Введение к работе
Актуальность проблемы. Отличительной чертой современного этапа развития общества является значительное увеличение количества, многообразия и сложности информации. Среди прикладных задач по ее обработке и преобразованию все более существенное место начинают занимать задачи, в которых информация представляется в виде изображений. Такое представление обладает высокой информационной емкостью, компактностью и наглядностью, а зрение является наиболее естественным механизмом восприятия образов различной природы. Это обуславливает широкий спектр применений такого представления на практике (мониторинг окружающей среды, оптическая и радиолокационная разведка, картография, навигационное обеспечение и т.п.). При получении изображений исследуемых объектов, как правило, используют оптический и радио диапазоны электромагнитного излучения, при этом полезная информация, в общем случае, представляет собой двумерное поле, т.е. функцию времени и пространственных координат.
В процессе формирования исходное изображение подвергается различным искажениям. Эти искажения могут быть обусловлены как внешними факторами (влиянием окружающей среды), так и особенностями (несовершенством, спецификой функционирования и т.п.) устройства восприятия. Естественно, что в данном случае возникает необходимость наилучшим образом выделить полезную информацию и максимально скомпенсировать воздействие искажений.
Характерным отличием задач восстановления изображений является то, что в процессе формирования образа исходного объекта допускается процедура инерционного (интегрального, интегро-дифференциального или более общего типа) преобразования. При этом задача восстановления (задача, обратная процессу формирования), как правило, в математическом смысле является некорректной, т.е. бесконечно малым приращениям . входного (искаженного) воздействия могут соответствовать бесконечно большие приращения результата восстановления. Получается, что из-за наличия даже небольших помех при инерционном преобразовании область возможных решений обратной задачи может быть очень обширной и элементы этой области - отдельные решения, полученные по искаженным данным, могут сильно отличаться от истинного образа исходного объекта. Возникает необходимость регуляризации решения - существенного уменьшения разброса решений относительно истинного значения.
В настоящее время существует ряд известных методов как детерминистских, так и вероятностных (винеровская фильтрация, методы некорректных задач оптимизации, различные итерационные методы и др.), позволяющих в той или иной мере решать поставленные задачи. Однако, отсутствие в них общего подхода, единого критерия оптимальности, а также
использование различных ограничений не позволяет выработать четкие рекомендации по эффективному использованию того или иного метода для решения конкретной задачи. Очевидно, что в данной ситуации, по аналогии с одномерным случаем, целесообразно иметь достаточно универсальный аппарат синтеза устройств обработки, основанный на едином подходе и не противоречащий существу рассматриваемых задач.
Поскольку в реальных условиях мы не обладаем полной и достоверной информацией о параметрах исходного объекта и искажающих явлениях, то синтезируемая система обработки должна быть адаптивной к изменениям априорных данных. В качестве основного метода решения задач предварительной обработки (восстановления полей) в условиях априорной неопределенности целесообразно использовать аппарат теории вероятностей и математической статистики. Более того, при использовании байесовского критерия для синтеза алгоритмов восстановления полей, помимо решения задачи адаптации, не возникает проблем с неустойчивостью решений, обусловленной некорректным характером задачи.
В середине 60-х годов Р.Л. Стратоновичем на основе байесовского подхода был разработан наиболее мощный аппарат оптимальной нелинейной фильтрации марковских процессов, позволяющий охватить практически весь круг задач, связанных с обработкой одномерных (зависящих только от времени) случайных сигналов. Сущность данного подхода состоит в определении алгоритмов вычисления апостериорной плотности вероятности и минимизации апостериорного риска.
Однако специфика задач обработки случайных полей не позволяет для их решения воспользоваться традиционными алгоритмами оптимальной фильтрации марковских процессов. Это обусловлено тем, что апостериорная плотность вероятности случайного поля (в отличие от одномерных задач) является функционалом. Известно, что функционалы, по сравнению с обычными функциями действительного (комплексного) переменного, относятся к математическим объектам совершенно иной природы и требуют соблюдения соответствующих правил при оперировании с ними. Кроме того, в большинстве случаев физическая природа пространственных изменений реальных изображений обладает свойством некаузальности в отличие от временных процессов, что исключает возможность адекватного априорного описания широкого круга изображений марковской (каузальной) моделью. Данный аспект связан с определенными трудностями в вопросах синтеза оптимальных алгоритмов и их практической реализации, что явилось причиной недостаточного внимания к этой проблеме в настоящее время.
Поэтому проблема разработки адаптивных методов и средств обработки и анализа случайных полей на основе единого критерия для решения широкого круга практических задач является актуальной и определяет цель данной работы.
Целью диссертационной работы является обеспечение высокой эффективности предварительной обработки изображений в системах дистанционного зондирования пространственно-распределенных объектов за счет развития научно-технических основ синтеза адаптивных алгоритмов восстановления случайных полей в условиях априорной неопределенности и их использования в актуальных прикладных задачах.
Научная новизна работы состоит в следующем.
-
С учетом байесовского подхода к решению широкого круга задач предварительной обработки изображений установлено, что с точки зрения технической реализации, удобства моделирования на ЭВМ и синтеза алгоритмов обработки целесообразно использовать для описания априорных моделей исходных изображений метод уравнений состояния.' в основе которого лежит аппарат стохастических дифференциальных (интегро-дифференциальных) уравнений в частных производных. При этом в классе основных уравнений математической физики разработаны априорные модели для описания плоских изображении различного характера и проведен анализ их статистических характеристик.
-
С использованием теории интегрирования в функциональных пространствах на основе байесовского критерия разработан метод синтеза адаптивных относительно параметров модели исходного изображения и искажающего воздействия алгоритмов оптимального восстановления случайных полей различного типа: непрерывных, дискретных и статических во времени. В результате получены алгоритмы вычисления соответствующих функционалов апостериорной плотности вероятности.
3. С использованием метода "разделения" синтезированы '
соответствующие алгоритмы дія восстановления случайных полей,
позволяющие решать задачу адаптивной обработки изображений в случаях,
когда гауссовское приближение не приемлемо.
4. На основе теории совместного различения сигналов и оценивания их
параметров решена задача совместного обнаружения и восстановления
случайных полей, являющаяся адаптивной задачей относительно наличия или
отсутствия полезного сигнала в принимаемой реализации.
5. В результате применения разработанной методики для
предварительной обработки изображений получены алгоритмы
восстановления фотоизображений, искаженных скоростным смазом, в
системах пассивного зондирования, а также адаптивные алгоритмы
восстановления изображений в однопозицнонных системах активного
зондирования.
6. На основе синтезированных оптимальных алгоритмов совместного
обнаружения и восстановления случайных полей решена задача
предварительной селекции восстанавливаемых изображений по параметру
априорной модели.
Практическая ценность работы. В результате развития байесовского подхода к проблеме восстановления случайных полей разработаны теоретические основы синтеза оптимальных алгоритмов предварительной обработки изображений для широкого круга практических задач. При этом не возникает необходимости в принятии дополнительных мер для устранения неустойчивости решении, обусловленной некорректным характером задач восстановления изображений.
Проведенный анализ помехоустойчивости синтезированных алгоритмов, а также результаты машинного моделирования Свидетельствуют об их высокой эффективности с точки зрения практического использования, а именно:
1. Разработанные алгоритмы восстановления изображений даже в
случае нелинейных искажений в процессе формирования, а также в условиях
априорной неопределенности выполняют свои функции довольно успешно с
хорошим качеством восстановления. Получаемая на выходе
синтезированного устройства оценка изображения является эффективной.
2. Применение метода "разделения" позволяет обеспечить сходимость
алгоритмов восстановления в случае неработоспособности метода
гауссовской аппроксимации. При этом схема устройства, реализующего
разделенный алгоритм, имеет многоканальную структуру. Однако (как
показывают исследования) количество этих каналов невелико и вполне
приемлемо для практики.
-
Установлено, что синтезированный алгоритм восстановления изображений для систем активного зондирования обладает высокой скрытностью и обеспечивает малые энергетические затраты.
-
Разработано алгоритмическое и программное обеспечение для современных ЭВМ. позволяющее осуществить обработку реальных изображений, полученных при помощи маловысотных самолетов-разведчиков (фотоизображения) и систем активного зондирования радиодиапазона.
Практическая значимость проведенных в диссертации исследований подтверждена актами о внедрении результатов работы в межотраслевом научно-технологическом центре "Наука", НИИ многопроцессорных вычислительных систем при Таганрогском РТУ, государственном НИИ "Пульсар", институте систем обработки изображений РАН, НИИ приборостроения имени В.В. Тихомирова.
Реализация исследований. Результаты работы реализованы при разработке макета оптоэлекфонной системы сбора и обработки информации о воздушно-космической обстановке с распознаванием целей в условиях организованных помех (НИР "Шексна - ГКНО", "Желе-2", "Ладья-АН") и разработке базового модуля мультипроцессорной системы для обработки
изображений (НИР "Тренажер"), при проектировании комплексной системы обработки изображений (ОКР "Признак 40 - УВД"), а также при выполнении НИР по федеральной научно-технической программе "Перспективные информационные технологии" и ОКР "Образ-1", заданной постановлением Правительства Российской Федераций № 980-66 от 16.12.92 г.
Полученные в диссертации результаты используются в соответствии с учебными планами Тамбовского ВВАИУ в лекционном и практическом курсах учебных дисциплин "Вероятностные основы АСУ " и "Статистическая теория радиоэлектронных систем". По разработанному в диссертации направлению работает 2 соискателя ученой степени кандидата технических наук.
Достоверность основных результатов и выводов подтверждается соответствием теоретических результатов синтеза алгоритмов обработки практическим результатам их полунатурного моделирования. Сделанные выводы о соответствии априорных математических моделей реальным изображениям подтверждаются результатами обработки. Кроме того, достоверность полученных результатов подтверждается их внедрением в конкретные разработки в соответствии с имеющимися актами о внедрении, а также авторскими свидетельствами и решением о выдаче патента на
ИЗОбреТеНИе. :
Апробация работы. Основные положения диссертации были доложены на Международной конференции "Радио и волоконно-оптическая связь, локация и навигация" (г. Воронеж, 1997 г.); Всероссийских и межреспубликанских конференциях "Повышение эффективности средств обработки информации на базе математического и машинного моделирования" (г. Тамбов. 1993 г., 1995 г.), "Повышение эффективности средств обработки информации" (г. Тамбов, 1997 г.,); научно-технической конференции ВВС "Проблемы создания и испытаний авиационной техники, пути совершенствования подготовки кадров" (г. Москва, 1995 г.).
Публикации. По результатам выполненных исследований опубликовано 38 работ, из них -1 монография, 21 статья и материалы докладов, 4 авторских свидетельства и решение о выдаче патента на изобретения, 3 учебно-методических пособия, 9 отчетов о НИОКР.
Структура и объем работы. Диссертация состоит из введения, шести разделов, заключения, списка литературы и приложений.
Общий объем диссертации - 310 страниц, из них 33 страницы иллюстраций, список литературы на 10 страницах, приложения на 25 страницах.