close

Вход

Забыли?

вход по аккаунту

;doc

код для вставкиСкачать
ТЕХНОЛОГИИ УДАЛЕННОГО
ВИДЕОНАБЛЮДЕНИЯ НА АЭРОДРОМАХ
ДТН, Профессор Гайденков Андрей Викторович
1
ПРОБЛЕМА НАБЛЮДЕНИЯ ЗОНЫ МАНЕВРИРОВАНИЯ АЭРОДРОМА
•
•
•
•
•
Эффективное принятие решений в динамичной, быстро меняющейся
обстановке требует высокой ситуационной осведомленности
диспетчера.
Использование визуального канала обеспечивает эффективное
решение задачи обзора площади маневрирования (включающей ВПП,
рулежные дорожки и перрон).
В процессе эксплуатации и совершенствования инфраструктуры
аэродрома возникают ситуации, при которых непосредственное
визуальное наблюдение некоторых участков зоны маневрирования
становится проблематичным или даже невозможным.
Возникает задача удаленного видеонаблюдения, обеспечивающего
необходимую ситуационную осведомленность по всем участкам зоны
маневрирования аэродрома.
Система видеонаблюдения, располагаемая на удаленных или не
просматриваемых участках, должна обеспечивать эффективность
обзора, соизмеримую с эффективностью визуального наблюдателя,
находящегося в месте ее расположения.
2
ТРЕБОВАНИЯ К ДАТЧИКАМ СИСТЕМЫ ВИДЕОНАБЛЮДЕНИЯ
Поле зрения системы УВН.
Угловое разрешение системы УВН.
Рисунок 1. Поле зрения глаз без изменения точки фиксации взора
Согласно Шаде, спад ПЧХ глаза приближенно описывается гауссоидой:
Временное разрешение системы УВН.
Интегрирование глазом сигналов во времени (закон Блонделя-Рея):
постоянная времени глаза 0,21с
Минимально допустимая кадровая частота обновления визуальной
информации должна превышать порог альфа-ритма (10-14 Гц)
Рисунок 3. Зависимость Fп от коэффициента
заполнения (скважности) и освещенности экрана
3
ТЕХНИЧЕСКАЯ РЕАЛИЗАЦИЯ МОДУЛЯ ПАНОРАМНОГО
НАБЛЮДЕНИЯ СИСТЕМЫ УВН.
Рисунок 4. Модуль панорамного видеонаблюдения за
площадью маневрирования аэродрома. Изготовитель
шведская фирма Saab. Поле зрения модуля по азимуту
3600.
Рисунок 5. Модуль панорамного видеонаблюдения за площадью маневрирования
аэродрома. Поле зрения модуля 1800×200 , разрешение 0,4 мрад, кадровая частота
30 Гц. Изготовитель ОАО МАНС.
Рисунок 6. Панорамная ИК система Spynel-S 2000.
Поле зрения системы 3600 х 200, разрешение 0,6
мрад, кадровая частота 1 Гц.
Рисунок 7. Комплексированная ТВ+ИК камера.
Поле зрения 60 х40, разрешение 0,2 мрад, кадровая
частота 30 Гц. Изготовитель ОАО МАНС.
4
ОЦЕНКА ПЧХ И УГЛОВОГО РАЗРЕШЕНИЯ РАЗРАБОТАННЫХ ОЭС
Рисунок 8. Испытательная таблица для оценки ПЧХ панорамного модуля
Рисунок 9. ПЧХ панорамного модуля. Расчетное
значение углового разрешения 0,5 мрад
Рисунок 10. Схема полигонных испытаний для оценки ПЧХ тепловивизионной камеры
Рисунок 11. Пример теплоконтрастных тканевых мир
Рисунок 12. Тестовая таблица ISO 12233 для оценки
разрешающей способности цифровых камер
5
КОМПЛЕКСИРОВАННАЯ (ТВ+ИК) КАМЕРА
Наименование
параметра
Тепловизионный канал:
Детектор
Размер пикселя
Чувствительность
Спектральный диапазон
Рисунок 13. Действующий макет комплексированной камеры
Значение
параметра
микроболометрическая
матрица 640х480;
17 мкм;
80 мк;
8-13 мкм;
Поле зрения
50х40;
Частота кадров
25 Гц.
Телевизионный канал:
Детектор
Частота кадров
Минимальная
освещенность
ПЗС матрица 1/2’
1280х720;
25 Гц;
1,0 Lux.
Рисунок 14. Опытный образец комплексированной камеры
6
КОМПЛЕКСИРОВАНИЕ ТЕПЛОВИЗИОННЫХ И ТЕЛЕВИЗИОННЫХ
ИЗОБРАЖЕНИЙ (СТОХАСТИЧЕСКИЙ ПОДХОД)
7
КОМПЛЕКСИРОВАНИЕ ТЕПЛОВИЗИОННЫХ И ТЕЛЕВИЗИОННЫХ
ИЗОБРАЖЕНИЙ (ЭВРИСТИЧЕСКИЙ ПОДХОД)
Комплексирование на основе анализа низко‐ и высокочастотных компонент. Комплексирование на основе усиления различий
1
(1 − γ )[ B 1 ( m , n ) + B 2 ( m , n ) + B 3 ( m , n )],
3
1
B 20 ( m , n ) = γ B 2 ( m , n ) + (1 − γ )[ B1 ( m , n ) + B 2 ( m , n ) + B 3 ( m , n )],
3
1
B 30 ( m , n ) = γ B 3 ( m , n ) + (1 − γ )[ B 1 ( m , n ) + B 2 ( m , n ) + B 3 ( m , n )],
3
B10 ( m , n ) = γ B 1 ( m , n ) +
γ=
d=
γ max d min
d max + d (γ max / γ min − 1)
DH ( m, n ) = α 1 B1H ( m, n) + α 2 B2 H ( m, n) + α 3 B3 H ( m, n),
α1 =
Δ12 + Δ13
Δ12 + Δ 23
Δ13 + Δ 23
, α2 =
, α3 =
,
Δ12 + Δ 23 + Δ13
Δ12 + Δ13 + Δ 23
Δ12 + Δ 23 + Δ13
Δ12 = B1H (m, n) − B2 H (m, n) , Δ13 = B3 H (m, n) − B1H (m, n) , Δ 23 = B2 H (m, n) − B3 H (m, n) .
{
1
[ B1 (m, n) − B2 ( m, n)]2 + [ B3 ( m, n) − B2 (m, n)]2 + [ B3 ( m, n) − B1 ( m, n)]2
3
}
DB (m, n) = max ( B1B ( m, n) , B2 B (m, n) , B3 B (m, n) .
D(m, n) = DB (m, n) + DH (m, n)
Комплексирование данных с различным разрешением.
λ k′′
( λ k′ ) r + 1 − ( λ 1′′) r + 1
r +1
k′
, k = 1, K
Dk = D
= D r =K0 − 1
λ K′′
r +1
′
′
λ
1
(
)
− ( λ 1′ ) r + 1
1
K
ar
λ
λ
G
(
)
d
∑
K r =0
r +1
K λ∫k′
∫ G (λ )d λ
λ
K −1
∑a
r
Комплексирование на основе корреляции в скользящем окне
⎤
⎡
H (i, j ) = H ⎢ ∑ ∑ a (i1 , j1 ) ⋅ y1 (i − i1 , j − j1 ) ⋅ y 2 (i − i1 , j − j1 ) ⎥ = max, a (⋅)
⎦
⎣( i1 , j1 ) ∈ S
x (i , j ) =
∑ ∑ a (i , j ) ⋅ y ( i − i , j − j ) ⋅ y
( i1 , j1 ) ∈ S
1
1
1
1
1
2
(i − i1 , j − j1 )
8
МЕТОДИЧЕСКИЙ АППАРАТ КОМПЛЕКСИРОВАНИЯ НА ОСНОВЕ
ПОЛЕЙ КОРРЕЛЯЦИОННЫХ ФУНКЦИЙ
Поле взаимокорреляционных функций анализируемых изображений
K fh ( j , k , Δx, Δy , Δt ) =
1
ml
m −1 l −1
∑∑ f ( j + x , k + y , t )h( j + x
i =0 n =0
i
n
i
− Δ x , k + y n − Δy , t + Δt )
Формирование поля корреляционных
функций
где Kfh(j,k,∆x,∆y,∆t) - значение поля КФ в точке j - ∆x, k - ∆y (для области Sэ(j,k));
j, k – координаты площади анализа (элементарной области);
F(j,k)
∆x, ∆y – текущие смещения по координатам j и k изображения f(j,k)
относительно h(j,k);
xi ,yj – текущие координаты точки в площади анализа Sэ(j,k);
Kfh ( j, k; Δx, Δy)
Поле КФ
КФ элементарных областей
(фрагментов)
L
Анализируемые
изображения
f(X,Y) и h(X,Y)
размером L x M
X
M
Фрагмент реального ПКФ
h(j,k)
Δyi
Y
m
l
Вычисление ВКФ
Фрагменты SЭ
размером
mxl
Δxi
Диапазоны корреляции по X
иY
Элемент разрешения
(пиксел)
Поле смещений:
s( j, k) = (Δr, Δϕ) Kfh( j,k,Δx,Δy,Δt )
Диапазон корреляции
(величина взаимного
смещения фрагментов
2 изображений)
Рисунок 16. Визуализация поля корреляционного
контраста F(X,Y)
9
ДЕМОНСТРАЦИЯ РАБОТЫ АЛГОРИТМА КОМПЛЕКСИРОВАНИЯ
10
ДЕМОНСТРАЦИЯ РАБОТЫ АЛГОРИТМА КОМПЛЕКСИРОВАНИЯ
11
ОБРАБОТКА СИГНАЛЬНЫХ ОПТИЧЕСКИХ ПОЛЕЙ
Задачи обработки оптических полей:
„
„
„
Фильтрация движущихся и неподвижных фоновых образований на
площади маневрирования аэродрома;
Селекция движущихся воздушных объектов;
Селекция движущихся наземных объектов.
12
ОПТИМАЛЬНАЯ ЛИНЕЙНАЯ ФИЛЬТРАЦИЯ НЕСТАЦИОНАРНЫХ
СИГНАЛЬНЫХ ОПТИЧЕСКИХ ПОЛЕЙ
s ( x, y )
и
n ( x , y ) - гауссовские стационарные процессы со следующей статистикой
M [s ( x , y ) ] = 0, M [s ( x , y ) s ( x + Δ x , y + Δ y ) ] = K ss ( Δ x , Δ y ),
Измеряется процесс
M [n ( x , y ) ] = 0, M [n ( x , y ) n ( x + Δ x , y + Δ y ) ] = K n ( Δ x , Δ y ), M [n ( x , y ) s ( x , y ) ] = 0;
{g ( x, y ), x ∈ (−∞ , x 0 ), y ∈ (−∞ , y 0 )} , связанный с процессом s ( x, y ) соотношением:
g ( x , y ) = Cs ( x , y ) + n ( x , y )
(20)
где С – константа, независящая от времени. Процесс s ( x , y ) - стационарный.
оценка sˆ( x, y ) процесса s ( x , y ) в точке ( x 0 , y 0 ) , удовлетворяет критерию минимума среднеквадратической ошибки
⎧⎪
)
m ( x0 , y 0 ) = i nf ⎨ M ( s ( x0 , y 0 ) − s ( x0 , y 0 )) 2
h ⎪
⎩
[
]
)
s ( x0 , y 0 ) =
⎫⎪
−
−
h
(
x
x
,
y
y
)
g
(
x
,
y
)
dxdy
⎬
0
0
0
∫∫
⎪⎭
−∞
∞
(21)
Уравнением Эйлера для задачи (20), (21) является уравнение Винера-Хопфа вида:
∞
K sg ( x − x0 + Δx, y − y0 + Δy ) =
∫ ∫ h (x
0
0
(22)
− x, y0 − y ) K gg ( x + Δx, y + Δy ) dxdy
−∞
Система уравнений (20)-(22) может быть решена в частотной области, в этом случае:
W gg (ω x , ω y ) = G {K gg ( Δ x , Δ y )} = g (ω x , ω y ) g * (ω x , ω y ) ,
W sg (ω x , ω y ) = G {K sg ( Δ x , Δ y )} = s * (ω x , ω y ) g (ω x , ω y ).
где G{} - оператор Фурье-преобразования; W gg (ω x , ω y ) - спектральная плотность (СП) измеряемого процесса; W sg (ω x , ω y ) - взаимная спектральная плотность (ВСП)
процессов s ( x , y ) и g ( x, y ) ; s (ω x , ω y ) - пространственно-частотный спектр сигнала; g (ω x , ω y ) - пространственно-частотный спектр измеряемого процесса; Кроме
того, фурье-преобразование матрицы оптимального фильтра
h0 ( x, y ) позволяет получить его передаточную характеристику:
H (ω x , ω y ) = G{h0 ( x, y )}
С учетом введенных обозначений решение системы (20)-(22) приобретает вид :
H (ω x , ω y ) =
W sg (ω x , ω y )
W gg (ω x , ω y )
(23)
Модель случайного процесса, описывающего изображение земной поверхности, помимо сигнала и белого шума включает фон f (x, y ) , и постоянную составляющую
f 0 . В качестве подобной модели часто используется аддитивно-мультипликативная модель вида :
g ( x, y ) = f 0 + s ( x, y ) + f ( x, y ) n ( x, y )
(24)
13
H опт (ω x , ω y ) =
где
Cs * (ω x , ω y )
N 0 F (ω x , ω y )
2
[
exp − i (ω x x0 + ω y y 0 )
]
(25)
H опт (ω x , ω y ) - частотный коэффициент передачи оптимального фильтра;
F (ω x , ω y )
2
- энергетический спектр фона;
N0 - шум с равномерным спектром;
передаточная характеристика Винеровского фильтра связана с характеристикой оптимального фильтра (25) соотношением:
[
H (ω x , ω y ) = H опт (ω x , ω y ) g (ω x , ω y ) exp − i (ω x x 0 + ω y y 0 )
Величина
f обнар ( x, y )
[
]
(26)
]
f обнар ( x, y ) = ∫∫ H опт (ω x , ω y ) g (ω x , ω y ) exp i (ω x x0 + ω y y0 ) dω x dω y
:
∞
является характеристикой, на основе оценки которой решается задача обнаружения на основе фильтра (25).
Обратное Фурье-преобразование передаточной характеристики Винеровского фильтра выступает в роли
характеристики обнаружения:
[
]
f обнар ( x , y ) = h0 ( x , y ) = ∫∫ H (ω x , ω y ) exp i (ω x x0 + ω y y 0 ) d ω x d ω y
g ( x, y )
(27)
∞
Адаптация частотного Винеровского фильтра на случай пространственной нестационарности
наблюдаемого процесса на основе синтеза и анализа поля спектральной плотности:
H (ω x , ω y ) =
Wsg (ω x , ω y )
Wgg (ω x , ω y )
⇒
H ( j, k , ω x , ω y ) =
Wsg ( j , k , ω x , ω y )
W gg ( j , k , ω x , ω y )
g ( j , k , x, y ) ⊕ g ( j , k , x, y )
H опт ( j, k , ωx , ω y ) =
N 0 G( j, k , ω x , ω y )
2
[
exp − i(ωx x0 + ω y y0 )
R12
…
R1n
R22
R22
…
R2n
:
:
:
:
]
Rm1
Rm2
…
Rmn
k
g ( j , k , x, y )
Формирование поля
спектров ЭО
Сопряженный спектр
эталона
G{s (− x,− y )}
(28)
Формирование поля СП
G{g ( j , k , x, y ) ⊕ g ( j , k , x, y )}
Ковариационная функция области Q
представляет усредненное значение АКФ
всех ЭО:
RQ (Δx, Δy ) = M R jk (Δx, Δy ) ,
{
s ( x, y )
G{g ( j , k , x, y )}
j
R11
Загрузка эталона
Сегментация
изображения на ЭО
Формирование поля АКФ
Таким образом,
CS * ( j, k , ωx , ω y )
Загрузка
изображения
Формирование
поля Винеровских
фильтров
H ( j, k , ω x , ω y )
}
где j = 1…m ; k = 1…n ;
M { } – оператор математического ожидания.
Рисунок 17. Винеровский фильтр нестационарного случайного процесса
Вывод: Винеровский фильтр, построенный в частотной области, характеризуется простотой алгоритмического исполнения, не имеет ограничений,
связанных с физической реализуемостью передаточной характеристики, однако обеспечивает корректную работу в условиях ковариационной стационарности
процесса. Разработанный метод формирования полей корреляционных функций, и на их основе полей спектральной плотности, в сочетании с частотным
Винеровским фильтром, позволяет решить задачу оптимальной линейной фильтрации нестационарного процесса с цветным шумом.
14
РАЗРАБОТКА АЛГОРИТМА ВНУТРИКАДРОВОЙ ФИЛЬТРАЦИИ
СИГНАЛА ЦЕЛИ
Рисунок 18. Пример фильтрации кромок различной формы.
Отношение сигнал/шум увеличивается более чем в 20 раз.
Рисунок 19. Линейный фильтр точечной цели, построенный с
использованием полей спектральной плотности
.
15
РАЗРАБОТКА МЕТОДА И АЛГОРИТМА МЕЖКАДРОВОЙ
ФИЛЬТРАЦИИ СИГНАЛА ЦЕЛИ
Разработка метода накопления сигнальной информации движущейся малоразмерной
цели, при отсутствии априорной информации о параметрах ее движения, в условиях
пространственно - временной нестационарности фона
Заполнение стека (буфера) на m кадров, размером Xобл, Yобл где m – количество кадров, подлежащее совместной обработке I (x,y,t) = 0
1
X t − μt
≤δ
σt
I (x,y,t) = I(x,y,t) X t − μt
1
>δ
σt
Оценка математического ожидания M и дисперсии D на интервале 0÷m каждого из пикселов P(i,j) области анализа, где i = 0,1,…, Xобл, j = 0,1,…, Yобл Совместная обработка кадров стека, обеспечивающая формирование отметки от цели в виде пространственно‐периодического процесса с накоплением сигнальной информации по m кадрам: = (i,j), для всех Pk(i,j) >
+ с, где a, b и с ‐ константы Заполнение стека (буфера) на n кадров, размером Xобл, Yобл где n –
количество кадров, подлежащее вторичному накоплению Совместная обработка кадров второго стека, снижающая флуктуацию отметок от цели в виде пространственно‐периодического процесса с накоплением сигнальной информации по n кадрам: Рисунок 21. Характеристики оптимального
обнаружения некогерентной пачки сигналов.
Рисунок 20. Пример формирования
отметки от движущейся цели в виде
пространственно-периодического процесса .
(i,j). Внутрикадровая пространственно‐частотная полосовая фильтрация изображения Рисунок 22. Структурная схема алгоритма формирования
отметки от движущейся цели в виде пространственнопериодического процесса .
16
РАЗРАБОТКА МЕТОДА И АЛГОРИТМА МЕЖКАДРОВОЙ
ФИЛЬТРАЦИИ СИГНАЛА ЦЕЛИ
Разработка метода анализа сигнальной информации, представленной в виде дискретной
динамической текстуры на фоне белого гауссова шума.
Кадр с отметкой цели в виде ДДТ
Сегментация кадра на совокупность частично перекрывающихся прямоугольных элементарных областей (ЭО), размеры которых согласованы с размером пространственно‐периодической отметки от цели, развернутых на угол α Ввод размера ЭО и шага их дискретного поворота на угол α Фурье‐преобразование каждой ЭО, формирование поля спектров ЭО (1)
Расчет амплитуды (квадрата модуля) спектра каждой ЭО, формирование поля амплитуд спектров ЭО Фильтрация спектров ЭО Обратное фурье‐преобразование спектров ЭО Расчет центральных моментов главных
экстремумов ДДТ (2)
[
g ( rx , ry ) = B exp − ( rx2 / 2σ x + ry2 / 2σ y )
2
2
]
(3)
(4)
Нахождение вторичных экстремумов амплитудных спектров ДДТ
Расчет центральных моментов вторичных экстремумов Анализатор топологических свойств отфильтрованной ДДТ
Расчет пропорций вторичных экстремумов (на основе соотношения их радиусов корреляции по x и y)
Расчет коррелированности вторичных экстремумов с центральными экстремумами
Анализатор параметров главных и вторичных экстремумов поля амплитуд спектров ЭО
Координаты ЭО, содержащей признаки сигнала
Рисунок 23. Структурная схема алгоритма гармонического анализа
пространственно-периодического процесса .
17
АЛГОРИТМ ОБНАРУЖЕНИЯ ДВИЖУЩИХСЯ МАЛОКОНТРАСТНЫХ
НАЗЕМНЫХ ОБЪЕКТОВ
18
АЛГОРИТМ ОБНАРУЖЕНИЯ И СОПРОВОЖДЕНИЯ ЛЕТАТЕЛЬНЫХ
АППАРАТОВ НА ГЛИССАДЕ
19
ПРИМЕР РАСПОЛОЖЕНИЯ ОПТИЧЕСКИХ ДАТЧИКОВ КСА УВН
НА АЭРОДРОМЕ КУРУМОЧ (САМАРА)
20
ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РЛС ОЛП
Полоса рабочих частот
Максимальная выходная мощность
Разрешающая способность:
по направлению
по дальности
Среднее время наработки на отказ
Тип антенны
Длина антенны
Скорость вращения антенны
9300-9500 МГц (Xдиапазон)
1 Вт
1°
от 3 м
20 000 часов
Открытая антенна
2м
24 об/мин
Рисунок 24. Первичная обстановка, формируемая РЛС на аэродроме «Орловка» .
21
22
СТРУКТУРА СИСТЕМЫ ТРАЕКТОРНОГО СОПРОВОЖДЕНИЯ
23
МНОГОПОЗИЦИОННАЯ РАДИОЛОКАЦИОННАЯ СИСТЕМА ОЛП
В СОСТАВЕ КСА УВН
24
ВЫВОДЫ
„
„
„
„
„
„
„
Сформированы основные критерии, предъявляемые к датчикам видовой
информации КСА УВН.
Разработан методический аппарат верификации ПЧХ ТВ и ИК систем.
Построены панорамная ТВ и комплексированная ТВ+ИК системы,
обеспечивающие формирование изображения с качеством зрительного
анализатора.
Разработано математическое обеспечение первичной обработки видовых
данных, обеспечивающее комплексирование ТВ и ИК изображений, а так же
фильтрацию движущихся и неподвижных протяженных помеховых
образований.
Разработано математическое обеспечение вторичной обработки видовых
данных, обеспечивающее селекцию движущихся наземных и воздушных
объектов.
Разработан технический облик и математическое обеспечение уникальной
многопозиционной РЛС ОЛП в составе КСА УВН, обеспечивающей
достоверность, полноту, точность и надежность представляемой информации
при относительно низкой стоимости.
Комплексное использование разработанных технологий позволяет вывести
количественные и качественные характеристики КСА УВН на новый уровень.
25
1/--страниц
Пожаловаться на содержимое документа