автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Псевдоградиентные алгоритмы обнаружения сигналов на последовательности телевизионных изображений

'.ГУ

СП

_ сг>

С4 ч—

° о_

-гг АГЕЕВ Сергей Александрович

из

I_ Гч.

а_ -г—

на правах рукописи

ПСВДОГРАДИЕНТНЫЕ АЛГОРИТМЫ ОБНАРУЖЕНИЯ СИГНАЛОВ НА ПОСЛЕДОВАТЕЛЬНОСТИ ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ

05.13.16 - Пршонеяш вычислительной техники, кзтемэтичоского моделирования и математических методов в научных исследованиях

Автореферат -диссертации на соискание учоной стедани кандидата технических наук

Самара 1995

. Работа выполнена в Ульяновском государственном техническом университете

Научный руководитель: кандидат физико-математических наук, доцент Крашенинников В.Р.

Официальные оппоненты: доктор технических наук, профессор Семушин И.В. кандидат физико-математических наук, доцент Коломиец Э.И.

Еедушэе предприятие: Всероссийский научно-исследовательский институт телозидония (г- С.-Петербург)

азшэта состоится "_" 1995г. в _часов

на заседании диссертационного совета Д 063.87.02 при Самарском государственном азрокосмическом университета имоии академика С.П. Королева по адресу: 443086, Самара, Московское шоссе, 34.

С диссертзциа ложно ознакомится в библиотеке Самарского государственного азрокосшгчоского университета

Автореферат разослан "_" -*- 1995 г.

Ученый секретарь * , ,—

диссертационного соаета Кэлонтъэб

Общая характеристика работы -

Актуальность темы. Задачи обработки многомерных массивов данных при наличии априорной неопределенности возникли в связи о развитием многих отраслей науки я техники. В частности, такая задача возникает при аэрокосмическсм мониторинге Земли, результаты которого используются в метеорологии, разведке полезных ископаемых, оборонных целях и т.д. Необходимость в решении задач обнаружения полезных сигналов, выявления каких-либо аномалий или структур на фоне контролируемых объектов из различного рода двумерных данных (фотоснимков, интерферограмм) породила быстро развивающуюся область знаний - цифровую обработку изобрааеяий, решающую задачи управления и контроля. Веяным аспекта! этих задач является то, что исходные данные становятся трехмерными, так как появляется третья координата - временная. Следовательно, возникает необходимость обработки последовательности изображений, причем необходимо учитывать ограничения на время выполнения этой эбработки. Эти задачи обусловили развитие методов обработки случайных полей, т.е. случайных функций многих переменных, т.к. случайные тюля являются удобной математической моделью для опи-зания многомерных массивов денных, в-частности изображений. Доступность мощных, вычислительных, средств, повышавшийся уровень автоматизации научных, исследований, процессов контроля и управления обеспечили развитие методов цифровой обработки простран-:твенно-временных сигаалов.

Одной из важнейших задач, решаемых с помощью аэрокосмячес-сого мониторинга Земли, является следующая задача обнарукения ¡игналов на фоне ыешавдих изображений. .Шеетоя последозатель-гость телевизионных кадров больших размеров (1500x250О пикее-юв), полученных с помощью телевизионного датчика, находящегося :а геостационарной космической орбите. Вследствие механических вдеваний датчика и неравномерности телевизионной развертки тэ-ввизионные изображения имеют взвимосмедеотя друг относительно руга. Кроме этого, на изображениях присутствуют яркостные поме-и, возникающие в пряемно-передавщем тракте системы "Земля-путник" и помехи, обусловленные неравномерностью чувствительно-ти и возможными дефектами телевизионного датчика.

Если модели изображений и их параметры известны, то для. их бработки. в принципе, можно синтезировать оптимальные алгорит-а. Ряд критериев оптимальности алгоритмов обнарукения, в част-эсти, критерий Неймана-Пирсона, приводит к процедуре сравнения гношения правдоподобия (ОП) с порогом. По результатам етого

сравнения приаысется гипотеза о налачш сигнала или отсутствии сигнала. Для вычисления ОП необходимо проводить операции, вообце говоря, над ЕсеШ! наблюдениями. Это вызывает больше затруднения при практической реализация подобных алгоритмов, так как требуется большой объем вычисления. В работах Васильева для случая гауссовской аиярокстдацкк апостериорного распределения вектора прогнозировании знвчешй! случайного поля в области предполагаемого сигнала синтезирован оптимальней по критерии , НеЯмана-Пирсона алгоритм обнаружения сигналов, вк.шчающий три процедуры: первая - компенсация мэшахдих изображений в области предполагаемого сигнала; вторая - весовое суммирование полученных остатков компенсации (ОК.); третья - сравнение полученной статистики с порогом, по результатам которого принимается решение о наличии или отсутствии сигнала в данной области изобракэюш.

Во илотах практически случаях в описаниях изображений присутствует параметрическая априорная неопределенность. Параметры недели изображений могут'изменяться по неизвестному, закону как по поло кадра, так и о? кадра к кадру последовательности изобра-сзщй. Это обстоятельство вызвало необходимость разработки адаптивных алгоритмов, способных, учитывать изменения параметров ре-аг«ькк£ изображений.

Ее шогих работав (Левин, Ярославский, Вальд, - Богданович, Трифонов и т.д."), посвящеяпих синтезу адаптивных алгоритмов обработки последовательностей изображений применен идентифи-кадаопний прпг&ют адаптации, при котором в процессе обработки регулярно определяются некоторые локальные параметры изображений, а затем с 1а учетам определяется параметры алгоритма. Недостатком такого, логссда является наличие процедур- оценок локальных параметров модели изображения, что приводят к дополнительным вычислительным затратам. Краио того, данные алгоритма иогут быть в некоторых случаях' неустойчива к озабхаа в сценках этих параметров. Данный факт вызвал потаенный интерес к безцдектификаци-оняым адаптнзша» алгоритмам, в которых параметра алгоритма определяются и подстраиваются к изменения-! параметров «одели .изображений по постоянно оцениваемому качеству обработки, исключая отап. оценки параметров из обра а г гай, что играет немаловажную роль при ограничениях, накладываемых на время обработки.

Одним из классов безцдентификациощшх алгоритмов являются псевдоградиентные алгоритмы, общая' теория которых разработана в трудах Я.З.Цыпкина и Б.Т.Поляка. Использование этих алгоритмов позволяет существенно сократить объем вычислительных затрат и

достигнуть эффективность, сравнимую о потенциально достявзиоа.

Целью и задачами иослодоагний являются синтез я анализ адаптивного алгоритма обнаружения протяжении сигналов еэ последовательности оцифрованных телевизисшшх изоЗргжейза щгл налпчст мекквдровых емездггаЛ и неодгородшя цествциохгзрнцд мегаяэв: изображений, а та1стэ разработка вариантов прогркасго - аппаратной реализации этого алгоритма на созремэшшх. п порспзктапншс вычяо-лительных средствах для обнаружения езгнзлоз щя коггвпеском телевизионном мониторинге Земли в реальном маезтебе врешяш.

Методы исследования. В диссертационной роботе вскользуятся метода теории вероятностей, математической статястака,•статистической радиотехники, цифровой обработка сигналов и кетоды статистического моделирования.

Научная новизна работы. Показано, что алгоритм обнаружения сигналов на последовательности оцифровенши изобракеияЗ пра наличия меккадровых смещений и нестационарна нэоднородна; помех включает, в себя адаптивную компенсацию неша-птх пзобренцзй, взвешенное суилфовгше ОК я сравнение полученной статистики- со стабилизированная пороге?^, обеспечивающим задекауо вероятность ложной тревоги. Пра отом адаптация, т.о. адткжзашя перпу^роз алгоритма, ыояет бцть осузестплзня с ае,*сзь»'пс«гдоградаата.

В случае постоянной величины пага о дааяззегэ ягмоггения коэффициента корреляции изображения на единичном расстояния от 0,6 до 0,999 предложенный алгоритм позволяет достичь значения отношения сигнал/иум по уровню вероятности правильного обнаружения Рп = 0,5 не более чем на превосходнее отноаепке сигнал/аум оптимального алгоритма.

Указанные адаптационные качества лреддегекзого' алгоритма позволяют применить его для обнаружения сигналов при космическом мониторинге Земли.

Практическая ценность работы. Предлогешше я исследованные процедуры обнаружения сигналов могут быть использована для.обработки последовательностей оцифрованных телевизионных изображений, а также в радиолокации, медицинской диагностике и т.д., ко-, гда обрабатываемые изображения имеют переменные мевкадровде смэ-нешя и содержат неоднородные коррелированные помехи.

Материала диссертации представляют разработчикам аналити-геские соотношения и графические зависимости для инженерного расчета некоторых параметров алгоритма обнаружения протяженных зигналов в зависимости от диапазона, в котором изменяются, веро-!тностные характеристики обрабатываемых изображений. Кроме того,

в работе предстазлены конкретные примеры программно-аппаратной реализации- систем обнаружения протякенных сигналов при космическом мониторинге Земли в реальном масштабе времени, даны рекомендации по выбору элементной басы для построения подобных систем.

Внедрение результатов работы. Результаты диссертационной работы нашли применение в хоздоговорных работах Ульяновского государственного технического университета "Анализ вариантов технической реализации бортовых спецвычислителей для обработки последовательности изображений", НИР "МОДУЛЬ", Ульяновск, УлШ, 1991 г., 65 е.; итоговый отчет о НИР N 11-17/87, УлПИ, 1990 г.; "Обнаружение малоразмерных неоднородностей по многозоналышм изображениям в условиях словной фонопемеховой обстановки", итоговый отчет о ШР К 11-52/92, Ульяновск, УлШ, 1992 г., 65 е.; "Разработка параллельных алгоритмов селекции и идентификации деигулдася объектов на последовательности изображения", отчет о НИР "Метод", Ульяновск, УлПИ, 1993 г.,87 с.

Апробация результатов работы. Материалы диссертационной работа докладывались на 6 научно-технических конференциях: "Перс-пектквгша информационные технологии в анализе изобракений и распознавании образов", £аикент,1992; 48-я научно-техническая конференция, посвященная Дшз радао, НТОРЭС им.Попова, С.-Петербург,1993 г.; "Оптические, разноволновые, тепловые методы и средства контроля качества материалов, изделий и окружающей среда", Ульяновск, УлПИ. 1993 г.: XXVI! итоговая научно-техническая конференция, Ульяновск, УлПИ, '1993 г.; 49-я научно-техническая конференция, посваденная Дню радио, НТОРЭС им.Попова, С.-Петербург» 1994 г.; ИСТШ итоговая научно-техническая конференция, Ульяновск, УлПИ, 1994 г.

Публикации. Основные результаты диссертационной работы опубликованы в 5 статьях и в 4 тезисах докладов на научно-технических конференциях. Всего по теме диссертации опубликовано 9 печатных работ.

Структура и объем работы.' Диссертационная работа состоит из введения, четырех разделов и заключения.

Положения> выносимые на защиту;

1.Применение процедуры адаптации псевдоградиентного алгоритма компенсации мешающих изображений по величине шага позволяет уменьшить значение СКО ОК приблизительно на 3,5*4% по сравне-

s

ни о алгоритмом без процедуры адаптации по величине пага в диапазоне изменения коэффициента пространственной корреляции на единичном расстоянии от 0,6 до 0,999.

2.Применение псевдоградиентной адаптивной компенсации мешающих изображений приводит к искажениям формы обнаруживаемого сигнала. Наибольшим искажениям подвержены последние отсчеты сигнала. Их величина составляет не более 10% от величины последнего отсчета сигнала, поэтому весовое суммирование может осуществляться и без учета этих искажений, что приводит к потерям в пороговом "сигнале не более 0,3 дб по уровню вероятности правильного обнаружения PQ - 0.5.

3.Двухконтурная псевдоградаентная стабилизация порога позволяет производить его оценку с высокой степенью точности. Так для заданной вероятности ложной тревоги Р„ я 0,001 оценка теку-

v f

цего значения порога позволяет получить вероятность ложной тревоги, -, отличающуюся от заданной не'более чем на 3+4&.

• 4.Комплексная адаптивная оптимизация параметров. всех составляющих алгоритма обнаружения позволяет снизить необходимое значение отношения сигнал/шум на уровне вероятности правильного обнаружения Р0 = 0,5 на 8+1ОЙ по срзвненпю с этим отношением для алгоритма, в котором оптимизация составляли производится раздельно. . ' ■

5.Разработанные варианты программно-аппаратурной реализации предлокешого алгоритма позволяет осуществить обнаружение сигналов на реальных космических телевизионных изображениях в реальном масштабе времена (кадры размеров 1500x2500 отсчетов с периодом следования 4' секунда).

Содержат» работа

Во введении содержится обоснование актуальности и практической значимости рассматриваемой задача обнаруаення оигаалов на последовательности телевизионных изобраэений. Сформулированы цепи, задачи исследования и основные научные положения, выносимые sa защиту, приведено краткое содержание работы.

В первом разделе приводится обзор моделей- случайных полей да получения имитированных изображений о заданными параметрами, юпользуешх для статистических.испытаний, предложенных в данной заботе алгоритмов. Рассмотрены авторэгресскоиные, волновые, тен-юрные, векторные аЕторегрэосновные, гиббсовсгсю модели а модели ил получения неоднородных случайных полей. Проведенный обзор

моделей случайных полей позволяет сделать вывод о возможности выбора моделей для представления и описания телевизионных изображений, позволяет имитировать и испытывать'алгоритм обработки изображений. Наиболее удобными для экспериментов оказываются ав-торегрессаовше и волновые модели». так как , их характеристики легко вычисляются и при их имитации.требуются относительно небольше вычислительные затраты.

В етом ке разделе анализируются, алгоритмы обнаружения сигналов па последовательности изображений, рассматриваются ■ три различные эквивалентные' формы статистики» используемой в решающем правиле обнаружения. Различие этих форм состоит в их вычислительной сложности; Так при гауссовской аппроксимации условных плотностей распределения.вероятностей (ПРВ) значений яркости фона при гипотезе о наличии и гипотезе Н0 об отстутст.вии сигнала оптимальное правило обнаружения, основанное на отношении правдоподобия сеодится к сравнению с некоторым порогом известной статистики где 2* - вектор наблюдений, § - вектор си-

гнала, а V' - ковариационная матрица поля помех. Применение этой .статистики в реальных условиях весьма затруднительно, так как вектор 2* включает в себя все наблюдения. ' .

Если апостериорные условные .ПРВ прогнозируемых, значений векторов наблюдений I*' могут быть аппроксимированы ' гауссовскими распределениями, то в решающем правиле может .быть использована статистика вида , ' - " .':

X = ^.К'Л*.

где К = V"1, 2* * - вектор, "остатков '.компенсаций'' (ОК)

мешающих изображений в зоне предполагаемого положения сигнала, § - вектор сигнала,. Е" - прогноз вектора наблюдений по наблюдениям вне области предполагаемого сигнала, что расширяет .область применения статистики X и дяя изображений, имеющих ПРВ значений фона, отличных от гауссовских. Неудобство.применения статистики' X состоит в том, что прогноз, должен быть выполнен для каздой области возможного расположения сигнала и», кроме,того, особым образом для каздой точки зоны расположения,сигнала.

Показано, что статистика Xя монет быть представлена в эквивалентном виде. . <

х- = аггМг* - £*> я-а/1 л = §тд',

где 2м - совокупность оптимальных прогнозов наблюдений 2", когда прогноз!^ каждого значения г"^ осуществляется по всем остальным наблюдениям из Ь - диагональная матрица из дисперсий сдабок этих прогнозов.

Преимущество статистики X" перед X состоит в том, что нормированные свои.« дисперсиями ОК 4' не зависят от области нахождения предполагаемого сигнала и могут быть вычислены сразу для всей области, где необходимо обнаруживать сигналы, например, на последнем наблюдаемом кадре последовательности изображений.

Анализируя статистики X" и X, метшо сделать вывод о том, что для реализации оптимального', алгоритма обнаружения сигналов на последовательности изображений необходимо выполнить следующие операции над наблюдениями:

^Формирование оптимального прогноза и-компенсация мешакиих изображений путем вычитания оптимального прогноза из наблюдений, что дает ОК мешаюцлх изображений Д'.

. 2.Весовое суммирование, учитывающее значения компонент вектора сигнала 5.

: 3.Сравнение полученной статистики с порогом и принятие гипотезы Н, или гипотезы Н . i. о

В реальных ситуациях.в условиях априорной неопределенности параметров изображений 'применение оптимальных алгоритмов затруднительно из-за больших вычислительных затрат. Поэтому приходится применять адаптивные алгоритмы. Показано, что если все этапы алгоритма обнаружения оптимизировать комплексно, то качество такого алгоритма будет-лучше, чем качество алгоритма, у которого все этапы оптимизируются раздельно.

,' Далее рассматриваются различные методы адаптации. В условиях априорной неопределенности параметров модели изображения .удобными являются, псевдоградиентшгэ алгоритма адаптации, общая форма которых имеет ..вид: ,

_ п . гп-5 , и ti

где s - некоторое случайное .направлен:»,'-зависящее в обцей случае от всех предыдущих значений вектора опгамзяруеыих параметров 3 и от n; :>i; < - скалярные множители. Рассмотрены условия схо днмости поэвдоградпенгныд алгоритмов, основная г.з которых являются:, условие лсевдогрздиентности, имеющее вид:

7JT(? )»МШ 3 а О,

R П

тле ) - фугасцаояад.качества, и - условия, вакяадавзшкэ. • Ба

л .

скалярные шоамгели > , имеющие вид: - - /

■ ' СО . »

Ни !> = 0; У о = ® : £ у2 < Х9.

rj-TCO П / n

Во втором разделе диссертацш! реиаетея задача разработки процедур адаптации псевдоградиентного знакового алгоритма ком-

е

пенсации мешающих.изображений по величине'шага, исследуются искажения формы сигнала после этапа компенсации мешающих изображений, решается задача разработки алгоритма стабилизации текущего значения порога, используемого в решающем правиле.

Пусть имеются два соседних оцифрованных телевизионных кадра, заданных на прямоугольной сетке - предыдущий г""1 и текущий 2*. Если временной интервал мекйУ ними невелик, то с хорошим приближением й""1 и 2? можно рассматривать как сеточные отсчеты одного и того ае изображения, заданного на непрерывной области. Различия между г*"1 и 2? являются следствием взаимной смещенности сеток отсчетов и некоррелированных помех. Смещенность сеток отсчетов возникает из-за нестабильности телевизионной . развертки и пространственных колебаний телевизионного датчика.

Обозначив отсчеты й""1кадра 2К"Через £(1,3), оценки значений отсчетов й*^ кадра ъ будем искать как интерполированные на некоторый вектор-смещения К(= (х( у( ^ > отсчеты заданной на прямоугольной сетке функции Г(1,3). Для интерполяции используется ряд Тейлора до вторых производных включительно. Частные производные, входящие в ряд Тейлора, оцениваются по девятиточечному шаблону 3x3. Преимуществом выбранной функции, когда является малое число входящих в нее параметров, что существенно упрощает и улучшает адаптацию.

Кадры обрабатываются построчно, начиная со второго елемента каждой строки. Начальное значение вектора смещения в каадой строке полагается равны нулю. Таким образом, знаковый псевдогра-даентный алгоритм оценивания смещений имеет вид:

■ - - - ■ г в

• .а

В этой алгоритме выбрано постоянное значение Ь. = Ь. Оно должно

и

быть достаточно калым для хорошего приближения лс оптимальному значению и в то ае время достаточно большим для того, чтобы параметры алгоритма успевали изменяться в соответствии.с изменя-одпязся по пространству характеристика!»:;: обрабатываемых изображений. Отсюда следует задача определения наилучшего значения Ь.

Проведенный анализ зависимостей СКО ОК последовательности реальных кадров показал, что для различных строк минимум значения СКО достигается при различных, значениях И. Поэтому с целью увеличения точности нахоздения наилучшего значения 11 для различных участков изображения, при которых достигается минимум СКО, в данном разделе предложено несколько процедур адаптации по коэф-

фициенту шага псевдоградиентного алгоритма компенсации метающих изображений. Эти процедуры основаны на ток«, что выбираются несколько опорных значений коэффициента шага {Ь1} (от одного до пяти) из некоторого интервала допустимых значения. Величина интервала допустимых значений величины шага определяется очепери-ментяльно. Затем к каждому значении Ь1 суммируются добавочные коэффициенты. Из полученного таким образом набора значений коэффициентов шага выбирается одно значение, соответствующе*» минимуму значения СКО ОК мешающих изображений, затем процедура повторяется для каясдой последующей строки. Для увеличения точности нахождения экстремума предложенный алгоритм мохно модифицировать, ограничив область изменения значений величины пэг-а границами 1-го интервала. Данные процедуры допускают параллельное вычисление значений вектора смешений для всего набора значений 01!>.

Проведенный сравнительный анализ адаптивных псевдоградиент-кых алгоритмов компенсации мешающих изображений показал, что алгоритм о постоянным значением Ь дает СКО ОК больше, чем у оптимального алгоритма, приблизительно на 6*8$ яри изменении коэффициента пространственной корреляции на единичном расстоянии от 0,6 до 0,999. Алгоритмы с использованием процедур адаптации по величине шага дают СКО ОК визе оптимального приблизительно на 4+7% в том ясе диапазоне изменения коэффициента пространственной корреляции. Так как при использовании адаптивных алгоритмов компенсации мешающих изображений ОК отличаются от ОК, полученных с помощью оптимальных алгоритмов, тс присутствующий в них сигнал искажается. Следовательно, возникает задача оценки степени искажения формы полезного сигнала, присутствующего в ОК. Данная оценка необходима для целей обнаружения. С помощью статистического моделирования на ЭВМ было проведено исследование нли.чнния адаптивного знакового псердоградиентного алгоритма компенсации летаютах изображений на форму полезного сигнала. Исг.ц",ивилнсг тротякеняые сигналы различной формы. Наибольшим искажениям подвергается 'последний отсчет сигнала. Показано, что величина этих юкакений не превосходит• 10$ от величины последнего оточат* ош-?аля при изменении рмплитудн сигнала от 1 до 1ч. Подобными н^ка-«егаями'во многих практических случаях мотап гтр^н^бр^чк, т^к к«->-зни приводят к увеличению уровня порогового оягнагэ уг:-'ьн.'-2 = яе лол^е, «рм НЧ 0."Я гП.

Г! .

Составной чястьк? плгтрптмз обумружения "сигналов яь."н--тср •о^вкечие знз^ния статистт-ни с пссороу. Чащ1-* роего сн*1.--1^;*''1 -

рога выбирается по заданной вероятности локной тревоги Р . В реальных условиях задача обнаружения решается в условиях, когде характеристики обрабатываемых изображений могут изменяться, как по полю кадра, так и от кадра к кадру по .заранее неизвестному закону, поэтому и вероятностные характеристики статистики также изменяются. Это приводит к тому, что порог обнаружения не может быть определен заранее и должен находиться с помощью адаптивных процедур. ,

Для оценки текущего значения порога.предложен двухконтурный псевдоградиентный алгоритм, суть которого в том, что значение искомого пос-ога- ищется в виде произведения х- =х »с , где

. чп рп • п

и-1-Р , Е1 х текущая оценка квантили более, низкого порядка

г рп „ .

(1/2 « р < <}), а С - оценка . коэффициента пропорциональности. Первый контур используется для оценки х и имеет вид

х = х + 11,

рп*1 . рп 1

Р, при X £ X

рп

„ 1-р, при хрп> X,

второй контур используется для оценки текущего значения коэффициента С и имеет вид ■

«О + и

1-1 п Г 2

а, при х С ^ X

рп п

л л

при х С > X,

рп

где ц и (I - положительные постоянные множители. 'Если, положив Р=<1 в первом контуре, то получится одноконтурный алгоритм стабилизации текущего значения порога. Но так как.скорость сходимости для-квантилей порядков близких к О или 1 ниже, чем для, порядков, близких к 1/2, то скорость сходимости двухконтурного алгоритма выае, чем скорость сходимости одноконтурного алгоритма; В данном разделе исследованы точностные характеристики двухконтурного алгоритма стабилизации порога обнаружения. Отметим,' что данный алгоритм допускает параллельное вычисление текущих значений оценок х и С . .'••',

В третьем разделе диссертации исследуется комплексная оптимизация всех етапов алгоритма обнаружения сигналов на , последовательности телевизионных изображений. ' ,

Пусть имеется последовательность телевизионных изобраз:ений, на которых присутствуют: * '

-гауссовский коррелированный, фон (мешающие , изображения), параметры которого могут изменяться по неизвестному закону как по полю кадра, так и от кадра к кадру;

-исказкния е виде нркастнкх помех, возникающих в приемно-

редающей аппаратуре из-за неоднородности чувствительности и зможных десктоп телевизионного датчика;

-взаимные смещения фона, вогшлспкЕВ!? вследствие нестаСиль-сти телевизионной развертки и пространственных колебаний тело-зионного датчика;-

-аддитивные протяженные сигналы известной формы, число ко-рых ограничено (не более одного сигналя на 100+1?0 пикселей).

Пусть Л((7) - статистика, используемая в решающем правиле, зисиг от вектора параметров о. Вектор у> включает к себя аара-гры компенсатора, весовые коэффициенты. Требуется оптими-тиро-гь параметры У по критерии максимума вевроятностк правильного {аружения Р^ при заданной вероятности ложной тревога ?р.

Пусть условные функции распределений значений стятйстики ») при гипотезах НоИ К об отсутствии и наличии сигнала ап-жеимированы• 1 некоторыми монотонными • функциями

(ч-тв(?) )/0а (Г>)) и ?,((х-т (5))/01 (1>)) соответственно, где

У). т (й), -'соответствующие условные еоедние и

п 1 1 __

■Персии. Данное предположение' означает, что 'от параметров и ¡исят' только характеристики 'положения условных распределений тис тики Л (¡7), а вид распределения сохраняется. Порог обнаружения А°(Т>) удовлетворяет уравнению 1-Р !д) = Р ,

0 г

Я -.(Л°(Е>)-т (и))/о (?)• Вероятность правильного обнаружения

о о . ,

( Л°(У) -тп, (V) >

-¡. (1)

0.(1') 1

кня быть максимизирована по У. Очевидно, что максимум вцраже-{1) достигается в'точке минимума функционала

Л°(й) - я(Г>)

■ Щ„) = -, (О)

..'учитывая аддитивное взаимодействие сигнала-и помех,

щи) , .. - , (3)

■/икс .2Г)2] - ма{с -Г?

Й - вектор весовых коэффициентов, Л вектор, ОК ч*ш;-!юанх 5рвжекий в зоне сигнала, £ - вектор «н-налч. Текущие сначекпя а (?) могут быть получены е аоч'чцые искусе таенного зам»—. зния сигнала н кякякй ггике^л обрабатчга«»мсто кадра.

Тягам образом, комплексная оптимизация всех соетавлягсих 5Г.'.;таа обнаружения сигналов на последовательности изображений

V

сводится к минимизации функционала (2) или (Э). Значение текущего порога оценивается одновременно с минимизацией функционала (2) с помощью двухконтурной процедуры стабилизации текущего порога. В данной работе минимизация функционала 'и(у) осуществляется также с помощью псевдоградаентного алгоритма.

Для оценки т, (У) и 0] (у) предложена рекурентная псевдоградиентная процедура, имеющая вид

Г = Г + ¡¿(х - Г ),

П»1 П П»1 п

где ц - положительный множитель, х , - наблюдения случайного

/\ А П* I

процесса, { - следующая за Хп оценка, параметра случайного процесса. Рассмотрено два случая: первый - тренд детерминированный, второй - тренд стохастический. Для этих двух случаев при известных параметрах модели получены выражения для определения на 11-ом шаге значения д, при котором достигается минимум дисперсии ошибки- оценивания. Из анализа проведенных экспериментов следует, что в случае стохастического тренда с увеличением отношения сигнал/шум и с увеличением значения коэффициента корреляции качество оценивания стремится к качеству оценивания . алгоритма калмановской фильтрации. Для обеих моделей . трендов исследованы точностные характеристики оценивания.

Приведены экспериментально полученные характеристики обна-~ сужения для имитированных и реальных последовательностей изображений. На имитированных кадрах значение отношения 'сигнал/шум для предложенного алгоритма больше этого отношения для оптимального -алгоритма по уровню вероятности правильного обнаружения ?п =0.5 на На реальных изображениях предложенный алгоритм имеет

значение отношения сигнал/аум по уровню Рп = 0,5 на 3+10& меньше,, чем алгоритм, в котором все его этапы оптимизируются раздельно. Приведены сравнительные характеристики этих алгоритмов .

В четвертом разделе работы анализируются архитектура существующих высокопроизводительных вычислительных сред, рассматриваются волзможные структурные схемы устройств, реализующие предложенные алгоритмы, анализируется современная элементная оа-"ч, на которой могут быть реализованы эти устройства. Доказано, что для реализации предложакнных алгоритмов необходимо использовать параллельные вычислительные структуры, а наиболее перспективней элементной базой для реализации этих .алгоритмов являются транспьютеры. Приведен и проанализирован вариант реализации этих алгоритмов с использованием транспьютеров.

^акл^еете

В диссертационной работе решена поставленная цел-- р!. •„■•работки 'л исследования пеевдоградаентного здаптккного алгоритма обнаружения протяженных сигналов на последовательности оцифрованных изображений в условиях межкадровых смещений и несгчнно-яарннх неоднородных мешактах изображений.

Основные результаты работы ооотоят в следующем: .Продложряный алгоритм имеет отношение оигнил/шум по уровню Р„- 0,5 болыгее, чем алгоритм, построении? для известных параметров на 3+4« в диапазоне изменения коэффициента корреляции на единичном расстоянии от 0,6 до 0,999.

¿.Комплексная адаптивная оптимизация параметров алгора-мя обнаружения позволяет достичь выигрыш в отношении слгквл/Еум по уровню вероятности пр№.ил>ного обнаружения Р„ - 0,5 по срявн-ю»» с раздельной оптимизацией на 3+10?.

3. Разработанные верп'.яти программно-»шпчрнтурчой реализации предложенного алгоритма на современных вычислительных оредсучг. позволяют осуществить обнаружении сигналов на рраляшх космических телеш?иошшх изображениях (рармер кадров "'ЧОих.'г^О етсч— тов, частота смены кадров 4 о^к).

Основные положения диссертационной работы «пуЛликов:шк ч следуюсих работах:

1.Агеев С.А.Адаптащя по величине сига псевлоградиентнсто алгоритма компенсации коррелированных ¡юндк /'/Методы обработки сигналов и полей: со.яауч.тр.-Ульяяовск:УдТй.199?.-с.57-лО.

2.Крашенинников Й.Р. ,Аге*в С.А.влияние адаптивной компенсации на обнаруживаемый сигнал /'Методы обработки сигнчло« и полей: Сб. научн. тр.-Ульяновск:УлШ, 1992.-0. 110 - пц.

3.Крашенинников В.Р..Тиялмнокий а.г.,агеев с.д. Псевлеградиентные адаптивны» алгоритм« фильтрации изображений / •' докл.науч.-техн.конференция "Персдактш'ние информационные 'технологии в анализе изображений и распознавании образов".- Гааю»«"?, 1992.-с.64-65.

4..Краагенинников В.?.,Та*ллин;>киЯ А..Г.,Аг«*ев С.А.Аднптнг«''-» зценивание и?мечя»ч2ихея кнйнпм«П /УТез.докл.ля-сй науч.-техн. сонферешу«;, посвященной £н»> рчдно НТОРЗС да/.Попова. -С.~ 1етербург, "993.-е.

5.Крашенинников В.Р. .Агеев С.д. Псездоградаентнпя адаптир-:яя оптимизация р^авдего правила оснаружекг;« нк ■Р^"

лучайны?. полей :/ Гтя^^тич-ск:- методы ("Т":' ,7ч;г С>.науч.тр.-Новосибирск: КГ; *»

ъ.Крашенинников В.Р.,Агеев С.-А. Адаптивная оптимизация решающего правила обнаружения аномалия на фоне контролируемых. изображений //Сб.тезисов У-ой •Российской' науч.-техн. конференции . "Оптические, радиоволновие, тепловые методы и средства контроля качества материалов, изделий и окружающей среды".- .Ульяновск: УлПИ, 1993.-е.¿0-41.

7.Агеев С.А. Псевдоградиентное оценивание тренда случайного процесса //Тез.докл.ХХУП итоговой науч.-техн. конференции.-Ульяновск: УлШ, 1993.-с.41-4-3. '

З.Агеев С.А..Крашенинников В.Р. Адаптивный алгоритм обнаружения сигналов известной формы на последовательности изображений //Те-;.докл.49-ой науч.-техн. конференции посвященной Днр радио. -С.-Петербург, 1994.-с.5.

9.Агеев С.А.Псевдоградиентное оценивание тренда случайного процесса //Тез.докл.ХХ7Ш итоговой науч.-техн. конференции.-Ульяновск: УлПК, 1994.-с.30-31.