 2006. № 3. С. 11–24.

[Родионов, 2010] Родионов И. Д. Авиационный гиперспектральный мониторинг посевов наркосодержащих культур // Аэрокосм. курьер. 2010. № 6. С. 32–33.

Stock Company, Reagent Scientific Engineering Centre (R&D “Reagent”), Moscow Ishlinsky Institute of Problems in Mechanics of Russian Academy of Sciences Semenov Institute of Chemical Physics of Russian Academy of Sciences Control system intellectuality is connected with the receipt of color (spectral) image of sensed object and capability to adopt the control decision on that base. The problems of getting spatial and spectral (color) image by sounding hyperspectrometer is discussed. It is shown that the hyperspectrometer really is the element of color technical vision in control systems.

Keywords: hyperspectrometer, radiation, spectrum, color vision, remote sensing, monitoring, control.

Egorov Victor Valentinovich — senior researcher, candidate of science, e-mail: [email protected].

ilyin andrey alexandrovich — senior researcher, candidate of science, e-mail: [email protected].

Kalinin alexander Petrovich — leading researcher, PhD, senior researcher, e-mail: [email protected].

Rodionov igor Dmitrievich — chief of laboratory, PhD, e-mail: [email protected].

УДК 621.384. НА ПРоизвольНом СНимке ПоСРедСТвом Санкт-Петербургский филиал ОАО «Конструкторское бюро «Луч»

Разработана технология слепого восстановления для оценки функции рассеяния точки. Фрагмент снимка восстанавливается по Тихонову с выбором параметров фазовых возмущений на основе оптимизации по минимуму энтропии.

Ключевые слова: функция рассеяния точки, качество оптических изображений, слепое восстановление.

Оценка функции рассеяния точки (ФРТ) по результирующему снимку — одна из актуальных задач применительно к различным проблемам, возникающим в процессе разработки и эксплуатации средств технического зрения оптического диапазона. Наиболее часто реализуемый подход к оценке ФРТ — ее определение по локальной функции рассеяния края или расчет по априорно известному простому объекту на равномерном фоне [Smirnov et al., 1996; Остриков, Плахотников, 2006]. Однако не всегда и не на любом снимке удается выделить необходимые участки.

В последние десятилетия получила развитие относительно новая технология обработки сигналов — так называемое слепое восстановление [Kundur, Hatzinakos, 1996]. В 1994 г. [Comon, 1994] было теоретически строго показано, если наблюдаемый процесс связан линейным преобразованием с некоторым исходным образом, могут быть одновременно получены оценки, как процесса, так и ядра преобразования на основе аппарата слепого восстановления при условии, что наблюдаемое распределение отличается от нормального. В настоящей статье предложен метод определения функции рассеяния точки по произвольному вырезу снимка на основе технологии слепого восстановления изображений по критерию минимума энтропии.

Известно, что для линейных систем процесс формирования снимка формально записывается в виде интегрального уравнения Фредгольма первого рода типа свертки исходного энергетического портрета f, определяемого отображаемым сюжетом, и локальной ФРТ h. Модель формирования можно записать в дискретной форме [Гудмен, 1988]:

где 2 {}, -1 {} — соответственно прямое и обратное двумерное преобразования Фурье, f = fij ; h = hij ; i = 0, 1, …, N – 1; j = 0, 1, …, M – 1; N, M — размерности исходного фрагмента по соответствующим координатам.

Для решения в частотной области задачи, обратной (1) (с учетом ее некорректности), для оценки F (i, j ) часто используется алгоритм Тихонова [Василенко, Тараторин, 1986]:

остриков вадим Николаевич — главный научный сотрудник, кандидат технических наук, старший научный сотрудник, e-mail: [email protected].

В. Н. Остриков. Оценка функции рассеяния точки на произвольном снимке посредством слепого восстановления где H(i, j) = 2{hij}; G(i, j) = 2{gij}; — коэффициент регуляризации, зависящий от уровня шума на фрагменте, H–1 — обратный оператор (восстановления).

При этом функция рассеяния точки hij связана через преобразование Фурье с функцией зрачка pij. Переходя к полярным координатам, можно записать где p(, ) = A(, )exp i w(, ) — функция зрачка; A(, ) — амплитудное пропускание апертуры; w(, ) — фазовая функция, — средняя длина волны на интервале чувствительности прибора.

Обычно амплитудная функция пропускания оптики известна, положим A(, ) 1 при 1, тогда функция зрачка определяется только фазовой функцией. Представим ее в виде конечного разложения в ряд полиномов Цернике, ортогональных на круге [Воронцов, Шмальгаузен, 1985] где zk(, ) — k-й полином Цернике; s = [s0, s1, …, sK–1] — вектор-набор скалярных коэффициентов фазовых возмущений. Шесть первых полиномов Цернике имеют вид: z0 = 1; z1(, ) = 2 cos; z2(, ) = 2 sin; z3 (, ) = 3(2 -1) ;

[0, 2), w( s,, ) w( s ) (равна нулю вне границ) фазовая функция возмущений задана набором коэффициентов. Тогда функция рассеяния точки, равно как и вид обратного оператора, полностью определены оценкой вектора s :

Из современной теории методов слепой обработки сигналов следует [Comon, 1994], что если отсчеты образа fij независимы и имеют негауссово распределение, то найдется такая вещественная функция q(f) (контрастная функция), стохастическая минимизация которой обеспечивает в среднем однозначное решение задачи слепого восстановления (2). Как было отмечено [Горячкин, 2003], применительно к радиолокационным изображениям и сигналам в радиотехнике и связи, функционалом качества может также выступать энтропия восстанавливаемого изображения Q = E ( f ), при контрастной функции q( f ) = log( p f ( f )).

С учетом (1)–(4), алгоритм слепого восстановления можно записать в обобщенном виде где энтропия восстанавливаемого образа Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя При этом оценка вероятностей отсчетов p( f ) строится либо на основе его гистограммы, либо с использованием скользящего окна [Дуда, Харт, 1976]. Таким образом, последовательный перебор пробных восстановлений (2) для априорно заданной размерности K, позволяет, при выполнении условия (5), однозначно оценивать функцию рассеяния точки h(, ) h( s ). Важное обстоятельство, существенно облегчающее вычислительную реализацию рассмотренного метода, — фактическая независимость поиска обратного оператора по компонентам s, что было подтверждено эмпирически [Воронцов, Шмальгаузен, 1985].

Реализация пробных восстановлений (1) требует знания коэффициента регуляризации, для этого предварительно на фрагменте g оценивается уровень случайного шума [Шовенгердт, 2010]. Выбор параметра регуляризации заранее определяется в ходе тестового моделирования. Качество восстановления контролируется среднеквадратической близостью восстановленного образа к энергетическому портрету.

На рис. 1 приведен пример модельного синтеза изображения, на основе которого проводились оценки зависимости параметра регуляризации. Синтез размытия выполнялся на основе полиномиального разложения фазовых возмущений [Сокольский, 1988], отличающегося от (3). На имитационной модели оценивалась точность определения ФРТ с использованием разработанного алгоритма. На рис. 1 приведены результаты моделирования объекта и тестовой миры.

Моделирование показало, что разработанный метод позволяет оценивать ФРТ снимков, характерных для аппаратуры воздушной и космической съемки.

При этом точность расчета ФРТ определяется ошибкой в диапазоне ±5…10 % по коэффициенту Штреля [Сокольский, 1988] для шести оцениваемых составляющих вектора s.

Рис. 1. Результаты моделирования объекта (внизу) и тестовой миры (вверху): а — исходный энергетический портрет; б — синтезированный образ с размытием и наложенным аддитивным шумом; в — восстановление по априорно известной ФРТ; г — восстановление В. Н. Остриков. Оценка функции рассеяния точки на произвольном снимке посредством слепого восстановления Рис. 2. Результат обработки авиационного снимка: а — исходный фрагмент; б — предварительно обработанный и восстановленный; в — рассчитанная функция рассеяния точки На рис. 2 приведен пример восстановления фрагмента авиационного снимка разработанным методом. Предварительно компенсировались регулярные шумы [Остриков, 2007]. Пример демонстрирует существенное повышение конечного качества обработки. Время, затраченное на получение оценки шести составляющих вектора фазовых возмущений, составило 30 с при размерности тестового фрагмента 128128 пикселов (процессор с тактовой частотой 1700 МГц).

Таким образом, на основе реализованной и апробированной на большой выборке (сотни различных снимков) технологии расчёта ФРТ можно оценивать качество изображений, повышать локальное разрешение, решать другие прикладные задачи.

[Василенко, Тараторин, 1986] Василенко Г. И., Тараторин А. М. Восстановление изображений. М.: Радио и связь, 1986. 302 с.

[Воронцов, Шмальгаузен, 1985] Воронцов М. А., Шмальгаузен В. И. Принципы адаптивной оптики. М: Наука, 1985. 335 с.

[Горячкин, 2003] Горячкин О. В. Методы слепой обработки сигналов и их приложения в системах радиотехники и связи (2003). М.: Радио и связь, 2003. 230 с.

[Гудмен, 1988] Гудмен Д. Статистическая оптика. М.: Мир, 1988. 527 с.

[Дуда, Харт, 1976] Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.

[Остриков, 2007] Остриков В. Н. Логико-алгебраический подход к построению адаптивной радиометрической коррекции полосовых шумов видеоданных // Фундаментальные исслед. и инновации в техн. ун-тах. Национальная безопасность: Материалы 11-й Всерос. конф. по проблемам науки и высшей шк. Санкт-Петербург, 18–19 мая 2007.

СПб.: СПбГТУ, 2007. С. 227–232.

[Остриков, Плахотников, 2006] Остриков В. Н., Плахотников О. В. Идентификация функции рассеяния точки канала наблюдения по калибрующему изображению посредством метода наименьших квадратов // Оптич. журн. 2006. Т. 73. № 2. С. 26–30.

[Сокольский, 1988] Сокольский М. Н. Допуски и качество оптического изображения. Л.:

Машиностроение, 1988. 181 с.

[Шовенгердт, 2010] Шовенгердт Р. А. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. 560 с.

Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя [Comon, 1994] Comon P. Independent Component Analysis, a New Concept? // Signal Processing. 1994. V. 4. № 36. P. 287–314.

[Kundur, Hatzinakos, 1996] Kundur D., Hatzinakos D. Blind image deconvolution: An algorithmic approach to practical image restoration // IEEE Signal Processing Magazine. 1996. N. 4.

P. 1–42.

[Smirnov et al., 1996] Smirnov M. V., Korolev A. N., Sivjakov I. N., Zvezdin D. I. Method and Software of Automatic Resolution Evaluating of Optic-Electronic Telescopic Land Remote Sensing System // AeroSence’96 Symp. Visual Information Processing V. April 1996, Orlando, USA: Proc. SPIE. 1996. V. 2753. P. 231–238.

The blind image deconvolution techniques for point spread function estimation was developed. The algorithm restores the image and the point-spread function simultaneously with the help of Tikhonov deblurring method. Techniques bases on phase disturbance selection by entropy minimization.

Keywords: point spread function, image quality, entropy minimization.

ostrikov Vadim Nikolaevich — master of science, PhD, senior scientist, e-mail: [email protected].

УДК 535.853. гиПеРСПекТРАльНой Съемки боРТовой АППАРАТуРой мАлого коСмичеСкого АППАРАТА в. Н. остриков, о. в. Плахотников, к. м. шулика Санкт-Петербургский филиал ОАО «Конструкторское бюро «Луч»

Описываются результаты, относящиеся к использованию бортовых гиперспектральных датчиков на малых космических аппаратах. Проведен анализ возможностей системы с помощью имитационной модели гиперспектральных данных, прошедших тракт объект – снимок. Получены оценки бинарного разделения пары объект – фон субпиксельным методом.

Ключевые слова: гиперспектральная съемка, имитационное моделирование, спектральное распознавание.

В течение последних двух десятилетий за рубежом для решения ряда прикладных задач широко используются материалы видового обзора, формируемые аппаратурой гиперспектральной съемки (ГСС). Основная причина применения ГСС связана c возможностью существенного повышения эффективности выделения и распознавания объектов интереса в сочетании со сравнительно низким пространственным разрешением. Вместе с тем, для обоснованного выбора параметров аппаратуры, включая отработку методов спектральной идентификации, используются имитационные модели.

Предлагаемая модель разработана для оценки возможностей бортовых видеоспектрометров космического и воздушного базирования применительно к различным условиям проведения съемки и исходной фоно-целевой обстановки. В качестве альтернативы выступают два варианта — искомый объект и фон.

Для имитационного решения задачи спектрального дешифрирования используются данные об анализируемых сценах, сформированные по ранее проведенным измерениям.

Основной входной элемент модели — синтез пространственно-спектрального распределения сюжета (модель фоно-целевой обстановки) в виде синтезированного спектрального «куба», с векторными значениями коэффициентов спектральной яркости (КСЯ) в каждом пикселе. В данном случае в заданном спектральном диапазоне 0,4…1,0 мкм, с шагом в 1 нм. Спектральные характеристики для моделирования берутся из набора (имеющейся базы) спектральных данных, полученных либо наземными измерениями ручным спектрометром, типа FieldSpec, либо в ходе обработки данных воздушной съемки (с учетом наземной калибровки и пересчета полученных видеоданных в распределение КСЯ). Смысловая часть модели представляет собой вычислительное преобразование исходного распределения КСЯ в видеосигналы с заданным спектральным остриков вадим Николаевич — главный научный сотрудник, кандидат технических наук, старший научный сотрудник, e-mail: [email protected].

Плахотников олег владимирович — начальник отдела, кандидат технических наук, e-mail:

[email protected].

шулика константин михайлович — заместитель директора по НИОКР, старший научный сотрудник, кандидат технических наук, e-mail: [email protected].

Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя разрешением, в зависимости от введенного набора характеристик тракта формирования. При этом используются параметры условий наблюдения с учетом пространственного размытия тракта наблюдения и присутствующего шума. После обратного преобразования сигналов, в ходе имитации калибровки, в пространственное модельное распределение КСЯ, выходные данные бинарно классифицируются субпиксельным методом. На конечном этапе рассчитывается потенциальная вероятность спектрального различения исследуемой пары объект – фон.

В рассматриваемой модели в поле зрения имитируемого спектрального канала попадают от 88 до 1616 элементарных элементов разрешения, соответствующих присутствию «объектов» на моделируемом фоне. Синтез спектрального «куба» данных определяется видом текущего пространственного шаблона. При этом выражение для генерации элементов ij() где Go, Mo и Gf, Mf — соответственно верхняя и нижняя границы экспериментально измеренных кривых, ограничивающих реально наблюдаемые случайные распределения КСЯ по объекту Fo и фону Ff.

Для оценки влияния аппаратуры и тракта наблюдения спектральные ходы пространственного распределения пересчитываются в сигналы приемного устройства, сначала без влияния пространственного размытия. Для этого преобразование распределения КСЯ ij() в сигналы приемников sij () определяется выражением, учитывающим априорно заданное спектральное разрешение гиперспектрометра:

где p = d (1 - ) 4 f p — угловой параметр апертуры прибора.

Параметры аппаратуры: d — размер входного отверстия объектива; fp — фокусное расстояние; — размер элементарного приемного элемента (предполагается квадратным); — отношение диаметра вторичного и первичного зеркал; tn — время накопления; () — спектральная чувствительность приемника; p() — спектральное пропускание прибора; o — интервал спектральной дискретизации (1 нм); L — число спектральных интервалов дискретизации; C(ij()) — спектральная плотность энергетической яркости на апертуре в зависимости от КСЯ текущего элемента ij, рассчитывается на основе модели MODTRAN 5.2 с учетом свойств атмосферы для заданной метеорологической дальности видимости, типа аэрозоля и высоты Солнца.

Для имитации прохождения сигналов через тракт формирования, предварительно рассчитывается таблица спектральных зависимостей сигналов (2) для ряда ij() = 0(0,1)1,0. По ним в ходе расчета спектрального «куба» выбираются интерполированные значения для текущих ijзначений КСЯ пространственного шаблона.

Расчет сигнала от фоновой облученности для оценки спектрального шума в канале sf() производится также на основе выражения (2) для заданного значения спектрального альбедо (принято 0,4).

В. Н. Остриков, О. В. Плахотников, К. М. Шулика. Имитационная оценка потенциальных возможностей гиперспектральной съемки… Оценка среднеквадратических отклонений (СКО) шума в спектральных каналах проводится опосредованно, для чего сначала рассчитывается отношение сигнала к шуму [Гудмен,1988] где Nf () — уровень фотонного шума, p ( ) — дисперсия собственных шумов приемных элементов, ks — коэффициент.

Коэффициент k s учитывает случайные и частично регулярные шумы на сформированных снимках. Если эти шумы хорошо скомпенсированы в ходе первичной обработки, можно априорно принять ks 1,2 (конкретные алгоритмы компенсации [Шовенгердт, 2010]). Отсюда СКО шума в спектральных каналах определяется выражением:

где — средняя длина волны в каждом канале.

Влияние аберрационного размытия по каналам моделируется на основе линейной теории оптических систем в соответствии с моделью [Остриков, Плахотников, 2006]. На полученные размытые образы аддитивно накладывается нормальный шум (4).

Полученные сигнальные распределения яркостей по пространственному тестовому шаблону (набор оцифрованных значений спектрального «куба» данных) пересчитываются «обратно» в распределения КСЯ (имитация внешней калибровки). Для этого по случайным значениям тестового шаблона рассчитывается среднее s f ( ), после чего, априорно предполагая известным среднее по КСЯ фона f ( ), пересчитывается весь сигнальный «куб»

где sij ( ) — сигнальный спектр текущего пикселя тестового образа.

Для имитации возможностей спектрального различения выбранной пары объект – фон» применяется субпиксельный метод. Его суть — в проецировании каждого ij ( ) на два исходных (предполагаемых априорно известными) средних o ( ) и f ( ) [Шовенгердт, 2010]. Отнесение текущей проекции решения к объекту или фону (решающее правило) может быть построено различными методами, в зависимости от априорных данных.

На рисунке приведены результаты расчетов вероятностей различения выбранной спектральной пары. Имитировались синтезированные элементы разрешения спектрометра применительно к биннингу 88 (а) и 1616 (б). Основные параметры прибора: относительное отверстие 1:12, коэффициент экранирования 0,32, элемент приемной матрицы 7 мкм. Высота наблюдения 425 км (в надир).

Условия наблюдения: субарктическая атмосфера, метеодальность видимости 50 км, высота Солнца 60°. Приведенные кривые рассчитаны для спектрального разрешения аппаратуры 5, 10 и 20 нм. Интересным представляется тот факт, что оптимальное имитируемое спектральное разрешение соответствует 10 нм.

Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя Вероятности спектрального различения пары для биннинга 88 (а) и 1616 (б) Таким образом, разработанная модель позволяет оценивать потенциальные возможности разделения различных спектральных пар в зависимости от условий наблюдения и параметров используемых видеоспектрометров. Она также позволяет заранее анализировать возможности разделения отдельных пар используемой спектральной библиотеки и выбирать базовые векторы, отстоящие между собой на спектральный контраст, разрешаемый аппаратурой с заданными параметрами. На базе модели возможно проведение исследований по выбору наиболее подходящих спектральных окон для решения конкретных хозяйственных задач по данным спектрального дистанционного зондирования Земли.

В. Н. Остриков, О. В. Плахотников, К. М. Шулика. Имитационная оценка потенциальных возможностей гиперспектральной съемки… [Гудмен, 1988] Гудмен Дж. Статистическая оптика. М.: Мир, 1988. 527 с.

[Остриков, Плахотников, 2006] Остриков В. Н., Плахотников О. В. Идентификация функции рассеяния точки канала наблюдения по калибрующему изображению посредством метода наименьших квадратов // Оптич. журн. 2006. Т. 73. № 2. С. 26–30.

[Шовенгердт, 2010] Шовенгердт Р. А. Дистанционное зондирование. Методы и модели обработки изображений / Пер. с англ. А. В. Кирюшина и А. И. Демьяникова. М.: Техносфера, 2010. 556 с.

SiMulaTioN ESTiMaTES of PoSSiBiliTiES foR oN-BoaRD HyPERSPECTRal SENSoRS oN SMall SaTElliTES The paper describes issues related to the use of on-board hyperspectral sensors on small satellites. Properties of system were developed with a help of simulation model for hyperspectral data which were passed optical media imitation. Estimations for spectral pairs discrimination by subpixel method are considered.

Keywords: hyperspectral data, simulation models, spectral recognition.

ostrikov Vadim Nikolaevich — master of science, PhD, senior scientist, e-mail: [email protected].

Plakhotnikov oleg Vladimirovich — head of the department, PhD, e-mail: [email protected].

Shulika Konstantin Mikhaylovich — deputy director, PhD, senior scientist, e-mail: shulken@ yandex.ru.

УДК 681.3 : 629.78 : 535. дАльНомеРНого кАНАлА одНокАмеРНой д. в. васильев, А. в. гапон, А. С. коротеев, в. А. Никонов Открытое акционерное общество Научно-производственная корпорация «Системы прецизионного приборостроения» (ОАО «НПК «СПП»), Москва На примере решения задачи оптического измерения расстояния в целях автоматической стыковки космических аппаратов реализован ортокорреляционный дискриминатор масштабного сдвига 2D-изображений и модель двухконтурной следящей системы с использованием этого измерительного звена. Работоспособность алгоритмов продемонстрирована на массиве полунатурных сюжетов.

Ключевые слова: оптическое измерение расстояния, взвешенная ортокорреляция, беспоисковое корреляционное слежение, автозахват, зумобъектив, субпиксельная точность, слежение за масштабным сдвигом.

Измеритель текущего масштаба изображения актуален в системах технического зрения (СТЗ) для отслеживания и компенсации масштабных сдвигов в задачах извлечения 3D-информации из 2D-сигналов.

Цель работы — исследование возможностей построения однокамерной пассивной ТВ-системы слежения за дальностью с применением беспоискового ортокорреляционного дискриминатора масштаба (ОКДм), формирующего оценку масштабного сдвига между эталонным и текущим изображениями, поступающими на его вход.

Приводятся результаты разработки и моделирования ОКДм. Представлена система слежения за масштабом (ССм), функциональная схема которой показана на рис. 1. В ССм межкадровый масштабный сдвиг, возникающий из-за изменения расстояния до наблюдаемого объекта, измеряется алгоритмом ОКДм и компенсируется приводом зум-объектива в электромеханическом контуре (ЭМК) и окном сопровождения, управляемым электронным контуром (ЭК). Интегрирующий фильтр обратной связи (ФОС) накапливает текущую оценку масштабного сдвига, которая на основе известных начальных данных пересчитывается в дальность.

Как показал ряд предшествующих работ, для цифровой реализации ОКД наиболее эффективны и удобны алгоритмы нестационарных корреляцион ных дискриминаторов (НКД), входными сигналами к которым являются пары васильев дмитрий валериевич — ведущий научный сотрудник, доктор технических наук, профессор, e-mail: [email protected].

гапон Андрей викторович — инженер, кандидат технических наук.

коротеев Александр Сергеевич — инженер, e-mail: [email protected].

Никонов виктор Анатольевич — инженер, e-mail: [email protected].

Д. В. Васильев, А. В. Гапон, А. С. Коротеев, В. А. Никонов. Моделирование следящего дальномерного канала однокамерной СТЗ для КА Рис. 1. Функциональная схема системы слежения за масштабом: L — дальность до объекта 2D-изображений. Авторами построен НКД для измерения масштаба (НКДм) на основе подхода, изложенного в предшествующих работах [Васильев и др., 2007а;

Васильев, 2011]. Применено так называемое -преобразование координат, при котором масштабный сдвиг приобретает свойства аддитивности где b — малая константа.

Это позволяет применить в системе -координат (-СК) известный аппарат ОКД аддитивного сдвига. При этом возможны быстродействующие модификации алгоритма, при которых -преобразованию подвергаются лишь базисные функции, а не входные сигналы. Константа b даёт возможность управлять апертурой ДХм в обмен на её гладкость в окрестности нуля, что полезно использовать в различных режимах ССм.

Для экспериментов использован алгоритм НКДм с двумерными центральносимметричными базисными функциями (БФ) по размеру входных сигналов. Помимо малых вычислительных затрат, такой выбор БФ позволяет ослабить перекрёстное влияние сдвига по крену.

Подход проиллюстрирован в сопровождавшей доклад авторов презентации, которую можно найти на сайте http://tvcs2011.technicalvision.ru/ или http://www.

iki.rssi.ru/.

Наибольшие отклонения формы ДХ от линейной вносят краевые эффекты (КЭ) [Васильев и др., 2007б], вызванные тем, что при наличии сдвига на текущем изображении могут быть участки сцены, отсутствующие в эталоне, и наоборот, некоторые участки, присутствующие в эталоне, уходят за пределы поля зрения.

Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя Рис. 2. Циклическое продолжение произвольного сюжета в -СК (а); сюжет в декартовой СК (б); ДХм с учётом КЭ (пунктир) и без КЭ (сплошная) (в) Для оценки предельных свойств НКДм в ходе исследования построен пример ДХм в отсутствие КЭ. Для этого сформированы сюжеты с циклическим продолжением входного сигнала в -СК (рис. 2а). Обратное преобразование к декартовым координатам дает сюжет на рис. 2б, который будет циклическим продолжением исходного сюжета по масштабному сдвигу. На рис. 2в показаны ДХм, полученные для одного и того же эталона в естественных условиях наличия КЭ (пунктирная линия) и его отсутствия (сплошная линия). Случай отсутствия КЭ демонстрирует минимально возможное отклонение ДХм от линейной для заданных БФ.

Мерой инвариантности ДХм к смене сюжета принимается величина среднеквадратичного отклонения (СКО) ДХм, рассчитанная на множестве типовых сюжетов (рис. 3).

Рис. 3. ДХм, усредненная на множестве сюжетов. Пунктиром показан разброс характеристик в пределах ± Д. В. Васильев, А. В. Гапон, А. С. Коротеев, В. А. Никонов. Моделирование следящего дальномерного канала однокамерной СТЗ для КА Важные свойства ОКД — «строгий нуль» ДХ и ее монотонность в окрестности нуля. Под строгим нулём понимается свойство алгоритма формировать в отсутствие помех нулевой выход при нулевом сдвиге между входными изображениями независимо от состава сюжета. Учитывая, что задача ССм — удержание окна сопровождения в точке нулевого сдвига, это свойство ДХ измерительного звена обеспечивает точность слежения за компонентами сдвига, слабо зависящую от разрешения входных сюжетов.

В программной среде Simulink™ смоделирован контур слежения за изменением масштаба во входном сигнале, соответствующий схеме на рис. 1. Входным сигналом для системы считается последовательность 2D-изображений с межкадровым масштабным рассогласованием, изменяющимся по некоторому заданному закону. Для компенсации сдвига реализованы ЭК и ЭМК. Подробнее об их свойствах и возможностях [Васильев, 2011, с. 124–125]. В данной модели эти контуры применяются последовательно для расширения диапазона слежения всей системы.

Фильтр обратной связи содержит два интегратора, что придает ССм астатизм второго порядка.

Для исследования работоспособности и свойств системы слежения проведена серия экспериментов. Использовались окна сопровождения и 100100 пикселов. В качестве входного изображения взяты фотоснимки МКС.

Рис. 4. Результаты моделирования ССм и эталонные изображения для этих экспериментов. Идеальный дискриминатор выдаёт точное значение сдвига и позволяет судить о поведении системы слежения при заданном входном сигнале без влияния мешающих Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя На них выбран ряд точек прицеливания и смоделированы различные законы взаимного движения (рис. 4):

• график а — реакция ССм на скачок по масштабу на 20 %;

• график б — реакция ССм на изменение масштаба по гиперболическому закону, соответствующему сближению с постоянной скоростью;

• график в — реакция ССм на изменение масштаба при наличии нескомпенсированного аддитивного сдвига начиная с кадра 15.

(На графиках б и в красная линия почти совпадает с синей.) 1. Возможно создание алгоритма НКДм и системы регистрации дальности путём слежения за масштабом наблюдаемого объекта.

2. Алгоритм НКДм с двумерной базисной функцией по раскрыву апертуры и монотонной зоны, «строгому нулю» и устойчивости к мешающим факторам пригоден для применения в составе ССм.

3. ССм с КДм в качестве измерителя ошибки слежения за таким важным одномерным параметром, как масштабный сдвиг, работоспособна и обладает свойствами, характерными для линейной системы авторегулирования.

4. Система может служить основой одного из контуров комплекса средств измерения дальности на этапе сближения КА до механического захвата при стыковке.

[Васильев, 2010] Васильев Д. В. Фрагменты прикладной теории систем технического зрения для беспилотных летательных аппаратов // Технич. зрение в системах управления мобильными объектами-2010: Тр. научно-технич. конф.-семинара. Вып. 4 / Под ред.

Р. Р. Назирова. М.: КДУ, 2011. С. 109–131.

[Васильев и др., 2007а] Васильев Д. В., Гапон А. В., Сумерин В. В., Фирсов Е. А. Автозахват направления по изображению с использованием скользящей фильтрации // Электромагнитные волны и электронные системы. 2007. Т. 12. № 7. С. 49–52.

[Васильев и др., 2007б] Васильев Д. В., Григорьев К. А., Никонов В. А. Краевые эффекты в корреляционных дискриминаторах сдвига изображений // Электромагнит. волны и электрон. системы. 2007. Т. 12. № 9. С. 61–71.

TECHNiCal ViSioN SySTEM foR SPaCE VEHiClES Open Joint Stock Company Research and Production Corporation of Precision Scientific Instruments (“System of Precision Instrument Making”), Mosсow An approach to optical range tracking for automated space vehicle docking is demonstrated by designing a correlation 2D scale shift discriminator and a two-loop tracking system based on its algorithm. Their efficiency is demonstrated on a set of constructed images.

Д. В. Васильев, А. В. Гапон, А. С. Коротеев, В. А. Никонов. Моделирование следящего дальномерного канала однокамерной СТЗ для КА Keywords: optical range tracking, weighted orthocorrelation, searchless correlation tracking, autolock, zoom lens, subpixel accuracy, scale shift tracking.

Vasilyev Dmitry Valerievich — leading scientist, doctor of technical science, professor, e-mail:

[email protected].

gapon andrey Viktorovich — engineer, candidate of technical science.

Koroteev aleksandr Sergeevich — engineer, e-mail: [email protected].

Nikonov Viktor anatolievich — engineer, e-mail: [email protected].

УДК 520. фАСеТочНый СолНечНый дАТчик кАк СиСТемА ТехНичеСкого зРеНия для АвТоНомНого уПРАвлеНия коСмичеСким АППАРАТом Федеральное государственное бюджетное учреждение науки Институт космических исследований Российской академии наук (ИКИ РАН), Москва В работе изложены особенности построения фасеточного солнечного датчика, как бескамерной системы технического зрения, для автономного управления космическим аппаратом. Отсутствие камеры и собирающей оптики, минимум фотоэлектрических преобразователей и эффективное использование их чувствительных поверхностей, многоядерный конвейерный принцип обработки фототоков по заданному алгоритму, наличие интеллекта, возможность спектральной селекции при вертикальной тандемной или каскадной композиции фотоэлектрических преобразователей, а также коррекции угловой нелинейности и увеличения точности результатов отсчетов — главные достоинства фасеточного солнечного датчика. Всё это позволяет создавать высоконадежные бортовые системы технического зрения, в том числе автономные, для управления космическим аппаратом, которые не боятся сторонних засветок, реализуют различные поля обзора с достаточной угловой точностью отсчетов и линейностью в его пределах при высоком быстродействии, и имеют ультра малые массы, объем и электропотребление.

Ключевые слова: космический аппарат, фасеточный солнечный датчик, фотоэлектрический преобразователь, каскадные преобразователи солнечной энергии, ориентация, навигация, поле обзора, система технического Солнечные датчики (СД) — специализированные приборы систем технического зрения (СТЗ), которые определяют угловое направление на Солнце в системе координат космического аппарата (КА). Фасеточный солнечный датчик (ФСД) — двухкоординатный прибор бескамерного типа [Глазков и др., 1989].

По-сути — это совокупность определенным образом взаимно ориентированных фотоэлектрических преобразователей (ФЭП).

Если для оценки угла отклонения излучения от нормали достаточно одного планарного ФЭП, то для знания пространственных характеристик о направлении на Солнце необходимо минимум три фотоэлектрических преобразователя.

Удобнее использовать две пары планарных ФЭП, разместив их взаимно перпендикулярно на гранях усеченный правильной прямоугольной пирамиды (рис. 1).

ФЭП поглощает часть света и преобразует в фототок. Целесообразно использовать фотогальванический режим работы ФЭП — без внешнего питающего напряжения. Работа в этом режиме может быть представлена вольт-амперной зависимостью выходного напряжения от фототока и апертурной (угловой) характеристикой — изменением величины выходного тока ФЭП от угла падения излучения на его светочувствительную поверхность (рис. 2).

глазков вячеслав данилович — старший научный сотрудник, кандидат технических наук, e-mail: vdgl [email protected].

котцов владимир Александрович — научный сотрудник, e-mail: [email protected].

В. Д. Глазков, В. А. Котцов. Фасеточный солнечный датчик как СТЗ для автономного управления космическим аппаратом Рис. 2. Апертурная характеристика ФЭП с планарной фоточувствительной поверхностью (a) и дифференциальная характеристика фототоков двух ФЭП (б) Если апертурная характеристика ФЭП имеет косинусную зависимость (см.

рис. 2а), то алгебраическая сумма токов взаимно перпендикулярных расположенных пар ФЭП даст информацию о направлении на Солнце. ФЭП полярный преобразователь и, в зависимости от полярности включения пар, при сложении их фототоков получаем или разностный, или суммарный сигналы. Если ФЭП имеют косинусные характеристики, то наиболее информативной схемой включения фотоэлектрических преобразователей будет их встречное соединение (см.

рис. 2б). Устройство обработки ФСД может представлять собой: пассивный резистор, активный токовый элемент или операционный усилитель. Результаты обработки токов ФЭП содержат количественную информацию об угловых характеристиках потока излучения от Солнца. Суммирование однополярных токов пар ФЭП обеспечивают нормализацию данных ФСД.

В солнечных датчиках на основе планарных ФЭП, реальные апертурные характеристики фотоэлектрических преобразователей могут отличаться от косинусной зависимости. Вводя оптические или фотоэлектрические корректоры в схему ФСД, значительно уменьшаем их погрешность. ФСД может иметь поле Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя обзора около 80°, при точности порядка одного градуса. Размеры поля обзора ФСД со скорректированными характеристиками ФЭП достигают 140140° при точности измерения менее 0,5°. Для изменения поля обзора достаточно изменить наклоны боковых граней, на которых расположены ФЭП, но при этом меняется и угловая точность.

ФСД характеризуются большим отношением сигнал/шум, так как в преобразовании света в электрический ток участвует вся чувствительная поверхность ФЭП, а не его отдельная часть, как в СД камерного типа. Когда ФЭП работают в режиме «короткого замыкания», то темновой ток насыщения минимален или равен нулю. Режим «короткого замыкания» обеспечивает повышенные значения угловой точности и быстродействия прибора.

Поле обзора ФСД всегда меньше 180180°. Но композиция из двух и более пирамид с разным наклонном граней может решить проблему реализации СД с большими полями обзора. На рис. 3 представлен вариант построения ФСД с увеличенным полем обзора в виде композиции двух вертикально-штабелированных усеченных пирамид с разным наклоном боковых граней, а также графики зависимости фототоков вдоль одной координаты ФСД. Процессы дифференцирования и суммирования фототоков осуществляются одновременно, обеспечивая нормализацию данных.

Частичное затенение или засветка отдельных фотоэлементов искажает выходные результаты угловых определений. Прибор можно наделить интеллектуальными способностями для исключения недостоверных результатов [Котцов, Глазков, 2007]. В основе принятия решения лежит фотометрический баланс — равенство сумм фототоков пар ФЭП, размещенных на противоположных гранях правильной пирамиды. Несимметричное затенение, подсветка ФЭП или их деградация ведет к нарушению баланса. Отсутствие баланса считается критерием для исключения текущих результатов измерения.

Рис. 3. Вариант конструкции ФСД и её габаритные размеры при поле обзора прибора 180180° и нормированные апертурные характеристики ФЭП1–ФЭП9 вдоль одной из координат В. Д. Глазков, В. А. Котцов. Фасеточный солнечный датчик как СТЗ для автономного управления космическим аппаратом Успех создания надежного ФСД в значительной степени определяется выбором материала для ФЭП. Примером может служить использование солнечных элементов на основе Si и GaAs-полупроводников, генерирующих электроэнергию для КА. Из-за относительно быстрой деградации во времени эти материалы с трудом подходят для фотоэлектрических преобразователей ФСД, реализующих функции СТЗ. Однако ФЭП на основе тонкослойных широкозонных полупроводниковых материалов, таких как GaP, 6H-SiC, 4H-SiC, GaN, BN, C алмаз, AI N и др., которые могут более стабильно и продолжительно функционировать без внешней защиты в условиях космоса, вполне подходят для этих приборов.

Широкозонные ФЭП представляют собой различные p-n, гетеро, варизонные структуры и фотодиоды на основе барьеров Шоттки. Технология их изготовления освоена российской промышленностью, налажен малосерийный выпуск вышеперечисленных элементов и массивов разных размеров и профилей. Спектральная чувствительность этих фотоэлектрических преобразователей находится в ультрафиолетовой зоне спектра. Ультрафиолетовые ФЭП более стойки к космической радиации, чем Si и GaAs-полупроводниковые структуры, способны работать в широком интервале температур, обладают большим динамическим диапазоном, их параметры не изменяются после воздействия повышенной засветки.

Ультрафиолетовые ФЭП на основе твердых растворов полупроводниковых нитридов, могут иметь резкий длинноволновый край чувствительности, расположенный в любой части ультрафиолетовой области излучения, что существенно для ФСД. Максимальные значения их токовой чувствительности соответствуют квантовой эффективности 0,8…0,9 и близки к теоретическому пределу.

Аналогичное положение наблюдается и с величиной постоянной времени ультрафиолетовых ФЭП, особенно структур с барьерами Шоттки, определяемой их RC-цепью, составляющей всего десятки или сотни наносекунд. За счет повышения чистоты исходных материалов для ФЭП из III-нитридов можно приблизиться к теоретическому пределу в части их обнаружительной способности.

Поток солнечного излучения на верхней границе атмосферы Земли составляет 1368±7 Вт/м2, что избыточно для ФСД. Следовательно, одновременно с решением главной задачи, можно получать и электроэнергию для питания прибора.

Идея реализована в камерном варианте прибора ориентации на Солнце [Котцов, Глазков, 2007]. При реализации ФСД возможен существенный выигрыш.

Спектр в диапазоне длин волн (0,2…4,0 мкм) можно поделить на три зоны.

Ультрафиолетовая (0,2…0,4 мкм) — на ее долю приходится 7 % энергии Солнца;

на видимый диапазон длин волн (0,4…0,75 мкм) — 46 % его энергии; инфракрасная часть излучения (0,75…4,0 мкм ) составляет 47 %.

Верхний теоретический предел удельной обнаружительной способности D* при комнатной температуре ФЭП равен 10–17 Вт–1Гц1/2cм. При минимальных длинах волн электромагнитного спектра, в ультрафиолетовой области, значения D* для ФЭП составляют 10–14…10–15 Вт–1Гц1/2см. Энергетически достаточно ультрафиолетовой области, чтобы решить основную задачу ФСД, для нее есть и подходящие ФЭП. Остальную энергию целесообразно преобразовать в электрический ток и использовать для питания прибора.

Для построения автономного ФСД можно заменить однослойные ФЭП на двухслойные или многокаскадные их композиции в виде штабеля ФЭП или их монолитной конструкции (рис. 4). В такой упаковке верхние ФЭП должны быть выполнены на оптически прозрачных диэлектрических подложках, например, на сапфире с прозрачными токопроводящими электродами в виде керамических Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя пленок ITO (механической смеси оксидов In2O3 и SnO2.). Тогда, каждый ФЭП в двухслойной структуре будет преобразовывать в электрический ток только ту часть падающего излучения электромагнитного спектра, которая поглощается его полупроводниковым фотоэлектрическим преобразователем, пропуская оставшиеся части на нижележащие фоточувствительные слои.

В зависимости от назначения ФЭП — фотодатчик направления или генератор электроэнергии — они могут работать в разных режимах: короткого замыкания (фотогальванический режим) или отбора максимальной мощности, чтобы выполнять различные функции. Конструкция штабеля упрощается, а качественные и энергетические показатели существенно возрастают, если имеем тандем — фотодатчик и генератор электроэнергии, представленный в виде гальванически развязанных двух полупроводниковых структур. Необходимо отметить, что в силу различной прозрачности по спектру фотодатчика направления, с помощью штабеля из ФЭП возможна реализация как моноблочной конструкции ФСД, так и распределенной, когда для его построения используются подходящие близлежащие поверхности элементов КА. Это очень важно для микрокосмических аппаратов, которым присущ дефицит массы и объема.

Главной причиной ложной регистрации солнечного излучения в поле обзора ФСД для КА на околоземной орбите считается свет альбедо Земли (рис. 5). Как было показано выше, можно исключить эти результаты из информационного потока прибора, используя фотометрический баланс, но не полностью разрешить эту проблему. Есть способ спектрозонального варианта борьбы с указанным недостатком, который целесообразен в ФСД, так как требует минимальных затрат — выбора и применения полосового ФЭП [Глазков, Котцов, 2009].

Известно, что полное исчезновение планеты как излучающего небесного тела происходит в теллурических полосах спектров планет. У Земли это наблюдается в спектральных полосах: 0,23…0,29 мкм (озон); 1,35…1,41, 1,8…1, и 2,57…2,77 мкм (вода и углекислый газ). Следовательно, для автономного ФСД возможно зональное исключение света, отраженного от Земли, в перечисленных спектральных полосах. Предпочтение следует отдать варианту 0,23…0,29 мкм в ультрафиолетовой области спектра, так как для этого есть подходящие ФЭП.

Рис. 4. Конструкция вертикальной монолитной композиции двух ФЭП, В. Д. Глазков, В. А. Котцов. Фасеточный солнечный датчик как СТЗ для автономного управления космическим аппаратом Рис. 5. Схема, показывающая влияние света, отраженного Величина внеатмосферного солнечного потока в первой полосе спектра Солнца на 1 см2 фоточувствительной площади ФЭП составляет 0,402 мВт и в 213 раз меньше отраженного от Земли лучистого потока (0,1884·10 –2 мВт), что согласуется с данными её альбедо. Следовательно, выбрав для ФСД ультрафиолетовый ФЭП, например, на основе III-нитридов с полосой чувствительности 0,23…0,29 мкм можно снизить влияние засветки от Земли более чем на два порядка. Использование других спектральных полос для разрешения этой проблемы несколько усложнит построение ФСД.

Требования обеспечения высокой точности измерений по углу и реализации большого размера поля обзора одним СД одновременно фактически невыполнимы. У каждого вида СД — камерного и бескамерного — есть в этом отношении свой предел. СД камерного вида более точные приборы, чем бескамерные, но при малых полях обзора, у ФСД — наоборот. В ряде случаев приходится переходить к кластерам, объединяющим несколько разнонаправленных СД камерного вида с узкими полями зрения, но реализующих необходимую точность отсчетов по углу. Другой подход к разрешению проблемы точности — создание гибрида — композиции ФСД и СД камерного вида.

Внешне это ФСД, каждая грань которого содержит ФЭП. Но внутри под каждой гранью размещены небольшие массивы линейных профильных фотодиодов. Кроме того, под фотоэлектрическими преобразователями ФСД расположена непрозрачная диафрагма с поперечной щелью, она или каждый фотоэлектрический преобразователь разделены на две части, тогда их подложки выполняют функцию диафрагмы. Конструкция такой композиции показана на рис. 6.

В отличие от линейки приборов с зарядовой связью число профильных фотодиодов в массиве невелико. Принцип работы такого гибрида прост. Пусть имеем прямоугольную усеченную пирамиду, каждая грань которой представляет собой описанную композицию. Здесь, внешние ФЭП реализуют функцию обзора большого поля с относительно низкой точностью результатов отсчета. Одновременно, в зависимости от угла падения солнечного излучения, прошедшего через поперечную щель, работает одна из пар профильных фотодиодов массива, Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя Рис. 6. Конструкция композиции ФСД и СД камерного типа расположенного под диафрагмой. Работающая пара фотодиодов массива включена в этот момент встречно. Суммирование встречных фототоков пары позволяет получить квазилинейную зависимость выходного сигнала от угла падения на фотодиоды через щель излучения. Остальные фотодиоды массива не работают и находятся в режиме ожидания. Функционирующая пара охватывает только часть поля обзора. Композиция внешних ФЭП на каждой грани и расположенного за щелью массива фотодиодов, позволяет создать гибридный вариант прибора ориентации на Солнце.

Технологический прогресс в области материалов обещает большой спектр новых компонентов. Замена Si на твердые растворы А3В5 и III-нитриды, использование гетеропереходов и других полупроводниковых структур, а также переход к тандемным и каскадным объединениям фотодиодов для более эффективного преобразования солнечного излучения в электрический ток обеспечат дополнительные возможности. Фасеточные солнечные датчики будут иметь малые массу и габариты, а также смогут работать автономно с интеллектуальным контролем точности.

[Глазков и др., 1989] Глазков В. Д., Куделин М. И., Эйсмонт Н. А. Прибор для получения информации об ориентации искусственных спутников Земли // 4-й Международ. семинар «Научное космич. приборостроение». Фрунзе. 18–24 сент. 1989. М.: ИКИ АН СССР, 1989. С. 121–122.

[Котцов, Глазков, 2007] Котцов В. А., Глазков В. Д. Солнечный датчик с интеллектуальными способностями // Космич. приборостроение. Координатно-временные системы с использованием космич. технологий. Приборы для космич. исслед. планет и Земли:

Сб. тр. по результатам выездного семинара / Под ред. Назирова Р. Р. Россия, Таруса.

7–9 июня 2006. М.: ИКИ РАН, 2007. С. 114–119.

[Глазков, Котцов, 2009] Глазков В. Д., Котцов В. А. Фасеточные датчики солнечной ориентации // Современ. проблемы определения ориентации и навигации космич. аппаратов: Сб. тр. Всерос. научно-технич. конф. Россия, Таруса. 22–25 сент. 2008. М.: ИКИ РАН, 2009. С. 136–145 (Сер. «Механика, управление и информатика»).

В. Д. Глазков, В. А. Котцов. Фасеточный солнечный датчик как СТЗ для автономного управления космическим аппаратом faCETED SolaR SENSoR aS a TECHNiCal ViEwiNg SySTEM foR iNDEPENDENT CoNTRol of a SPaCECRafT In the paper, the peculiarities of design developing of a faceted solar sensor as a without-camera technical viewing system for independent control of a spacecraft is presented. The main advantages of a faceted solar sensor are: lack of camera and collecting optics, the minimal amount of photoelectrical transducers and effective use of its sensitive surfaces, multinuclear conveyor principle of the processing of photocurrent according to a given algorithm, presence of intellect, the possibility of spectral selection in the case of vertical tandem or cascade type of disposition of the photoelectrical transducers as well as angular non-linearity correction and increasing of the precision of the results of counts. All this makes it possible to design high-reliability on-board systems of technical viewing, including independent, for spacecraft control. These systems are resistant to stray lighting, can realize different fields of view with relatively high precision of counts and linearity within its boundaries at high-speed performance and have extra small mass, volume and power consumption.

Keywords: spacecraft, faceted solar sensor, photoelectrical transducer, cascade transducers of solar energy, orientation, navigation, field of view, systems of technical viewing.

glazkov Viacheslav Danilovich — seniour scientist, PhD, e-mail: [email protected].

Kotsov Vladimir alexandrovich — scientist, e-mail: [email protected].

УДК 621.396. СиСТемА РАСПозНАвАНия объекТов, обеСПечивАющАя РАбоТу боРТовой СиСТемы ТехНичеСкого зРеНия в РеАльНом вРемеНи Н. и. дмитриев, А. А. хрусталев, А. и. ляпин, е. ю. Суворов ФГУП «ФНПЦ НИИИС им. Ю. Е. Седакова», Нижний Новгород Рассматривается система распознавания объектов, предназначенная для автоматического обнаружения, распознавания объектов и определения углового направления на объекты в реальном времени. Работа системы основана на разработанном методе обработки видеоизображений и идентификации объектов. Приведены результаты исследований макета.

Ключевые слова: система распознавания объектов, бортовая система технического зрения, распознавание объектов в реальном времени.

Классическая бортовая система технического зрения, предназначенная для автономного управления в сложной, неопределенной и быстроменяющейся обстановке, состоит из системы получения цифровых изображений наблюдаемых сцен в одном или нескольких диапазонах длин волн и системы обработки цифровых изображений и распознавания объектов на них. Авторами представлена система, предназначенная для автоматического обнаружения, распознавания объектов и определения углового направления на объекты поиска в реальном времени. Работа системы основана на разработанном авторами методе обработки видеоизображений и идентификации объектов.

Обобщенная функциональная организация метода предусматривает следующую последовательность этапов [Прэтт, 1982]: предобработка и сегментация изображения; построение аналитического описания полученных образов объектов;

классификация образов.

Данный метод может использоваться для распознавания объектов на изображениях любого диапазона длин волн при условии, что размеры объектов поиска на них будут не менее 88 пикселов.

Предобработка изображений осуществляется набором фильтров, конкретное содержание которого зависит от условий визирования сцены и объекта поиска.

Основная задача предобработки — повышение контраста объект поиска — фон и подавление шумов с целью обеспечения работы в любое время суток, всепогодности и всесезонности. Поэтому при выборе фильтров в набор руководствуются дмитриев Николай иванович — заместитель главного конструктора, старший научный сотрудник, доктор технических наук.

хрусталев Андрей Алексеевич — начальник отдела, кандидат технических наук, e-mail:

[email protected].

ляпин Александр игоревич — начальник сектора, кандидат технических наук.

Суворов евгений юрьевич — научный сотрудник.

Н. И. Дмитриев, А. А. Хрусталев, А. И. Ляпин, Е. Ю. Суворов. Система распознавания объектов, обеспечивающая работу бортовой СТЗ… поддержанием баланса между общим временем предобработки и качеством отфильтрованных изображений.

Далее производится сегментация изображения сцены алгоритмом выделения однородных областей, который состоит из двух частей: алгоритма формирования штрихов одной строки и алгоритма формирования штриховых образов объектов.

Данный алгоритм относится к алгоритмам сегментации с непосредственным поиском регионов и отличается значительным быстродействием [Ляпин, Суворов, 2006].

Сначала производится построчное (постолбцовое) сканирование изображения и проводится объединение соседних пикселей каждой строки в штрихи. Затем выполняется анализ штрихов, лежащих в соседних строках (столбцах), для последующего их объединения в штриховые объекты — образы объектов на изображении анализируемой сцены. В качестве решающего правила для объединения можно использовать, например, сравнение абсолютной разницы средней яркости уже сформированной части штриха (объекта) и яркости текущего пиксела (штриха) с пороговой величиной. Предложенные алгоритмы инвариантны к тому, в каких диапазонах длин волн получены цифровые изображения сцены.

В ходе формирования массива штриховых объектов проводится предварительная фильтрация неинформативных объектов. При этом удаляются все штриховые объекты слишком малой (помехи) или слишком большой (элементы фона) площади для того, чтобы быть объектом поиска.

На этапе построения аналитического описания для каждого полученного на этапе сегментации образа рассчитывается набор признаков классификации (включая определение местоположения на цифровом изображении наблюдаемой сцены центра тяжести образа), основанных на группах моментов, форм, яркостей и топологии образов объектов.

В качестве классификационных признаков группы моментов используются семь инвариантов второго и третьего порядков. Группа форм представляет анализируемый образ по отношению к описанному вокруг него габаритному прямоугольнику, где используются отношения их пространственных характеристик.

На основе признаков группы яркостей характеризуется средняя яркость анализируемого образа по отношению к средней яркости его окрестностей. Их определение отличается алгоритмом построения данной окрестности. Топологические свойства необходимы для групповой оценки нескольких образов. Характер вычислений основан на анализе средних значений яркости совокупности образов, объединенных по определенному принципу. Отличительной чертой данных признаков принимается инвариантность их значений к операциям масштабирования и поворота и устойчивость к яркостно-геометрической изменчивости наблюдаемых объектов и сцен.

Выбор набора признаков из полного перечня разработанных для непосредственного использования на этапе классификации, проводится под конкретный объект поиска и зависит от его типа и характера окружения.

На этапе классификации образов принимается решение о принадлежности образа к классу объекта. В предлагаемой системе классификация реализуется двухуровневым методом — проведение основного этапа и подэтапа уточняющей классификации. На основном этапе используется нейросетевое обнаружение, на подэтапе — обнаружение с помощью преобразования Уолша-Адамара.

Основной этап, вследствие параллелизма внутренней архитектуры построения нейронных сетей, обеспечивает работу в масштабе реального времени и обладает Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя универсальными аппроксимирующими свойствами. При этом в качестве нейросетевого классификатора используются полносвязные нейронные сети с архитектурами типа трехслойного персептрона.

Результатом основного этапа классификации считается обнаружение цели или выделение выборки целеподобных образов. В последнем случае обнаружение цели производится на подэтапе уточняющей классификации.

Для решения задач подэтапа предлагается использование унитарных преобразований Уолша – Адамара, учитывающих яркостную структурированность изображения. Вычислительная сложность преобразования Уолша – Адамара характеризуется выполнением только операций суммирования, что обеспечивает быстродействие решения задачи подэтапа.

Результатом предложенного метода обработки видеоизображений и идентификации объектов будет определение углового направления на объект поиска в реальном времени, которое осуществляется путем:

• обнаружения объекта поиска;

• определения местоположения (координат) пиксела на цифровом изображении наблюдаемой сцены, соответствующего центру тяжести обнаруженного объекта;

• определения углового направления на цель путем пересчета в угловые размеры местоположения пиксела, соответствующего центру тяжести объекта поиска, так как размеры цифрового изображения наблюдаемой сцены определяются углом зрения системы его получения.

Система распознавания объектов, использующая данный метод обработки видеоизображений и идентификации объектов, обеспечит работу бортовой системы технического зрения в реальном времени. При этом данная система распознавания объектов будет обладать устойчивостью к яркостно-геометрической изменчивости наблюдаемых объектов и сцен, что обеспечивает работу в любое время суток, всепогодность и всесезонность.

На основе предложенного метода разработан макет системы распознавания объектов (СРО), состоящий из устройства предварительной обработки (УПО), устройства принятия решения (УПР) и контроллера периферии (КП).

Устройство предварительной обработки осуществляет предобработку входного изображения набором фильтров предобработки, сегментацию с формированием образов объектов и определением их центров тяжести, построение аналитического описания образов. Состав аналитического описания включает в себя 25 признаков классификации.

Устройство принятия решений предназначено для классификации образов объектов и принятия соответствующих решений. В УПР на первом этапе проводится нейросетевая классификация образов объектов для идентификации объекта поиска. При этом используются полносвязные нейронные сети с архитектурой типа трехслойный персептрон. Если во время нейросетевой классификации были классифицированы кроме нужного объекта несколько подобных образов, то задействуются алгоритмы второго этапа, выполняющие расчет характеристического векторного расстояния между изображениями образа и эталона.

После идентификации информация о объекте поиска передается из УПР в УПО, где определяется угловое направление на объект.

Н. И. Дмитриев, А. А. Хрусталев, А. И. Ляпин, Е. Ю. Суворов. Система распознавания объектов, обеспечивающая работу бортовой СТЗ… Контроллер периферии обеспечивает обмен данными между системой получения цифровых изображений, УПО, УПР.

В макете системы распознавания объектов УПО реализовано в двухпроцессорном варианте (на сигнальных процессорах Л1879ВМ1 с тактовой частотой 40 МГц) с общей памятью. УПР выполнено на ПЛИС Xilinx XC2V3000E. Контроллер периферии реализован на ПЛИС Xilinx XC2V500E.

В качестве анализируемой сцены использовался неоднородный городской пейзаж. Проверка работоспособности СРО показала, что при отключенной уточняющей классификации искомый объект обнаруживается в 80% случаев, в 5 % происходит его пропуск и ~15% составляет ложный захват. При использовании уточняющей классификации искомый объект правильно определяется в ~95 % случаев. Общее время работы СРО, затрачиваемое на обработку одного цифрового изображения форматом 12864, в среднем составляет ~0,3 с, т. е. обеспечивается работа в реальном времени. Масса макета СРО — 150 г, объем — 0,1 дм3, потребляемая мощность — 10 Вт.

Рассмотренная система распознавания объектов, обеспечивающая работу бортовой системы технического зрения в реальном времени, предназначена для автоматического обнаружения, распознавания объектов и определения углового направления на них. Использование в СРО предложенного авторами метода обеспечивает устойчивость к яркостно-геометрической изменчивости наблюдаемых объектов и сцен, а также работу в любое время суток, всепогодность и всесезонность.

К достоинствам макета СРО можно отнести: высокую вероятность правильного обнаружения и распознавания цели, малые массогабаритные характеристики, работу в реальном времени.

[Ляпин, Суворов, 2006] Ляпин А. И., Суворов Е. Ю. Алгоритм сегментации, инвариантный к условиям освещенности // Тр. 7-й Международ. научно-техн. конф. «Радиолокация, навигация, связь». Воронеж: НПФ «Саквое», 2006. Т. 3. С. 1995–1999.

[Прэтт, 1982] Прэтт У. Цифровая обработка изображений. В 2-х кн. М.: Мир, 1982.

oBjECTS RECogNiTioN SySTEM ENSuRiNg fuNCTioNiNg FSUE “FRPC NIIIS named after Yu.Ye. Sedakov”, Nizhny Novgorod The objects recognition system, intended for autodetect, recognition of objects and definition of an angular direction on objects in real time is observed. System work is based on the developed processing method of video images and identification of objects. Results of researches of the mockup are resulted.

Секция 1. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ СИСТЕм ТЕХНИЧЕСКОгО ЗРЕНИя Keywords: objects recognition system, onboard vision system, recognition of objects in real time.

Dmitriev Nicolay ivanovich — deputy chief constructor, doctor of technical sciences, senior scientist.

Khrustalev andrey alexeevich — head of department, PhD, e-mail: [email protected].

lyapin alexandr igorevich — head of department, PhD.

Suvorov yevgeny yurevich — research engineer.

Секция человеко-мАшинные СиСтемы техничеСкого зрения УДК 004.932. РАзРАбоТкА элемеНТов АвиАциоННой ФГУП «ГосНИИ Авиационных систем» (ФГУП «ГосНИИАС»), Москва Статья посвящена разработке элементов авиационной системы «улучшенного видения» (СУВ). Описаны основные результаты, полученные ФГУП «ГосНИИАС» в кооперации с рядом отечественных предприятий в области создания прототипа отечественной СУВ нового поколения на платформе интегрированной модульной авионики (ИМА). Приведены рекомендации по составу и размещению датчиков СУВ на борту самолета, предложены критерии оценки условий видимости взлетно-посадочной полосы (ВПП) на цифровых изображениях, описаны алгоритмические модули обработки видеоинформации, обеспечивающие информационную поддержку СУВ. В заключении приведены основные направления дальнейших работ.

Работа выполнена при поддержке РФФИ (проект № 11-08-01114-а).

Ключевые слова: авиационные системы улучшенного видения, интегрированная модульная авионика, комплексирование информации, многоспектральные изображения.

Потеря экипажем ситуационной информированности при заходе на посадку и посадке в сложных метеоусловиях — одна из основных причин авиационных происшествий и катастроф. В связи с этим крайне актуальна задача создания авиационной системы технического зрения, предоставляющей экипажу возможность «улучшенного видения» закабинной обстановки на основе обработки информации от датчиков различных спектральных диапазонов (прежде всего, телевизионного и инфракрасного), а также навигационных датчиков.

На сегодняшний день предлагаемые на рынке сертифицированные коммерческие авиационные СУВ, например, производства компаний Rockwell Collins Inc. (США), Thales (Франция), CMC Electronics Inc. (Канада), в основном представляют собой простые неинтеллектуальные системы «датчик-дисплей», обеспечивающие лишь передачу на индикатор в кабине изображения, полученного напрямую от датчиков.

ФГУП «ГосНИИАС» в рамках работ по созданию интегрированной модульной авионики (ИМА) впервые в России инициировал работы по созданию прототипа отечественной СУВ нового поколения для самолетов гражданской авиации, отличительными особенностями которой должны стать модульная архитектура и более высокая по сравнению с существующими зарубежными аналогами степень интеллектуализации.

К основным направлениям исследований по разработке такой СУВ следует отнести: обоснование общего облика СУВ, получение экспериментальных регистраций при помощи бортового и наземного многоспектральных регистрирующих выголов олег вячеславович — начальник сектора, кандидат технических наук, e-mail:

[email protected].

визильтер юрий валентинович — начальник лаборатории компьютерного машинного зрения, старший научный сотрудник, доктор физико-математических наук, e-mail: [email protected].

Секция 2. ЧЕЛОВЕКО-мАШИННЫЕ СИСТЕмЫ ТЕХНИЧЕСКОгО ЗРЕНИя комплексов (МРК), разработку принципов комплексирования видеоинформации, разработку алгоритмического и программного обеспечения (ПО) и их отработку методами математического и полунатурного моделирования, использование специальных технологий разработки и тестирования модульного программноалгоритмического обеспечения: разработку принципов интеграции и отработку взаимодействия с другими датчиками и системами на борту самолета.

В статье описаны основные результаты, полученные ФГУП «ГосНИИАС»

совместно с рядом соисполнителей в рамках перечисленных направлений исследований, а также сформулированы цели дальнейших работ по тематике.

В рамках работы сформулированы рекомендации по составу и размещению датчиков СУВ на борту самолета, а также предложена методика проведения летных экспериментов с использованием различных типов носителей и специального метрологического обеспечения, в частности, тестовых мир (съемочных объектов с известными оптическими и температурными исходными характеристиками) и датчиков измерения параметров атмосферы.

На этапе получения экспериментальных регистраций и исследования функций СУВ наиболее предпочтительным вариантом представляется использование трехканальной регистрирующей системы, состоящей из трех синхронизрованных по полям зрения и циклограммам работы датчиков разного диапазона (ТВ, ИК 3…5 мкм и ИК 8…14 мкм), установленных на единой стабилизированной платформе, обладающей 3-мя степенями свободы.

В качестве такой системы была выбрана авиационная гиростабилизированная наблюдательная система UltraForce 350 производства компании FLIR Systems Polytech AB [FLIR Polytech], к важным преимуществам которой можно отнести: платформу с активной гиростабилизацией; возможность юстировки системы на аппаратном уровне; корпус из композитных материалов, обеспечивающий наименьший вес и высокую прочность системы: крепление подвески, разработанное специально для установки на борт летательного аппарата; наличие GPS.

Предпочтительный вариант размещения регистрирующей системы — нижняя часть корпуса самолета, что обеспечивает лучшие условия видимости при посадке (обзор с данной точки зрения даже лучше, чем обзор из кабины летчика, поскольку поле зрения не ограничено снизу носовой частью самолета).

Разработанное служебное ПО в части исследования результатов летных экспериментов включает базу данных экспериментальных регистраций, а также специализированное модульное ПО для их калибровки, взаимной привязки и автоматизированного анализа.

Для оценки условий видимости ВПП на цифровых изображениях предложен ряд критериев:

• линейное разрешение (Fh), определяемое как количество линий (строк) цифрового изображения, помещающихся в видимый вертикальный размер объО. В. Выголов, Ю. В. Визильтер. Разработка элементов авиационной системы улучшенного видения екта (ВПП). Численный показатель Fh — расстояние в пикселях по вертикали между верхней и нижней границами ВПП на изображении.

• выраженность контуров (F) в исследуемом фрагменте изображения, содержащем изображение объекта (ВПП). Численное значение F определяется как среднеквадратическое отклонение (с. к. о.) гистограммы модуля градиента яркости пикселей изображения. Фрагмент изображения с ВПП имеет большое количество точек перепадов яркости (краевых точек), что может служить отличительной особенностью ВПП от других наземных объектов. За счет большего количества краевых точек, с. к. о. гистограммы модуля градиента такого фрагмента изображения будет выше, чем у фрагментов, содержащих более мелкие объекты.

Для оценки модуля градиента к изображению применяется фильтр Собела [Гонсалес, Вудс, 2005].

• яркостная отделимость (Fbin) пикселей области объекта (ВПП) от пикселей окружающего фона в исследуемом фрагменте изображения. Для получения численного значения Fbin используется анализ яркостной гистограммы изображения методом Отсу [Otsu, 1979]. Гистограмма фрагмента изображения, содержащего образ ВПП, должна иметь бимодальную форму и соответственно высокую степень разделимости.

Разработано модульное ПО, реализующее алгоритмы оценки условий видимости ВПП согласно предложенным критериям.

3. РАзРАбоТкА АлгоРиТмичеСких модулей обРАбоТки видеоиНфоРмАции, обеСПечивАющих Разработаны алгоритмические модули обработки видеоинформации, обеспечивающие информационную поддержку СУВ.

•  Улучшение  ТВ  изображений  на  основе  модифицированного  алгоритма  типа Retinex [Land, McCann, 1971], реализующего модель зрения, основанную на упрощённой имитации биологической структуры зрительного тракта животных.

Основное преимущество этой модели — механизм динамической компрессии освещённости изображения, позволяющий регистрировать яркие и затемнённые области изображения, которые теряются при переходе от естественного динамического диапазона к фиксированному диапазону цифрового изображения.