RU2634374C2 - Способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне - Google Patents

Способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне Download PDF

Info

Publication number
RU2634374C2
RU2634374C2 RU2015149248A RU2015149248A RU2634374C2 RU 2634374 C2 RU2634374 C2 RU 2634374C2 RU 2015149248 A RU2015149248 A RU 2015149248A RU 2015149248 A RU2015149248 A RU 2015149248A RU 2634374 C2 RU2634374 C2 RU 2634374C2
Authority
RU
Russia
Prior art keywords
wavelet
fci
array
wavelet coefficients
background
Prior art date
Application number
RU2015149248A
Other languages
English (en)
Other versions
RU2015149248A (ru
Inventor
Сергей Федотович Боев
Олег Борисович Гузенко
Олег Николаевич Остапенко
Александр Борисович Талалаев
Александр Николаевич Катулев
Александр Анатольевич Храмичев
Сергей Васильевич Ягольников
Original Assignee
Закрытое акционерное общество "Радиотехнические и Информационные Системы воздушно-космической обороны" (ЗАО "РТИС ВКО")
Федеральное государственное бюджетное учреждение "Центральный научно-исследовательский институт войск воздушно-космической обороны Министерства обороны Российской Федерации (ФГБУ "ЦНИИ ВВКО" Минобороны России)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Закрытое акционерное общество "Радиотехнические и Информационные Системы воздушно-космической обороны" (ЗАО "РТИС ВКО"), Федеральное государственное бюджетное учреждение "Центральный научно-исследовательский институт войск воздушно-космической обороны Министерства обороны Российской Федерации (ФГБУ "ЦНИИ ВВКО" Минобороны России) filed Critical Закрытое акционерное общество "Радиотехнические и Информационные Системы воздушно-космической обороны" (ЗАО "РТИС ВКО")
Priority to RU2015149248A priority Critical patent/RU2634374C2/ru
Publication of RU2015149248A publication Critical patent/RU2015149248A/ru
Application granted granted Critical
Publication of RU2634374C2 publication Critical patent/RU2634374C2/ru

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion

Landscapes

  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

Способ обнаружения слабоконтрастных динамических объектов (СДО) на сложном стационарном и нестационарном атмосферном фоне в дневных и ночных условиях с использованием оптико-электронной системы (ОЭС) обнаружения воздушных объектов основан на вейвлет-фрактально-корреляционной обработке прямоугольно-оконной сегментации изображения каждого текущего двумерного кадра, формируемого ОЭС, посредством реализации критерия достоверного обнаружения СДО бинарным пороговым обнаружителем с последующим формированием координатной информации по обнаруженному динамическому объекту для исполнительных устройств. 2 ил.

Description

Изобретение относится к способам обнаружения слабоконтрастных динамических объектов (СДО) на сложном стационарном и нестационарном атмосферном фоне в любых дневных и ночных условиях с использованием оптико-электронной системы (ОЭС) обнаружения воздушных объектов (ВО).
Рассматриваемая ОЭС имеет оптическую систему с широким полем зрения, коротким фокусным расстоянием и матричным приемником оптического излучения. Угловой размер СДО в такой ОЭС меньше или равен элементарному угловому полю матричных оптических приемников [1, с. 58].
Под СДО понимается относительно малоразмерный оптический объект, например самолет, удаленный от ОЭС на расстояние, при котором его изображение умешается в элементарном поле зрения (представляемом на экране монитора в виде пикселя изображения) ОЭС или одновременно попадает в несколько соседних пикселей по вертикали или горизонтали [2, с. 64].
Для таких ОЭС известны способы обнаружения СДО на сложном атмосферном фоне [3, 6], основанные на применении порога при разделении отметок от объекта и от фона с использованием отличий пространственных спектров излучения точечного оптического объекта и протяженного атмосферного фона.
Наиболее близким к заявляемому способу является выбранный в качестве прототипа способ обнаружения точечных тепловых объектов на сложном атмосферном фоне [6], основанный на использовании отличий амплитуд сигналов и угловых размеров изображений излучения точечного теплового объекта и протяженного, более холодного, атмосферного фона, и в котором для обнаружения точечного теплового объекта в условиях ночного неба производится разделение массива изображения на сегменты, размер которых выбирается исходя из экспериментально установленных значений радиуса пространственной корреляции, пространственно-корреляционная и пороговая обработка выделенных сегментов изображений с последующим формированием бинарного изображения точечного теплового объекта на экране монитора видеоконтрольного устройства оптико-электронной системы.
Согласно способу [6] оптическую ОЭС направляют и затем фиксируют в сегменте небесной полусферы поиска, размер которого равен угловому полю ее объектива. Фоноцелевое изображение (ФЦИ) фокусируют на чувствительных элементах матричного многоэлементного приемника и, используя строчную схему считывания, фиксируют электрический сигнал, пропорциональный энергетической яркости излучения фона и СДО. Амплитуды сигналов преобразуют в цифровой код при помощи аналогово-цифрового преобразователя. Цифровые коды сигналов запоминают в оперативном запоминающем устройстве видеопроцессора в виде двумерного массива
Figure 00000001
, где N - число строк, а М - число столбцов массива, так что элемент un,m этого массива содержит информацию о напряжении, пропорциональном яркости излучения фона, снятого с ячейки многоэлементного приемника в n-й строке на m-м шаге обзора. Далее на двумерном цифровом массиве
Figure 00000001
сигналов, принятых от исследуемого сегмента воздушного пространства, производят обнаружение теплого ТДО на холодном атмосферном фоне методом корреляционной цифровой обработки изображений для определения различий температуры ТДО и атмосферного фона.
Недостатками способа-прототипа являются недостаточные функциональные возможности и трудность реализации, связанные с тем, что:
- известный способ в процессе оптического обзора и фиксации текущего сегмента небесной полусферы, равного угловому размеру поля зрения оптической системы ОЭС, предполагает нахождение теплового объекта в указанном сегменте поиска. Указанное допущение может быть осуществлено только при использовании априори выработанной пространственно-временной информации об обнаруживаемом точечном тепловом объекте. В ОЭС обнаружения воздушных динамических объектов априори такой информации не имеется, а функционировать ОЭС должны непрерывно как в ночных, так и дневных условиях при стационарном и нестационарном атмосферном фоне;
- известный способ обнаружения точечных тепловых объектов может быть применен только в условиях ночного неба, когда наблюдается температурный контраст ТДО на фоне холодного ночного неба;
- в известном способе пороговое значение
Figure 00000002
сравнения величин массива Ек вычисляется по формуле
Figure 00000003
, где
Figure 00000004
и
Figure 00000005
- минимальное и среднее значение массива Ек. Однако величины массива Ек являются случайными, так как они взяты из массива изображения
Figure 00000001
, то есть из массива сигналов на выходе аналого-цифрового преобразователя видеопроцессора размером N×M в условиях сложного фона, где N - четное число строк, а М - четное число столбцов массива. Массив
Figure 00000006
содержит выборку-совокупность преобразованных в двоичный код данных по принятому оптической системой с широким полем зрения, коротким фокусным расстоянием и матричным приемником оптического излучения. Преобразованные в двоичный код данные есть напряжения, пропорциональные яркостям излучения фона. Поскольку фон, на котором работает оптическая система, сложный и, естественно, случайный, то выборка представляет реализацию случайных величин. Поэтому обоснованно вычисление порогового значения
Figure 00000007
может быть выполнено только с использованием закона распределения вероятностей получения выборки при условии нахождения точечного теплового объекта в поле зрения оптико-электронной системы;
- известный способ может быть применен только при обнаружении точечных тепловых объектов, имеющих положительный контраст. Однако воздушные динамические объекты, подлежащие обнаружению ОЭС на сложном атмосферном фоне, являются слабоконтрастными объектами, в том числе могут иметь и отрицательный контраст.
Задачей изобретения является устранение недостатков прототипа путем разработки автоматического инвариантного к текущим изменениям сложного атмосферного фона способа достоверного (в смысле вероятности правильного обнаружения ДО, не ниже требуемой, при допустимой вероятности ложной тревоги) обнаружения оптико-электронной системой слабоконтрастных динамических объектов (СДО) различных типов по их излучению в оптическом диапазоне длин волн.
Технический результат, на достижение которого направлено заявляемое изобретение, состоит в повышении точности выделения прямоугольных окон-сегментов, содержащих информацию об объектах (действительных и подобных действительным фоновым) на двумерном изображении, формируемом ОЭС в реальных текущих сложных условиях функционирования, вероятности правильного обнаружения слабоконтрастных динамических объектов, вероятности фильтрации фоновых объектов, подобных действительным объектам, подлежащим обнаружению, и в автоматизации всех этапов обнаружения динамических объектов на двумерных изображениях, формируемых ОЭС в сложных фоновых условиях функционирования.
Технический результат и решение поставленной задачи достигаются тем, что способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне включает прием оптических сигналов в текущем угловом сегменте обзора воздушного пространства, формирование фоноцелевого изображения (ФЦИ) в виде двумерной матрицы амплитуд аналоговых сигналов, фокусировку аналогового ФЦИ на чувствительных элементах матричного многоэлементного приемника, преобразование аналогового ФЦИ в цифровую форму, запоминание цифрового ФЦИ в оперативном запоминающем устройстве видеопроцессора в виде двумерного массива А=(a ij) так, что каждый элемент a ij i-й строки (i- 1, 2, …N) j-го столбца (j=1, 2, …, М) этого массива содержит информацию о напряжении сигнала, пропорциональном яркости принятого излучения, снятого с (i,j)-й ячейки многоэлементного приемника ОЭС, вейвлет-фрактально-корреляционную обработку массива А=(a ij) и обнаружение на нем слабоконтрастного динамического объекта.
Согласно изобретению при обработке массива А=(a ij) и обнаружении на нем слабоконтрастного динамического объекта (СДО) производят вейвлет-методом прямоугольно-оконную сегментацию (ПОС) массива А=(a ij) ФЦИ каждого текущего двумерного кадра, в каждом сегменте ПОС производят фрактально-корреляционную обработку выделенных сегментов ФЦИ и обнаружение бинарной пороговой обработкой СДО.
При вейвлет-фрактально-корреляционной обработке А=(а ij) выделенных сегментов ФЦИ вычисляют вейвлет-коэффициенты вейвлета Хаара [7] каждой строки массива А=(a ij) в зависимости от изменения переменных сдвига kj∈N и масштаба mi>0. Далее производят пороговое преобразование вычисленных вейвлет-коэффициентов строки и отбор вейвлет-коэффициентов, превышающих пороговую величину, установленную по критерию Неймана-Пирсона для допустимой вероятности вычисления ложного вейвлет-коэффициента, вызванного фоном. Затем в каждой i-ой строке методом типа Хука-Дживса выявляют локальные максимальные и минимальные вейвлет-коэффициенты по переменным масштаба и сдвига с лебеговым разбиением области значений вейвлет-коэффициентов. Далее для каждого локального максимального вейвлет-коэффициента определяют строки по переменной сдвига ближайших слева и справа локальных минимальных вейвлет-коэффициентов. Затем определяют по переменной сдвига для каждого максимального локального вейвлет-коэффициента окрестности значений вейвлет-коэффициентов между значениями ближайших слева и справа локальных минимальных вейвлет-коэффициентов строки. Далее устанавливают признаки соответствия окрестностей i-й и i+1-й строк по их множественному пересечению по переменной сдвига и проводят идентификацию пар окрестностей с локальными максимальными вейвлет-коэффициентами i-й и i+1-й строк с признаком их соответствия. Идентификацию проводят по непараметрическому критерию однородности Колмогорова:
Figure 00000008
,
Figure 00000009
,
Figure 00000010
,
где ζkm - вейвлет-коэффициенты в i-й и i+1-й строках фоноцелевого кадра, Ni, Ni+1 - объемы-выборки окрестностей локальных максимумов вейвлет-коэффициентов i-й и i+1-й строк, d0α(NiNi+1) - критическая точка распределения статистики
Figure 00000011
, иначе
Figure 00000012
, N0≥20 при уровне значимости α (вероятности отклонения идентификации вейвлет-коэффициентов строк, α=1-K(d0α(NiNi+1)),
Figure 00000013
- закон Колмогорова), Fi(ζkm), Fi+1(ζkm) - интегральные выборочные функции распределения вероятностей вейвлет-коэффициентов в (i, i+1) смежных строках текущего фоноцелевого кадра.
При невыполнении критерия
Figure 00000014
принимают решение об отклонении идентификации выборок вейвлет-коэффициентов окрестностей i-й и i+1-й строк фоноцелевого кадра, производят формирование кластеров идентифицированных окрестностей локальных максимальных вейвлет-коэффициентов строк фоноцелевого кадра и выполнение указанных выше операций идентификации для столбцов матрицы ФЦИ.
Далее производят вычисление множественного пересечения кластеров вейвлет-коэффициентов строк и столбцов ФЦИ с последующим формированием - обнаружением (при пересечении не менее 90% вейвлет-коэффициентов кластеров строк и столбцов) кластеров вейвлет-коэффициентов в целом текущего фоноцелевого кадра. На основе выявленных пересечений строят выпуклые оболочки в виде прямоугольных окон, накрывающих соответствующие кластеры вейвлет-коэффициентов. Преобразуют выпуклые оболочки в прямоугольные окна яркостей пикселей фоноцелевого кадра ФЦИ. Вычисляют фрактальные размерности кластеров яркостей пикселей фоноцелевого кадра и корреляционные матрицы окон яркостей пикселей фоноцелевого кадра. Затем вычисляют максимальное собственное значение корреляционной матрицы и статистики
Figure 00000015
,
Figure 00000016
критерия обнаружении ДО на ФЦИ при «сдвиге» выборок
Figure 00000017
,
Figure 00000018
в интервалы [0,1] и μ11d,
Figure 00000019
. Проверяют выполнение критериев Неймана-Пирсона обнаружения СДО на ФЦИ по статистикам
Figure 00000020
,
Figure 00000021
операции обнаружения и осуществляют формирование бинарно-квантованных сигналов (серии из единиц, нулей) как исходных статистик для принятия решения бинарным накопителем об обнаружении СДО по правилу «3 из 5» в зоне обзора ОЭС.
Предложенный способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне прошел экспериментальную проверку на цифровой модели обработки сигналов, сопряженной с блоком ОЭС, включающим обнаружители инфракрасного и видимого диапазонов длин волн.
Результаты экспериментов по обнаружению воздушных объектов (ВО) предложенным способом представлены на фигурах 1,2.
На фиг. 1 представлены фотографии фрагментов воздушной обстановки в зоне контроля ОЭС, где 1а - три воздушных объекта (ВО) на фоне ясного неба; 1б - два ВО на сложном фоне (кучевая облачность) и один ВО на фоне ясного неба; 1в - три ДО на сложном фоне (кучевая облачность). На фиг. 2 - построенные программой кластеры и накрывающие их окна с изображениями действительных и целеподобных-ложных ВО в типовых фоновых условиях, где 2а, 2г - кластеры и окна, построенные алгоритмом по ДО в условиях ясного неба фиг. 1а; 2б, 2д - кластеры и окна, построенные алгоритмом по ВО (окна 1, 2, 3 фиг. 2д) и целеподобным - ложным фоновым объектам (окна 4, 5, 6 фиг. 2д) в сложных фоновых условиях фиг. 1б; 2в, 2е - кластеры и окна, построенные алгоритмом по ВО (окна 1, 2, 3 фиг. 2е) и целеподобным - ложным фоновым объектам (окно 4 фиг. 2е) в сложных фоновых условиях фиг. 1в.
Эксперименты показали, что заявляемый способ в автоматическом режиме функционирования ОЭС обеспечивает:
- сегментацию изображения фоноцелевого кадра с однозначной локализацией практически с единичной вероятностью кластеров структурных особенностей изображения, обусловленных нахождением динамических объектов в зоне контроля оптико-электронного прибора. При этом в сложных условиях функционирования ОЭС целеподобные фоновые кластеры изображений с геометричекими размерами, близкими к размерам выделенных изображений динамических объектов, могут локализовываться с вероятностью, не превышающей 0.25-0.3 (результат сегментации на фиг. 2);
- формирование прямоугольных «окон» с минимальными площадями накрытия локализованных кластеров структурных особенностей пространственно протяженных и малоразмерных контрастных и слабоконтрастных изображений на сложном нестационарном фоне для последующего оценивания фрактальной размерности и максимального собственного значения корреляционной матрицы яркостей пикселей при обнаружении ДО. При этом сформированные окна наряду с изображением истинного или ложного ДО могут содержать 25-35% аппликативного фона; на фиг. 2 представлены построенные алгоритмом окна на фоноцелевых кадрах, сформированных ОЭС в условиях воздушной обстановки фиг. 1;
- практически безошибочную идентификацию структурных особенностей изображений по окрестностям вейвлет-коэффициентов строк (столбцов) фоноцелевого кадра с использованием непараметрической статистики критерия однородности Колмогорова. Однако при этом не предоставляется возможным идентифицировать обнаруженные структурные особенности изображения с изображениями истинных ДО или целеподобных изображений, порождаемых только фоном;
- чувствительность к структурным изменениям изображений составила 2-3 пикселя;
- разрешающую способность 1-3 пикселя или формирование кластеров по изображениям ВО, расстояние между которыми на фоноцелевом кадре составляет 1-3 пикселя;
- фильтрацию целеподобных изображений, порождаемых нестационарным фоном, с высокой (практически с единичной) вероятностью.
В целом указанные технические преимущества обеспечили достижение заявленного технического результата и решение поставленной задачи.
Результаты экспериментов показали сходимость результатов обнаружения ВО в исследованных спектральных диапазонах в ночных и дневных условиях, что свидетельствует о расширении функциональных возможностей заявленного способа по обнаружению слабоконтрастных динамических объектов на сложном атмосферном фоне.
Изобретение разработано на уровне технического проекта и физической модели аппаратно-программного вейвлет-фрактально-корреляционной обработки оптических сигналов ФЦИ на перепрограммируемых логических интегральных схемах, сопряженной с блоком ОЭС, включающим обнаружители инфракрасного и видимого диапазонов.
Источники информации
1. Якушенков Ю.Г., Тарасов В.В. Инфракрасные системы «смотрящего» типа. - М.: Логос, 2004, 430 с.
2. Приходько В.Н., Хисамов Р.Ш. Обнаружение «точечных» объектов теплопеленгатором на основе матричного фотоприемного устройства. // Оборонная техника. Вып. 1-2, 2007. С. 64-66.
3. Якименко И.В. и др. Способ селекции тепловых объектов. Патент на изобретение №2401445.
4. Алленов М.И. и др. Стохастическая структура излучения облачности. СПб: Гидрометеоиздат, 2000, 175 с.
5. Якименко И.В., Коваль С.Н. и др. Цифровая обработка сигналов тепловизионных устройств перспективных образцов вооружений. // Государственная академия наук. Российская академия образования. Институт информатизации образования. Свидетельство об отраслевой регистрации электронного ресурса №00042.
6. Жендарев М.В. и др. Способ обнаружения точечных тепловых объектов на сложном атмосферном фоне. Патент №2461017.
7. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. - М.: ДМК Пресс, 2005, 304 с.

Claims (1)

  1. Способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне, включающий прием оптических сигналов в текущем угловом сегменте обзора воздушного пространства, формирование фоноцелевого изображения (ФЦИ) в виде двумерной матрицы амплитуд аналоговых сигналов, фокусировку аналогового ФЦИ на чувствительных элементах матричного многоэлементного приемника, преобразование аналогового ФЦИ в цифровую форму, запоминание цифрового ФЦИ в оперативном запоминающем устройстве видеопроцессора в виде двумерного массива А=(a iy) так, что каждый элемент a ij i-й строки (i=1, 2, …, N) j-го столбца (y=1, 2, …, М) этого массива содержит информацию о напряжении сигнала, пропорциональном яркости принятого излучения, снятого с (i, j)-й ячейки многоэлементного приемника оптико-электронной системы (ОЭС), вейвлет-фрактально-корреляционную обработку массива A=(a ij) и обнаружение на нем слабоконтрастного динамического объекта, отличающийся тем, что при обработке массива А=(a ij) и обнаружении на нем слабоконтрастного динамического объекта (СДО) производят прямоугольно-оконную сегментацию (ПОС) массива А=(a ij) ФЦИ каждого текущего двумерного кадра, в каждом сегменте ПОС производят фрактально-корреляционную обработку выделенных сегментов ФЦИ и обнаружение бинарной пороговой обработкой СДО, при фрактально-корреляционной обработке А=(a ij) выделенных сегментов ФЦИ вычисляют вейвлет-коэффициенты вейвлета Хаара каждой строки массива А=(a ij) в зависимости от изменения переменных сдвига kj∈N и масштаба mi>0, производят пороговое преобразование вычисленных вейвлет-коэффициентов строки и отбор вейвлет-коэффициентов, превышающих пороговую величину, установленную по критерию Неймана-Пирсона для допустимой вероятности вычисления ложного вейвлет-коэффициента, вызванного фоном, в каждой j-й строке методом Хука-Дживса выявляют локальные максимальные и минимальные вейвлет-коэффициенты по переменным масштаба и сдвига с лебеговым разбиением области значений вейвлет-коэффициентов, для каждого локального максимального вейвлет-коэффициента определяют строки по переменной сдвига ближайших слева и справа локальных минимальных вейвлет-коэффициентов, определяют по переменной сдвига для каждого максимального локального вейвлет-коэффициента окрестности значений вейвлет-коэффициентов между значениями ближайших слева и справа локальных минимальных вейвлет-коэффициентов строки, устанавливают признаки соответствия окрестностей i-й и i+1-й строк по их множественному пересечению по переменной сдвига и проводят идентификацию пар окрестностей с локальными максимальными вейвлет-коэффициентами i-й и i+1-й строк с признаком их соответствия, идентификацию проводят по непараметрическому критерию однородности Колмогорова.
RU2015149248A 2015-11-17 2015-11-17 Способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне RU2634374C2 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2015149248A RU2634374C2 (ru) 2015-11-17 2015-11-17 Способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2015149248A RU2634374C2 (ru) 2015-11-17 2015-11-17 Способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне

Publications (2)

Publication Number Publication Date
RU2015149248A RU2015149248A (ru) 2017-05-22
RU2634374C2 true RU2634374C2 (ru) 2017-10-26

Family

ID=58877807

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2015149248A RU2634374C2 (ru) 2015-11-17 2015-11-17 Способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне

Country Status (1)

Country Link
RU (1) RU2634374C2 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2678950C1 (ru) * 2017-11-30 2019-02-04 Публичное акционерное общество "Красногорский завод им. С.А. Зверева", ПАО КМЗ Способ оценки облачности ночной атмосферы и датчик ночной облачности для его осуществления

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2440608C1 (ru) * 2010-12-02 2012-01-20 Государственное образовательное учреждение высшего профессионального образования Московский военный институт радиоэлектроники Космических войск Способ распознавания объектов на основе фрактально-вейвлетного анализа
RU2461017C1 (ru) * 2011-04-15 2012-09-10 Государственное образовательное учреждение высшего профессионального образования "Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации" имени Маршала Советского Союза А.М. Василевского Способ обнаружения точечных тепловых объектов на сложном атмосферном фоне
CN103226711A (zh) * 2013-03-28 2013-07-31 四川长虹电器股份有限公司 一种快速Haar小波特征对象检测方法
US9081800B2 (en) * 2013-03-01 2015-07-14 Adobe Systems Incorporated Object detection via visual search

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2440608C1 (ru) * 2010-12-02 2012-01-20 Государственное образовательное учреждение высшего профессионального образования Московский военный институт радиоэлектроники Космических войск Способ распознавания объектов на основе фрактально-вейвлетного анализа
RU2461017C1 (ru) * 2011-04-15 2012-09-10 Государственное образовательное учреждение высшего профессионального образования "Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации" имени Маршала Советского Союза А.М. Василевского Способ обнаружения точечных тепловых объектов на сложном атмосферном фоне
US9081800B2 (en) * 2013-03-01 2015-07-14 Adobe Systems Incorporated Object detection via visual search
CN103226711A (zh) * 2013-03-28 2013-07-31 四川长虹电器股份有限公司 一种快速Haar小波特征对象检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2678950C1 (ru) * 2017-11-30 2019-02-04 Публичное акционерное общество "Красногорский завод им. С.А. Зверева", ПАО КМЗ Способ оценки облачности ночной атмосферы и датчик ночной облачности для его осуществления

Also Published As

Publication number Publication date
RU2015149248A (ru) 2017-05-22

Similar Documents

Publication Publication Date Title
Uzkent et al. Integrating hyperspectral likelihoods in a multidimensional assignment algorithm for aerial vehicle tracking
KR102272369B1 (ko) 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법
CN112613336B (zh) 用于生成对象的对象分类的方法和设备
US11195289B2 (en) Building management system using object detection and tracking in a large space with a low resolution sensor
RU2401445C2 (ru) Способ селекции тепловых объектов
Aycock et al. Using atmospheric polarization patterns for azimuth sensing
RU2461017C1 (ru) Способ обнаружения точечных тепловых объектов на сложном атмосферном фоне
RU2634374C2 (ru) Способ оптического обнаружения слабоконтрастных динамических объектов на сложном атмосферном фоне
RU2480780C1 (ru) Способ обнаружения точечных тепловых объектов на маскирующем атмосферном фоне
Goecks et al. Combining visible and infrared spectrum imagery using machine learning for small unmanned aerial system detection
Gal et al. Tracking objects using PHD filter for USV autonomous capabilities
RU2506536C2 (ru) Способ субпиксельного контроля и слежения за перемещением удаленного объекта
CN112541403B (zh) 一种利用红外摄像头的室内人员跌倒检测方法
KR102360576B1 (ko) 구름이동벡터 산출 장치 및 그 방법
RU2407028C2 (ru) Способ обнаружения тепловых объектов на фоне небесной полусферы
Yao et al. Maximum projection and velocity estimation algorithm for small moving target detection in space surveillance
CN108898573B (zh) 基于多方向环形梯度法的红外小目标快速提取方法
Jiban et al. Two-stream boosted TCRNet for range-tolerant infra-red target detection
Borzov Detection of dynamic objects on the basis of space-time anomalies in video sequences
Dulski et al. Data fusion used in multispectral system for critical protection
Brown et al. Anomaly detection of passive polarimetric LWIR augmented LADAR
Epaillard et al. Hybrid hidden Markov model for mixed continuous/continuous and discrete/continuous data modeling
CN110133668A (zh) 海上目标红外检测方法及装置
RU2766569C1 (ru) Способ наблюдения за движущимися объектами многопозиционной системой приемников
Brown et al. Nearest neighbor anomaly detector for passively augmented LADAR