CC BY
41Journal of Siberian Federal University. Engineering & Technologies, 2019, 12(6), 683-693
yflK 518.6, 536.6
Methods of Assessment of Dynamics of Change of Probability Characteristics of Recognition of Objects in Aerial Reconnaissance
Igor N. Ischukb, Alexey A. Dolgov*a, Andrey M. Filimonova and Dmitry D. Dmitrievb
aMilitary Education and Research Centre of Military-Air Forces
"Military-Air Academy named after Professor N.E. Zhukovsky and Yu.A. Gagarin" 54a Starykh Bolshevikov Str., Voronezh, 394064, Russia
bSiberian Federal University 79 Svobodny, Krasnoyarsk, 660041, Russia
Received 11.03.2019, received in revised form 20.03.2019, accepted 24.03.2019
The article presents a method of assessing the dynamics of changes in the probabilistic characteristics of recognition and distinction of objects of aerial reconnaissance in the operator and automatic decryption, respectively. The mathematical formulation of the problem of recognition of objects of aerial reconnaissance by infrared images is presented. The results of the evaluation of changes in the probabilistic characteristics of recognition (distinction) of objects of aerial reconnaissance on the results of full-scale experiment.
Keywords: aerial reconnaissance, the probability of successful detection, optimal detection, optical-electronic system, the unmanned aerial vehicle.
Citation: Ischuk I.N., Dolgov A.A., Filimonov A.M., Dmitriev D.D. Methods of assessment of dynamics of change of probability characteristics of recognition of objects in aerial reconnaissance, J. Sib. Fed. Univ. Eng. technol., 2019, 12(6), 683-693. DOI: 10.17516/1999-494X-0168.
© Siberian Federal University. All rights reserved
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0). Corresponding author E-mail address: [email protected]
Методика оценки динамики изменения вероятностных характеристик распознавания объектов воздушной разведки
И.Н. Ищукб, А.А. Долгова, А.М. Филимонова, Д.Д. Дмитриев6
аВоенный учебно-научный центр Военно-воздушных сил
«Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина» Россия, 394064, Воронеж, ул. Старых Большевиков, 54а бСибирский федеральный университет Россия, 660041, Красноярск, пр. Свободный, 79
В статье представлена методика оценки динамики изменения вероятностных характеристик распознавания и различения объектов воздушной разведки при операторном и автоматическом дешифрировании соответственно. Представлена математическая постановка задачи распознавания объектов воздушной разведки по инфракрасным изображениям. Приведены результаты оценки изменения вероятностных характеристик распознавания (различения) объектов воздушной разведки по результатам натурного эксперимента.
Ключевые слова: воздушная разведка, вероятность распознавания, вероятность оптимального различения, оптико-электронная система, беспилотный летательный аппарат.
Введение
Появление и развитие комплексов с беспилотными летательными аппаратами (БпЛА) большой продолжительности полета (БПП) с установленными на них современными оптико-электронными средствами (ОЭС) привели к значительному росту возможностей воздушной разведки (ВР) наземных целей, ограниченной пространственно-временными, географическими и погодными условиями.
Анализ технических возможностей ОЭС, устанавливаемых на БпЛА БПП, и особенностей их компоновки свидетельствует о необходимости комплексного подхода к сбору и обработке информации, интеграции различных источников информации во взаимосвязанную ОЭС, что, в свою очередь, ведет к повышению возможностей системы, увеличению надежности ее работы, снижению массогабаритных характеристик, что в целом повышает эффективность ведения ВР. При этом основными параметрами, определяющими возможности обнаружения, распознавания и идентификации объекта на изображениях, получаемых с ОЭС БпЛА, являются линейные размеры объекта на изображении, его форма, контраст по отношению к фону, степень неравномерности фона.
Актуальным остается вопрос оценки эффективности применения ОЭС для выполнения задач ВР в различных условиях. Общим критерием эффективности при этом может выступать значение вероятности распознавания объекта на изображении, полученного с ОЭС БпЛА БПП.
Распознавание объекта воздушной разведки (ОВР) на фоне земной поверхности (ЗП), в качествекоторой можетвыступать,например,грунт (песчаный, травяной а о.д.), вода, бетон-ныепокрытиявзлетно-посадочных полос и стоянок, зависит от качества изображения и от его масштаба. Поэтому одним из важнейших параметров процесса дешифрирования является вероятностьобнаружения и распознаванияизображе нийОВР до вида, класса и типа [1]. На всличтыу вероытнусти обнянужения к распузнавакия ОВР при тедении ВР йлияют различные <Т)^^тсттао, зяусемеа, 'т'нваив, icípk ^о>ааот;^ толятп БпЛА с О^бРО ВР,разрешающая способнясть ОЭС I3P, тинейные ратмеры и формы ОЕ!Р, мепаовой контрастОВР относительно фона.
Мотемртдческая ностановко зтдачи распозиавания объектов воздушной разведки по инфракрасным изображениям
Пусть U в- мномество ОВР взадаче распознавания. Причем на всем U существует множество тг в> аз*5^^нт1]С но пндмнотвества (классы) И>000> U = U™ if3¿-
КняодьшОВР м может характеризоваться совокупно споюпризнаков х° eX,j= 1.. .N, где J0- роксчвемврноо метричяесоеиаявинейаоа пространство. Тогда описание ОВР т на основе /овокупру стипсизнакоо мужнооопитстьо видо
/ (u) = (хДбс)) + /о, j = 1. . . N, (1)
где P - (приорные еветения оВ ОВР.
Исходя из этого формализован на постановка задачи распознавания ОВР на фоне земной поверхностипо инфракнасным (ПК) изобртжениям может быть записана вследующем виде:
VcbH а м£ = (из е íT¿ |И(ан)(, i о 1... т, (2)
(1, если со £ =¡,
ОрН ' иГ, (3)
¡ (.0, есии со g =¡.
Таким образом,длякаждогоОВР т необходимо вычислить вектор параметров
а (но) ж (a¿ (но)), 0 ж 1.. .ч, (4)
характеризующий принадлежность данного ОВР каждому из существующих классов множества U.
Оцевка вероятносоных хомакте^смиа оптимальногораспознаванияобъектов воормимой упкттдки ,н1И11 фракраовл мыбражсниях
ДС,нмОВРнуфумеМП сиспользованием зрительного анализатора в зависимости от значения линейного разрешения ОЭС ВР на местности L можноаппроксимироватьэкспоненциальной зависимостью вида
жнп = ехР(-(ЗС:)} (5)
(В-С\2
где I:—I - показатель осоаЛоения разрешения ОВР на изображении, полученном с ОЭС
^пиксц
BP; В = _ коэффициент распознавания формы ОВР; G - периметр ОВР; RB]
- 68.5 -
Uon„c - радиуиуо впиуапной и описпрной онружноетсй аон-нз контура OBPo 6 - пло1цада> ОВР;
Н-ут^—р
Z* -и лине]йное р-рртшение на местзосои и0»!! реальномконтриеие- /пикс = 3(50--- мак-
пР Г
се::м^н1ь.н:ы:й уннейнаш размер ОВл eo пигнелаод /м - макхимулиный лииотный разорер ОВР,м; R - рпсспоянАП во НВР, м; i\c - еолячосиве элементов mmiceb^iHiiacbi изегучения ni строле матрегы; /П - горизоитгятный ^тол поня зраения 3ргол оахвота) О^^ЛС^О, град [С].
Из -ли азсо» кио значение линейного раирешее из за мескнести к рЭС ВР зависит от величины контраста, аппроксимирующую функцию (1) можнопредстсвить в виде
^расп = еХР(-(оНу2В (6)
дде L = — линейное разрешение на местности [1; R - расстояние до ОВР; B - коэффици-
еАм ]аас^озу^ а^м.Егсул[ фои>мы ОВР г f Э = f 0 • Kf = f 0 •306 - фокусно е ап^пьно>^Ане^^'нику^^^ио^д
датчиоа в эоспванооал^нте для И5 ми паботоао; ^ - ренльвоо фоклсннс расстоянии ОЭСВР; -Д— крап фяктое - ллношетве ртамора шроаиы матргцы ОЭС ОЕЕ>Р к кадру фотопленки тип 135 размером 3-у2- мм; М- риамеА мАтрицы ОЭС BP в ширину; Rc- разбивающее спосонапсту ОЭС ВРд
ммТ CC = »и ■С -темпераАЧрдыйсонграот ОВР и Иа-туОоб - аемптрпАуро ^с^^^уэхности ОВР;
■Рб+Тф
T-- темотрттурт повертуоетАфоим [2].
При автмматиплгком дсшиОритоьансл свдар^даспнснавания ОВР на фоне ЗП можно рассматривать оса; ЗАдачу о-у-ргеильнызге) розлив—Ая двух нзгнааюл,уалпющаютучасо-ым случае мо-щяП зидАч- сиоьисдлзунАОЙ нроверка гипотая.
Рассмотрим задачу оценки вероятности оптимального различения двух детерминированных сигналов (ОВР и фон). Для задач различения наиболее обоснованным является применении критерия идеального наблюдателя, минимизирующего суммарную вероятность ошибок 1-гои2-го днда.
Прииимаемог тспловизисплы— чрневвиком (ТВПД нА-ибание, прддсзавмяющее cotой сумм- АчпуеоАЗ ПААмсыеинсангус сигналюв (ОВР либо фон) и нормального белого шума (НБШ), в общемвидеможнозаписатьвыражением
у(я, тог, т) = As0BP(n, m, т) + (1 о Я^Ф(п, m, г) + w(n, m, т), т = const, (7) где w(n, m, г) - НБШ; sOB((w, т, т), s®(n, m, т) - детерминированные сигналы ОВР и фона соот-
(1, если присутствует s0BP(p,m,т) ветственно; Я = j , .. -- неизвестный параметр.
если присутствует m, т)
Априорные вероятности присутствия каждого из сигналов известны. По принятой реализации у(п, т, т) необходимо оптимальным образом принять решение, какой из сигналов, 50ВР(п, т, т) или Sф(n, т, т), присутствует на входе ТВП, иначе говоря, найти значение параметра
X. Решениепоставленнойзадачи лаключается в статистеческой проверке двух гипотез: Н0-о реализациизри, т, г) прио°тсивует еигнал яф(и, р а) (ТЗ = 0)и Нх - в реалигаодаи присутствует сиг-нееал ,0овРЦг, да, н) (В = Ц). Априорные вероятности каждой из гипотез Ррг(И0) и Ррг(И1) = 1 - Ррг(Н0) извести ы.
Апостериорные плопности вероятностей нипотез мозкно зарисзть с 40М0щью следующих выражений:
2"
^кС^е) = ИРрг(Яеуехр =1Е-=е(уп,тд _ ¿"еШЧтд)
е 2
(8 ) (9)
где
Рр*Ш = ЛР)Г(Я1)ехр[- ^ + ^е^1ет=1е^1УА,тс*°ВРр,т4 (10)
=р5(Яо) =и к=рГ(_Ро)еир [-Ц + ¿О 1^=1 ^ ^„уАт^-], (П)
ф _ Я_ Vм яЗ с2 _ оя дС _М с14 /1-)\
сОВР — Пп=1Пт=1ПТ=1';>ОБР п,т,т = Пп=1 Пт=1 ПТ=1 Т гОВРп,т,т (11.)
р = П^ Пм ПГ с2 _ п^ Пм ПГ Т4 (13)
СФ е:п=1 ¿1ту1 ..= 1 .<У п,т,т с'г; е-^п=1 е-:т=1 О=г 1 (Фп,т,т З1-','
и и да - координаты прост ранет венной сетки; (и, да) е .О = М • Ж; т е [1, Г] - временной интервал нцблюдсноя;£ЦВрИуСф- энергиисиг-тлов ОВри фона соствртственно.
Согласно критерию идеального наблюдателя принимается иопотеза И1, если верно неравенство
Пнз(Но] _Пнс(Яо]вер [ Оо + «о_"=1Нт=1Н4ояфЗп,т,4 ^ои> мша «Ф п,т,4^ > я (14В
Отсюда слеоуст:
п-—У УМ У^ л, (с _ .г ^ 1п РРгРНо) . ЕОВР-^Ф _ 1 (15)
Ч~ ГГе>Л-'П=1 тт=1 РТт=1 Сп,т,гТлОВР п,т,т Нф п,тто т" 1 ррг(н1) ЛТ0 "" ^ '
13 ероятность общен ош^б^и
ре = Ррг^о)Р(оовр|еи) + Рр^ОРОоМовО, (16)
где Р(50Вр|5Ф) = /фОзО - условнаявероятность принетио ¡решения о налинии сигнала ОВР, когдевдвйствителянт соиприсутствуео сигнал фона; б^ф^овр) = ^Н^^оо/оврО?) -условная вероятность принятия решения о наличии сигнала фона, когда в действительности присутствует сигнал ОВР. Значение порога оптимального раиличения можно получить из условия минимума суммарнойошибки dPe / dh = 0.Такимобразом,величинасуммарной ошибки:
Ре ос (17)
Отсюда вероятность правильного различения:
е^п!, ^ Ра-е'ф О Ои^^^ЩФ.'^МаЛо). (18)
Оценка динамики изменения вероятности оптимального распознавания объектов воздушной разведки по результатам натурного эксперимента
Оценка вероятностных характеристик распознавания ОВР на изображениях, полученных с ОЭС ВР БпЛА в ИК-диапазоне длин волн, была произведена в ходе натурного суточного эксперимента. Было получено 9 ИК-изображений одного и того же участка земной поверхности с расположенными на ней ОВР с ОЭС комплекса с БпЛА «Гранат-2»с высоты300м(рис. 1).
На основе полученных ИК-изображений былпроизведеа расчет пространственногорас-пределеииятемпературн ых полей исследуемо гоучастказемиойповерхиостис использованием эталонных точек,вкачествекоторых были выбраны участки земной поверхности с расположен-н ы ми на ней объектами, состоящими из материалов с разными теплофизическими свойствами:
Вт
плита из пенопласта (эталон №1) с теплопроводностью X = 0,026.. .0,09—, удельной тепло-
м-К
тмкестью С = 1200.. .1600 -КС- и плотностью р = 250. . .830 0 и кеуез из отели (эталон №2) с зс-
Вт Дж
плопроводностью Л = 40.. .100 —, удельной теплоемкостью С = 300.. .500— и плотностью
м-К кг-К
р = 6000...8000-М- (рис;. 2).
Пе-есчетеначениН йркрсдейИК-ейображкнийвзначекея радиационных и термодинами-ческихтемпературпроизводился в соответствии с выражениями:
Тг = Тго + '-^, (19)
13.10.18 12.00 13.10.18 14.00 13.10.18 16.00
13.10.1 S 18 00 13.10.18 20.00 13.10.18 22.00
. Л
( __ ' ■ I
14.10.18 04.00 14.10.18 06.00 14.10.18 08.00
Рис. 1. ИК-изображения района ведения воздушной р азведки Fig.l. IR magesoftiiearea ofaerial reconnaisssnce
- 688 -
T = ^-(i-^025 где Trо = + (1 - е)Т\)°2Ъ
- 1 ( (11Э+12Э)ЛТЭ \ т
1 о=2 у i э + Т 2э--лн-) -мачальнмятермоди-амнчеакаятемпература; I - яркость те-
кащегопиксеяа ИК-изоброжения; ЛТгЭ = ЛТЭ£0= = |—1э — Т2Э|е 025 -ртззость радиационных а-мп-ааауа па эаялунях 1 я 2;4/Э = \/1Э — /— | - разность яркостей на эталонах 1 и 2; е - коэффициент излучения; TA -температураокружающеговоздуха (табл.1).
В результате преобразований на основе (19) и (20) были получены температурные изображения (термограммы) исследуемого участка земной поверхности (рис. 3).
Для о пределения оценки вероятностных характеристик распознавания были выбраны два ОВР: боевая машина пехоты (БМП) и БМП под маскировочной сетью МКТ-2, а в качестве земной поверхности, являющейся фоном, - учас ток травяного грунта (рис. 4).
Рис. 2. Расположение эталонных материалов Fig. 2. Location of reference materials
Таблица1.Температурынаэталонныхматериалах иприземного слоя воздуха Table 1. Temperature reference materials and the ground layer of air
Дата, время Температура на 1-м эталоне (пенопласт), Тэт1, оС Температура на 2-м эталоне (сталь), Тэт2, оС Температура воздуха в приземном слое, Т0, оС
13.10.2018 г. 12.00 38.3 29.1 16.1
13.10.2018 г. 14.00 33.2 29.0 17.7
13.10.2018 г. 16.00 20.9 23.8 17.7
13.10.2018 г. 18.00 10.4 17.8 16.0
13.10.2018 г. 20.00 5.0 9.3 14.1
13.10.2018 г. 22.00 4.7 7.4 12.3
14.10.2018 г. 04.00 2.0 4.5 8.4
14.10.2018 г. 06.00 1.0 3.5 7.2
14.10.2018 г. 08.00 9.8 4.1 12.5
(20)
начальная радиационная температура;
Рис. 3. Термограммы района ведения воздушной разведки Fig. 3. Thermograms of the area of aerial reconnaissance
Рис. 4. Район проведения эксперимента (ведения воздушной разведки): 1 - БМП; 2 - БМП под МКТ-2; 3 - травянойгрунт
Fig. 4. Theareaof the experiment (aerial reconnaissance): 1 - BMP; 2 - BMP under MKT-2; 3 - grass soil
Для оценки вероятности распознавания ОВР на фоне земной поверхности при дешифрировании с помощью зрительного анализатора были взяты наиболее контрастирующие участки ОВР и фона. При заданных параметрах Ь, В и /пикс с помощью выражений (5) и (6) рассчитаем значения температурного контраста ОВР и фона, а также вероятности распознавания ОВР на фоне ЗП (табл. 2).
При автоматическом дешифрировании по температурным распределениям для каждого из заданных ОВР и фона в соответствии с (16), (17) и (18) определим значения вероятности суммарной ошибки Ре и вероятности правильного различения Ргг, а также оптимального порога различения hopt сигналов ОВР и фона (рис. 5, 6).
Таблица 2. Значения контрастов ОВР и фона и вероятности их распознавания
Table 2. Values of contrasts of objects of air reconnaissance and their background and probability of recognition
Дата, время БМП (B = 1.51; 1пшс = 55) БМП под МКТ-2 (B = 1.51; 1пшс = 55)
L = 0.5
K р -1- расп K р расп
13.10.2018 г. 12.00 0.019 0.81 0.160 0.97
13.10.2018 г. 14.00 0.023 0.86 0.010 0.70
13.10.2018 г. 16.00 0.075 0.95 0.090 0.96
13.10.2018 г. 18.00 0.087 0.96 0.250 0.98
13.10.2018 г. 20.00 0.010 0.72 0.190 0.97
13.10.2018 г. 22.00 0.052 0.93 0.070 0.95
14.10.2018 г. 04.00 0.040 0.92 0.020 0.79
14.10.2018 г. 06.00 0.037 0.91 0.100 0.96
tbd0.2018 г. 08.00 0.135 g.to 0.090 0.9(5
Рис. 5. Гистограммы температурного распределения БМП и травяного грунта Fig. 5. Histogramsof temperature distributionofBMPandgrass soil
Графики суточного изменения значений вероятности правильного различения для ОВР типа БМП и БМП под маскировочной сетью МКТ-2 на фоне травяного грунта приведены на рис. 7.
На представленных зависимостях (рис. 8) видно, что значения вероятности распознавания Ррасп при дешифрировании с использованием зрительного анализатора в среднем на 10-15 % выше значений вероятности оптимального различения Ргг при автоматическом дешифрировании.
13.10.201 9 1* = 22.79
16 0 P. = СДО
1
ill
1 м 1 У nil ill lUil JL
«.to. 018 hw 12.69
Ш 20.00 H p. = 0.» ClfK>
1 1
1 ii i,
1 и ll 11 k d 1 llll
13.10.2018 114,1 = 10 30
22.00 P. = 034
Ph = 066
II
J 1
J_111 и У I ill llll 1 i
14.10.20t8 31 30
I N
JIllil
hi* H0.6
P......-0.35
. Pi.-CM
ж
1 и J
Phc. 6. rncTorpaMMLi TepmpaTypHoro pacnpeyieyeHHii EMn no/i 1TI^T-2h TpaBAHoro rpyyTa Tig.6.HBstogramsof the temperature distribution of the BMP under ICB-2 and grass soil
■ -1
■ -2
i
600 800 1000 1200 1400 1600 1800 2000
Time, min
Рис. 7. Динамика изменения вероятности правильного различения ОВР на фоне земной поверхности: 1 - БМП на фоне травяного грунта; 2 - БМП под МКТ-2 на фоне травяного грунта при автоматическом дешифрировании
Fig. 7. Dynamics of change of probability of correct discrimination objects of air reconnaissance on the background of the earth's surface: 1 - BMP on the background of grass-soil; 2 - infantry fighting vehicles under ICB-2 onthe backgroundofgrass groundwith automaticinterpretation
Вывод
Использование предложенной методики оценки динамики изменения вероятностных характеристик распознавания (различения) объектов на фоне земной поверхности, полученных на основе дешифрирования ИК-изображений с применением зрительного и автоматического анализаторов, позволяет определять временные интервалы за сутки, в течение которых вероятность распознавания (различения) ОВР на фоне земной поверхности определенных классов
Time, min
а) б)
Рис. 8. Динамика изменения вероятности распознавания (правильного различения) ОВР на фоне земной поверхности: а - БМП на фоне травяного грунта; б - БМП под МКТ-2 на фоне травяного грунта при дешифрировании с использованием: 1 - зрительного и 2 - автоматического анализаторов
Fig. 8. Dynamics of changes in the probability of recognition (correct distinction) of objects of air reconnaissance against the earth's surface: a - BMP against the background of grass soil; b - BMP under MKT-2 against the backgroundofgrasssoil whendecoding using: 1 - visual and 2 - automatic analyzers
достигает максимальных или выше заданного порога значений. Это позволяет уменьшить количество вылетов на воздушную разведку и тем самым сократить время её ведения без ухудшения качественных показателей, что в целом ведет к повышению её эффективности.
Работа выполнена при финансовой поддержке РФФИ (грант № 18-08-00053А).
Список литературы
[1] Студитский А.С. Исследование и разработка многофункционального оптико-электронного средства наблюдения и разведки. М.: НИИ и МНПО «Спектр», 2013. 112 с. [Studitsky A.S. Research and development of multifunctional optical-electronic surveillance and intelligenc. M.: NII and MSIA "Spectrum", 2013. 112 p. (in Russian)]
[2] Травникова Н.П. Эффективность визуального поиска. М.: Машиностроение, 1985. 128 с. [Travnikova N.P. Efficiency of visual search. M.: mechanical engineering, 1985, 128 p. (in Russian)]
[3] Алтухов А.И., Гнусарев Н.В., Коршунов Д.С. Прогнозирование качества изображений космических объектов. Научно-технический вестник информационных технологий, механики и оптики, 2013, 3(85) [Altukhov A.I., Gnusarev N.In. Korshunov D.S. Forecasting the quality of images of space objects. Journal Scientific and technical of information technologies, mechanics and optics, 2013, 3(85) (in Russian)]
[4] Веселов Ю.Г., Данилин А.А., Тихонычев В.В. Выбор тест-объекта для оценки разрешающей способности цифровых оптико-электронных систем мониторинга земной поверхности. Наука и образование, 2012, 4 [Veselov Yu.G., Danilin A.A., Tikhonichev V.V. Select the test object for evaluation of the resolution of the digital opto-electronic systems for monitoring the earth's surface. Science and education, 2012, 4 (in Russian)]
[5] Ковалев А.В., Ковалев А.А. Возможности методов неразрушающего контроля. Мир и безопасность, 2007, 2 [Kovalev A.V., Kovalev A.A. Possibilities of non-destructive testing methods. Journal of Peace and security, 2007, 2 (in Russian)]
