ОБРАБОТКА ИЗОБРАЖЕНИЙ ВОЗДУШНЫХ ЦЕЛЕЙ
В ОПТИКО-ЭЛЕКТРОННЫХ СИСТЕМАХ
, адъюнкт 8 кафедры (зенитного ракетного вооружения ЗРС и ЗРК малой дальности) Военной академии войсковой противовоздушной обороны Вооруженных Сил Российской Федерации имени Маршала Советского Союза
1 Актуальность и проблематика научной работы
Оптико-электронные системы (ОЭС) нашли широкое применение во многих областях науки и техники. Весьма широко они применяются в военной технике, в частности для:
разведки местности (с использованием космических аппаратов);
наблюдения и обнаружения (тепловизоры, приборы ночного видения и др.);
пеленгации, определения положения объектов в пространстве наблюдения (оптические пеленгаторы, оптические головки самонаведения и др.).
Анализ использования ОЭС в интересах зенитных ракетных комплексов (ЗРК) показал, что одним из направлений расширения их функциональных возможностей является распознавание воздушной цели (ВЦ). На качество изображений полученных ОЭС ЗРК оказывают влияние оптические свойства атмосферы и искажения, возникающие под действием различных случайных помех и шумов.
Учитывая, что на вероятность правильного распознавания целей существенное влияние оказывают искажения, возникающие на изображении ВЦ, принципиально необходимым является этап соответствующей подготовки изображения, который состоит в выполнении операций его предварительной обработки (повышение контраста, устранение размытости, подчеркивание границ, фильтрация) и операций формирования графического препарата (сегментация, выделение контуров и др.) изображения.
Центральное место в решении задачи подготовки изображения для его распознавания занимает разработка специальных алгоритмов обработки изображений, позволяющих осуществлять распознавание ВЦ в сложных метеоусловиях. В работе предложен алгоритм цифровой обработки малоконтрастных изображений ВЦ для ОЭС ЗРК (рисунок 1).
2 Цели научной работы
Целью работы является – научное обоснование методики цифровой обработки малоконтрастных изображений воздушных целей в ОЭС с матричными фотоприемными устройствами (ФПУ). Проведенные исследования показали, что указанная методика должна включать следующие этапы и подэтапы цифровой обработки изображений:
3 Задачи научной работы
Для оценки возможности по обработки изображений ВЦ, полученных ОЭС, в работе (для примера) выбраны четыре малоконтрастных изображения типовых ВЦ размером 60Ч60 пкс в различных тактических ситуациях их боевого применения.
Получение исходного изображения. Цифровые изображения ВЦ, полученные ОЭС на выходе фото-приемного устройства (ФПУ), имеют вид, представленный на рисунке 2, а их яркостные портреты – на рисунке 3.4 Материалы и методы исследования
Решение поставленной научной задачи осуществлялось на основе использования методов современной теории обработки изображений, полученных в видимой части оптического диапазона, теории распознавания образов, теории вероятностей, методов аналитического и статистического моделирования
5 Результаты, теоретическая и (или) практическая ценность научной работы
Оценка эффективности при различной площади закрытия изображения ВЦ посторонними объектами и метеообразованиями и уровне контраста изображения ВЦ K = 0,07 показала, что при использовании сегментации изображения ВЦ методом дифференцирования с локальным изменением яркости система распознавания классов ВЦ сохраняет свою работоспособность при закрытии объекта на 27 %.
Рисунок 1 – Обобщенный алгоритм цифровой обработки
1. Оценка гистограммы изображения. На рисунках 4, а и 4, б представлены гистограммы светлых изображений, на рисунках 4, в и 4, г – темных. Если яркость изображения высокая, то его фильтрацию целесообразно осуществлять с помощью линейного фильтра, если низкая – с помощью медианного фильтра.
Рисунок 4 – Гистограммы изображений ВЦ на выходе ФПУ .
2. Линейное повышение контраста изображения. Проводится для расширения динамического диапазона изменения яркости
Результат линейного повышения контраста представлен на рисунке 5.
Рисунок 5 – Линейное повышение контраста изображения
3. Повышение контраста изображения с помощью преобразования гистограмм. Предназначено для устранения сильной нелинейности в передаче уровней яркости по формуле
,
4. Повышение резкости изображения. Проводится для устранения искажений, вызванных нелинейностью амплитудной характеристики ВПУ с помощью маски 3Ч3:
6. Проверка соответствия яркостного портрета изображений. Проводится для того, чтобы привести изображение к виду, когда фон светлее изображения ВЦ. Для этого проводится расчет локальных МОЖ значения яркости двух специфических областей изображения размером 20Ч20 пкс по формулам, где 
– область фона; 
– область ВЦ.
Если 
, то 
, т. е. осуществляется преобразование позитивного изображения в негативное.
7. Выделение области ВЦ. Осуществляется по алгоритму:
А. Определяются три различных уровня яркости: "0" – соответствует контуру объекта, "+" – области объекта, "–" – области фона.
После определения контура максимального перепада яркости ("0") на изображении выделяется некоторое количество областей (рисунок 7).
Рисунок 7 – Изображения "ВЦ+фон" при определении
перепадов яркости изображения
8. Бинаризация промежуточного изображения ВЦ. Осуществляется по формуле и необходима для того, чтобы в дальнейшем определить координаты пикселей, относящихся к фону и ВЦ соответственно. Промежуточное бинарное изображение представлено на рисунке 8.
Рисунок 8 – Промежуточные бинарные изображения ВЦ
9. Отделение области фона от области ВЦ. В результате получается точное описание координат области объекта (ВЦ) и области фона без упрощения (ухудшения качества) изображения. С учетом полученных координат проводится отдельно нормализация яркости изображения ВЦ и фона.
10. Нормализация яркости изображений ВЦ и фона.
Нормализация яркости изображения ВЦ проводится по формуле
В связи с тем, что фон в большинстве случаев для распознавания ВЦ по изображению является "помехой", то яркости фона присваивается конкретное значение.
Результат сегментации изображения представлен на рисунке 9.
Рисунок 9 – Изображения ВЦ после сегментации
Проведена сравнительная оценка эффективности алгоритма цифровой обработки малоконтрастных изображений ВЦ с использованием трех алгоритмов сегментации изображений ВЦ (предлагаемого – дифференцированием с локальным изменением яркости и двух существующих – пространственного дифференцирования и наращивания областей). Анализ полученных результатов показал, что при использовании сегментации методом дифференцирования с локальным изменением яркости диапазон изменения контраста изображения ВЦ, в пределах которого система распознавания сохраняет свою работоспособность, расширен на 15 %.
6 Список публикаций по теме научной работы
1., Осипов цифровой обработки малоконтрастных изображений воздушных объектов в оптико-электронных системах. Сборник научных статей и материалов докладов Военно-научной конференции 2014 СПб.: НИУ НИЦ (г. Санкт-Петербург) ЦНИИ ВВС МО РФ, 2014. –482с.
