CC BY
0УДК 623.624
ГРНТИ 78.25.41.23
АЛГОРИТМ ФОРМИРОВАНИЯ ИЗОБРАЖЕНИЯ ЛОЖНОГО ОБЪЕКТА ПРИ ВОЗДЕЙСТВИИ СИГНАЛОПОДОБНОЙ ПОМЕХИ НА КАНАЛ ПЕРЕДАЧИ ВИДЕОДАННЫХ МАЛОРАЗМЕРНЫХ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ
А.А. ДОНЦОВ, доктор технических наук, профессор
ВУНЦВВС «ВВА имени профессора Н.Е. Жуковского и Ю.А. Гагарина» (г. Воронеж)
Е.Р. АНТИПЕНСКИЙ
ВУНЦ ВВС «ВВА имени профессора Н.Е. Жуковского и Ю.А. Гагарина» (г. Воронеж)
Разработан алгоритм формирования изображения ложного объекта при воздействии сигналоподобной помехи на канал передачи видеоданных малоразмерных беспилотных летательных аппаратов, включающий этапы обнаружения контрастного объекта, формирования маски объекта, фона и аппликативной вклейки копии изображения объекта. Процесс обнаружения базируется на основе ранговой фильтрации и расчете детализирующих вейвлет-коэффициентов с последующей мультипликативной обработкой. Формирование маски объекта и фона дополнительно включает морфологическую процедуру дилатации для повышения степени идентичности изображения реального объекта. Аппликативная вклейка копии объекта разведки в исходное изображение обеспечивает плавный переход между реальным фоном и ложным объектом, делая его практически неотличимым от действительного. Показано, что разработанный алгоритм обеспечивает высокий коэффициент идентичности изображения ложного объекта при воздействии сигналоподобной помехи на канал передачи видеоданных малоразмерных беспилотных летательных аппаратов.
Ключевые слова: беспилотный летательный аппарат, канал передачи видеоданных, тепловизионная разведка, сигналоподобная помеха.
Введение. Опыт военных конфликтов последних лет показывает, что наиболее широкое распространение и применение в тактическом бою получают малоразмерные беспилотные летательные аппараты (БпЛА), с помощью которых осуществляется разведка, корректировка огня артиллерии, поражение живой силы и военной техники противника, а также ведение оперативного контроля боевых действий. Возникает актуальная задача противодействия малоразмерным БпЛА противника, которая в настоящее время имеющимися средствами ПВО и стрелковым оружием решается недостаточно эффективно. Одной из основных проблем применения современных средств ПВО против данного класса БпЛА являются низкие показатели их радиолокационной, оптической и тепловой заметности. Использование зенитно-ракетных комплексов малой и средней дальности для борьбы с малоразмерными БпЛА также нецелесообразно по показателю «эффективность - стоимость». Одним из путей решения задач противодействия малоразмерным БпЛА противника является применение средств радио подавления (РП) их бортовой радиоэлектронной аппаратуры.
Актуальность. В настоящее время особую важность приобрели средства оптической, инфракрасной и тепловизионной разведки, размещенные на БпЛА [1] и предназначенные для обнаружения целей, определения их координат, необходимых средствам огневого поражения, корректировки огня, контроля эффективности стрельбы. Традиционные средства противодействия такому виду оптической разведки основаны, преимущественно, на формировании прицельных по спектру шумовых помех [2], что позволяет противоборствующей
стороне обнаружить помеховое воздействие и принять меры противодействия. Вместе с тем существует возможность бескомпроматного воздействия на каналы передачи телеметрии, основанная на передаче сигнала соответствующего стандарта с более высокой энергетикой, искаженного сигналоподобной помехой [3]. Этапы такого воздействия включают перехват изображения разведывательного БпЛА, его анализ и формирование сигналоподобных помех (ложных целей) и излучение мощного сигнала, имитирующего модем БпЛА. Поэтому актуальной является задача формирования изображения ложного объекта при воздействии сигналоподобной помехи на канал передачи видеоданных малоразмерных БпЛА с оптическими, инфракрасными и тепловизионными средствами разведки.
Цель работы - разработка алгоритма формирования изображения ложного объекта при воздействии сигналоподобной помехи на канал передачи видеоданных малоразмерных БпЛА, идентичного изображению реального объекта разведки.
В качестве объекта разведки примем неподвижное транспортное средство с высоким оптическим и тепловым контрастом.
Обобщенная блок-схема алгоритма формирования сигналоподобной помехи представлена на рисунке 1.
Рисунок 1 - Обобщенная блок-схема алгоритма формирования сигналоподобной помехи
Считаем, что БпЛА осуществляет разведку местности с помощью матричного тепловизионного средства. Исходное изображение представлено матрицей МО в градациях серого размером I х J. Для формирования сигналоподобной помехи необходимо выполнить обнаружение и определение координат объекта разведки, для того чтобы скопировать его пространственно-яркостной образ в заданные области исходного изображения. Тем самым будет обеспечено формирование ложных объектов на изображении с помощью сигналоподобных помех, что приведет к снижению вероятности обнаружения истинного объекта в течение заданного времени.
На первом этапе работы алгоритма в блоке 1 выполняется ранговая фильтрация исходного изображения МО [4]. На выходе блока 1 формируется матрица интенсивностей М1, отражающих контуры высококонтрастных объектов на изображении.
В блоке 2 расчета детализирующих вейвлет-коэффициентов исходное изображение МО подвергается последовательному разложению до к-го уровня в блоке, который осуществляет двумерное дискретное стационарное вейвлет-преобразование в соответствии с выражениями
С = ((ск1 ® g )т® g )т, ск=(с-1 ® g )т® и )т,
ск = ((ск-1 ® и )т® g )т, с4к =(( С-1 ® и )т® и
(1)
где ® - операция свертки матрицы и вектора-строки; т - операция транспонирования матрицы; к - номер шага вейвлет-преобразования; С = МО; С[ - матрицы коэффициентов аппроксимации исходного изображения; Ск2 - матрицы коэффициентов детализации изображения по горизонтали; С'к - матрицы коэффициентов детализации изображения по вертикали; С4 - матрицы коэффициентов детализации изображения по диагонали; g - вектор-строка коэффициентов низкочастотного фильтра вейвлета; к - вектор-строка коэффициентов высокочастотного фильтра вейвлета заданного типа.
Из выражений (1) видно, что многократное двумерное вейвлет-преобразование представляет собой последовательное применение одномерного вейвлет-преобразования к каждой строке матрицы, а затем - к каждому получившемуся столбцу. Одномерное вейвлет-преобразование осуществляет свертку каждой строки матрицы с вектором-строкой коэффициентов соответствующего фильтра. Например, свертка текущего изображения и вектора коэффициентов низкочастотного фильтра представляет собой матрицу Ъ, которая вычисляется следующим образом
В® g = Ъа+1 =Х
М-1 т=0
в.
V,т+1 g6-т ,
(2)
где b = 0...M-l,M = J + I-l.
В результате на каждом шаге вейвлет-преобразования рассчитывается матрица коэффициентов аппроксимации с1к (результат применения только низкочастотной обработки), которая используется для разложения на следующем уровне, и матрицы коэффициентов
детализации: С2, - результат действия высокочастотного фильтра на столбцы, уже подвергнутые
действию низкочастотного фильтра;
/-1К
С3 —
результат действия низкочастотного фильтра
на столбцы, уже подвергнутые действию высокочастотного фильтра; С^ - результат действия
высокочастотного фильтра на строки, а затем на столбцы.
В блоке 3 выполняется поэлементное перемножение матрицы ранговой фильтрации и матриц детализирующих вейвлет-коэффициентов к -го уровня c последующим взятием модуля результирующей матрицы
М 2 = М1 х Ск х Ск х Ск
(3)
В результате формируется матрица М2, имеющая явно выраженные локальные максимумы, определяющие положение высококонтрастного объекта на изображении.
В блоке 4 происходит обнаружение и определение координат объекта по критерию максимума значений матрицы М2
Кб =г *, Уоб = 3 *} = ^ тах (М2,,,).
ге/,
(4)
В результате в блоке 5 формируется фрагмент М3 участка исходного изображения МО заданных размеров Ь хЩ, включающий изображение объекта и окружающего его фона
М3 = М0,
*об -Ь/2):(хо6 + Ь/2),(Х0б -Ь/2):(+ Ь/2)'
(5)
Далее выполняется обработка полученного фрагмента изображения объекта и фона М3 с целью исключения изображения фона и формирования только изображения объекта, которое будет использоваться как сигналоподобная помеха.
Для этого в блоке 6 формируется маска белого М4, которая является результатом бинарного преобразования матрицы М3 с порогом, рассчитанным методом Отсу [5]. Матрица М4 является бинарной, и ее значения, равные 1, определяют пространственное положение объекта на изображении.
Поскольку важным демаскирующим признаком объекта на изображении является наличие тени, в блоке 7 формируется маска черного М5. Матрица М5 рассчитывается на основе процедуры преобразования изображения (в градациях серого) в бинарное с порогом, равным 0,1, с последующим инвертированием.
Далее выполняется формирование маски объекта и тени
М6 = М3 + М4.
(6)
Поскольку пороговая обработка недостаточно точно позволяет определить границы контура объекта и тени, в блоке 8 выполняется морфологическая процедура наращивания (дилатации) [6] маски объекта и тени и формируется матрица М7. Количество наращиваемых элементов разрешения по периметру маски задается коэффициентом дилатации Кд .
В блоке 9 с использованием полученной маски М7 формируется фрагмент изображения обнаруженного объекта и тени без изображения фона
М8 = М3 хМ7.
(7)
В итоге в блоке 10 происходит формирование сигналоподобной помехи на наблюдаемом изображении МО. Для этого задаются координаты сигналоподобной помехи хсп, усп на исходном изображении и вырезается фрагмент изображения фона
м =м о..
сп:(хсп+X), Усп:( Усп+х)
(8)
Далее на основе процедур поэлементного сложения, вычитания и умножения матриц формируется фрагмент изображения сигналоподобной помехи на вырезанном фрагменте фона, представленном матрицей Мф
Мсп =Мфх(1 — М7 ) + М8.
(9)
С помощью процедуры аппликативной вклейки в заданной области наблюдаемого изображения, представленного матрицей МО , формируется сигналоподобная помеха в виде скопированного изображения обнаруженного объекта и его тени
М9 = М 0 х =М сп.
сп:(хсп+X), Усп:( Усп+х)
(10)
Для примера рассмотрим этапы функционирования разработанного алгоритма при формировании сигналоподобной помехи на изображении МО, представленном на рисунке 2. В качестве исходных данных использовались следующие параметры: тип вейвлета - «Хаара»; к = 5 ; x = Ж = 100; К, = 3; ^ = 200 ; уот = 450.
Рисунок 2 - Исходное изображение, матрица М0
Результат выполнения ранговой фильтрации исходного изображения и формирования матрицы интенсивностей М1 показан на рисунке 3.
Рисунок 3 - Результат выполнения ранговой фильтрации и формирования матрицы М1
На рисунке 4 представлен результат расчета матрицы М2 с использованием двумерного разложения вейвлетом «Хаара» до пятого уровня. Обнаружен объект с координатами хоб = 277,
Хоб = 584.
Рисунок 4 - Результат расчета матрицы М2 с использованием двумерного разложения вейвлетом «Хаара»
до пятого уровня
Рисунок 5 демонстрирует результат расчета в блоках 5-9 следующих матриц: М3 - фрагмент изображения обнаруженного объекта и фона; М4 - маска белого; М5 - маска черного; М6 - маска объекта и тени; М7 - результат наращивания маски объекта и тени; М8 - фрагмент изображения объекта и тени.
М4 М5 М6 М7
Рисунок 5 - Результат расчета в блоках 5-9 матриц: М3-М8
На рисунке 6 показано сформированное с помощью разработанного алгоритма изображение М9, на котором присутствует сигналоподобная помеха (ложный объект) в виде скопированного изображения обнаруженного объекта и его тени.
Рисунок 6 - Сформированное с помощью разработанного алгоритма изображение М9, на котором присутствует сигналоподобная помеха (ложный объект)
Идентичность сигналоподобной помехи визуально можно оценить на основе анализа пространственно-яркостной структуры изображений, полученных в результате ранговой фильтрации М9 (рисунок 7), и расчета детализирующих коэффициентов фрагмента измененной сцены М10 на основе вейвлет-разложения до третьего уровня (рисунок 8).
Рисунок 7 - Результат ранговой фильтрации матрицы М9
М10
С,3
с
с
Рисунок 8 - Расчет детализирующих коэффициентов фрагмента измененной сцены М10 на основе
вейвлет-разложения до третьего уровня
Видно, что визуально крайне затруднительно отличить изображения объекта (справа) и сигналоподобной помехи (ложного объекта) на подстилающем фоне.
Ориентируясь на возможность автоматического обнаружения наличия сигналоподобной помехи на изображении, оценим степень ее идентичности изображению реального объекта. Для этого с помощью известных процедур цифровой обработки изображений [7] рассчитаем нормированную автокорреляционную функцию ВО фрагмента изображения объекта и фона М3, а также нормированную взаимную корреляционную функцию В1 фрагмента изображения М3 и фрагмент изображения сигналоподобной помехи на вырезанном фрагменте фона Мф .
Степень идентичности будем оценивать с помощью коэффициента идентичности, рассчитываемого по формуле
к = 1 -—У м
ид N и=1
1 -
I ;- 1 ж= ык >■ 10)
х;- = ВЦ В0,10)
(11)
где ВШ^ВО,П , ВШ^В1,П ^ - операции бинаризации нормированных автокорреляционной и
взаимной корреляционной функций по порогу , N - количество порогов бинаризации.
Результаты анализа степени идентичности представлены на рисунке 9 в виде зависимостей коэффициента идентичности Квд от коэффициента дилатации К для исходных данных,
принятых ранее. Зависимость с маркером «круг» соответствует случаю, когда выполняется обнуление детализирующих коэффициентов фрагмента изображения объекта на третьем уровне разложения, что приводит к размытию его образа. Зависимость с маркером «звездочка» отражает работу предложенного алгоритма.
К
ИД 1
0.9
0.8
0.7
0.6
Кп
0 1 2 3 4 5
Рисунок 9 - Зависимость коэффициента идентичности Квд от коэффициента дилатации Кд
Видно, что предложенный алгоритм обеспечивает высокий (более 0,9) коэффициент идентичности сигналоподобной помехи изображению реального объекта. При этом предложенная процедура наращивания маски объекта и тени на 2-5 элементов разрешения позволяет повысить значения коэффициента идентичности на 10-15 %.
Выводы. Разработан алгоритм формирования изображения ложного объекта при воздействии сигналоподобной помехи на канал передачи видеоданных малоразмерных беспилотных летательных аппаратов, отличающийся процедурами обнаружения изображения контрастного объекта на основе ранговой фильтрации, расчета детализирующих вейвлет-коэффициентов с последующей мультипликативной обработкой, а также наращивания маски объекта и тени для повышения степени идентичности изображению реального объекта. Он обеспечивает высокий (более 0,9) коэффициент идентичности изображения сигналоподобной помехи. При этом процедура наращивания маски объекта и тени на 2-5 элементов разрешения позволяет повысить значения коэффициента идентичности на 10-15 %.
радиоэлектронная борьба
СПИСОК ЛИТЕРАТУРЫ
1. Инсаров В.В. Техническое зрение в системах наведения автономных беспилотных летательных аппаратов. М.: Издательский дом Академии им. Н.Е. Жуковского, 2022. 376 с.
2. Куприянов А.И., Сахаров А.В. Теоретические основы радиоэлектронной борьбы. М.: Вузовская-книга, 2007. З54 с.
3. Макаренко С.И. Анализ средств и способов противодействия беспилотным летательным аппаратам. Часть 3. Радиоэлектронное подавление систем навигации и радиосвязи // Системы управления, связи и безопасности. 2020. № 2. С. 101-175.
4. Шаветов С.В., Жедонов А.Д. Основы обработки изображений. СПб.: Университет ИТМО, 2022. 123 с.
5. Чару А. Нейронные сети и глубокое обучение. М.: Диалектика, 2O2O. 752 с.
6. Пытьев Ю.П., Чуликов А.К. Методы морфологического анализа изображений. М.: Физматлит, 2010. 336 с.
7. Гонсалес Рафаэл С., Вудс Ричард Е. Цифровая обработка изображении. М.: Техносфера, 2019. 335 с.
REFERENCES
1. Insarov V.V. Tehnicheskoe zrenie v sistemah navedeniya avtonomnyh bespilotnyh letatel'nyh apparatov. M.: Izdatel'skij dom Akademii im. N.E. Zhukovskogo, 2022. 376 p.
2. Kupriyanov A.I., Saharov A.V. Teoreticheskie osnovy radio'elektronnoj bor'by. M.: Vuzovskaya-kniga, 2007. 354 p.
3. Makarenko S.I. Analiz sredstv i sposobov protivodejstviya bespilotnym letatel'nym apparatam. Chast' 3. Radio'elektronnoe podavlenie sistem navigacii i radiosvyazi // Sistemy upravleniya, svyazi i bezopasnosti. 2020. № 2. pp. 101-175.
4. Shavetov S.V., Zhedonov A.D. Osnovy obrabotki izobrazhenij. SPb.: Universitet ITMO, 2022. 123 p.
5. Charu A. Nejronnye seti i glubokoe obuchenie. M.: Dialektika, 2020. 752 p.
6. Pyt'ev Yu.P., Chulikov A.K. Metody morfologicheskogo analiza izobrazhenij. M.: Fizmatlit, 2010. 336 p.
7. Gonsales Rafa'el S., Vuds Richard E. Cifrovaya obrabotka izobrazhenii. M.: Tehnosfera, 2019.
335 p.
© Донцов А.А., Антипенский Е.Р., 2O24
Донцов Александр Александрович, доктор технических наук, профессор, профессор кафедры радиоэлектроники, Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина» (г. Воронеж), Россия, 394064, г. Воронеж, ул. Старых Большевиков, 54А, [email protected].
Антипенский Евгений Романович, адъюнкт, Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина» (г. Воронеж), Россия, 394064, г. Воронеж, ул. Старых Большевиков, 54А, [email protected].
g' и
UDC 623.624
GRNTI 78.25.41.23
algorithm for forming an image of a false object when signallike INTERFERENCE is INFLuENCED on THE VIDEo DATA transmission
channel of small-sized unmanned aerial vehicles
A.A. DONCOV, Doctor of Technical Sciences, Full Professor
MERC AF «AFA» (Voronezh)
E.R. ANTIPENSKY
MERC AF «AFA» (Voronezh)
An algorithm has been developed for forming a false object image when a signal-like interference affects the video data transmission channel of small unmanned aerial vehicles. The algorithm includes the stages of detecting a contrast object, forming an object mask, background, and applicative pasting a copy of the object image. The detection process is based on rank filtering and calculating detailing wavelet coefficients with subsequent multiplicative processing. Forming an object and background mask additionally includes a morphological dilation procedure to increase the degree of identity of the real object image. Applicative pasting of a reconnaissance object copy into the original image ensures a smooth transition between the real background and the false object, making it virtually indistinguishable from the real one. It has been shown that the developed algorithm provides a high identity coefficient of the false object image when a signal-like interference affects the video data transmission channel of small unmanned aerial vehicles.
Keywords: unmanned aerial vehicle, video data transmission channel, thermal imaging reconnaissance, signal-like interference.
