Иерархическая система списков для обнаружения и сопровождения точечных слабоизлучающих объектов по последовательности изображений

Полный текст на elibrary.ru

Ссылка для цитирования:

Меденников П.А., Павлов Н.И. Иерархическая система списков для обнаружения и сопровождения точечных слабоизлучающих объектов по последовательности изображений // Оптический журнал. 2024. Т. 91. № 11. С. 12–23. http://doi.org/10.17586/1023-5086-2024-91-11-12-23

Medennikov P.A., Pavlov N.I. A hierarchical list system for detecting and tracking point weakly emitting objects by image sequence [in Russian] // Opticheskii Zhurnal. 2024. V. 91. № 11. P. 12–23. http://doi.org/10.17586/1023-5086-2024-91-11-12-23

Ссылка на англоязычную версию:

Аннотация:

Предмет исследования. Задача обнаружения и сопровождения движущихся слабоизлучающих точечных объектов. Цель работы. Разработка метода обработки последовательности изображений для устойчивого обнаружения и сопровождения объектов с низкими значениями отношения сигнала к шуму. Метод. Основной особенностью предложенного метода обработки последовательности изображений является оперирование с иерархической системой списков: списком целей, инициальным списком и буферным списком. В расположенный на нижнем уровне иерархии буферный список вносятся все отметки, обнаруженные в ходе внутрикадровой обработки изображений и не нашедшие соответствия с объектами из указанных списков. При успешном соответствии кадровой отметки с объектом буферного списка он переносится в инициальный список. Там собираются кандидаты на «завязывание» траекторий, которые при подтверждении соответствующего условия переносятся в список целей. Используются различные правила сопоставления кадровых отметок с объектами указанных списков, правила пересчета траекторных и энергетических характеристик, а также различные условия сохранения объекта в списке. Основные результаты. Предложен метод, который позволяет обнаруживать и отслеживать объекты с низкой вероятностью обнаружения на единичном кадре. Работоспособность предложенного метода подтверждается проведенными статистическими экспериментами. Практическая значимость. Применение разработанного метода позволит повысить дальность обнаружения и устойчивость сопровождения движущихся слабоизлучающих точечных объектов системами обнаружения, работающими в режиме реального времени.

Ключевые слова:

обнаружение точечных объектов, сопровождение объектов, обработка последовательности изображений, траекторная обработка, иерархическая система списков, сопоставление отметок

Коды OCIS: 100.4999

Список источников:

1. Меденников П.А., Павлов Н.И. Обнаружение и сопровождение точечных слабоизлучающих объектов на основе анализа последовательности минисерий изображений // Оптический журнал. 2021. Т. 88. № 12. С. 50–58. https://doi.org/10.17586/1023-5086-2021-88-12-50-58
Medennikov P.A., Pavlov N.I. Detection and tracking of weakly emitting point objects, based on the analysis of a sequence of miniseries of images // J. Opt. Technol. 2021. V. 88. № 12. P. 716–721. https://doi.org/10.1364/JOT.88.000716
2. Bar-Shalom Y., Li X.-R. Multitarget-multisensor tracking: Principles and techniques. Storrs: YBS Publ., 1995. 615 p.
3. Blackman S.S., Popoli R. Design and analysis of modern tracking systems. Boston: Artech House, 1999. 1232 p.
4. Коновалов А.А. Основы траекторной обработки радиолокационной информации. Ч. 1. СПб.: изд. СПбГЭТУ «ЛЭТИ», 2013. 164 с.
Konovalov A.A. Base of tracking processing of radiolocation data. P. 1 [in Russian]. St. Petersburg: St. Petersburg GETU «LETI» Publ., 2013. 164 p.
5. Коновалов А.А. Основы траекторной обработки радиолокационной информации. Ч. 2. СПб.: изд. СПбГЭТУ «ЛЭТИ», 2014. 180 с.
Konovalov A.A. Base of tracking processing of radiolocation data. P. 4 [in Russian]. St. Petersburg: St. Petersburg GETU "LETI" Publ., 2014. 180 p.
6. Фисенко В.Т., Можейко В.И., Фисенко Т.Ю. и др. Метод автоматического обнаружения и прослеживания многих малоразмерных объектов в условиях априорной неопределенности // Изв. вузов, Приборостроение. 2014. Т. 57. № 10. С. 17–22.
Fisenko V.T., Mozhezeiko V.I., Fisenko T.Yu., et al. Method of automatically detecting and tracking many small objects under conditions of a priori indeterminacy [in Russian] // Izv. Vyssh. Uchebn. Zaved, Prib. (News of higher educational institutions, Instrument engineering). 2014. V. 57. № 10. P. 17–22.
7. Kingston R.H. Detection of optical and infrared radiation. Berlin Heidelberg: Springer-Verlag, 1978. 140 p.
8. Hadzagic M., Michalska H., and Lefebvre E. Trackbefore detect methods in tracking low-observable targets: A survey // Sensor & Transducers M. (S&T e-Digest). Special Issue. August 2005. P. 374–380.
9. Ristic B., Arulampalam S., and Gordon N. Beyond the Kalman filter: Particle filters for tracking applications. Washington DC: Artech House, 2004. 318 p.
10. Nichtern O. and Rotman S.R. Parameter adjustment for a dynamic programming track-before-detectbased target detection algorithm // J. Adv. in Sig. Process. 2008. (ID 146925). P. 1–19. https://doi.org/10.1155/2008/146925
11. Hoonkyung Cho, Joohwan Chun. A new TVD-DP algorithm using multiple IR sensors to locate the target launch point // Proc. SPIE. 2015. V. 8185. P. 8185OP-1–8185OP-14.
12. Huanhai Yang. Detection and tracking of infrared dim small image sequence moving target // The Open Automation and Control Systems J. 2015. № 7. P. 1698–1704.
13. Bendong Zhao, Shanzhu Xiao, Huanzhang Lu, et al. Point target detection in space-based infrared imaging system based on multi-direction filtering fusion // Progress in Electromagnetics Res. M. 2017. V. 56. P. 145–156.
14. Yi W., Fang Z., Li W., et al. Multi-frame trackbefore-detect algorithm for maneuvering target tracking // IEEE Trans. Vehicular Technol. 2020. V. 69. № 4. P. 4104–4118.
15. Беренков Н.Р., Тартаковский А.Г. Эффективные алгоритмы выделения слаборазличимых следов космических объектов // Труды МФТИ. 2020. Т. 12. № 2. С. 5–20.
Berenkov N.R. and Tartakovski A.G., Effective algorithms for distinguishing weakly distinguishable tracks of space objects [in Russian] // Trudy Mosk. Fiz.-Tekhnich. Inst. (Рroceedings of the Moscow Institute of Physics and Technology). 2020. V. 12. № 2. P. 5–20.
16. Mazurek P. Convolutional neural network reference for track-before-detect-based target detection application // Remote Sens. 2023. V. 15(4629). P. 1–17. https://doi.org/10.3390/rs15184629
17. Меденников П.А. Алгоритм обнаружения и определения координат точечного объекта // Оптический журнал. 2019. Т. 86. № 8. С. 65–69. https://doi.org/10.17586/1023-5086-2019-86-08-65-69
Medennikov P.A. Algorithm for detecting and determining the coordinates of a point object // J. Opt. Technol. 2019. V. 86. № 8. P. 510–514. https://doi.org/10.1364/JOT.86.000510
18. Соболев А.А. Сравнение быстродействия методов решения задачи о назначениях при селекции в траекторной обработке // Вестник Концерна ВКО «Алмаз-Антей». 2023. № 2. С. 81–89. https://doi.org/10.38013/2542-0542-2023-2-81-89
Sobolev A.A. Performance comparison of the methods for solving the assignment problem in selection of tracking data processing [in Russian] // Vestnik Koncerna VKO "Almaz-Antey". (Bulletin of the Almaz-Antey Aerospace Defense Concern). 2023. № 2. P. 81–89. https://doi.org/10.38013/2542-0542-2023-2-81-89
19. Абакумова А.А., Малинова Т.П., Меденников П.А. и др. Программно-алгоритмический комплекс имитационного моделирования для исследования и разработки оптико-электронных систем наблюдения // Оптический журнал. 2019. Т. 86. № 8. С. 56–64. https://doi.org/10.17586/1023-5086-2019-86-08-56-64
Abakumova A.A., Malinova T.P., Medennikov P.A., et al. Algorithmic simulation-modeling software complex for the investigation and development of optoelectronic observation systems // J. Opt. Technol. 2019. V. 86. № 8. P. 503–509. https://doi.org/10.1364/JOT.86.000503