Система распознавания объектов, обеспечивающая работу бортовой системы технического зрения в реальном времениН.И. Дмитриев, А.И.

СРО предназначена
для автоматического обнаружения и распознавания объектов и определения углового направления на объекты поиска в реальном времени

Метод обработки изображений и идентификации объектов

Предобработка изображений
набором фильтров
Задачи:
– улучшение качества изображения,
– повышение контраста объект поиска – фон,
– подавление шумов.
Пример набора фильтров:
– восстанавливающий фильтр;
– фильтр, выравнивающий освещение;
– медианный фильтр.

Результаты работы алгоритма
сегментации однородных областей
а) Сезон – зима
б) Сезон – весна
в) Сезон – лето

Набор признаков
классификации

Двухуровневый метод классификации
ОСНОВНОЙ ЭТАП КЛАССИФИКАЦИИ
Нейросетевое обнаружение трехслойным персептроном,
обученным методом обратного распространения ошибки
ПОДЭТАП УТОЧНЯЮЩЕЙ КЛАССИФИКАЦИИ
Преобразования Уолша-Адамара
gi – i-й элемент вектора признаков
k – количество целеподобных образов,
n – количество используемых масок базисных функций Уолша-Адамара.

Результат работы СРО – определение углового направления на цель в реальном времени, которое осуществляется путем:
1) обнаружения объекта поиска;
2) определения местоположения (координат)
пиксела на цифровом изображении наблюдаемой
сцены, соответствующего центру тяжести
обнаруженного объекта поиска;
3) определения углового направления на цель путем пересчета в угловые размеры местоположения пиксела, соответствующего центру тяжести обнаруженного объекта поиска.

Основные достоинства
системы распознавания объектов (СРО)
для бортовой системы технического зрения: – устойчивость к яркостно-геометрической
изменчивости наблюдаемых объектов и сцен,
обеспечивающая работу в любое время суток,
всепогодность и всесезонность;
– быстродействие, обеспечивающее работу в
реальном времени;
– возможностью комплексирования информации,
полученной в разных диапазонах длин волн.

Функциональная схема макета СРО

Основные результаты тестирования макета СРО
Без уточняющей классификации:
искомый объект обнаружен в 80% случаев,
пропуск искомого объекта в 5% случаев,
ложный захват в 15% случаев.
При использовании уточняющей классификации:
искомый объект обнаружен в ~95% случаев.
Примеры тестовых изображений