Диссертация (Расширение условий функционирования систем визуальной навигации автономных беспилотных летательных аппаратов), страница 14

При этом, средняя ошибка для объекта«лес» в диапазоне положения источника света от 150 до 500 составляет 9%, а вдиапазоне от 500 до 900 – 3%. Для объекта «поле» средняя ошибка в диапазонеот 100 до 450 – 2%, а в диапазоне от 450 до 900 – 3%.4.2.Сравнениекорреляционныхалгоритмовсопоставленияизображений и алгоритмов на основе адаптивных описанийЦельюисследованияявляетсясравнениесуществующихкорреляционных алгоритмов обнаружения ориентиров с использованием ЭИи предлагаемого алгоритма на основе адаптивных описаний.114Методика эксперимента состоит из следующих этапов:1. Моделирование эталонных изображений для условий «День» и «Вечер».2. Получение эталонных описаний для искомых объектов сцены и построениенечеткой системы.3. Обнаружение искомых объектов на эталонных сценах на основе эталонныхописаний (получение эталонного сегментированного изображения).4.

Оценка влияния изменения освещенности на значение экстремумакорреляционных функций НКФ и ВКФ для различных подходов:4.1. Получение набора текущих изображений для 5 различных условийосвещенности за счет изменение яркости эталонных изображений.4.2. Расчет экстремумов ВКФ эталонных и 5 текущих изображений.4.3. Расчет экстремумов ВКФ эталонных и 5 текущих сегментированныхизображений, полученных на основе адаптивных описаний.4.4. Расчет экстремумов НКФ для подходов на основе ЭИ и адаптивныхописаний аналогично пунктам методики 4.2 – 4.3.5. Оценка требуемого объема элементарных операций для реализациикаждого подхода.6.

Оценка влияния интенсивности шума на значения экстремумов НКФ:6.1. Получение набора зашумленных изображений для 50 различныхзначений отношения «сигнал-шум».6.2. Расчет экстремумов НКФ для подходов на основе ЭИ и адаптивныхописаний аналогично пунктам 4.2 – 4.3 методики для серии 50зашумленных изображений.В качестве эталонных изображений были взяты рассмотренные ранеев разделе 2.2 сцены «День», «Вечер» (рисунок 2.5,а,б).Для построения эталонных описаний искомых объектов на эталонныхизображениях были взяты фрагменты объектов «Лес», «Поле», «Озеро».Эталонные описания для этих объектов были получены в параметрическомвиде - парами МО и СКО яркости (параметры представлены в таблице 4.2).115Таблица 4.2.

Параметры эталонных описаний ориентировЛесМОПолеСКОМООзероСКОМОСКО«День»48,7423,54166,5920,2114,973,21«Вечер»18,869,3564,698,45,881,67На рисунке 2.10, а, б представлены эталоннные сегментированныеизображения, полученные статистическими методами с использованиемэталонных описаний.Изменениеусловийнаблюдениямоделировалосьуправлениемосвещенностью наблюдаемой сцены. Набор текущих изображений дляразличных условий освещенности формировался вариациями яркостиэталонной сцены «День» от 100% до 50% c шагом в 10%.

Таким образом,формируется набор из 5 текущих изображений.Сопоставление эталонных и текущих изображений с использованиемВКФ производилось для каждого текущего изображения из набора и одногоиз эталонных изображений. При этом текущие изображения в диапазоне от100% до 76% сопоставлялись с эталоном «День», а в диапазоне от 65% до 53%– с эталоном «Вечер».Аналогичным образом сопоставлялись сегментированные эталонные итекущие изображения. Сегментированные текущие изображения былиполучены в результате обнаружения объектов «лес», «поле», «озеро» натекущих изображениях с использованием нечеткой системы формированияадаптивных описаний.Значения экстремумов ВКФ и НКФ при использовании ЭИ иадаптивных описаний для различных условий освещенности приведены втаблицах 4.3, 4.4.116Таблица 4.3.

Результат использования ВКФМО изображения(относительноИспользование ИспользованиеЭИэталона «День»)адаптивныхописаний100893,6261772,1590804,3181774,6480714,8821777,570625,7061781,8260536,4121787,2450447,0341793,85Из таблицы видно, что при изменении освещенности на 50% значениеэкстремума ВКФ при использовании эталонных изображений уменьшилось на49%.

При использовании адаптивных описаний экстремум ВКФ почти неизменился (изменения 2-3%).Таким образом, устойчивость к изменению освещенности алгоритма наоснове адаптивных описаний существенно выше, чем у алгоритмов,сопоставляющих изображения.Таблица 4.4. Результат использования НКФМО изображения(относительноИспользование ИспользованиеЭИэталона «День»)1009080706050адаптивныхописаний0,9998570,9998810,9998880,9998480,99982710,9933030,9941040,9950830,9964390,9979941Из таблицы видно, что результаты работы двух подходов различаютсянезначительно (менее 1%) и практически постоянны при измененииосвещенности.117Далее согласно пункту 5 методики эксперимента была проведена оценкаобъема элементарных операций, необходимых для реализации исследуемыхалгоритмов.Для функции НКФ количество элементарных операций вычисляется последующей формуле [34]:НКФ = ( + + )( − )( − ),где , – размеры ТИ (или области поиска); , – размеры ЭИ; –количество элементарных операций используемых при расчете критерия; , – количество элементарных операций необходимых для расчета МО иСКО фрагмента изображения размера , .Так, для ЭИ размером 10x10 пикселей и ТИ 100x100 пикселей среднееколичество элементарных НКФ составит:НКФ =(4*100 + 100 + 400)*9900=8.91*106.Оценкаколичестваэлементарныхопераций,необходимыхдляобнаружения ориентиров на основе адаптивных описаний, производится последующей формуле:АО = ( + + )( − )( − ),где , – размеры ТИ (или области поиска); , – размер окна для расчетаМО; , – количество элементарных операций необходимых для расчетаМО и СКО фрагмента изображения размера ∗ ; − количествоопераций, необходимых для работы нечеткой системы (зависит от количестваправил в БЗ и ФП).Рассмотрим случай обнаружения ориентиров алгоритмом на основеадаптивных описаний на ТИ размером 100x100 пикселей.

Примем размер окна– 10x10 пикселей, а для рассматриваемого случая – 32, тогдаАО = (100 + 400 + 32) ∗ 9900 = 5.2 ∗ 106 ,что соответствует уменьшению объема вычислений наНКФ − АО8.91 ∗ 106 − 5.2 ∗ 106∗ 100% =∗ 100% = 41.6%.НКФ8.91 ∗ 106118Таким образом, использование подхода на основе адаптивных описанийпри обнаружении малоинформативных ориентиров позволяет сократитьобъем вычислений примерно на 41,6%, так как не требует попиксельногосравнения ЭИ и ТИ.Для получения зашумленных изображений использовался аддитивныйгауссовский шум с нулевым МО и СКО.

СКО шума определялось по формуле: =,где , – СКО шума и изображения соответственно; − значениеотношения «сигнал-шум».Изменяя в диапазоне от 0,1 до 5 с шагом 0,1, была получена серия из50 текущих зашумленных изображений.Значения экстремумов НКФ при сопоставлении эталонов и 50 текущихзашумленных изображений для разных подходов, были получены аналогичнопунктам 4.2 и 4.3 методики эксперимента и показаны на рисунке 4.7.1,210,80,60,40,200,10,40,711,31,61,92,22,52,8Эталонные изображения3,13,43,744,34,64,9Адаптивные описанияРисунок 4.7.

Зависимости экстремума НКФ от значений интенсивности шумадля различных подходов обнаружения ориентировНарисункепоказаназависимостьзначенияэкстремумаНКФ(вертикальная ось) от значения интенсивности шума – «сигнал-шум»(горизонтальнаяось).Гладкойлиниейобозначеназависимость,119соответствующая алгоритмам, использующим эталонные изображения, аштриховой – адаптивным описаниям.На графиках видно, что результаты использования двух подходовразличаются несущественно.Таким образом, предлагаемый подход к обнаружению ориентиров наосновеиспользованияадаптивныхописанийобеспечиваетбольшуюустойчивость к изменению условий освещенности по сравнению скорреляционным подходом на основе ВКФ, а также меньший объемвычислений по сравнению с НКФ.4.3.Оценка вероятности ошибок обнаружения ориентиров визменяемых условиях наблюденияЦелью данного исследования является оценка потерь при обнаружениималоинформативных ориентиров с использованием эталонных и адаптивныхописаний.Результатыэкспериментадолжныпоказатьповышениеэффективности (уменьшение потерь) при использовании адаптивныхописаний (сформированных по методике, описанной в главе 2) дляобнаружения малоинформативных ориентиров.Методика эксперимента состоит из следующих этапов:1.Моделирование трех сцен (двух эталонных и одной текущей) дляразличных условий наблюдения.2.Получение условных плотностей распределения объектов дляэталонных сцен.3.Оценка вероятностей появления ошибок обнаружения объектов наэталонных сценах (на основе эталонных описаний).4.Оценка вероятностей появления ошибок обнаружения объектов натекущей сцене с использованием эталонных плотностей.5.Построение нечеткой системы по двум эталонам (по методикераздела 2.1) и формирование (на ее основе) адаптивной плотности.1206.Оценка вероятностей появления ошибок обнаружения объектов натестовой сцене с использованием адаптивной плотности.7.Определениевлиянияизмененияяркостинаошибкираспознавания объектов поиска.Моделирование сценРассмотрим три сцены «День» (рисунок 4.8), «Вечер 01» (рисунок 4.9),«Вечер 02» (рисунок 4.10), на которых присутствуют подстилающиеповерхности типа: лес, поле (лесная поляна), дорога.Будем считать, что ранее были получены эталонные изображения сцен«День» (рисунок 4.8) и «Вечер 01» (рисунок 4.9).

В дальнейшем изображение«Вечер 02» рассматривается как текущее изображение.Здесь объектами интереса являются все подстилающие поверхности.Рисунок 4.8. Сцена «День» (эталонная сцена)121Рисунок 4.9. Сцена «Вечер 01» (эталонная сцена)Рисунок 4.10. Сцена «Вечер 02» (текущая сцена)Имитация изменяемых условий наблюдения проводилась путемкомпьютерногомоделирования(измененияяркостииконтрастностиизображений).Примем, что:распознавание(обнаружение)объектовпроизводитсястатистическими методами;основным признаком обнаружения является математическоеожидание (среднее арифметическое) яркости ( = );плотности распределения вероятностей получены гистограммнымметодом по исходным изображениям и аппроксимированы закономраспределения Гаусса;122диапазон изменения яркости 0÷255.Получение условных плотностей распределенияНа рисунке 4.11 представлены аппроксимированные плотностираспределения вероятностей яркостей объектов интереса на сцене «День».