CC BY
27
УДК 623.983
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ АВТОМАТИЧЕСКОГО ОБНАРУЖЕНИЯ МОРСКИХ ОБЪЕКТОВ ГИДРОАКУСТИЧЕСКОЙ
СИСТЕМОЙ ПУТЕМ ВНЕДРЕНИЯ РОБОТИЗИРОВАННОЙ ТЕХНОЛОГИИ КОМПЬЮТЕРНОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ
С.Н. Крюков, В.А. Павлова, В.Ю. Севбо, В.А. Тупиков, В.Н. Фролов, П.К. Шульженко
Обсуждаются вопросы повышения эффективности автоматического обнаружения морских объектов пассивной гидроакустической системой в условиях помех. Предлагается поток принимаемых одномерных пакетов сигналов от гидроакустической системы представлять в виде двумерного изображения, формируемого за конечное время. Приведена методика обработки формируемого изображения трасс-целей, позволяющая существенно повысить вероятность автоматического обнаружения объектов в условиях сильных акустических помех, а также строить трассы движения обнаруженных объектов.
Ключевые слова: гидроакустическая система, морские объекты, пакет данных принятого акустического сигнала, двумерное представление принятого сигнала, алгоритм выделения сигнала по двумерному представлению, трассы движения объектов.
Введение. Постановка задачи
Имеется направленная гидроакустическая система, предназначенная для обнаружения движущихся морских подводных и надводных объектов, работающая в пассивном режиме. Гидроакустическая система может быть установлена как на автономном буе, так и на морском носителе. На рис. 1 (в центре) изображена гидроакустическая система, принимающая сигналы от морских объектов. Каждый момент времени приемник системы формирует пакет данных о полученном сигнале. Пакет состоит из уровней принятого сигнала для множества пеленгов приема соответствующего сигнала (угол Угол принимает значения от 0 до 360° с дискретностью в один градус. Через линию связи сигнал от локатора поступает в пункт управления, где анализируются полученные акустические сигналы с помощью роботизированной системы обработки данных.
На вход системы обработки данных поступают сигналы от гидроакустической системы в дискретные моменты времени t¿. На рис. 2 показан пример принятого пакета данных в конкретный момент времени t¿: по оси X - пеленг принимаемого сигнала, по оси У - амплитуда принятого сигнала в относительных единицах.
На рис. 2 представлен случай, когда принятый от двух объектов сигнал имеет очень высокое значение отношения сигнал/шум. Для данного примера хорошо работает пороговая система автоматического обнаружения сигнала.
К сожалению, из-за множества причин (неравномерного пропускания звука водою из-за температурных градиентов, изменения солёности и т.д., множественных переотражений сигнала от поверхности воды и дна при малой глубине, шума моря при волнении и т.д.) отношение сигнал/шум резко падает.
[0,360]
270*
Рис. 1. Схема работы гидроакустической системы: 4*1 -угол пеленга
принимаемого сигнала
Рис. 2. Пакет данных, поступающий с гидроакустической системы в момент времени ^ в систему обработки данных
На рис. 3 представлен вариант сигнала с акустической системы при малом отношении сигнал/шум. Такие сигналы имеют место в большинстве случаев [1 - 3].
Рис. 3. Пакет данных при малом отношении сигнал/шум
Для сигнала, приведенного на рис. 3, задача обнаружения полезного сигнала существенно усложняется. Это приводит к малой эффективности работы системы, ориентированной на одномерное представление пакета данных.
Двумерное представление сигнала от гидроакустической системы. Для повышения эффективности автоматического обнаружения полезных сигналов, поступающих с гидроакустической системы, в данной работе предложено переводить поток одномерных пакетов данных в двумерное представление. Двумерность обеспечивается путем накопления поступающих в течение времени X пакетов данных. Пакеты поступают с дискретностью t¿. При этом по оси X дано время получения пакета, по оси У -пеленги принятого сигнала (0...360 Яркость точек каждого пеленга соответствует нормированному уровню сигнала. При этом на изображении уровень сигнала нормируется в диапазоне 0...255. Значение X, равное нулю, соответствует моменту получения нового пакета данных. Текущее значение X соответствует времени, прошедшему с момента получения данного пакета. На рис. 4 приведено двумерное представление акустических сигналов, принятых в течение времени X, соответствующих рис. 2 с высоким отношением сигнал/шум.
^ V
Рис. 4. Двумерное представление принятых акустических сигналов с высоким отношением сигнал/шум
На рис. 5 изображено двумерное представление акустического сигнала, соответствующее рис. 3 с малым отношением сигнал/шум. На подобные сигналы и рассчитана данная технология.
Рис. 5. Двумерное представление сигнала с малым отношением
сигнал/шум
Алгоритм выделения сигнала от объекта по двумерному представлению принятых акустических сигналов.
Производится накопление Ь пакетов данных в двумерном представлении. Для данной акустической системы Ь = 25, что соответствует задержке на Ь единиц времени. Эти пакеты последовательно формируют двумерное изображение для обработки с высотой, равной количеству элементов пакета данных (360), и шириной больше или равной Ь (рис. 6).
Одновременно формируется изображение результатов обработки с размерами, равными изображению для обработки.
С поступлением очередного пакета данных от акустической системы оба изображения сдвигаются влево на один пиксел. В самый правый столбец изображения обработки записывается очередной пакет, полученный от акустической системы, при этом самый левый столбец удаляется. Таким же образом формируется и результирующее изображение.
Рис. 6. Обработка Ь пакетов по двумерному изображению
73
После формирования изображения по L пакетам данных производится его обработка, состоящая из следующих этапов (см. рис. 6):
- берется от правого края накопленного изображения обработки отступ, равный L/2. Формируется вертикальная линия, сдвинутая от правого края изображения на величину L/2;
- проводится через каждую точку (сверху вниз) на вертикальной линии прямая линия обработки длиной L. Центр этой линии лежит на вертикальной линии;
- производится изменение угла наклона линии обработки в диапазоне от +90 до -90 ° через один градус. Для каждого угла наклона считается средняя яркость вдоль прямой обработки. Определяется угол наклона линии обработки, при котором достигается максимальное значение средней яркости. Значение полученного максимума записывается в соответствующую точку вертикальной линии изображения результатов;
- строится по полученным данным для вертикальной линии изображения результатов интегральная гистограмма распределения яркостей;
- рассчитывается порог для селекции сигнала по следующему алгоритму:
1) задается значение интегральной гистограммы (Share). Соответствующее значение яркости будет соответствовать порогу. Если яркость точки выше заданного порога, то данные в точке принимаются за сигнал, если яркость точки ниже заданного порога - за шум. В приведённом примере параметр Share = 0,96;
2) удаляются все точки с яркостью ниже заданного порога с вертикальной линии.
По результатам (рис. 7, 8) видно, что сигнал от акустической системы четко определяется, и история поступления сигналов прослеживается в виде следа на обработанных изображениях. При этом история по времени уходит влево от правого края изображения. Самая левая горизонтальная координата показывает информацию о сигнале, полученном L/2 единиц времени назад. В данном случае - 12 единиц времени.
Отобразим траекторию движения объектов наблюдения в виде трассы. Для построения трассы используется обработанное изображение, в котором на изображении следа метятся точки максимальной яркости. Эти точки последовательно соединяются, формируя таким образом линию трассы. На каждом следе определяется средняя яркость трассы на заданном участке следа. Если разница в яркости следов существенная, то для изображения трасс используются разные цвета, в противном случае используется один цвет для всех трасс (рис. 9, 10).
Используя построенные двумерные отображения трасс движения объектов, на экран монитора оператора можно выводить реальное положение сигналов от объектов наблюдения с задержкой в L дискретов времени (рис. 11).
а
б
Рис. 7. Изображения сигналов с большим отношением сигнал/шум: а - исходное; б - после обработки
Рис. 8. Изображения сигналов с малым отношением сигнал/шум: а - исходное; б - после обработки
75
б
Рис. 9. Изображения трассы движения объектов наблюдения при большом отношении сигнал/шум: а - исходное; б - после обработки
б
Рис. 10. Изображения трассы движения объектов наблюдения при малом отношении сигнал/шум: а - исходное; б - после обработки
Рис. 11. Аппаратная селекция сигналов от реальных объектов в гидроакустическом приборе
Заключение
На основе разработанного алгоритма было создано устройство, принимающее сигналы от гидроакустической системы и выделяющее сигналы от реального объекта, если объект появляется в диаграмме направленности приемника. Результат селекции отображается на экране оператора на фоне принимаемых акустических сигналов (см. рис. 11).
Как видно из рисунка, распознавание сигнала по одномерной реализации практически невыполнимо. Предлагаемый метод перехода в двумерную визуализацию сигналов путем накопления принимаемых информационных пакетов позволяет с высокой вероятностью автоматически распознавать полезные сигналы от реальных объектов в условиях сильного за-шумления и осуществлять автоматическое построение трасс движения наблюдаемых объектов.
Список литературы
1. Шулейкин В.В. Физика моря. М.: Наука, 1968. 1090 с.
2. Румынская И. А. Основы гидроакустики. М.: Судостроение, 1979.
105 с.
3. Корякин Ю.А. Гидроакустические системы. СПб: Наука Санкт-Петербурга и морская мощь России, 2002. 416 с.
Тупиков Владимир Алексеевич, д-р техн. наук, проф., директор, tupikov@,nppame.то, Россия, Санкт-Петербург, ОАО «Научно-производственное предприятие «Авиационная и морская электроника»
Павлова Валерия Анатольевна, канд. техн. наук, директор, pavlova@nppame.то, Россия, Санкт-Петербург, ОАО «Научно-производственное предприятие «Авиационная и морская электроника»
77
Севбо Владимир Юрьевич, канд. техн. наук, ген. конструктор, pavlovaanppame.ru, Россия, Санкт-Петербург, ОАО «Научно-производственное предприятие «Авиационная и морская электроника»,
Крюков Сергей Николаевич, канд. техн. наук, вед. науч. сотр., SKriukovamail.ru, Россия, Санкт-Петербург, ОАО «Научно-производственное предприятие «Авиационная и морская электроника»
Фролов Владимир Николаевич, ген. директор, fvnaniirpi. com, Россия, Санкт-Петербург, ОАО «Научно-производственное предприятие «Авиационная и морская электроника»
Шульженко Пётр Константинович, канд. техн. наук, вед. науч. сотр., shulgenkopkamail. ru, Россия, Санкт-Петербург, ОАО «Научно-производственное предприятие «Авиационная и морская электроника»
IMPROVEMENT OF AUTOMATIC HYDROACOUSTIC MARINE OBJECT DETECTION BY INTRODUCING ROBOTIZED COMPUTER IMAGE PROCESSING TECHNOLOGY
S.N. Krjukov, V.A. Pavlova, V.Y. Sevbo, V.A. Tupikov, V.N. Frolov, P.K. Shulgenko
In this paper efficiency, improvement problems for automatic marine object detection with passive hydroacoustic system in a presence of noise are discussed. The idea is proposed for one dimension hydroacoustic data packets flow representation as two-dimensional images that are constructed in finite timeframe. The technique is introduced for object tracks image processing that allows to significantly increase the probability of automatic object detection in presence of heavy acoustic noise and reconstruct detected objects movement tracks.
Key words: hydroacoustic system, marine objects, hydroacoustic signal data packet, two dimensional representation, algorithm for signal separation from two-dimensional representation, object movement tracks.
Tupikov Vladimir Alekseevich, doctor of technical sciences, professor, director of research, tHpikov a nppame.ru, Russia, Saint Petersburg, OJSC "Research and Production Enterprise "Aviation and Marine Electronics",
Pavlova Valeria Anatolyevna, candidate of technical sciences, director of research, pavlovaa nppame.ru, Russia, Saint Petersburg, OJSC "Research and Production Enterprise "Aviation and Marine Electronics",
Sevbo Vladimir Yuryevich, candidate of technical sciences, chief designer, pavlovaanppame. ru, Russia, Saint Petersburg, OJSC "Research and Production Enterprise "Aviation and Marine Electronics",
Krjukov Sergey Nikolaevich, candidate of technical sciences, Lead researcher, SKrjukov@,mail. ru, Russia, Saint Petersburg, OJSC "Research and Production Enterprise "Aviation and Marine Electronics",
Frolov Vladimir Nikolaevich, Director General, fvna niirpi. com, Russia, Saint Petersburg, OJSC "Research and Production Enterprise "Aviation and Marine Electronics",
Shulgenko Petr Konstantinovich, candidate of technical sciences, Lead researcher, shulgenkopk@,mail. ru, Russia, Saint Petersburg, OJSC "Research and Production Enterprise "Aviation and Marine Electronics"
УДК 004.932.2
КОМПЛЕКС УНИВЕРСАЛЬНОГО АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ ДЛЯ РЕШЕНИЯ ЗАДАЧ ТЕХНИЧЕСКОГО
ЗРЕНИЯ
В. А. Бондаренко
Рассматривается подход к созданию комплекса универсального алгоритмического обеспечения для решения различных задач интеллектуальной цифровой обработки изображений. Создаваемый алгоритмический комплекс включает в себя базовые и комплексные методы обработки изображений, в том числе методы автоматического обнаружения и автосопровождения объектов. Приводится пример применения алгоритмического комплекса в составе оптико-электронной системы мониторинга надводной обстановки, установленной на борту безэкипажного катера.
Ключевые слова: цифровая обработка изображений, автоматическое обнаружение, автосопровождение.
Стремительный рост производительности вычислительных систем даёт возможность проектировать и внедрять всё более сложные системы технического зрения. В то же время постоянное расширение списка хорошо зарекомендовавших себя методов обработки изображений приводит к необходимости систематизировать эти методы с целью создания комплекса универсального алгоритмического обеспечения для решения широкого круга задач.
В современных условиях для решения задач импортозамещения также необходимым требованием к подобному алгоритмическому комплексу является его полная документированность, открытость. Применение закрытых библиотек или готового программного обеспечения не является допустимым, в особенности при негражданском применении разрабатываемого комплекса.
Исходя из этих соображений, проведён анализ мирового опыта в области цифровой обработки изображений. Систематизация этих данных позволяет разделить их на следующие большие группы.
1. Алгоритмы предобработки и улучшения качества изображений.
1.1. Алгоритмы шумоподавления (выделение сигнала на фоне шумов).
1.2. Алгоритмы коррекции (цветовой, яркостной и др.).
1.3. Алгоритмы мультиспектрального комплексирования.
