ITMO
en/ en

ISSN: 1023-5086

en/

ISSN: 1023-5086

Научно-технический

Оптический журнал

Полнотекстовый перевод журнала на английский язык издаётся Optica Publishing Group (ранее OSA) под названием “Journal of Optical Technology“

Подача статьи Подать статью
Больше информации Назад

УДК: 004.932.2, 517.968

Вейвлет-фрактально-корреляционный алгоритм распознавания типа динамического объекта, обнаруживаемого оптико-электронным прибором

Ссылка для цитирования:

Катулев А.Н., Храмичев А.А. Вейвлет-фрактально-корреляционный алгоритм распознавания типа динамического объекта, обнаруживаемого оптико-электронным прибором // Оптический журнал. 2017. Т. 84. № 4. С. 25–34.

 

Katulev A.N., Khramichev A.A. Wavelet/fractal correlation algorithm for type recognition of a dynamic object detected by an optoelectronic device [in Russian] // Opticheskii Zhurnal. 2017. V. 84. № 4. P. 25–34.

Ссылка на англоязычную версию:

A. N. Katulev and A. A. Khramichev, "Wavelet/fractal correlation algorithm for type recognition of a dynamic object detected by an optoelectronic device," Journal of Optical Technology. 84(4), 237-245 (2017). https://doi.org/10.1364/JOT.84.000237

Аннотация:

Предложен инвариантный к особенностям траектории движения динамических объектов алгоритм автоматического распознавания их типов оптико-электронным прибором на реальном естественном фоне. Алгоритм основан на принципе отношения функций правдоподобия простых альтернативных гипотез, реализует несмещ¸нный наиболее мощный критерий распознавания объектов при априорной неопределенности о фоноцелевой обстановке. Функции правдоподобия вычисляются для выборок энергии вейвлет-спектров, фрактальных размерностей и максимальных собственных значений автокорреляционных матриц измеренных прибором координат угла места, азимута и вычисленной максимальной дальности объекта на конечном отрезке времени. Моделированием установлена высокая эффективность алгоритма в реальном масштабе времени на современных ПЭВМ.

Ключевые слова:

оптико-электронный прибор, тип динамического объекта, распознавание, статистики распознавания, критерий, алгоритм

Коды OCIS: 110.2960, 100.2000

Список источников:

1. Криксунов Л.З. Приборы ночного видения. Киев: Изд-во «Техника», 1975. 216 с.
2. Гузенко О.Б., Катулев А.Н., Храмичев А.А., Ягольников С.В. Автоматическое обнаружение и сопровождение динамических объектов на изображениях, формируемых оптико-электронными приборами в условиях априорной неопределенности. Методы и алгоритмы. М.: Радиотехника, 2015. 285 с.
3. Катулев А.Н., Колонсков А.А., Храмичев А.А., Ягольников С.В. Адаптивный метод и алгоритм обнаружения малоконтрастных объектов оптико-электронным средством // Оптический журнал. 2014. Т. 82. ¹ 2. С. 29–39.
4. Федер Е. Фракталы. М.: Мир, 1991. 254 с.
5. Потапов А.А., Гуляев Ю.В., Никитов С.А., Пахомов А.А., Герман В.А. Новейшие методы обработки изображений. М.: Физматлит, 2008. 496 с.
6. Лапко А.В., Лапко В.А. Построение доверительных границ для решающей функции в двуальтернативной задаче распознавания образов // Автометрия. 2015. T. 51. ¹ 4. C. 62–67.
7. Гашников М.В., Глумов Н.И., Ильясова Н.Ю., Мясников В.В., Попов С.Б., Сергеев В.В., Сойфер В.А., Храмов А.Г., Чернов А.В., Чернов В.М., Чичева М.А., Фурсов В.А. Методы компьютерной обработки изображений / Под ред. Сойфера В.А. М.: Физматлит, 2003. 784 с.
8. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MatLab. М.: Техносфера, 2006. 616 с.
9. Кокс Д., Хинкли Д. Теоретическая статистика. М.: Мир, 1978. 560 с.
10. Фаддеев А.К., Фаддеева В.Н. Вычислительные методы линейной алгебры. М.: ФМЛ, 1960. 656 с.
11. Яковлев А.Н. Основы вейвлет-преобразованя сигналов. М.: САЙНС-ПРЕСС, 2003. 80 с.
12. Колмогоров А.Н., Фомин С.В. Элементы теории функций и функционального анализа. М.: Наука, 1968. 406 с.
13. Ван Трис. Г. Теория обнаружения, оценок и модуляция. Т. 1. М.: Сов. радио, 1972. 741 с. (см. с.109).
14. Миддлтон Д. Введение в статистическую теорию связи. Т. 2. М.: Сов. радио, 1962. 832 с.
15. Митропольский А.К. Техника статистических вычислений. М.: Наука, 1971. 576 с.
16. Кендалл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. Т. 3. М.: Наука, 1976. 736 с.
17. Катулев А.Н., Храмичев А.А. Автоматическая вейвлет-сегментация фоноцелевого кадра оптико-электронного прибора при обнаружении динамических объектов на 2D изображении // Оптический журнал. 2016. Т. 83. ¹ 2. C. 30–39.
18. Вилкас. Э.Й. Оптимальность в играх и решениях. М.: Наука, 1970. 236 с.
19. Сосулин Ю.Г. Теоретические основы радиолокации и радионавигации. М.: Радио и связь, 1992. 304 с.
20. Кузьмин С.З. Основы теории цифровой обработки радиолокационной информации. М.: Сов. радио, 1974. 432 с.
21. Сычев В.В. Вычисление корреляционной размерности, корреляционной энтропии и показателя Херста по временному ряду данных // Пущино: Институт математической биологии РАН, 2002. http://impb.psn.ru/~sychyov.
22. Башаринов А.Е., Флейшман Б.С. Методы статистического последовательного анализа и их радиотехнические приложения. М.: Сов. радио, 1962, 352 с.
23. Малышев В.А., Хмаров И.М., Малышев О.В., Канивец В.Ю., Мирзоян А.С., Кондрашов Н.Г., Вишняков А.С. Распознавание наземных объектов и летательных аппаратов 2D и 3D оптико-электронными системами. М.: ФГУП «НТЦ Информатика», 2013. 158 с.