автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Гистограммный анализ тепловизионных изображений

ии^иьЭББЭ

Па правах р>кописи

СОКОЛОВ Василий Алексеевич

ГИСТОГРАММНЫЙ АНАЛИЗ ТЕПЛОВИЗИОННЫХ ИЗОБРАЖЕНИЙ

Специальность 05 11 16 — Информационно-измерительные и управляющие системы (в промышленности)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Тула 2007

003059659

Работа выполнена в ГОУ ВПО «Тульский государственный университет» на кафедре «Электронные вычислительные машины»

Научный руководитель

доктор технических наук, профессор ЛАРКИН Евгений Васильевич

Официальные оппоненты

доктор технических паук, профессор ПАНАРИН Владимир Михайлович

кандидат технических наук ПЫШНЫЙ Александр Иванович

Ведущее предприятие

ФГУП «НИИ репрографии»

Защита состоится « » мая 2007 г в М.оо часов на заседании диссертационного совета Д 212 271 07 при ГОУ ВПО «Тульский государственный университет» (300600, Тула, проспект им Ленина, 92), 9-101

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Тульский государственный университет» (300600, Тула, проспект им Ленина 92)

Автореферат разослан « » апреля 2007 г

Ученый секретарь диссертационного совета Ф А Данилкин

Актуальность темы В настоящее время автоматические системы обработки, анализа и обнаружения сш налов по заданным яркостным и пространственным параметрам находят все большее применение в различных областях промышленности и жизнеобеспечения К таким системам относятся системы идентификации личности, системы обеспечения безопасности, системы высокоточного вооружения и т д

При функционировании таких систем и механизмов в условиях большого количества оптических помех важным является вопрос обнаружения объектов, которые обладают определенными излучающими и отражающими свойствами К таким свойствам, например, относится способность объектов создавать при нагревании излучение в определенном частотном диапазоне - инфракрасном или тепловом

При регистрации системой наблюдения теплового излучения объектов пространственной сцены формируется тепловизионное изображение Теплови-зионное изображение представляет собой невидимое глазом изображение, яркость элементов которого соответствует интенсивности теплового (инфракрасного) излучения различных объектов наблюдаемой сцены

В последнее время все большее внимание уделяется разработке комплексов регистрации теплового излучения, не требующих постоянного участия человека-оператора в наведении на «цель» Автоматика в работе подобных систем повышает точность их работы, делая независимыми от ошибок, которые могут быть допущены оператором

Вышеизложенное делает задачу разработки информационно-измеритечьных систем обработки тепловизионных изображений актуальной и, вместе с тем, создает предпосылки для ее научного и технического решения Объектом исследования диссертационной работы является информационно-измерительная система (ИИС) регистрации и обработки тепловизионных изображений пространственной сцены

Предметом исследования диссертационной работы являются методы цифровой обработки тепловизионных изображений, позволяющие произвести обнаружение «цели» на изображении с меньшей по сравнению с существующими методами вероятностью ошибочного определения участка сигнала, содержащего изображение «цели»

Цель диссертации повышение эффективности работы ИИС обработки тепловизионных изображений путем использования статистического обобщения анализируемого сигнала

Для решения поставленных задач используются методы теории распознавания образов, теории вероятностей и математической статистики

В соответствии с поставленной целью в диссертации решены следующие задачи

1 Проведен анализ физических аспектов формирования тепловизионного изображения пространственной сцены и факторов, определяющих яркостные характеристики получаемого изображения

2 На основании анализа выявленных факторов, оказывающих влияние на формирование изображения и передачи яркости фона и «цели», а также мето-

дов обнаружения участка сигналов, обладающих определенными

характеристиками, сделан вывод о необходимости разработки метода обнаружения «цели» на тепловизионном изображении, инвариантного к пространственным характеристикам целевого сигнала

3 После анализа статистических характеристик сигналов, составляющих тепловизионное изображение разработана его модель, учитывающая факторы, влияющие на снижение контраста на границе «фон»-«цель» и приводящие к возрастанию вероятности ошибок обнаружения «цели»

4 Разработаны методы оценки состояния сцены тепловизионного наблюдения, учитывающие статистику значений пикселей из их локального множества на основании локальной и эталонных гистограмм

5 Разработан критерий оценки эффективности предложенного метода анализа тепловизионных изображений

6 Разработан алгоритм ускоренного выполнения гистограммного анализа изображений в ИИС за счет обнаружения яркостных интервалов, в которых перекрываются распределения значений гистограмм

7 Разработан алгоритм ускорения процедуры построения гистограммы и вычисления критерия близости гистограмм

8 Осуществлена программная реализация и экспериментальная апробация разработанных методов анализа изображений

Научная новизна работы состоит в следующем

1 Предложен метод построения эффективных по энтропийному критерию алгоритмов обнаружения «цели», основанных на вычислении квадратичного критерия близости гистограмм

2 На основании исследования характера и параметров распределения значений гистограммы интенсивностей теплового излучения разработан метод определения ширины и положения эффективных для анализа значений яркости элементов тепловизионных изображений

3 Разработана система методик, обеспечивающих выбор размера апертуры обработки изображения исходя из размеров «цели» и помех, которая позволят корректировать размер апертуры, а также выполнять слежение за местоположением «цели» в последовательности кадров при ведении наблюдения за сценой

Практическая ценность работы состоит в следующем

1 Разработано программное обеспечение, позволяющее выполнить имитационное моделирование выполнения процедуры гистограммного анализа в ИИС регистрации и обработки тепловизионного сигнала

2 Проведено исследование характеристик тепловизионных изображений реальных сцен и показано их соответствие выбранным моделям

3 Разработан рекуррентный алгоритм функционирования ИИС, обеспечивающий ускоренное вычисление квадратичного критерия близости, что позволяет уменьшить объем вычислений

4 Предложен алгоритм принятия решения относительно определения координат «цели» на тепловизионном изображении, основанный на результатах гистограммного анализа

Достоверность полученных теоретических результатов

подтверждается корректным применением математического аппарата при получении конечных зависимостей, характеризующих алгоритм гистограммного анализа, а также имитационным моделированием алгоритма функционирования информационно-измерительной системы, выполняющей гистограммный анализ тепловизионных изображений

Научные положения, выносимые на защиту

] Использование квадратичного критерия близости гистограмм для определения состояния наблюдаемой сцены

2 Оценка ширины и положения эффективных для анализа яркостных интервалов

3 Вероятностная и энтропийная оценка эффективности методов анализа тепловизионных изображений

4 Система методик, направленных на выбор рационального размера апертуры обработки, его коррекции и слежение за целью

Реализация и внедрение результатов

Предложенные в диссертации методы и методики согласно Акту №52/УЦ из ГУП КБП от 27 12 06 о внедрении в производство результатов научной работы реализованы автором в процессе выполнения ОКР по договору №17001 от 15 09 2000

Апробация работы Основные положения диссертации докладывались на следующих конференциях и семинарах 1 Всероссийская научно-техническая конференция студентов и аспирантов «Идеи молодых - новой России» - Тула ТулГУ, 2004, Гагаринские чтения - Москва МАТИ-РГТУ им К Э Циолковского, 2004, 2005, 2006, Интеллектуальные и информационные системы - Тула ТулГУ, 2004, Научная сессия НТО РЭС, посвященная Дню радио - Тула ТулГУ, 2005, 2006, «Студенчество Интеллект Будущее», Межвузовская молодежная конференция, посвящ 25-летию Камского госуд политехи ин-та - Наб Челны, КамПИ, 2005, Всероссийская конференция «Проблемы проектирования систем и комплексов» - Тула ТулГУ, 2004, 2005, 2006 гг , Всероссийская конференция, посвященная 50-летию кафедры «Системы автоматического управления» - Тула ТулГУ, 2006 г , Научно-техническая конференция профессорско-преподавательского состава ТулГУ 2004,2005, 2006 гг

По теме диссертации опубликовано 19 работ, включенных в список литературы, в том числе 4 работы с тезисами докладов на всероссийских конференциях, 15 статей

Структура к объем работы Диссертационная работа состоит из введения, четырех разделов и заключения, изложенных на 170 страницах машинописного текста и включающих 78 рисунков и 3 таблицы, пяти приложений на 33 страницах и списка использованной литературы из 80 наименований

КРАТКОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении к диссертации отражена актуальность темы, определены объект, предмет, методы и задачи исследования, дана общая характеристика ра-

боты, обозначены основные положения, выносимые на защиту, а также приведены аннотации разделов диссертации

В первом разделе работы рассматриваются основные этапы формирования и обработки тепловизионного изображения в информационно-измерительной системе регистрации и обработки тепловизионных изображений, приводится обзор методов решения задачи обнаружения сигнала «цели», обобщенная структура информационно-измерительной системы

Тепловое (инфракрасное) излучение представлено как носитель информации о состоянии пространственной сцены, за которой ведется наблюдение

В разделе рассмотрена общая структура комплекса тепловизионого наблюдения, приведены задачи, решаемые каждой из составляющих его систем Одной из важнейших систем, входящих в состав комплекса, является ИИС регистрации и обработки тепловизионной информации Система фиксирует тепловой сигнал, в котором содержатся данные о процессах, протекающих в рамках наблюдаемой пространственной сцены После завершения вычислений в системе, выполняемых по соответствующим алгоритмам, формируются информационные сигналы, содержащие информацию о текущих координатах «цели» Приведена структура системы регистрации и обработки тепловизионной информации [1, 2], в состав которой входят сенсорная подсистема, подсистема первичной обработки сигнала, вычислительная подсистема, а также подсистемы визуализации и индикации и управления Подсистемой, отвечающей за анализ сигнала, является вычислительная подсистема

В работе представлен (рис 1) процесс квантования и дискретизации теплового излучения т)ь т|2), который в результате фотоэлектронного преобра-

ТМ

зователя имеет вид множества матриц цифрового описания сцены Г' ром Х(/)хУ(/) отсчетов

Оптическая система

разме-

Изображение

г

Сцена

-ЧГ7

о М

Теплоэлек-трический преобразователь

Аналоговый сигнал

г

Цифровой сигнал

(л)

1(4)

Рис 1 ИИС регистрации и анализа тепловизионного сигнала

Показано, что формула, в соответствии с которой выполняется преобразование, имеет вид

1{к)(х,у)= / / |л(и/р;;2)сЦс17/2с1/;

где х,у - горизонтальная и вертикальная координата

квантованного элемента, составляющего результат преобразования, □ ('(Лр'Пг) - интенсивность теплового излучения в точке с координатами Г1Рг|2 во время /, Д„Д2 - горизонтальный и вертикальный размер ячейки квантования, 1к - время начала регистрации к-го кадра, гг - продолжительность регистрации кадра Показано, что для анализа состояния наблюдаемой сцены в масштабе реального времени требуется ЭВМ, обладающая высокой производительностью Таким требованиям удовлетворяют ЭВМ, построенные по супер1 арвардской архитектуре

В разделе приведен обзор основных методов [3] обнаружения сигнала по известным параметрам (рис 2)

обнаружения

Частотные и частотно-временные методы

Рис 2 Общая классификация методов обнаружения сигналов

Показано, что использование приведенных методов для решения задачи идентификации состояния пространственной сцены на основе тепловизионного сигнала будет сопряжено с определенными трудностями При использовании методов прямой классификации на основе построенного порога в процессе обработки тепловизионного изображения возникают ошибки вследствие того, что подобные области для разных состояний частично перекрываются, образуя «зону неопределенности» Ширина «зоны неопределенное!и» определяется взаимным расположением областей относительно друг друга и шириной каждой области, которая в свою очередь, связана с дисперсией плотности распределения В большинстве случаев при анализе тепловизионных изображений вероятности принятия ошибочного решения, т е вероятности «ложной тревоги» и «пропуска цели» становятся слишком большими, что делает невозможным использование этих методов

В работе отмечается, что недостатком одноуровневых методов классификации сигнала является его ограниченность с точки зрения количества эталонных сигналов «Цель» на тепловизионном изображении не имеет постоянной формы, в то время как согласованная фильтрация предполагает наличие лишь одного эталона для обнаружения

Показано, что использование методов, основанных на оценке близости сигналов, затрудняется высокой вычислительной сложностью алгоритмов классификации сигналов Вычислительная трудоемкость обуславливает значительные временные затраты при функционировании алгоритмов классификации, а также материальные затраты при построении ИИС, выполняющих классификацию В случае тепловизионных изображений вся информация закодирована в пространственной области, что делает необходимым использование обобщения, учитывающего параметры пространственной области изображения К такому типу обобщений относятся методы распознавания, основанные на оценке параметров плотности распределения случайных величин, представляющих исследуемый сигнал

В работе показано, что оценка состояния по множеству измерений, обобщенных с помощью простейших действий, обеспечивает снижение вероятности ошибки

Во втором разделе разработана модель тепловизионного изображения, рассмотрено статистическое обобщение сигнала — гистограмма, вводится квадратичный критерий близости, позволяющий идентифицировать состояние элемента изображения, приводятся статистические характеристики распределения значений гистограммы Выполнена оценка ширины анализируемых яркостных интервалов

р(%,у) —>

Рис 3 Модель формирования тетовизиониого изображения

Введена модель формирования тепловизионного изображения, которое можно представить как двумерный сигнал = [х,у)), зависящий от про-

странственных координат х,у Сигнал генерируется объектом 5 - пространственной сценой и имеет два состояния состояние ав, «фон» и состояние ат, «цель» Модель сцены в момент к -го наблюдения показана на рис 3 Изобра-

( 0 1в)—► св РГЛХ'У) v

> N < (+>

(: йт 4%,у,

СЕ е{х,у)

5

жение формируется сигншшми двух ТИПОВ Р^ ^ II РрК по которым определяется состояние исследуемого объекта 5 Состояние ав характеризуется выходным сигналом а состояние аг - сигналом Р^ К сигналу, генерируемому одним из генераторов или 67- прибавляется шумовая составляющая е(х,у), представляющая также двумерный сигнал, характеризуемый статистическими характеристиками математическим ожиданием и среднеквадратичным отклонением <зе

Выполнен анализ статистических характеристик сигналов, составляющих тепловизионное изображение Показано, что в общем случае функция плотности распределения яркости фона имеет вид

\2 >

ехр

(Р-(кв у + тв))

2а?

где Р - уровень яркости, кц,тв — коэффициенты, определяющие зависимость уровня яркости фона изображения от вертикальной координаты у, ае - среднеквадратичное отклонения шумовой составляющей яркости фона

Разработана модель формирования тепловизионного изображения [6], использующая в качестве исходных сигналов эталонные сигналы фона Р^ и

«цели» Р/к\ а также двумерную оконную функцию 1У_{(К,х,у) Введенная модель имеет вид

Нх»у)=рв(*>у) (1-^,(1^.*,>0)+

+*,{*,у) 1У_,{Щ,х,у) [1-Г(х',У)]+ (1)

+РТ{х,у) ГУ^Щ^у) Т(х',у'), где Т(х',у') - индикаторная матрица, описывающая расположение пикселей «цели»

Зависимость (1) была использована для выполнения имитационного моделирования алгоритма гистограммного анализа тепловизионных изображений В качестве статистического обобщения, используемого для обнаружения «цели» на изображении предлагается использовать гистограмму, которая строится по пикселям, попадающим в пределы прямоугольной апертуры Значения гис гограммы рассчитываются как

Ь{Р,) = М!,1{А)/М(А), (2)

где - число отсчетов в пределах апертуры, равных Р1, - число

:ртуру

юнной гистограммы вида

М^ЬА^*)^')]' (3)

пикселей, попадающих в апертуру

Введено понятие эталонной гистограммы вида

где - гистограмма реализации сигнала Р(к){х,У)- априорно

относящегося к- к -ому классу; р) - значение яркости, соответствующее - му уровню квантования сигнала

Непосредственно для оценки состояния наблюдаемой сцены предложен квадратичный критерий близости гистограмм [8, 9,12], который имеет вид;

ЛГ(0-1 2

?щттФк(кР)~ I (МЩИМ^)) , (4)

* 1=0

где )>р(Р,) - гистограмма реализации анализируемого сигнала; Л'(О) - число

уровней квантования анализируемого сигнала.

Произведена оценка характера и параметров распределения значений гистограмм [5]. Показано, что при нормальном распределении уровней интенсивности входного сигнала, распределение значений гистограмм имеет биномиальный вид. Показано, что их дисперсия обратно пропорциональна количеству анализируемых элементов изображения и является зависимостью вида:

(5)

В третьем разделе рассмотрены различные варианты взаимного расположения апертуры и «цели», вводится ограничение на максимальный размер апертуры. Разработана методика выбора рационального размера апертуры. Выполнен поиск эффективных для анализа яркости ых интервалов.

Проанализированы все возможные случаи взаимного расположения апертуры и «цели» на телловизионпом изображении.

1'нс. 4. процесс скольжения апертуры по полю то Сражения

Показано, что при скольжении апертуры по полю изображения с учетом выполнения условия полного перекрытия, можно выделить три типа зон, определяемые но характеру гистограмм, которые строятся но выборке пикселей. лежащих в пределах апертуры. Первый тип - это зоны, гистограммы которых носят унимодальный характер с максимальным значением в области значений тв (зона I и 5, рис. 4). Второй тип зон - это зона, в пределах которой происходит перераспределение значений гистограмм, а также изменение значений их максимумов (зона, отмеченная цифрами 2, 4 на рис. 4 по оси хА на

трехмерном графике/» осях хд - Р - /¡(Р, )). равна хА (р)-хА (1)М Л'( /¡), т.е. соответствует ширине апертуры.

Выполнена оценка размеров соответствующих зон, различающихся по характеру гистограммы (рис. 5). Показано, что размеры зоны, в пределах которой гистограмма носит унимодальный характер определяются соотношением:

У(и) = У(Туг{А).

(6)

(7)

Определено ограничение на максимальный размер апертуры обработки теплойиэионного изображения [7]:

¡Х(А)<Х(Т); \Г(Л)£Г(Т).

Сформулировано ограничение на минимальный размер апертуры:

где - максимально допустимая величина СКО значений элементов

локальной гистограммы. Приведенное ограничение позволяет задаться минимальным размером апертуры. необходимым для обработки те п.чов тисня о го изображения. Доказано, ЧТО минимальный размер апертуры зависит от степени дисперсии значения гистограммы, а также от его математического ожидании.

Зона унимодальное™ Л(/{) й,

Зойя персрясп[н:;шя1;-

У ННЯ значошй ''! /']

Рис, 5, Расположение юн различного характера гистограмм

*,«]/(** Ы)

1 А

ф

мнм

dФ

Ы

(17)

Доказано, что энтропийный критерий ан для рассмотренного алгоритма выше, чем для алгоритма, основанного на пороговом разделении сигналов

В пятом разделе выполнено исследование тепловизионных изображений реальных сцен, показано их соответствие выбранным моделям, оценены вероятностные характеристики алгоритма гистограммного анализа Предлагается алгоритм рекуррентного вычисления критерия близости гистограмм, разработан метод пост-обработки данных тепловизионного наблюдения Показана вычислительная эффективность разработанного алгоритма рекуррентного вычисления квадратичного критерия близости

Разработан рекуррентный алгоритм ускоренного вычисления критерия близости гистограмм [4], обеспечивающий снижение вычислительных затрат до 75% (рис 7, а и б, кривая (1) - временные затраты при вычислении напрямую, (2) - временные затраты при использовании предложенного алгоритма)

25 20 15 10 5 0

¡г.

: п(л)

а)

1 11 21 31 41 51 61

25 20 15 10 5 0 6)

1 11 21 31 41 51 61

Рис 7 Зависимость времени выполнения алгоритма анализа изобра/кений от размера апертуры, а — при использовании 2 эталонов, б — при использовании 6 этаюнов гистограмм

Найдено соотношение для ускоренного вычисления критерия (4), которое имеет следующий вид

ФИа/>) = ф*Ы + дф*(Ч> (18)

АФИ^)=1 [да,(Я,) (2 (М^гЬМ'ОЬДМ^))] (19)

Показано, что полный выигрыш в количестве арифметических операции составит

= [>2(Л)-4 п(А)], (20)

где ~ число эталонных гистограмм, п(А) - размер стороны аперту-

ры

Разработан алгоритм, позволяющий выполнить уточнение координат «цели» по результатам обработки тепловизионного изображения с использованием алгоритма гистограммного анализа [13] Дополнительная эффективность работы алгоритма достигается путем использования т н «весовых коэффициентов» для каждого пикселя, характеризующих степень схожести отдельного элемента изображения с «целью» Результаты работы алгоритма показаны на рис 8

Рис 8 Пошаговое уточнение координат «цели»

Алгоритм основан на последовательном определении «центра масс» пикселей, идентифицированных как целевые по формуле

х(1)у(1) /хтм

*-= £ i* *т(х>у) Чх>у) ь Ифт{х,у) Т(х,у),

дг=1 у=1 / х=1 у-1

Х(1)Г(1) /ЧОП')

фг (*'>') Т(х,у)/ £ ХфДх,у) Т(х,у),

дг=1 у=1 / дг=1

(21)

с последующим отбрасыванием пикселей, наиболее удаленных от найденных в (21) координат

Направление движения аперт\-ры ^

а) ^ I й кадр

№

'А

б) Ж й кадр

т ыр)

у- чп

а А

Рис 9 Движение апергуры при слежении за «целью»

На основании полученного алгоритма разработана методика, позволяющая варьировать размер апертуры обработки изображения Она основана на оценке изменения размера «цели», которое может быть вызвано изменением ее положения относительно линии визирования объектива прибора теп-ловизионного наблюдения Методика позволяет следить за размером «цели», изменяя соответствующим образом размер апертуры обработки изображения

Разработана методика, позволяющая выполнять слежение за перемещением «цели» по последовательности кадров тепловизионных изображений Методика основана на использовании информации о местоположении «цели» на предыдущем кадре в последовательности кадров наблюдения за сценой Методика основана на анализе изменения критерия близости гистограмм при сдвиге апертуры на один пиксель по одной из координатных осей (рис 9)

Произведена оценка яркостных и статистических параметров тепловизионных изображений реальных сцен Показано, что согласно критерию у} Пирсона плотность распределения уровней интенсивности фона соответствует нормальному закону

0,5 0,4 0,3 0,2 0,1 о

10 15 20 25 30 ае

Рис 10 Вероятности Ца при выполнении условия (22) На рис 10 представлены графики вероятностей принятия ошибочного решения при использовании алгоритма порогового разделения сигналов (<7,4д) и использовании алгоритма гистограммного анализа (^ 2) с квадратной апертурой размером 10x10 пикселей при выполнении условия

тк 5ае (22)

Сделан вывод о том, что в условиях низкого контраста при высоком значении амплитуды шумовой составляющей, использование алгоритма гистограммного анализа позволяет снизить вероятность принятии ошибочного решения в среднем на 20%

В заключении сделаны выводы по работе в целом

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ' 1 Проведен обзор методов, используемых для обнаружения сигналов, обладающих априори известными параметрами Выделены две группы методов классификации, различающихся по способу обработки результатов измерений и объему массива измерений, участвующих в анализе Анализ методов, основан-

Г

ных на использовании согласованной фильтрации, показал, что их использование при обработке тепловизионных изображений является малоэффективным из-за значительной вычислительной трудоемкости, возрастающей с увеличением количества эталонных сигналов и их размерности Показано, что при использовании в ИИС статистического обобщения массива анализируемых данных увеличивается вероятность верной классификации, но снижается точность определения пространственных координат искомого участка сигнала из-за увеличения размеров апертуры обработки

2 Предложен метод оценки состояния пространственной сцены с использованием меры расстояния в признаковом пространстве между множеством эталонных гистограмм и локальной гистограммой т е гистограммой участка сигнала, накрытого апертурой Этот метод позволяет оценить принадлежность отдельных элементов изображения тому или иному объекту наблюдаемой сцены - «цели» или фону В качестве критерия оценки расстояния в признаковом пространстве выбран квадратичный критерий близости гистограмм Выполнена оценка зависимости ширины изменения значений гистограммы от размеров апертуры обработки изображения, позволяющая найти минимальное количество пикселей, используемых при построении апертуры, необходимых для обеспечения заданной величины дисперсии отдельных значений гистограммы

3 Найдены соотношения для определения максимального и минимального размеров апертуры, которые послужили основой для разработки методики выбора рационального размера апертуры обработки тегшовизионного изображения в ИИС Размер апертуры выбирается в зависимости от предполагаемой дальности «цели» от прибора регистрации тепловизионного сигнала и ее размеров, а также в зависимости от требований к ширине интервала изменения значений локальной гистограммы

4 Получено соотношение для выполнения рационального выбора яркост-ных интервалов для эффективного анализа состояния наблюдаемой сцены, основанное на найденной оценке дисперсии отдельных элементов гистограмм при движении апертуры по изображению Предложен метод, позволяющий сократить вычислительные затраты при анализе тепловизионного изображения

5 Проведено исследование статистических характеристик алгоритмов идентификации состояния сцены тепловизионного наблюдения, основанных на пороговом разделении и наибольшем количестве пикселей, идентифицированных в пределах апертуры Получены зависимости вероятностей верного и ошибочного исходов алгоритмов в зависимости от размеров апертуры и степени близости по яркости исходных сигналов

6 Предложен энтропийный критерий оценки эффективности алгоритма идентификации состояния набтюдаемой сцены, основанный на оценке неопределенности принятия решения до выполнения алгоритма и после выполнения алгоритма обработки экспериментальных данных С использованием разработанного критерия проведена оценка алгоритма классификации состояния сцены по минимальному значению квадратичного критерия близости

7 Исследованы статистические характеристики тепловизионных изображений реальных сцен и вычислены основные яркостные и статистические ха-

рактеристики этих изображений Показано их соответствие выбранным моделям Разработан алгоритм выполнения гистограммного анализа, на основании которого создано программное обеспечение, позволяющее выполнять моделирование процедуры обработки тепловизионного изображения

8 Проанализированы результаты работы алгоритма гистограммного анализа с синтезированными и реальными тепловизионными изображениями Показано преимущество гистограммного анализа с точки зрения вероятности ложной тревоги и вероятности пропуска «цели» на 20-25 % по сравнению с алгоритмом пороговой классификации

9 Предложен рекуррентный алгоритм работы ИИС, обеспечивающий ускоренное вычисление квадратичного критерия близости гистограмм при движении апертуры по изображению за счет сокращения количества обрабатываемых пикселей путем учета лишь части массива пикселей, изменяющих свое значение при сдвиге апертуры Вычислительные затраты сокращаются на 50% и более в зависимости от размера стороны апертуры

10 На основе алгоритма обработки результатов гистограммного анализа данных тепловизионного наблюдения разработана методика коррекции размеров апертуры обработки изображений Выработана методика, позволяющая выполнять слежение за «целью» на последовательности кадров, которая позволяет использовать информацию о положении «цели» на кадрах, предшествующих анализируемому

11 Результаты выполнения научной работы были внедрены в учебный процесс на кафедре «Электронные вычислительные машины» ТулГУ, а также в научную работу, выполняемую совместно с ГУП КБП, что подтверждает Акт №52/УЦ от 27 12 Об о внедрении в производство результатов ОКР по договору №17001 от 15 09 2000

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Соколов В А Информационно-измерительная система для структурного анализа сигналов // XXX Гагаринские чтения — М МАТИ-РГТУ им К Э Циолковского, 2004-Т 5,140 с С 100

2 Соколов В А Структурная схема системы для выделения событий в сигнале // Приборы и управление Сборник статей молодых ученых ТулГУ, 1 у-ла, 2004 г С 113-117

3 Соколов В А Частотно-временные методы сегментации экспериментальных кривых // Известия ТулГУ Серия Проблемы специального машиностроения Вып 7 Часть 2 - Тула Изд-во ТулГУ, 2004 С -348-360

4 Соколов В А Ускорение вычислений при гистограммном анализе теп-ловизионных изображений // Интеллектуальные и информационные системы Материалы межрегиональной научно-технической конференции - Тула ТулГУ, 2004 С 100-103

5 Соколов В А , Котов В В Оценка плотностей вероятностей значения сигнала по гистограмме // Известия ТулГУ Серия Вычислительная техника Информационные технологии Системы управления Т 1 Вып 3 Вычислительная техника -Тула ТулГУ, 2004 С 98-104

6 Соколов В А Модель гепловизионных изображений сцен в задачах распознавания // Известия ТулГУ Серия Вычислительная техника Информационные технологии Системы управления Том 1 Вып 1 -Тула Изд-во ТулГУ, 2004 С 139-144

7 Соколов В А Выбор апертуры при обработке тепловизионных изображений // Известия ТулГУ Серия Вычислительная техника Информационные технологии Системы управления Том 1 Вып 1 — Тула Изд-во ТулГУ, 2004 С 145-152

8 Соколов В А Критерий оценки состояния сцены по результатам тепло-визионного наблюдения // «Студенчество Интеллект Будущее», 14-15 марта 2005 г посвящ 25-летию Камского госуд политехи ин-та сборник материалов -Наб Челны изд-во КамПИ С 312-314

9 Соколов В А Гистограммный анализ тепловизионных изображений // XXXI Гагаринские чтения // Тезисы докладов Международной молодежной научной конференции, Москва, 2005 г , т 3 С 123-124

10 Соколов В А Архитектура системы классификации тепловизионного сигнала // Приборы и управление Сборник статей молодых ученых Вып 3 -Тула Изд-во ТулГУ, 2005 С 151-157

11 Соколов В А Поиск эффективных уровней квантования сигнала при гистограммном анализе тепловизионных изображений // Известия ТулГУ Серия Вычислительная техника Информационные технологии Системы управления Вып 3 Системы управления - Тула Изд-во ТулГУ, 2005 —245 с, с 172177

12 Соколов В А Оценка состояния пространственной сцен по тепловизи-онному сигналу // XXIII Научная сессия, посвященная 110-летию изобретения радио Сборник научных статей, Тула Изд-во ТулГУ, 2005 С 49-52

13 Соколов В А Итерационный алгоритм поиска координат цели натеп-ловизионном изображении // XXXII Гагаринские чтения, М МАТИ, 2006 Т 6 С 179-180

14 Соколов ВАК вопросу об оценке плотности распределения критерия близости гистограмм // XXIV Научная сессия НТО РЭС, посвященная Дню радио Сборник научных статей, Тула, Изд-во ТулГУ 2006 С 9-12

15 Соколов В А Оценка параметров распределения квадратичного критерия близости при анализе тепловизионных изображений // Приборы и управление Сборник статей молодых ученых Вып 4 / Под общ ред Е В Ларкина — Тула Изд-во ТулГУ, 2006 С 204-208

16 Соколов В А Оценка качества алгоритма распознавания с использованием энтропийно1 о критерия // Известия ТулГУ Серия Проблемы специального машиностроения Вып 9 Часть 2 — Тула Изд-во ТулГУ, 2006 - 328 с, с 233-237

17 Соколов В А Исследование эффективности алгоритма гистограммно-ю анализа тепловизионных изображений // Известия ТулГУ Серия Вычислительная техника Информационные технологии Системы управления Вып 3 Системы управления Том 2 -Тула Изд-во ТулГУ 2006 С 165-169

18 Соколов В А Применение энтропийного критерия для оценки эффективности алгоритма порогового разделения сигналов // Известия ТулГУ Серия Вычислительная техника Информационные технологии Системы управления Вып 3 Системы управления Том 2 — Тула Изд-во ТулГУ, 2006 С 169-173

19 Соколов В А Идентификация состояния сцены на основании локального максимума количества пикселей // Известия ТулГ У Серия Проблемы специального машиностроения Вып 9 Часть 2 - Тула Изд-во ТулГУ, 2006 С 228-233

Изд лиц ЛР№ 020300 от 12 02 97 Подписано в печать ¡/-¿Щ Формат б> маги 60x84 1/1 б Бумага офсетная Уел печ т (.( Уч -изд л / О Тираж/^ экз Заказ ^ Тульский государственный университет 300600, г Тула, просп Ленина 92 Отпечатано в Издательстве ТучГУ 300600, г Тула, у л Еолдина 151

Введение.

1. Анализ технических средств формирования тепловизионных изображений и методов их обработки.

1.1. Технические средства формирования тепловизионного изображения.

1.2. Обработка тепловизионных сигналов.

1.3. Методы обнаружения сигналов с известными параметрами.

1.4. Постановка задачи.

1.5. Выводы.

2. Обработка тепловизионного изображения.

2.1. Определение положения объекта.

2.2. Сигналы, формирующие тепловизионное изображение.

2.3. Модель тепловизионного изображения.

2.4. Обработка тепловизионного сигнала.

2.5. Оценка ширины интервала изменения гистограммы.

2.6. Выводы по главе.

3. Оценка используемых размеров апертуры обработки изображения.

3.1. Анализ движения апертуры по полю изображения.

3.2. Зависимость размеров зон с различными видами гистограмм от размера апертуры.

3.3. Оценка рациональных размеров апертуры обработки изображений.

3.4. Оценка интервалов амплитуд для эффективного анализа.

3.5. Поиск яркостных интервалов, подлежащих удалению из числа анализируемых.

3.6. Определение величины смещения «цели».

3.7. Выводы по главе.

4. Оценка эффективности алгоритмов анализа изображения.

4.1. Математическое ожидание критерия близости гистограмм.

4.2. Алгоритм идентификации состояния сцены по большему количеству пикселей в пределах апертуры.

4.3. Оценка качества алгоритма идентификации состояния сцены на основе энтропийого критерия.

4.4. Выводы по главе.

5. Экспериментальные исследования методов гистограммного анализа тепловизионных изображений.

5.1. Алгоритмическое и программное обеспечение гистограммного анализа тепловизионных изображений.

5.2. Анализ статистических характеристик реальных тепловизионных изображений.

5.3. Экспериментальные исследования предложенного алгоритма гистограммного анализа тепловизионных изображений.

5.4. Вычисление квадратичного критерия близости.

5.5. Алгоритм обработки данных тепловизионного наблюдения.

5.6. Выводы.

Актуальность темы. В настоящее время автоматические системы обработки, анализа и обнаружения сигналов по различным характеристикам находят все большее применение в самых разных областях промышленности и жизнедеятельности. Сюда относятся системы идентификации личности, разработка различных систем обеспечения безопасности, а также разработка высокоточного оружия.

При функционировании военной техники в условиях боевых действий на ее работу влияет большое количество помех. К ним относятся оптические помехи, которые делают вооружение и механизмы противника невидимой в диапазоне длин волн, воспринимаемых человеческим глазом. Кроме того, корпус технических средств может быть выполнен из специального материала, который не отражает радиоизлучение, делая технику невидимой для радиолокаторов. В этом случае эффективным способом обнаружить боевую технику противника является использование теплового излучения.

При регистрации системой наблюдения теплового излучения объектов пространственной сцены формируется тепловизионное изображение. Теплови-зионным называется видимое глазом изображение, яркость элементов которого соответствует интенсивности теплового (инфракрасного) излучения различных объектов наблюдаемой сцены.

В последнее время все большее внимание уделяется разработке образцов высокоточного вооружения, не требующим постоянное участие человека-оператора в наведении на цель. Использование автоматической обработки теп-ловизионных изображений позволяет отказаться от участия в наблюдении за объектами сцены оператора, что позволяет подвергать его жизнь меньшей опасности в окружающей обстановке. Кроме того, автоматизм в работе подобных систем повышает точность их работы, делая их независимыми от ошибок, которые могут быть допущены оператором.

Все это делает задачу разработки информационно-измерительных систем обработки тепловизионных изображений актуальной и вместе с тем создает предпосылки для научного и технического решения подобной задачи.

Объектом исследования диссертационной работы является информационно-измерительная система регистрации и обработки тепловизионных изображений пространственной сцены.

Предметом исследования диссертационной работы являются методы цифровой обработки тепловизионных изображений, позволяющие произвести обнаружение «цели» на изображении с меньшей по сравнению с существующими методами вероятностью ошибочного определения участка сигнала, содержащего изображение «цели».

Цель диссертации: исследования информационных процессов, протекающих в ИИС регистрации и обработки тепловизионного сигнала и повышение точности обнаружения «цели» на тепловизионном изображении.

Для решения поставленных задач используются методы теории распознавания, теории вероятностей, и математической статистики.

В соответствии с поставленной целью в диссертации решены следующие задачи.

1. Анализ физических аспектов формирования тепловизионного изображения пространственной сцены и факторов, определяющих яркостные характеристики получаемого изображения. На основании анализа выявленных факторов, оказывающих влияние на формирование изображения и передачи яркости фона и «цели», а также методов обнаружения участка сигналов, обладающих определенными характеристиками формулирование вывода о необходимости разработки метода обнаружения «цели» на тепловизионном изображении.

2. На основании изучения статистических характеристик сигналов, составляющих тепловизионное изображение разработка его модели, учитывающей факторы, влияющие на снижение контраста на границе «фон»-«цель», приводящее к возрастанию вероятности ошибок обнаружения «цели».

3. Разработка методов оценки состояния сцены тепловизионного наблюдения, учитывающего яркостные и статистические свойства локального множества пикселей на основании локальной гистограммы и эталонных гистограмм.

4. Разработка критерия для анализа тепловизионных изображений и оценка эффективности разработанного метода анализа тепловизионных изображений.

5. Разработка алгоритма ускорения выполнения гистограммного анализа изображений за счет обнаружения эффективных для анализа яркостных интервалов, а также ускорения процедуры построения гистограммы и вычисления критерия близости гистограмм.

6. Программная реализация и экспериментальная апробация разработанных методов анализа изображений.

Научная новизна работы состоит в следующем:

1. Для оценки состояния сцены тепловизионного наблюдения предложен квадратичный критерий близости гистограмм, использующий локальную гистограмму яркостей и множество эталонных гистограмм.

2. На основании исследования характера и параметров распределения значений гистограммы тепловизионного изображения произведена оценка ширины и положения эффективных для анализа яркостных интервалов.

3. Выполнена вероятностная и энтропийная оценка эффективности методов анализа тепловизионных изображений, основанных на использовании квадратичного критерия близости и локального максимума пикселей в пределах апертуры.

4. Разработана система методик, позволяющих выбрать размер апертуры обработки изображения исходя из размеров «цели» и помех на изображении, позволяющая корректировать размер апертуры, а также выполнять слежение за местоположением «цели» в последовательности кадров при ведении наблюдения за сценой.

Практическая ценность работы состоит в следующем:

1. Разработано программное обеспечение, позволяющее выполнить имме-тационное моделирование выполнения процедуры гистограммного анализа.

2. Выполнено исследование характеристик тепловизионных изображений реальных сцен и показано их соответствие выбранным моделям.

3. Разработана методика вычисления размера апертуры исходя из размеров «цели» и помех на изображении.

4. Предложен вариант архитектуры вычислительной системы, выполняющей построение гистограммы и идентификацию состояния элементов теп-ловизионного изображения.

Достоверность полученных теоретических результатов подтверждается корректным применением аналитических моделей тепловизионных изображений, а также имитационным моделированием алгоритма функционирования информационно-измерительной системы, выполняющей гистограммный анализ тепловизионных изображений.

Научные положения, выносимые на защиту.

1. Использование квадратичного критерия близости гистограмм для определения состояния наблюдаемой сцены.

2. Оценка ширины и положения эффективных для анализа яркостных интервалов.

3. Вероятностная и энтропийная оценка эффективности методов анализа тепловизионных изображений.

4. Система методик, направленных на выбор рационального размера апертуры обработки, его коррекции и слежение за целью.

Реализация и внедрение результатов.

Предложенные в диссертации методы и методики согласно Акту №52/УЦ из ГУЛ КБП от 27.12.06 о внедрении в производство результатов научной работы реализованы автором в процессе выполнения нижеследующей ОКР по договору №17001 от 15.09.2000

Апробация работы. Основные положения диссертации докладывались на следующих конференциях и семинарах.

1. I Всероссийская научно-техническая конференция студентов и аспирантов «Идеи молодых - новой России» - Тула: ТулГУ, 2004.

2. Гагаринские чтения - Москва: МАТИ-РГТУ им. К.Э. Циолковского,

2004, 2005, 2006.

3. Интеллектуальные и информационные системы. - Тула: ТулГУ, 2004.

4. Научная сессия НТО РЭС, посвященная Дню радио - Тула: ТулГУ,

2005, 2006.

5. «Студенчество. Интеллект. Будущее», Межвузовская молодежная конференция, посвящ. 25-летию Камского госуд. политехи, ин-та - Наб. Челны, КамПИ, 2005.

6. Всероссийская конференция «Проблемы проектирования систем и комплексов» - Тула: ТулГУ, 2004, 2005,2006 гг.

7. Всероссийская конференция, посвященная 50-летию кафедры «Системы автоматического управления» - Тула: ТулГУ, 2006 г.

8. Научно-техническая конференция профессорско-преподавательского состава ТулГУ 2004, 2005, 2006 гг.

По теме диссертации опубликовано 19 работ, включенных в список литературы, в том числе: 4 работы с тезисами докладов на всероссийских конференциях, 15 статей.

Структура и объем работы. Диссертационная работа состоит из введения, четырех разделов и заключения, изложенных на 170 страницах машинописного текста и включающих 79 рисунков и 3 таблицы, пяти приложений на 33 страницах и списка использованной литературы из 8 наименований.

5.7. Выводы

1. Исследованы статистические характеристики тепловизионных изображений реальных сцен и вычислены основные яркостные и статистические характеристики этих изображений. Показано соответствие их характеристик выбранным моделям. Разработан алгоритм выполнения гистограммного анализа, по которому создано ПО, позволяющее выполнять моделирование процедуры обработки тепловизионного изображения.

2. Проанализированы результаты работы алгоритма гистограммного анализа с синтезированными и реальными тепловизионными изображениями. Показано преимущество гистограммного анализа с точки зрения вероятности ложной тревоги и вероятности пропуска «цели» по сравнению с алгоритмом пороговой классификации на 20-25 %.

3. Предложен рекуррентный алгоритм ускоренного вычисления квадратичного критерия близости гистограмм при движении апертуры по изображению за счет сокращения количества обрабатываемых пикселей путем учета лишь части массива пикселей, изменяющих свое значение при сдвиге апертуры.

5.42) l Вычислительные затраты сокращаются на величину от 50% в зависимости от размера стороны апертуры.

4. Разработан итерационный алгоритм анализа результатов гистограммиого анализа тепловизионных изображений. Алгоритм использует индикаторную матрицу «цели», полученную после оценки состояния сцены по минимуму критерия близости гистограмм. Результатом работы алгоритма являются координаты расположения «цели» в пределах анализируемого изображения. Проанализирована работа алгоритма уточнения координат положения цели после выполнения гистограммиого анализа.

5. На основе алгоритма анализа результатов гистограммиого анализа данных тепловизионного наблюдений разработана методика коррекции размеров апертуры обработки изображений.

6. Разработана методика, позволяющая выполнять слежение за «целью» на последовательности кадров. Методика позволяет использовать информацию о положении «цели» на кадрах, предшествующих анализируемому.

ЗАКЛЮЧЕНИЕ

В работе показано взаимодействие ИИС тепловизионного наблюдения со внешней средой и общая схема функционирования системы анализа сигналов тепловизионного наблюдения. Рассмотрена обобщенная структура ИИС и основные подсистемы являющиеся ее компонентами. Представлена архитектура вычислительной подсистемы, выполняющей основную задачу ИИС - обнаружение «цели».

Показаны основные этапы формирования двумерного квантованного по уровням и дискретного по пространственным координатам сигнала, представляющего собой цифровое описание регистрируемой сцены.

Выбрана модель источника сигнала, характеризующего состояние анализируемой пространственной сцены.

Проведен обзор методов, использующихся для обнаружения сигналов, обладающих априори известными параметрами. Выделены две группы методов классификации, различающихся по способу обработки результатов измерений и объему массива измерений, участвующих в анализе.

Показано, что при использовании статистического обобщения массива анализируемых данных снижается вероятность ошибки классификации, но снижает эффективность метода порогового разделения с точки зрения определения пространственных координат.

Анализ методов, основанных на использовании согласованной фильтрации, показал, что их использование при анализе тепловизионных изображений является малоэффективным из-за значительной вычислительной трудоемкости, возрастающей с увеличением количества эталонных сигналов и их размерности.

Как следует из обзора методов классификации, для рассматриваемого объекта исследования существует проблема разработки алгоритма классификации, позволяющего обнаруживать тепловизионный сигнал с заранее известны

160 ми параметрами. Процедура обработки сигнала, предусмотренная алгоритмом классификации, должна учитывать пространственные особенности анализируемого сигнала и использовать обобщение инвариантное к форме «цели» на тепловизионном изображении.

Разработана модель тепловизионного изображения наблюдаемой сцены, описывающая изображение как совокупность двух сигналов (фона и «цели»), обладающих определенными статистических характеристиками. Модель позволяет выполнить исследование характеристик алгоритмов обработки тепловизионных изображений, а также синтез искусственных тепловизионных изображений для имитационного моделирования алгоритмов их анализа. Введено условие успешного обнаружения «цели» на изображении, которое позволяет сделать вывод о целесообразности использования гистограммного анализа при обработке тепловизионных изображений

В результате анализа модели тепловизионного изображения предложен метод оценки состояния пространственной сцены с использованием меры расстояния в признаковом пространстве между множеством эталонных гистограмм и локальной гистограммой - гистограммой, участка сигнала, накрытого апертурой, который позволяет оценить принадлежность отдельных элементов изображения тому или иному объекту наблюдаемой сцены - «цели» или фону. В качестве критерия оценки расстояния в признаковом пространстве выбран квадратичный критерий близости гистограмм.

Выполнена оценка зависимости ширины изменения гистограммы от размеров апертуры обработки изображения, позволяющая найти минимальное количество пикселей, используемых при построении апертуры, необходимых для обеспечения заданной величины дисперсии отдельных значений гистограммы. Показано, что дисперсия отдельных значений гистограммы обратно пропорциональна количеству пикселей, по которым строится гистограмма. Полученная оценка позволяет выполнить оценку минимального размера апертуры обработки изображения, исходя из заданной дисперсии отдельных отсчетов гистограммы.

161

Выполнен анализ вариантов взаимного расположения апертуры и объекта на изображении в процессе обработки, который позволил выделить ряд зон (характерных положений) апертуры и соответствующих им гистограмм анализируемого теплвоизионного сигнала. Это позволяет установить характер изменения размеров зон с различными видами гистограммы в зависимости от изменения размеров апертуры обработки изображения.

Выполнена оценка максимального и минимального размеров апертуры, которая послужила основой для разработки методики выбора рационального размера апертуры обработки тепловизионного изображения. Размер апертуры $ выбирается в зависимости от предполагаемой дальности «цели» от прибора регистрации тепловизионного сигнала и ее размеров, а также в зависимости от требований к ширине интервала изменения значений локальной гистограммы.

Найдено соотношение для выполнения рационального выбора яркостных интервалов для эффективного анализа состояния наблюдаемой сцены, основанная на найденной оценке дисперсии отдельных элементов гистограмм при движении апертуры по изображению. Предложенный метод позволяет сократить вычислительные затраты при анализе тепловизионного изображения в различных условиях.

После анализа значений критерия близости гистограмм получены соотношения, позволяющие найти математическое ожидание для квадратичного критерия близости, которые позволяют оценить степень эффективности использования квадратичного критерия близости с точки зрения снижения вероятности пропуска «цели» и ложной тревоги.

Проведено исследование статистических характеристик алгоритмов идентификации состояния сцены тепловизионного наблюдения, основанных на пороговом разделении и наибольшем количестве пикселей в пределах апертуры. Получены зависимости вероятностей верного и ошибочного исходов алгоритмов от размеры апертуры и степени близости по яркости исходных сигналов.

Предложен энтропийный критерий оценки эффективности алгоритма идентификации состояния наблюдаемой сцены, основанный на оценке неопре

162 деленности принятия решения до выполнения алгоритма и после выполнения алгоритма обработки экспериментальных данных. С его использованием проведена оценка алгоритма классификации состояния сцены по минимальному значению квадратичного критерия близости.

Исследованы статистические характеристики тепловизионных изображений реальных сцен и вычислены основные яркостные и статистические характеристики этих изображений. Показано соответствие их характеристик выбранным моделям. Разработан алгоритм выполнения гистограммного анализа, по которому создано ПО, позволяющее выполнять моделирование процедуры обработки тепловизионного изображения.

Проанализированы результаты работы алгоритма гистограммного анализа с синтезированными и реальными тепловизионными изображениями. Показано преимущество гистограммного анализа с точки зрения вероятности ложной тревоги и вероятности пропуска «цели» по сравнению с алгоритмом пороговой классификации на 20-25 %.

Предложен рекуррентный алгоритм ускоренного вычисления квадратичного критерия близости гистограмм при движении апертуры по изображению за счет сокращения количества обрабатываемых пикселей путем учета лишь части массива пикселей, изменяющих свое значение при сдвиге апертуры. Вычислительные затраты сокращаются на величину от 50% в зависимости от размера стороны апертуры.

Разработан итерационный алгоритм анализа результатов гистограммного анализа тепловизионных изображений. Алгоритм использует индикаторную матрицу «цели», полученную после оценки состояния сцены по минимуму критерия близости гистограмм. Результатом работы алгоритма являются координаты расположения «цели» в пределах анализируемого изображения. Проанализирована работа алгоритма уточнения координат положения цели после выполнения гистограммного анализа.

1. Smith S.W. The Scientist and Engineering's Guide to Digital signal Processing. San Diego: California Technical Publishing, 1999. - 650 pp.

2. А. Анго. Математика для электро- и радиоинженеров М., 1964 г., 772 стр.

3. Ахмед Н., Рао К. Ортогональные преобразования при обработке цифровых сигналов. М.: Мир, 1980. - 248 с.

4. Баруча-Рид А.Т. Элементы теории марковских процессов и их приложения. -М.: Наука, 1969. -512 с.

5. Баскаков С.И. Радиотехнические цепи и сигналы М.: Высш. школа, 1983.-536 с.

6. Бассвиль М., Банвеист А. Обнаружение изменения свойств сигналов и сигналов и динамических систем. М.: Наука, 1989. - 278 с.

7. Бутаков Е.А., Островский В.И., Фадеев Л.И. Обработка изображений на ЭВМ. М.: Радио и связь, 1987. - 236 с.

8. Вентцель А.Д. Курс теории случайных процессов. М.: Наука, 1975.-320 с.

9. Вентцель Е.С. Теория вероятностей. М.: Наука, 1964. - 572 с.

10. Вентцель Е.С., Овчаров JI.A. Теория случайных процессов и её инженерные приложения. М.: Высш. шк., 2000. - 383 с.11 .Винцюк Т.К. Анализ, распознавание и интерпретация речевых сигналов. Киев: Наукова думка, 1987. - 302 с.

11. Гинзбург В.И. Формирование и обработка изображений в реальном времени. М.: Радио и связь, 1986. - 312 с.

12. Гренадер У., Фрайбергер Р. Краткий курс вычислительной вероятности и статистики. М.: Наука, 1978. - 192 с.к 14.Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов. -М.: Мир, 1988.-488 с.

13. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.-511 с.

14. Искусственный интеллект: в 3-х кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э.В. Попова. М.: Радио и связь, 1990. -464 е.: ил.

15. Каппелини В, Константинидис А. Дж., Эмилиани П. Цифровые фильтры и их применение М.: Энергоатомиздат, 1983 - 360 с.

16. Кокс Дж.Р., Нолл Ф.М., Артур P.M. Анализ электроэнцефалограсс, кривых кровяного давления и электрокардиограмм на цифровой вычислительной машине // ТИИЭР. 1972. Т. 60, № 10. С. 36-73

17. Корн Г., Корн Т. Справочник по математике. М.: Наука, 1973. -832 с.

18. Котов В.В. Распределенные измерения: методы обработки. Тула: Изд-во ТулГУ, 2004. - 140 е., ил.

19. Кузнецов Ю.А., Шилин В.А. Микросхемотехника БИС на приборах с зарядовой связью. М.: Радио и связь, 1988. - 160 с.

20. Куприянов М.С., Матюшкин Б.Д. Цифровая обработка сигналов: процессоры, алгоритмы, средства проектирования СПб., Политехника, 1998.-312 с.

21. Левин Б.Р. Теоретические основы статистической радиотехники. В трех книгах. Книга вторая. М., «Сов. радио», 1975, 392 с.

22. Мелик-Махназаров A.M., Маркатун М.Г. Цифровые измерительные системы корреляционного типа. М.: Энергоатомиздат, 1985. - 128 с.

23. Методы автоматического распознавания речи / Под ред. Ли У. В 2-х томах. М.: Мир, 1983. - 716 с.

24. Методы компьютерной обработки изображений. / Под ред. В.А. Сойфера. М.: Физмат, 2001. - 784 с.

25. Методы цифрового моделирования и идентификации стационарных случайных процессов в информационно-измерительных системах /Лебедев А.Н., Недоседкин Д.Д., Стеклова Г.А., Чернявский Е.А. -Л.: Энергоатомиздат, 1988. 64 с.

26. МикроЭВМ в информационно-измерительных системах / Переверт-кин С.М., Гаранин Н.И., Костин Ю.Н., Миронов И.И. М.: Машиностроение, 1987. - 244 с.

27. Мотгль В.В., Мучник И.Б. Скрытые марковские модели в структурном анализе сигналов. М.: ФИЗМАТЛИТ, 1999. - 352 с.

28. Немирко А.П. Цифровая обработка биологических сигналов. М.: Наука, 1984.- 145 е.,

29. Пресс Ф.П. Фоточувствительные приборы с зарядовой связью. -М.: Радио и связь, 1991. 264 с.166

30. Проектирование микропроцессорной электронно-вычислительной техники: Справочник / Артюхов В.Г. и др. Киев, 1998. - 478 с.

31. Прэтт У. Цифровая обработка изображений: В 2х кн. М.: Мир, 1982 г.-714 с.

32. Пытьев Ю.П., Чуликов А.И. ЭВМ анализирует форму изображения. М.: Знание (Новое в жизни, науке, технике. Сер. "Математика, кибернетика"; № 5), 1988. - 48с.

33. Рабинер JI., Гоулд Б. Теория и применение цифровой обработки сигналов. М.: Мир, 1978. - 848 с.

34. Радиолокационные устройства (теория и принципы построения). Васин В.В., Власов О.В. и др. М.: Советское радио, 1970. - 245 с.

35. Распознавание образов и медицинская диагностика. М.: Наука, 1972.-172 с.

36. Современное состояние проблемы распознавания: некоторые аспекты / A.JI. Горелик, И.Б. Гуревич, В.А. Скрипкин. М.: Радио и связь, 1985.- 160 с.

37. Соколов В.А. Выбор апертуры при обработке тепловизионных изображений // Известия ТулГУ. Серия Вычислительная техника. Информационные технологии. Системы управления. Том 1. Вып. 1. -Тула: Изд-во ТулГУ, 2004. 169 е., с. 145-152

38. Соколов В.А. Гистограммный анализ тепловизионных изображений // XXXI Гагаринские чтения // Тезисы докладов Международной молодежной научной конференции, Москва, 2005 г., т. 3 134 е., с. 123-124

39. Соколов В.А. Информационно-измерительная система для структурного анализа сигналов // XXX Гагаринские чтения. Тезисы докладов международной молодежной конференции- М.: МАТИ-РГТУ им. К.Э. Циолковского, 2004 -Т.5, с. 100.

40. Соколов В.А. Критерий оценки состояния сцены по результатам тепловизионного наблюдения // «Студенчество. Интеллект. Будущее»: сборник материалов конф., посвящ. 25-летию Камского го-суд. политехи, ин-та: Наб. Челны: изд-во КамПИ. - 319 с.

41. Соколов В.А. Модель тепловизионных изображений сцен в задачах распознавания // Известия ТулГУ. Серия Вычислительная техника. Информационные технологии. Системы управления. Том 1. Вып. 1. Тула: Изд-во ТулГУ, 2004. - 169 е., с. 139-144

42. Соколов В.А. Структурная схема системы для выделения событий в сигнале // Приборы и управление. // Сборник статей молодых ученых ТулГУ, Тула, 2004 г. с. 113 117 (127 стр.)

43. Соколов В.А. Частотно-временные методы сегментации экспериментальных кривых // Известия ТулГУ. Серия: Проблемы специального машиностроения. Вып. 7. Часть 2. Тула: Изд-во ТулГУ, 2004.-419 с.

44. Соколов В.А. Идентификация состояния сцены на основании локального максимума количества пикселей // Известия ТулГУ. Серия Проблемы специального машиностроения. Вып. 9. Часть 2. Тула: Изд-во ТулГУ, 2006. - 328 с, с.228-233.

45. Соколов В.А. Оценка качества алгоритма распознавания с использованием энтропийного критерия // Известия ТулГУ. Серия Проблемы специального машиностроения. Вып. 9. Часть 2. Тула: Изд-во ТулГУ, 2006. - 328 с, с.233-237.

46. Физика. Большой энциклопедический словарь/Гл. ред. А. М. Прохоров. — 4-е изд. — М.: Большая Российская энциклопедия, 1999. — С. 874 — 876.

47. Баранов JT.A. Квантование по уровню и временная дискретизация в цифровых системах управления. М.: Энергоатомиздат, 1990. - 304 с.

48. Бахвалов Н.С. Численные методы. М.: Наука, 1987. - 598 с.

49. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. - 1072 с.

50. Горлач А.А. Цифровая обработка сигналов в измерительной технике. Киев: Техника, 1985. - 151 с.

51. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов.-М.: Мир, 1988.-488 с.

52. Справочник по теории вероятностей и математической статистике /

53. B.C. Королюк, Н.И. Портенко, А.В. Скороход, А.Ф. Турбин. М.: Наука, Гл. ред. физ.-мат. лит., 1985. - 640 с.

54. Ширяев А.Н. Вероятность. М.: Наука. Гл. ред. физ.-мат. лит., 1989.-640 с.

55. Колмогоров А.Н. Три подхода к определению понятия «количество информации» //Проблемы передачи информации, 1965. Т. 1. Вып. 1.1. C. 25-38.

56. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986

57. Shannon C.E. 1948. A mathematical theory of communication. Bell

58. Syst. Tech. J. 27 (Jul.), pp. 398-403.

59. Шилдт Г. Программирование на Borland С++. Минск: Попурри, 1998 г.

60. Введение в цифровую фильтрацию: пер. с англ., под ред. Филиппова Л.И.-М.: Мир, 1976

61. Акимов П.С., Бакут П.А., Богданович В.А. и др. Теория обнаружения сигналов. М.: Радио и связь, 1984. - 440 с.

62. Генкин В.Л., Ерош И.Л., Москалев Э.С. Системы распознавания автоматизированных производств. Л.: Машиностроение, 1988. -245 с.

63. Левин Б.Р. Теоретические основы статистической радиотехники. -М.: Сов. радио, 1968. Кн. 2. - 503 с.

64. Хорн Б.К. Зрение роботов. М.: Мир, 1989. - 448 с.

65. Фуканага К. Введение в статистическую теорию распознавания образов. М.: Мир, 1978. - 312 с.

66. Страхова Л.А. Обнаружение сигнала движущейся цели на фоне пассивных помех с применением спектрального анализа. //Изв. вузов "Радиоэлектроника". - 1988. - №4 - С. 8-15.

67. Василенко Г.М., Тараторкин A.M. Восстановление изображений. -М.: Радио и связь, 1986. 302 с.

68. Хромов Л.И., Цыцулин А.К., Куликов А.Н. Видеоинформатика. Передача и компьютерная обработка видеоинформации М.: Машиностроение, 1990. - 320 с.

69. Чукин Ю.В. Структуры данных для представления изображений. // «Зарубежная радиоэлектроника», № 8, 1983. - С. 85.76.0чин Е.Ф. Вычислительные системы обработки изображений. Л.: Энергоатомиздат, 1989. - 132 с.

70. Кузнецов Ю.А., Шилин В.А. Микросхемотехника БИС на приборах с зарядовой связью. М.: Радио и связь, 1988. - 160 с.

71. Катыс Г.П. Методы и вычислительные средства обработки изображений. Кишинев: Штиинца, 1991. - 209 с.

72. Катыс Г.П. Обработка визуальной информации М.: Машиностроение, 1990. - 320 с.

73. Ватанаба М. Современные тенденции развития технологии технического зрения. // «Обозрение Тошиба». 50, № 8, 1995. - С. 604606.