ОБНАРУЖЕНИЕ ОБЪЕКТА, ОСНОВАННОЕ НА СОВПАДЕНИИ ШАБЛОНОВ, ДЛЯ ИНЕРЦИАЛЬНЫХ НАВИГАЦИОННЫХ СИСТЕМ

ИНС - это навигационная система, которая полностью зависит от инерциальных измерений для навигации. ИНС состоит из акселерометров, которые измеряют ускорение транслятора, и гироскопов, которые измеряют угловое вращение системы. Эта матрица датчиков называется инерциальной единицей измерения. Эта система может быть оснащена камерой для точной настройки и улучшения инерциальной навигации вблизи интересующей цели. Для этого требуется технология обработки изображений для идентификации и распознавания наземных объектов. Методы сопоставления с шаблоном - это методы, обычно используемые в приложениях для обнаружения целей. Эти методы позволяют пользователям настраивать свои алгоритмы обнаружения для конкретных целей, представляющих интерес [1, с. 3]. Основой сопоставления шаблонов является сравнение репрезентативного шаблона (фрагмента) интересующей цели с изображением с целью обнаружения вхождений эталонного образца в изображение. Преобразование попадания или пропуска (HMT – hit-or-miss transform)- это метод сопоставления с шаблоном, который существует в рамках математической морфологии. HMT имеет несколько преимуществ по сравнению с другими методами сопоставления с шаблоном [3, с. 5]. В этой статье представлена ​​простая методика распознавания объектов на основе сопоставления шаблонов, способная обнаруживать и распознавать наземные объекты на этапе точной настройки ИНС для летательных аппаратов.

1. Теоретическое описание

Сопоставление шаблонов достаточно простой процесс. Необходимо сопоставить шаблон с изображением, где шаблон - это подизображение, которое содержит форму, которую требуется найти. Соответственно, шаблон центрируется на точке изображения и рассчитывается, сколько точек в шаблоне совпадают с точками на изображении. Процедура повторяется для всего изображения, и точка, которая привела к наилучшему совпадению (максимальное количество совпадений), определяется как точка, в которой фигура (заданная шаблоном) находится внутри изображения. Если стандартное отклонение изображения шаблона по сравнению с исходным изображением достаточно мало, можно использовать сопоставление шаблона.

Формально сопоставление с шаблоном может быть определено как метод оценки параметров. Параметры определяют положение шаблона. Возможно определить шаблон как дискретную функцию T_xy. При сопоставлении с шаблоном используется критерий подобия для определения местоположения объекта, где один общий метод вычисляет коэффициент корреляции с использованием следующего уравнения [2, с.2],

                            (1)

где A и B - матрицы изображений, A и, B - средние 2-мерные матрицы соответствующих изображений, а (x, y) - пространственные координаты в пределах A и B. Этот коэффициент корреляции очень похож на традиционную статистическую корреляцию, разница состоит в том, что традиционный метод рассчитывается в одном измерении, а не в двух измерениях. Высокий коэффициент корреляции при попиксельном сравнении между шаблоном и областью интереса указывает на хорошее соответствие. Основная идея преобразования «hit-or-miss» заключается в выделении всех пикселей в изображении, которые соответствуют заданной конфигурации соседства, состоящей из некоторого расположения пикселей переднего плана и фоновых пикселей. Поэтому конфигурация соседства определяется парой непересекающихся наборов: один для пикселей переднего плана, а другой для пикселей фона. Это может быть представлено математически как:

                                           (2)

Где A - набор изображений, A^c - дополнение набора изображений, а B - элемент структуры. Блок-схема алгоритма показана на рисунке (2). Фиксированные шаблоны полезны, когда формы объектов не меняются относительно угла обзора камеры. Два основных метода были использованы в сопоставлении шаблонов исправлений, вычитании изображений и корреляции. В первом методе позиция шаблона определяется из минимизации функции расстояния между шаблоном и различными позициями на изображении. Хотя методы вычитания изображения требуют меньшего времени вычислений, чем следующие методы корреляции, они хорошо работают в ограниченных условиях, когда условия формирования изображения, такие как интенсивность изображения и углы обзора между шаблоном и изображениями, содержащими этот шаблон, одинаковы. Сопоставление по корреляции использует положение нормализованного пика взаимной корреляции между шаблоном и изображением для определения наилучшего соответствия. Этот метод, как правило, невосприимчив к шуму и эффектам освещения на изображениях, но страдает от высокой вычислительной сложности, вызванной суммированием по всему шаблону. Точечная корреляция может уменьшить вычислительную сложность до небольшого набора тщательно выбранных точек для суммирования.

Дилатация является одним из двух основных операторов в области математической морфологии. Обычно он применяется к двоичным изображениям, но существуют версии, которые работают с изображениями в градациях серого. Основной эффект оператора на двоичном изображении состоит в постепенном увеличении границ областей пикселей переднего плана (то есть, как правило, белых пикселей), как показано на рисунке (2). Таким образом, площади пикселей переднего плана увеличиваются в размерах, а отверстия в этих областях становятся меньше. Оператор расширения принимает в качестве входных данных две части данных. Первое - это изображение, которое должно быть расширено. Второй - это (обычно небольшой) набор координатных точек, известный как структурирующий элемент (также известный как ядро). Именно этот структурирующий элемент определяет точное влияние расширения на входное изображение. Чтобы вычислить расширение двоичного входного изображения этим структурирующим элементом, рассматривается каждый из пикселей фона во входном изображении по очереди. Для каждого фонового пикселя (который будет называться входным пикселем) накладывается структурирующий элемент поверх входного изображения, чтобы начало структурирующего элемента совпадало с положением входного пикселя. Если хотя бы один пиксель в структурирующем элементе совпадает с пикселем переднего плана на изображении внизу, то для входного пикселя устанавливается значение переднего плана. Однако, если все соответствующие пиксели в изображении являются фоновыми, входной пиксель остается со значением фона.

2. Результаты распознавания

Предложенный метод моделируется с использованием программы Matlab, и показаны численные эксперименты для проверки обнаружения объекта для широкого диапазона высоты и расположения. В качестве тестового изображения используется спутниковое изображение, которое содержит один целевой объект (рисунок 1). Эта цель показана на рисунке 2а. Сгенерированный шаблон для объекта после преобразования «удар / промах» показаны на рисунке 2б. На рисунке 3 показана идентификация и обнаружение объекта на разных углах ориентации.

Рисунок 1. Тестовое изображение