CC BY
39
УДК 681.586.5
МНОГОСПЕКТРАЛЬНЫЙ ОПТИЧЕСКИЙ МЕТОД ОБНАРУЖЕНИЯ ОБЪЕКТОВ ЧЕРЕЗ НЕОДНОРОДНЫЕ СРЕДЫ
© В.М. Строев1, Г.Ф. Альмас2, А.И. Истомина3
Тамбовский государственный технический университет, 392000, Россия, г. Тамбов, ул. Советская, 106.
Приведены результаты исследований в области обнаружения объектов в сложных условиях наблюдения. Применение специальных приемов обработки изображений позволяет учитывать влияние неоднородности среды, скрывающей объект наблюдения при его обнаружении. Предложена модификация многоспектрального оптического метода, позволяющая уменьшить влияние шумовых компонентов сигнала, а именно снизить более чем в 8 раз погрешность вычисления коэффициента отражения и обеспечить более точное вычисление значения оптической толщи. Ил. 5. Библиогр. 7 назв.
Ключевые слова: многоспектральный метод; обнаружение объектов; неоднородная среда; шумовые компоненты сигнала; оптическая толща; коэффициент отражения.
MULTISPECTRAL OPTICAL METHOD FOR OBJECT DETECTION THROUGH HETEROGENEOUS MEDIA V.M. Stroev, G.F. Almas, A.I. Istomina
Tambov State Technical University,
106 Sovetskaya St., Tambov, 392000, Russia.
The article presents the study results in the field of object detection under complex observation conditions. The application of special methods of image processing allows to take into account the influence of medium heterogeneity that hides the object being observed under its detection. A modification of the multispectral optical method is proposed. It will reduce the effect of signal noise components and, namely, will lower the computational error of reflection factor more than 8 times and provide more accurate calculations of optical depth value. 5 figures. 7 sources.
Key words: multispectral method; object detection; inhomogeneous medium; signal noise components; optical depth; reflection coefficient.
Решение задач обнаружения и опознавания объектов в сложных условиях наблюдения требует использования адаптивных систем, т.е. систем, способных изменять свои параметры или характеристики при изменении внешних условий. В случае наблюдения поверхности земли или моря с летательного аппарата, формирование изображения происходит с искажением из-за наличия на трассе дымки, тумана или облачности [1]. Исследования в области обнаружения подкожных образований [2] показали, что процессы искажений, вносимых слоем кожи, аналогичны процессам искажений при наблюдении через облачность. В таких случаях получить истинное изображение, не используя специальных приемов обработки, практически невозможно.
В настоящее время применяются следующие основные способы борьбы с искажениями. Импульсная лазерная подсветка с временным стробированием отраженного сигнала [3]. Позволяет устранить помеху обратного рассеяния. Основные недостатки - не применима для случая непосредственной близости искажающей среды и наблюдаемой поверхности, а также не устраняет эффект амплитудной модуляции, возникающей из-за разности значений оптической толщи т(х,уД) искажающей среды. Для улучшения качества изображений применяются различные методы фильтрации: нерезкого маскирования, гомоморфной и адаптивной фильтрации [4-6]. Следует отметить, что в основу этих методов положен принцип пространственно-частотного выделения сигнала искажающей среды, поэтому они будут неэффективны при резких пространственных колебаниях ее плотности. Также известны способы коррекции искаженных атмосферой изображений, в том числе многоспектральные, использующие различного рода априорные сведения [7]. Многоспектральный метод восстановления изображений [1] основан на свойстве спектральной прозрачности атмосферы в приближении однократного рассеяния. Этот метод не требует априорных сведений и может работать при резких пространственных колебаниях плотности искажающей среды.
Многоспектральный метод восстановления изображений заключается в следующем. Участок поверхности, характеризуемый коэффициентами отражения С(х,уД), подсвечивается одновременно лазерными (светодиод-
1Строев Владимир Михайлович, кандидат технических наук, доцент кафедры биомедицинской техники, тел.: 89537119194, e-mail: stroev2006@yandex.ru
Stroev Vladimir, Candidate of technical sciences, Associate Professor of the Department of Biomedical Engineering, tel.: 89537119194, e-mail: stroev2006@yandex.ru
2Гамель Фатех Альмас, аспирант, тел.: 89537244587, e-mail: maskmos2010@mail.ru Gamel Fatekh Almas, Postgraduate, tel.: 89537244587, e-mail: maskmos2010@mail.ru
3Истомина Анна Игоревна, магистрант, тел.: 89004971419, e-mail: njuraska@mail.ru Istomina Anna, Graduate student, tel.: 89004971419, e-mail: njuraska@mail.ru
ными) лучами на двух длинах волн ^ и Л2. Выбор длин волн оптического излучения осуществляется в видимом диапазоне, исходя из условия й = т(*'у,Я2) = 2. Изображение подсвечиваемого участка поверхности воспринима-
т{х,у,Х\)
ется двумя матрицами фоточувствительных приборов с зарядовой связью (ФПЗС) для Хг и Л2, причем каждый элемент матриц воспринимает изображение определенного элемента подсвечиваемой поверхности. Для каждого элемента изображения на основе решения обратной задачи в соответствии с принятой моделью прохождения света вычисляется оценочное значение оптической толщи т* (хуД^ и коэффициента отражения поверхности С* (хуД^. При решении обратной задачи накладывается ограничение - коэффициент отражения поверхности слабо зависит от длины волны, т.е. С (Х'уД) = С (Х'у).
Проведенные исследования показали, что многоспектральный метод восстановления изображений при характеризуется сильной зависимостью результатов восстановления от влияния шумовых компонентов, принятых сигналов при больших значениях оптической толщи. Это обусловлено тем, что система восстановления работает с низкоуровневыми сигналами. Так, при т —15система получает сигнал от скрытого объекта на Аг в
1011 раз меньше, чем на А.
, т(х, у, А) _ , „
Гипотеза: Изменение условия а —-— — 2 , принятого в [1], на условие а —1,3 позволит снизить
т( х, у, А)
влияние шумовых компонентов сигнала.
Рассмотрим особенности модификации многоспектрального метода с учетом необходимости задания произ-
, т(х, у, А ) „ вольного значения а —-— < 2.
т( х, у, А)
Для определения заряда д(х,у, А), накопленного в ячейке ФПЗС при наблюдении объекта через рассеивающие среды, расположенные в непосредственной близости к рассеивающей среде, воспользуемся следующим выражением [1]:
д(х, у, А) — фо; °2 • [с(х, у) • е~2т(ху,А) +1 - е-т(х'у,А)],
где Q - чувствительность ячейки, зависящая в основном от коэффициента пропускания многослойного покрытия, квантового выхода, внутреннего фотоэффекта и коэффициента поглощения полупроводниковой подложки;
Ф0 - световой поток, излучаемый квантовым генератором на элемент участка поверхности; - время накопления; О - диаметр объектива фотоприемника; Я - расстояние от точки визирования до фотоприемника; т(х, у, А) - оптическая толща рассевающей среды; С(х,у) - безразмерный коэффициент, характеризующий отражательную способность и рельеф объекта и окружающей среды.
Q•t • Ф • О2 , Обозначим --—^о-— к, так как эта величина постоянна.
Получим
Я2
д(х,у, А) — к- [С(х,у) • е~2т(хуА) +1 -е~т(х,уА)]. (1)
Для решения данной задачи составим систему уравнений при т(х, у, А) — а • т(х, у, А), где а - постоянный коэффициент, принимающий значения от 1 до 2.
| д^ху,А) — к-
1ъ( х у,А) — к-
С(х, у) • е~2т(х,уА) +1 - е~т(х,уА) ] С( х, у) • е~2т( х,уА +1 - е~т( х, ^Т (2)
Для дальнейшего анализа введем упрощенную систему обозначений
а — (д(х, у, А) — к)/к, Ь — (д2(х, у, А) — к)/к, г — т(х, у, А), С — С(х, у). Тогда система (2) примет вид
—2 • г — г
а — С •е -е
. (3)
Ь — С •е-2• г • а -е"г • а
Аналитическое решение системы (3) возможно при а — 2. В этом случае оценочные значения С * и г рассчитывались по следующим формулам:
С * =
4
а
(4)
где И =
-108 +12'
12-а3 - 36-а2 + 36-а -12 - 81-Ъ
-Ъ2
(5)
г = - 1п
(2С) '
1 -(1 + 4-С* - а)2
(6)
Аналитическое решение позволяет обеспечить максимум быстродействия при восстановлении изображений сцены, искаженной закрывающей средой.
Решение системы (3) при й < 2 возможно только численным методом.
Воспользуемся методом Ньютона. Выразим С(х,у) из выражения для ^(х, у,^) и подставим в выражение для д2(х,у,\) . В результате получим
д2(х,у,Ъ) = е"(хуЛ)- й[е т(х,уЛ)- (1-й) -(1 + а(х,уД)еГ(хуЛ))-1]+ к, где а(х, у,\) = ^(х, у,\) - к)/ к.
Упростим полученное выражение, введя обозначения г = т(х, уД) и Ъ = (#2(х, у, ^) - к)/ к. Отсюда получаем, что
-2г - г
а = с-е - е
, Ъ = е~г- й[ег- (1-й) -(1 + а-ег)-1] и ) = й-г.
Выражение для Ъ трансформируем в уравнение ¥(г) = е г- й[ег -(1 й) -(1 + а-ег)-1]-Ъ = 0. Алгоритм нахождения численного решения уравнения ¥(г) = 0 сводится к итерационной процедуре вы-
числения:
¥( гп)
е-г - й [ег- (1-й) -(1 + а-ег)-1]- Ъ
е-г- й -й + а - е2 -г - (1-й) - [2 - (1 - й)] + ег(1-2 - й) - (1 - 2 - й)
Найденное значение г* =т(х, у,\) используется для вычисления значения С* =-
к-еъ г '
Особенностью применения метода Ньютона является необходимость задания г0 исходного значения г .
Моделирование обработки при различных значениях г показало, что для г > 0.5 можно выбрать единое значение г0 = 7 , а для г < 0.5 необходимы уточнения исходных значений г0. Для этого можно использовать метод выделения корней. Из двух полученных корней выбирается корень с наибольшим значением г. Именно это значение используется в качестве начального значения г0.
Для численного моделирования многоспектрального метода была разработана структурная схема алгоритма эксперимента, представленная на рис. 1. Алгоритм позволяет произвести оценку влияния в погрешности из-
Ъ
г , = г -
п+1 п
= гп -
2
мерения сигнала Ь , а также влияния w неточности выполнения принятого ограничения С(х,уД) = С(х,у). Для этого значение сигнала Ь, вычисленного по точной формуле (3), изменяется на в, а также в формуле (3) значение С заменяется на С ■ ^. Значение 5 задаем в пределах от 0 до 0.01. Значение w задается в пределах от 0,77 до 1,3.
Результаты моделирования при й = 1.3, г — 5 и г — 3 приведены на рис. 2,а,б соответственно. Результаты моделирования при й = 2, г — 5 и г — 3 приведены на рис. 3,а,б соответственно. Получены следующие результаты:
1. Результаты восстановления значения оптической толщи при аналитическом и численном моделировании приблизительно одинаковы, погрешность восстановления не превышает 1,35%.
2. Погрешность восстановления коэффициента отражения С при аналитическом моделировании в основном зависит от погрешности 5 измерения входных сигналов на \ и ^ и значения оптической толщи 2. При г — 5 значение погрешности значения С не превышает 74%, а при г — 3 - 9,7%.
3. Погрешность восстановления коэффициента отражения С при численном моделировании в основном зависит от точности выполнения ограничения С(х,уД) = С(х,у). При г — 5 значение погрешности значения С не превышает 8,8%, а при г — 3 -13%.
4. Таким образом, уменьшение значения б позволяет снизить погрешность восстановления коэффициента С при г — 5 в 8 раз, но уже при г — 3 численный метод восстановления проигрывает аналитическому.
Рис. 1. Структурная схема алгоритма эксперимента
а б
Рис. 2. Графики изменения погрешности определения значения коэффициента отражения: а - при условии Л = 1 . 3 , г = 5; б - при условии Л = 1 . 3 , г = 3
а б
Рис. 3. Графики изменения погрешности определения значения коэффициента отражения: а - при условии , ; б - при условии ,
Оценим граничное значение г для численного моделирования с учетом того, что погрешность определения значения коэффициента отражения не превышает 10%. На рис. 4 приведены результаты вычисления погрешности определения значения коэффициента отражения в зависимости от степени нарушения ограничения С(х,уД) = С(х,у) при заданном значении С = 0.3 и различных значениях оптической толщи г. Из рисунка видно, что граничным значением г является г = 3 .
w
Рис. 4. Графики изменения погрешности определения значения коэффициента отражения в зависимости от степени нарушения ограничения
Влияние ограничения С (х,у,1) = С (х,у) наиболее сильно сказывается на точности вычисления С * (см.рис.3), в то же время вычисление значения оптической толщи при самых худших условиях производится с погрешностью не более 1,35%. Причем, чем меньше значение оптической толщи г, тем хуже результат вычисления С *. При изменении С с изменением длины волны в 1,3 раза погрешность вычисления С * при г = 1,5 составляет 27%, при г = 3 - 13,4%, при г = 5 - 6,2%.
Таким образом, получив значение г*, можно оценить погрешность вычисления С *. Эту особенность метода можно использовать для выбора диапазона длин волн облучающих элементов. Если в результате обработки
получается значение т < 3, то необходимо перейти в диапазон X , в котором значение затухания сигнала в закрывающей объект среде больше. Так для кожи коэффициент поглощения увеличивается с уменьшением длины волны проходящего излучения. Переход из диапазона X = 850 — 585 нм в диапазон X = 540 — 450нм позволит производить обработку при т = 2 с погрешностью для т = 3 в первом диапазоне X .
Алгоритм восстановления искаженных изображений многоспектральным методом представлен на рис. 5.
Рис. 5. Алгоритм восстановления искаженных изображений многоспектральным методом
Вывод. Переход к численному моделированию алгоритма многоспектрального моделирования и соответ-
, r(x, y,^) _ , . _
ственно изменение условия a =-= 2 на условие a = 1.3 позволяет уменьшить влияние погрешно-
r( X У Л)
стей восстановления не менее чем в 8 раз.
Библиографический список
1. Куликов А.Ю., Каверина Л.В., Строев В.М. Восстановление изображений, полученных активной телевизионной системой при работе в сложных метеоусловиях // Радиосистемы. 2003. Вып. 69, №6.
2. Двухчастотный метод обнаружения низкоконтрастных подкожных образований / Е.Н.Пересыпкина [и др.] // Молодой ученый. 2012. №5. С.552-556.
3. Карасик В.Е., Бокшанский В.Б. Управление временными режимами работы ЛСВ с импульсным подсветом // Приборы и системы управления. 1998. №3. С.85-87.
4. Стокхэм Д. Обработка изображений в контексте модели зрения // ТИИЭР. 1972. Т.60, №7. C.93-107.
5. Прэтт У. Цифровая обработка изображений: пер с англ. М.: Мир, 1982. 480 с.
6. Tamar, P. Adaptive filtering of image. Institution of Radioengineering / P. Tamar, J. Lim // IEEE Proceeding. 1981. Vol.1, №1 -4. P.1 —8.
7. Протасов К.Т., Белов В.В., Артамонов Е.С. Адаптивное восстановление космических снимков подстилающей поверхности Земли с использованием априорной информации // Вычислительные технологии. Т.5: Спец. выпуск. 2000. С.69-81.
