CC BY
48
БАЛЛИСТИКА (ВНЕШНЯЯ, ВНУТРЕННЯЯ)
УДК 621.932
ПОВЫШЕНИЕ ТОЧНОСТИ ИЗМЕРЕНИЯ ПАРАМЕТРОВ ТРАЕКТОРИИ ДВИЖЕНИЯ ОБЪЕКТА НА ОСНОВЕ ГИПЕРСПЕКТРАЛЬНОЙ ОБРАБОТКИ
С. Л. Погорельский, В.М. Понятский, Е.А. Макарецкий, А. С. Гублин, А.В. Овчинников
Рассматриваются способы повышения точности измерения параметров траектории движения объекта слежения за счет использования гиперспектральных видеокамер. Выполнены обзор и анализ типов гиперспектрометров. Приведена блок-схема акустооптического спектрометра. Представлены технические характеристики современных гиперспектрометров.
Ключевые слова: комплексирование, гиперспектрометр, спектральный анализ.
В статьях [1 - 2] авторами показана возможность повышении точности измерения параметров траектории движения объекта за счёт ком-плексирования обработки видеоинформации с нескольких телевизионных пеленгаторов, при этом вопрос выбора количества пеленгаторов, их типа и характеристик не освещен в должной мере. Следует отметить, что обработка информации по всех каналам должна проводиться параллельно в режиме реального времени, в противном случае результаты комплексиро-вания не могут считаться достоверными.
Одним из перспективных вариантов пеленгаторов являются гиперспектральные средства видеорегистрации. Их отличительной особенностью является потенциальная возможность одновременной регистрации видеоизображении в различных участках спектра. Современные гиперспектрометры отличаются от классических монохроматоров или трехцветных систем лучшим спектральным разрешением, большей стабильностью калибровки и высоким качеством изображения. Измерительные системы на основе гиперспектрометров универсальны и могут быть адаптированы
для различных областей применения путём подбора нужного типа и количества спектральных полос, а также разрешения в каждом диапазоне. С практической точки зрения в дневных условиях оптимально использование диапазона 0,4...1 мкм, для ночных условий оптимально использование диапазона 7.14 мкм.
Использование гиперспектрометров в рамках поставленной задачи может быть условно поделено на два этапа:
- формирования базы данных спектральных коэффициентов яркости различных объектов и фонов с последующим выделением отличительных сигнатур целевых объектов, что позволит определить количество рабочих каналов;
- интегрирование гиперспектральной системы в существующий комплекс совместно с разработкой алгоритмов комплексирования видеоинформации.
Для реализации первого этапа необходимо использование гиперспектрометра, работающего в широком диапазоне с большим числом каналов. На данном этапе также важно оценить ресурсоемкость вычислительных операций с целью адаптации системы для работы в режиме реального времени. По результатам работ первого этапа могут быть сформированы рекомендации по выбору гиперспектральной камеры (мультиспектраль-ной), применяемой на втором этапе.
Гиперспектрометры могут быть конструктивно выполнены на основе дифракционных решеток, призменных систем, акустооптических фильтров (MPS), Фурье-спектрометра (интерферометра Майкельсона), а также в виде однокристального гиперспектрального сенсора (Filter-on-chip). Анализ предметной области показал, что наиболее подходящими для решения поставленной задачи являются гиперспектральные регистрирующие системы видимого и ближнего ИК- диапазонов на основе акусто-оптических фильтров, а также на основе гиперспектральных матриц.
Блок-схема акустооптических спектрометров изображения видимого и ИК-диапазонов приведена на рисунке.
Блок-схема акустооптических спектрометров изображений
видимого и ИК-диапазонов
Основными узлами спектрометров являются входной объектив, определяющий поле зрения спектрометра изображения и формирующий необходимые параметры светового пучка в монохроматоре; акустооптиче-ский монохроматор изображений, производящий спектральную селекцию излучения; выходной объектив, создающий изображение анализируемого объекта на фотоприемной матрице; чувствительная монохромная видеокамера. С целью унификации в обоих спектрометрах, разработанных на видимый и на ближний ИК-диапазоны, используются однотипные входные и выходные объективы, отличающиеся размером промежуточной диафрагмы, задающей угловое поле световых пучков в монохроматоре [3].
Сводные данные с характеристиками гиперспектральных видеокамер представлены в таблице.
Характеристики современных гиперспектрометров
Характеристика Модель гиперспектральной камеры
S185 SE S485 XL 450 S128 VIS S137 NIR Q137NIR S219 C6
Технология MPS MPS Filter-on-chip Filter-on-chip Filter-on-chip Single Sensor
Количество спектральных каналов 125 125 16 (mosaic) 25 (mosaic) 25 (mosaic) RGB + 3 (на выбор)
Спектральная производительность, ед/кадр 2500 3600 140000 85000 85000 1000000
Спектральный диапазон, нм 450-950 450950 475-620 600-875 600-875 3801100
Спектральное разрешение, нм 8, 532 10, 532 20 20 20 20
Спектральный интервал, нм 4 4,5 20 20 20 10
Разрешение сенсора, мпикс 1 1 2048x10 24 2048x10 24 2048x102 4 1296x96 6
Частота съёмки, куб/сек up to 15 20 20 20 20 5
Время измерения, мсек 0,1-1000 0,11000 0,1-1000 0,1-1000 0,1-1000 0,1-1000
Тип сенсора Si CCD Si CCD Si CMOS Si CMOS Si CMOS Si CCD
Разрядность сигнала, бит 12 12 10 10 10 10
Максимальное отношение сигнал/шум (SNR), дБ 58 58 39 39 39 39
Динамический диапазон (Dinamic Range), дБ (dB) 68 68 58 58 58 64
Вес без объектива, грамм 490 1200 300 300 600 600
Питание 8Вт , 12В 8Вт , 12В 9-24В , 15Вт 9-24В , 15Вт 5В , 15Вт 9-24В , 15Вт
Анализ таблицы позволяет сделать вывод, что гиперспектрометры, выполненные по технологии «Filter-on-chip», обладают более узким спектральным диапазоном в сравнении с гиперспектрометрами на основе аку-стооптических фильтров «MPS», но при этом позволяют осуществлять съемку с большей спектральной производительностью.
Обработка гиперспектральных данных представляет собой задачу спектрального анализа. Необходимым инструментом анализа являются спектральные библиотеки - базы данных, содержащие, информацию об отражательной способности материалов на различных длинах волн. Обработка гиперспектральой информации включает следующие основные этапы.
1. Предварительная обработка, включающая радиометрическую коррекцию (устранение искажений за счет неравномерности чувствительности элементов детекторов, учет влияния атмосферы); геометрическую коррекцию (устранение сдвига, учет кривизны Земли; особенностей ландшафта); географическая привязка, синтез цветных и псевдоцветных изображений из канальных изображений.
2. Повышение качества изображений, включая контрастирование; фильтрацию с использованием различных фильтров; подчеркивание границ; совмещение изображений, полученных в разных спектральных каналах, и т.п.
3. Формирование спектров для всех пикселей гиперспектральных изображений, их отдельных фрагментов или в пределах выделенных контуров.
4. Тематическая обработка, заключающаяся в классификации изображений (контролируемой, неконтролируемой) на основе различных подходов: детерминированного, непрерывно-группового, синтаксического, статического, нечеткого, нейрокомпьютерного и др.; оптимизации числа используемых спектральных каналов гиперспектральных изображений для решения конкретных задач; выявлении изменений в изображениях для анализа динамических свойств исследуемых объектов, процессов и явлений.
5. Интерпретация гиперспектральных изображений, заключающаяся в выявлении признаков; восстановлении параметров исследуемых элементов изображений; символьном представлении результатов; семантической интерпретации и др.
6. Формирование временных рядов тематически сегментированных гиперспектральных изображений.
7. Сопоставление результатов обработки разновременных и разнотипных гиперспектральных изображений.
8. Анализ результатов обработки и формирование обоснованных рекомендаций для принятия решений.
6
В настоящее время существует ряд программных комплексов, предназначенных для обработки гиперспектральных изображений, разработанных различными организациями, основными из которых являются «ENVI» («EXELIS»); «ERDAS ErMapper», «ERDAS Imaging» («Intergraph», «ERDAS»); GEOMATICA (PCI Geomatics); «Аспект-Стат», «Шелл», «Мультикласс», «Динкласс» (НИИ «Аэрокосмос»); «Сканмэджик», «ScanEx Image Processor» (НТЦ «СканЭкс»). Большинство программных комплексов направлено на решение задач гиперспектральной обработки информации, полученной в процессе дистанционного зондирования, и не может быть использовано в рамках задачи слежения за траекторией движения объекта в реальном времени, в связи с чем требуются разработка алгоритмов и создание программного специализированного обеспечения для автоматического обнаружения и слежения за траекторией движения цели.
Список литературы
1. Повышение точности измерения параметров объектов на изображении с использованием алгоритмического комплексирования/ С. Л. Погорельский, В.М. Понятский, Е.А. Макарецкий, А.С. Гублин, А.В. Овчинников// Известия Тульского государственного университета. Технические науки. 2016. Вып. 12. Ч. 2. С. 147 - 154.
2. Макарецкий Е. А., Гублин А. С. Комплексирование информации нескольких измерительных каналов методами многозначной логи-ки//Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации: сб. материалов междунар. конф. Курск, 2015. С. 224 - 226.
3. Гиперспектральные регистрирующие системы видимого и ближнего ИК-диапазонов на основе акустооптических фильтров/ М.М. Мазур, В.Н. Шорин, В.М. Епихин, Ю.А. Судденок, Ю.Ф. Кияченко, Л.И. Мазур, Л.Л. Пальцев// Гиперспектральные приборы и технологии: сб. тезисов докладов научно-технической конф. Красногорск, 2013. С. 35 - 38.
Погорельский Семён Львович, канд. техн. наук, нач. отделения, kbkedr@,tula.net, Россия, Тула, АО «КБП»,
Понятский Валерий Мариафович, канд. техн. наук, нач. сектора, [email protected], Россия, Тула, АО «КБП»,
Макарецкий Евгений Александрович, д-р техн. наук, доц., проф., maka-retsky@,mail. ru, Россия, Тула, Тульский государственный университет,
Овчинников Александр Викторович, канд. техн. наук, доц., admin_telex@,mail.ru, Россия, Тула, Тульский государственный университет,
Гублин Александр Сергеевич, канд. техн. наук, доц., [email protected], Россия, Тула, Тульский государственный университет
THE IMPROVEMENT OF MEASUREMENT ACCURACY OF THE OBJECT MOVEMENT
TRAJECTORY PARAMETERS BASED ON HYPERSPECTED PROCESSING
S.L. Pogorelsky, V.M. Ponyatsky, E.A. Makaretsky, A.V. Ovchnnikov, A.S. Gublin
The article is dedicated to ways of increasing the accuracy of measuring the trajectory parameters of the tracking object by using hyperspectral cameras. A review and analysis of the types of hyperspectrometers was performed, and a block diagram of the acoustooptic spectrometer is given. The technical characteristics of modern hyperspectrometers are presented.
Key words: complexation, hyperspectrometer, spectral analysis.
Pogorelsky Semen L 'vovich, candidate of technical sciences, head of department, kbkedr@,tula. net, Russia, Tula, JSC "KBP",
Ponyatsky Valeriy Mariafovich, candidate of technical sciences, head of group, [email protected], Russia, Tula, JSC "KBP",
Makaretskiy Eugene Alexandrovich, doctor of technical sciences, docent, professor of department, makaretsky@,mail. ru, Russia, Tula, Tula State University,
Ohchinnikov Alexander Viktorovich, candidate of technical sciences, docent, ad-min_telex@,mail. ru, Russia, Tula, Tula State University,
Gublin Alexander Sergeevich, candidate of technical sciences, docent, Gubli-nAS@yandex. ru, Russia, Tula, Tula State University
