Объединение изображений, получаемых в различных диапазонах спектра

Размещено на http://www.allbest.ru/

Объединение изображений, получаемых в различных диапазонах спектра

После того, как в МОЭС, предназначенной для визуализации наблюдаемой сцены, т.е. в ее оптической системе или приемнике излучения, проведено разделение широкого участка спектра на отдельные рабочие диапазоны, а затем в электронном тракте системы осуществлена определенная обработка полученных сигналов, например, их фильтрация, обычно необходимо объединить изображения, соответствующие отдельным диапазонам, в одно, отображаемое на экране монитора или дисплее. Например, такое объединение (слияние, смешение) проводится для видимого и/или ближневолнового ИК-диапазона и средневолнового и/или длинноволнового ИК-диапазона.

При объединении изображений, полученных в различных спектральных каналах МОЭС, обычно необходимо выполнять следующие требования:

- образованное после объединения изображение должно сохранять всю полезную информацию, содержащуюся в исходных, объединяемых, изображениях;

- объединение изображений должно происходить в реальном масштабе времени;

- в процессе объединения не должны возникать искусственные признаки (артефакты) типа побочных изображений, гало и др., а также исчезать отдельные элементы или участки наблюдаемого пространства (сцены);

- результирующее изображение должно иметь удобную для оператора форму.

Желательно, чтобы помехи и шумы в исходных изображениях при их объединении подавлялись. Часто необходимо обеспечить возможность автономной работы каждого из каналов системы.

Достаточно общая схема объединения изображений S₁, S₂,…,S_N, получаемых в различных спектральных диапазонах Дл₁, Дл₂,…, Дл_N , соответственно, приведена на рис.31. Изображения подвергаются предварительной обработке, заключающейся в устранении их пространственных и временных искажений, возникающих в отдельных каналах системы, причем обычно это необходимо делать в реальном масштабе времени и одновременно. При предварительной обработке возможно подавление нежелательных или малоинформативных признаков обнаруживаемых или распознаваемых объектов. Вторичная обработка объединенного изображения зависит от типа системы отображения и наблюдателя-оператора. Большей частью эта обработка заключается в автоматической установке коэффициентов усиления и напряжений питания для изменения динамического диапазона внутри объединенного изображения, но может определяться и другими факторами, а также необходимостью ввода символов в выходное изображение.

Первым этапом предварительной обработки изображений, получаемых на выходе ФПУ отдельных каналов МОЭС, обычно является «очищение» их от шумов и возможных искажений, возникающих, например, из-за неоднородности чувствительности отдельных пикселов МПИ (геометрический шум), подавление темновых токов и других шумов приемника, устранение смаза изображения на высоких пространственных частотах из-за превышения частоты Найквиста, преобразование аналоговых сигналов в цифровую форму с квантованием их по уровню и др. Часть этих операций осуществляется непосредственно в ФПУ.

Следующим этапом этой обработки является коррекция изображений в каналах МОЭС. Эта коррекция может состоять в исправлении дисторсии, в приведении к единому формату, в устранении взаимных сдвигов и поворотов отдельных изображений и т.п. Только после такой коррекции производится объединение электронных изображений в одно и визуализация последнего.

В случае использования широкопольных объективов необходимо учитывать вносимую ими дисторсию. Как для подушкообразной, так и для бочкообразной дисторсии связь координат (номеров пикселов ФПУ) идеального изображения (x,y) и искаженного дисторсией изображения (u,v) может быть описана следующими уравнениями

u = x (1+ k₁r² + k₂r⁴ + … + k_nr²ⁿ)

v = y (1+ k₁r² + k₂r⁴ + … + k_nr²ⁿ)

где r - расстояние пиксела от оптической оси, k₁…k_n - коэффициенты дисторсии. Часто можно использовать только первые члены (k₁ и k₂ ) этих разложений.

Чаще приходится корректировать взаимные сдвиги и развороты изображений (или пикселов МПИ), изменение их масштаба, различия угловых полей отдельных оптических каналов МОЭС, перспективные искажения. В табл.5 указываются виды возможных геометрических искажений и уравнения общего вида, связывающие координаты (x,y) изображений в одном канале, принимаемых за идеальные (неискаженные), с координатами (u,v) изображений, образующихся с искажениями во втором канале (во второй оптической системе).

изображение спектральный многоканальный оптикоэлектронный

Таблица 5. Геометрические искажения изображений, образуемых двумя отдельными оптическими системами [53]

Определяя для конкретной МОЭС значения постоянных коэффициентов, входящих в уравнения связи координат, приведенные в табл. 5, можно откорректировать электронные изображения, полученные в каждом канале системы. В алгоритм такой коррекции может быть включен и алгоритм коррекции дисторсии, вносимой общей оптической системой или оптическими системами отдельных каналов МОЭС.

Краткий анализ современных аппаратно-программных средств коррекции изображений на базе типовых логических схем, применяемых при комплексировании видеосистем, создающих цифровые изображения в различных участках спектра, содержится в [153].

В качестве примера электронных устройств объединения изображений, получаемых в видимом и ИК-диапазонах, можно указать две отдельные платы DVP-3000 и DVP-4000, разработанные компанией Equinox Corp. и предназначенные для использования в двухдиапазонных камерах на борту беспилотных летательных аппаратов, в системах вооружения сухопутных и морских сил [160]. Эти платы имеют небольшие габариты, легки, потребляют малую мощность и дешевы. Алгоритмы объединения (смешения), осуществляемые с помощью этих плат, заметно совершеннее, чем простая линейная комбинация изображений, и обеспечивают инвариантность к изменению освещенности и цветности наблюдаемой сцены, а также компенсацию параллакса, нелинейности геометрооптического преобразования, различия масштабов и поворотов изображений в двух рабочих спектральных каналах. С их помощью осуществляется коррекция дисторсии оптической системы и дисплея, а также автоматический контроль коэффициентов усиления для адаптации к изменению динамического диапазона входных сигналов, который может быть уменьшен с 12 до 8 бит. Некоторые параметры этих устройств приведены в табл.6.

Таблица 6. Параметры электронных плат DVP-3000 и DVP-4000

Для многих МОЭС необходимо иметь одинаковое отношение сигнал-шум в рабочих спектральных диапазонах. В то же время в большом числе практических случаев потоки излучения, приходящие на приемник излучения (числа фотонов, приходящих на приемник в единицу времени) в разных диапазонах, сильно разнятся. Например, при температуре наблюдаемой сцены порядка 300 К это число фотонов в спектральном диапазоне 8…12 мкм может быть на порядок большим, чем в диапазоне 3…5 мкм. Как уже отмечалось в разделе 3.6, выравнивание чувствительности в отдельных каналах ФПУ МОЭС может вестись путем изменения времени накопления зарядов или напряжения питания ячеек схем считывания. Так, в двухдиапазонных ОЭС для оптимизации отношения сигнал-шум и предотвращения переполнения ячеек это время в длинноволновом ИК-диапазоне может быть менее 1 мс, а в средневолновом ИК-диапазоне - порядка нескольких миллисекунд. С этой точки зрения большой интерес представляют первые коммерческие доступные двухдиапазонные схемы накопления и считывания серии ISC006, разработанные компанией Indigo Systems [64].

Простая линейная комбинация двух изображений (А и В), получаемых в различных спектральных диапазонах и складываемых в некотором пропорциональном уровням освещенности соотношении, обладает недостатком, заключающимся в неодинаковом изменении складываемых сигналов при изменении условий наблюдения, например, температур объектов и фонов, т.е. в неинвариантности соотношения между сигналами А и В к условиям работы системы. Поэтому алгоритм объединения изображений должен быть адаптивен к изменениям этих условий. Кроме этого он должен учитывать, что адаптация человека-наблюдателя идет сравнительно медленно, а объединение изображений необходимо вести в реальном масштабе времени.

Большинство известных сегодня алгоритмов объединения изображений использует либо слияние сигналов, получаемых в отдельных спектральных каналах, путем их поэлементного объединения, т.е. объединение сигналов, получаемых для отдельных пикселов изображений. «Попиксельный» способ совмещения изображений, формируемых в отдельных рабочих спектральных диапазонах, используется во многих МОЭС. Он обеспечивает высокую достоверность получаемого изображения, но требует точного совмещения пикселов разных спектральных каналов, т.е важно, чтобы во всех каналах одни и те же пикселы с номерами i,j (координатами) в одно и то же время соответствовали одним и тем же участкам наблюдаемой сцены. Этот способ часто является сложным с точки зрения юстировки, особенно при использовании отдельных для каждого рабочего спектрального диапазона охлаждаемых ФПУ.

Простейшим алгоритмом попиксельного объединения изображений, получаемых в N каналах системы после их коррекции, является получение средневзвешенного значения сигнала вида

где (i,j) - совокупность пикселов, E_n(i,j) - изображение в n-м канале, p_n - веса, сумма которых обычно выбирается равной единице.

Такой алгоритм достаточно прост, обеспечивает быстрое комплексирование изображений, т.е. работу в реальном масштабе времени, хотя качество изображения, получаемого на выходе (на дисплее), не всегда может быть высоким. Например, могут иметь место снижение контраста, по сравнению с изображением, полученным в каком-либо отдельном канале МОЭС, смаз изображения и т.д.

Улучшение качества «суммарного» изображения может быть достигнуто подбором надлежащих весов p_n по методу главных компонентов, когда значения p_n подбираются так, чтобы максимизировать изменения яркости в средневзвешенном изображении U(i,j).

Если рассматривать простейший случай объединения двух изображений A(i,j) и B(i,j) одинакового формата N_i x N_j в виде линейного средневзвешенного значения

U(i,j) = p_A A (i,j) + p_B B (i,j)

где p_A и p_B - веса изображений A(i,j) и B(i,j) (скалярные величины), то первым шагом смешивания изображений может быть вычисление ковариационной матрицы

в которой

Cобственные значения этой матрицы ₁ и ₂ находятся затем путем решения характеристического уравнения

det (C - I) =0

где det ( ) - детерминант, I - единичная матрица.

Оптимальные веса p_A и p_B соответствуют наибольшим значениям ₁ и ₂ (при p_A + p_B = 1, что обычно выбирается при нормировании и ограничении весов). В общем случае объединенное изображение будет иметь динамический диапазон яркости отличный от динамических диапазонов смешиваемых изображений, а следовательно, нужна некоторая его корректировка.

Описанный метод очень чувствителен к неработающим («мертвым») пикселам, шуму в изображении, растеканию зарядов и другим нежелательным явлениям, увеличивающим искажение изображения.

Развиваются и более сложные алгоритмы, основанные на использовании специфических признаков объектов и сцен, чьи изображения объединяются, и логическом анализе этих изображений, например, на классификации объектов по их типу (дом, дерево, человек и т.д.), характеру их движения и др. (слияние на уровне отдельных областей сцены, слияние на уровне решений).

В [135,165] описывается ряд алгоритмов объединения разномасштабных изображений применительно к цифровым камерам, однако, для практической реализации большинства из них требуются сложные и громоздкие аппаратурные решения. Поэтому представляют интерес быстродействующие алгоритмы и сравнительно простые схемы, например, описанные в [53], позволяющие проводить коррекцию и объединение изображений в реальном масштабе времени.

В последние десятилетия разрабатываются способы объединения изображений, основанные на выделении отдельных отличительных признаков обнаруживаемого или наблюдаемого объекта, а также на ряде эффектов, свойственных зрительному аппарату человека, например, на способности различать гораздо большее число цветовых оттенков, нежели уровней серого в изображении. При этом для совмещения изображений используются анализ главных компонентов [130], пирамидальные схемы [133], дискретные преобразования волновых пакетов (вейвлетов) [155], метод противоположных цветовых контрастов [15,98], алгоритм Ретинье [117]. Для полностью автономных ОЭС такие методы могут применяться без построения конечного видимого изображения на дисплее, а с использованием механизма человеческого зрения. Применяя несколько спектральных каналов, в каждый из которых можно ввести свои оптические компоненты и системы переформатирования изображений, получаемых с выхода отдельных МПИ, в системе обработки электронного изображения осуществляется точное поэлементное слияние изображений, получаемых в отдельных каналах. Здесь возможно провести обработку изображений, например, сложение, вычитание, пространственную фильтрацию, корреляцию и т.д. Полученное электронное изображение может передаваться не только на систему отображения (дисплей, монитор), но и по телеметрическому каналу на удаленный пункт наблюдения.

В системе отображения возможно не просто визуализировать «слитное» электронное изображение, но и разделять экран на части, в которых воспроизводить изображения, относящиеся к различным спектральным диапазонам работы MОЭС. в том числе, и в разном масштабе, что достаточно давно используется в телевидении.

Это позволяет в определенных условиях работы МОЭС использовать один из спектральных каналов для предварительного («грубого») обнаружения и наблюдения объектов, а другой (или другие) - для более детального его анализа или, например, для слежения за объектом, для измерения его параметров и т.д.

В схемах подобного рода иногда осуществляется механическое переключение спектральных каналов, например, путем ввода или вывода спектроделителя или заменяющего его зеркала в ход лучей. При этом возможно использовать лучшее пространственное разрешение и более высокую чувствительность в одном из спектральных каналов, как правило, в видимом или ближнем ИК-диапазонах.

Как отмечается в [163], при поочередном отображении изображений, наблюдаемых в различных диапазонах, например, в видимом или ближневолновом ИК и в длинноволновом ИК с частотой менее 15 Гц, человеческий глаз будет воспринимать изображения как наложенные, но отчетливо просматриваемые, хотя и мигающие. При соответствующем переформатировании, когда размер пикселов и их число в каналах будут одинаковыми, мигание исчезает, и остается только исключить параллакс при наблюдении протяженных или близко расположенных объектов. Изображение в видимом канале, имеющее цвет, и черно-белое изображение в ИК-канале легко различимы.

Иногда слияние или попеременное наблюдение изображений, образуемых в различных спектральных диапазонах, возможно осуществить оптическим путем, а не электронным. Например, при комплексировании отдельных видимого и ближневолнового ИК-каналов (ПЗС-камера и ЭОП) можно установитель систему зеркал, сводящих двa изображения в одно или передавать одно изображение в один глаз наблюдателя, а другое в другой.

В [140] описывается автономная двухдиапазонная ОЭС для выделения и слежения за подвижными объектами в сложных условиях (изменяющаяся освещенность наблюдаемой сцены, подвижные фоны и др.). Система состоит из цветной видеокамеры High-Dynamic-Range-CMOS (HDRC) на КМОП-элементах формата 640х480 пикселов, тепловизионной камеры на неохлаждаемом VO_x - микроболометре формата 160х120 пикселов, чувствительном в диапазоне 8…12 мкм, и спектроделителя, который пропускает около 85% в видимом диапазоне и отражает 93 % потока в диапазоне 8…12 мкм. Разрешение и фокусное расстояние объективов обеих камер было выбрано такими, чтобы обеспечить угловое поле в 32⁰ и распознавать деятельность человека на расстоянии до 50 м. В системе частота кадров составляет 10 Гц. Температурная чувствительность тепловизионной камеры равна 150 мК. В ней применяется германиевый объектив с фокусным расстоянием 16 мм. Разрядность цифрового выхода этой камеры - 8 бит.

Цветная видеокамера имеет логарифмическую выходную характеристику, что обеспечивает постоянство цветопередачи и уменьшает насыщение пикселов. Это удобно для сегментации и слежения за подвижными объектами. Поскольку в ней применена КМОП-матрица, возможно замещение дефектных пикселов.

Аппаратурная регистрация сводного изображения позволяет не использовать программную его обработку в целях коррекции возможных искажений, что ускоряет процесс получения требуемой информации, а кроме того, обеспечивает большую глубину изображаемого пространства объектов, т.е. устраняет влияние переменного параллакса.

Предварительная обработка сигналов предусматривает выявление и замещение дефектных пикселов в каждом из каналов системы, коррекцию неоднородности пикселов путем изменения коэффициентов усиления и напряжений смещения, а также цветовую интерполяцию.

В начале работы системы определяются пикселы, на которые попадает изображение подвижного объекта в двух каналах, а затем сигналы с этих пикселов объединяются, образуя бинарное изображение. Инфракрасный канал создает сигнал, который будучи добавлен к сигналам, получаемым для цветов R,G и B в видеокамере, усиливает цветность изображения. Так как ИК-канал имеет формат 160х120, в нем применяется билинейная интерполяция для превращения этого формата в формат 640х480, используемый в видеокамере. Как считают авторы [140], хотя такое преобразование и усложняет систему, оно все же выгоднее выборки цветного изображения, так как лучше сохраняет информацию о цвете объектов и оптимизирует значение глубины изображаемого пространства.

После объединения изображений производится сегментация движущегося объекта и слежение за ним. При этом осуществляется вычитание фона, для чего определяются среднее значение сигнала от фона и его среднее квадратическое значение для каждого пиксела, не принадлежащего движущемуся объекту. Такое определение производится для десяти последовательных кадров и обновляется через каждые 2 с. В последующих блоках электронного тракта производится описание сцены с подвижным объектом. Каждый такой объект (совокупность пикселов) характеризуется размерами, формой, двумя координатами, двумя ортогональными составляющими вектора скорости, цветностью и температурой. Такие описания накапливаются в базе данных, составляемой для классификации и идентификации различных подвижных объектов. Для ввода описания объекта в базу нужно, чтобы он отслеживался в четырех последовательных кадрах. Это снижает вероятность ложного срабатывания, вызванного шумом или движением элементов фона.

Большой интерес представляет описанный в [156] метод совмещения не отдельных пикселов в рабочих спектральных диапазонах, а отдельных участков (фрагментов) изображений. Геометрическая калибровка, выполняемая отдельно в каждом канале, позволяет определить коэффициенты изменения масштаба по ортогональным координатам x и y.

На рис.32 представлен алгоритм обработки изображений, получаемых в спектральных каналах Дл₁ и Дл₂ системы. Первым его шагом является получение изображений, а вторым - извлечение изменяющихся (подвижных) участков и вычитание неподвижного фона. Отдельные участки образуются с помощью окна из девяти пикселов. Алгоритм вычитания фона заключается в определении математического ожидания и среднего квадратического значения сигнала для каждого пиксела изображения и последующего сравнения этих значений с сигналами пикселов в текущем изображении. Для создания статистики типичных фонов обычно достаточно нескольких десятков кадров. Подвижные участки объединяются, а затем в каждом спектральном канале ведется слежение за объектом. Составленные из фрагментов объекты объединяются.

Последние два шага алгоритма служат для определения соответствия между объединенными объектами с использованием статистики известных объектов.

Таким образом, на первом уровне всего алгоритма отслеживаются подвижные фрагменты в последовательности изображений, а на втором отслеживаются комбинации из одного или нескольких фрагментов, т.е. сами объекты.

Алгоритм объединения позволяет установить соответствие между объектами, обнаруженными в спектральных диапазонах Дл₁ и Дл₂. Для каждой пары объектов осуществляется идентификация лучшего из них -«основного». Идентификация этого объекта и второго - «второстепенного» может меняться при изменении облученности объекта или его температуры.

Если в течение времени прослеживания фрагментов один из них, принадлежащий одному объекту, объединяется с другим фрагментом, принадлежащим другому объекту, появляется ложный объект, так как фрагменты принадлежат двум различным объектам.

Для идентификации объектов могут быть использованы различные критерии: отношение сторон объекта (коэффициент формы), геометрические моменты, скорость перемещения, периодичность перемещения отдельных фрагментов (например, рук и ног пешехода в отличие от движения автомобиля, когда нет такой периодичности) и др. Если все принятые критерии присутствуют в каждом спектральном канале, принимается положительное решение об идентификации объекта. Для определения процента правильного обнаружения и идентификации число таких решений относится к числу кадров изображения.

Более подробное описание алгоритма выделения подвижных объектов (пешеходов на различных фонах) проведено в [156]. В системе, описанной в [156], использовались цветная ПЗС-видеокамера Pulnix TMC-6700 CL формата 640х480 пикселов и инфракрасная камера SBF с InSb-МПИ формата 320х256 пикселов.

Изображения, получаемые в трехдиапазонной ОЭС, могут быть объединены путем создания «псевдоцветного» изображения, воспринимаемого зрительным аппаратом человека-наблюдателя. Часто используется объединение в широко распространенные в колориметрии RGB - триады, т.е. изображениям, получаемым в отдельных рабочих спектральных диапазонах, придаются красный (R), зеленый (G) и синий (B) цвета - составляющие псевдоцветного суммарного изображения. Если число рабочих диапазонов больше трех, сначала производится уменьшение размерности цветового пространства до трех, а затем построение стандартного RGB - изображения на выходном дисплее системы. Уменьшение размерности без заметной потери информации может быть осуществлено путем преобразования Карунена-Лоева или методом главных компонентов [46,130].

Если число рабочих диапазонов равно k, то на первом этапе обработки изображений с одинаковым для всех них пространственным форматом m x n производится их преобразование в k векторов 1 х (m x n). В k-мерном цветовом пространстве элементы изображения составят m x n точек. Каждый элемент изображения характеризуется цифровым значением в k спектральных диапазонах. В этом пространстве создается несколько гиперплоскостей, которые описывают максимально возможное количество компонентов цветового пространства. Первая основная составляющая (главный компонент) p₁ описывает самый большой по числу точек вариант. Вторая основная составляющая p₂ является ортогональной по отношению к p₁ и привязывается к средней точке. Третья по величине основная составляющая p₃ ортогональна к p₁ и p₂ и также привязывается к средней точке. Вычисление основных составляющих может быть выполнено с использованием итерационного алгоритма NIPALS или некоторых других приемов [46].

Чтобы визуализировать ИК изображения, получаемые в различных спектральных диапазонах, например, при использовании многодиапазонного МПИ, помимо часто применяемых схем смешения цветов RGB, YUV, можно воспользоваться схемой, разработанной Научно-исследовательской лабораторией ВМФ США (Naval Research Laboratory - NRL). В последней сигналам, получаемым в разных спектральных диапазонах, придают «противоположные» цвета: красный и синий (или сине-зеленый), голубой и желтый, зеленый и красный (или красно-лиловый). Для динамического цветового диапазона в 8 бит сигналы отдельных пикселов могут иметь значения от 0 до 255. Участки изображения с большой яркостью будут казаться светлыми, а с малой - темными. Объекты, создающие большие сигналы в диапазоне 8… 14 мкм и малые сигналы в диапазоне 3… 5 мкм, будут казаться красными, а при противоположном сочетании сигналов в этих диапазонах - синими. В полосах спектра, где цель и фон хорошо коррелированы («по цвету»), смешение сигналов, получаемых в разных спектральных каналах, даст малый цветовой контраст (сигналы будут располагаться по диагонали матрицы [0,0] [255, 255] отсчетов, а изображение будет казаться серым). В полосах, где «цвета» сигналов от цели и фона слабо коррелированы, будет наблюдаться значительный цветовой контраст (кластер сигналов будет вытянут вдоль направления, перпендикулярного направлению диагонали той же матрицы). Если фон сильно коррелирован, а цель - слабо отличается от него, цветовой контраст можно увеличить, используя преобразование главной составляющей, нормализуя затем данные вдоль направления главной составляющей (тем самым «вытягивая» данные, чтобы заполнить имеющееся цветовое пространство), и, наконец, применяя обратное преобразование, вернуться к первоначальному пространству противоположных цветов.

При переходе от электронных цифровых изображений, полученных в рабочих спектральных диапазонах МОЭС, к «псевдоцветовому» изображению на экране системы отображения (дисплее) целесообразно сначала воспользоваться алгоритмами обработки сигналов, уменьшающими шумы, обеспечивающими гамма-коррекцию и баланс белого, повышающими четкость изображения средствами пространственно-временной фильтрации и рядом других, которые хорошо известны в телевидении и видеотехнике. В [86] рассмотрен ряд методов, применимых к обработке монохроматических сигналов R (красный цвет), G (зеленый цвет) и B (синий цвет) с помощью матрицы Байера (рис. 33), в которой число G - пикселов равно 50%, а R - и B - пикселов - по 25% от общего их числа. Поскольку цвет G соответствует наиболее информативному диапазону чувствительности человеческого глаза, именно в этот цвет («псевдоцвет») необходимо преобразовывать сигнал, получаемый в том рабочем спектральном диапазоне МОЭС, где различие полезного сигнала и помех наиболее значительно.

Помимо смешения сигналов (цветов), получаемых одновременно в различных спектральных диапазонах, для выделения целей на фонах используется простое вычитание этих сигналов (изображений) после их нормирования к средним значениям. Этот метод порой оказывается лучшим для выделения отдельно различаемых на фоне целей, нежели смешивание цветов [66].

Развиваются системы смешения цифровых электронных изображений, получаемых в различных спектральных каналах, с помощью нейронных сетей [61]. Изображения, получаемые в 4-х спектральных диапазонах (видимом, ближнем, среднем и длинноволновом ИК), после нелинейной обработки и управления яркостным контрастом смешиваются и используются для получения цветного видимого изображения (в трехкоординатной цветовой системе RGB). При этом оператор может выбрать наиболее рациональное сочетание сигналов (изображений) отдельных каналов, т.е. их яркостей, независимо от яркости экрана дисплея.

Список литературы

1.АлеевР.М.,ИвановВ.П.,ОвсянниковВ.А.Основытеориианализаисинте- завоздушнойтепловизионнойаппаратуры.-Казань:Изд-воКазан.ун-та, 2000.-252с.

2.БандиБ.Методыоптимизации.Вводныйкурс:пер.сангл.-М.:Радио исвязь,1988.-128с.

3.Бэттвейлер Т. Оптимальные модуляционные характеристики инфра- красныхсистемприAMиЧМ//Зарубежнаярадиоэлектроника,1962.№4. С.76-82.

4.Воронкова Е.М., Гречушников Б.Н., Дистлер С.А. Оптические материалы дляинфракраснойтехники.-М.:Наука,1965.-335с.

5.Высокоточныеугловыеизмерения/Д.А.Аникст,К.М.Константинович, И.В.Меськинидр.;подред.Ю.Г.Якушенкова.-М.,1987.-480с.

6.Вычислительная оптика: справочник / М.М. Русинов, А.П. Грамматин, П.Д.Ивановидр.;подобщ.ред.М.М.Русинова.-Л.:Машиностроение. Ленингр.отд-ние,1984.-423с.

7.ГрузевичЮ.К.Оптико-электронныеприборыночноговидения.-М.:ФИЗ- МАТЛИТ,2014.-276с.

8.ДаниловЕ.П.,ЛуцивВ.Р.Нейронныесети:современноесостояниеипер- спективы//Оптико-механическаяпромышленность.1991.№4.С.20-33.

9.Демин А.В., Которский Н.С. Имитационное моделирование информа- ционно-измерительных и управляющих систем. - СПб.: СПбГУ ИТМО, 2007.-139с.

10.Дубиновский А.М., Панков Э.Д. Стендовые испытания и регулировка оптико-электронныхприборов.-Л.:Машиностроение,1986.-152с.

11.Елизаренко А.С., Соломатин В.А., Якушенков Ю.Г. Оптико-электронные системывисследованияхприродныхресурсов.-М.:Недра,1984.-215с.

12.ЗапрягаеваЛ.А.,СвешниковаИ.С.Расчетипроектированиеоптических систем: учебник для вузов: в 2 ч. - изд. 2-е, перераб. и доп. - М.: Изд-во МИИГАиК,2009.-Ч.1-350с;ч.2-258с.

13.ЗуевВ.Е.,КабановМ.В.Переносоптическихсигналоввземнойатмосфе- ре(вусловияхпомех).-М.:Сов.радио,1987.-368с.

14.Ишанин Г.Г., Козлов В.В. Источники оптического излучения. - С.Пб.: Политехника,2009.-415с.

15.Ишанин Г.Г., Панков Э.Д., Челибанов В.Д. Приемники оптического излу- чения.Учебникдлявузов.-С.Пб.:Папирус,2004.-240с.

16.КатысГ.П.Восприятиеианализоптическойинформацииавтоматиче- скойсистемой.-М.:Машиностроение,1986.-416с.

17.Каценбоген М.С. Характеристики обнаружения. - М.: Сов. радио, 1965.-96с.

18.Климков Ю.М. Прикладная лазерная оптика. - М.: Машиностроение, 1985.-128с.

19.КриксуновЛ.З.Справочникпоосноваминфракраснойтехники.-М.: Сов.радио,1978.-400с.

20.Латыев С.М. Конструирование точных (оптических) приборов: учебник длявузов.-СПб.:Лань,2015.-560с.

21.Левшин В.Л. Обработка информации в оптических системах пеленга- ции.-М.:Машиностроение,1978.-168с.

22.ЛлойдДж.Системытепловидения:пер.сангл.подред.А.И.Горячева.- М.:Мир,1979.-416с.

23.Мак-КартниЭ.Оптикаатмосферы.-М.:Мир,1979.-421с.

24.Методология проектирования оптических приборов: учеб. пособие / А.А. Шехонин, В.М. Домненко, О.А. Гаврилина. - СПб.: Изд-во НИУ ИТМО,2006.-112с.

25.МирошниковМ.М.Теоретическиеосновыоптико-электронныхприбо- ров.-Л.:Машиностроение.Ленингр.отд-ние,1983.-696с.

26.МихеевМ.А.Основытеплопередачи.-М.:Энергия,1977.-344с.

27.НоренковИ.П.Введениевавтоматизированноепроектированиетехниче- скихустройствисистем.-М.:Высш.школа,1986.-304с.

28.ПешельМ.Моделированиесигналовисистем.-М.:Мир,1981.-300с.

29.ПорфирьевЛ.Ф.Основытеориипреобразованиясигналоввоптико-элек- тронныхсистемах.Л.:Машиностроение.Ленингр.отд-ние,1989.-387с.

30.Проектированиеоптико-электронныхприборов.-изд.2-е,перераб. идоп./Ю.Б.Парвулюсов,С.А.Родионов,В.П.Солдатовидр.;подред. Ю.Г.Якушенкова.-М.:Логос,2000.-488с.

31.ПрэттУ.Цифроваяобработкаизображений:пер.сангл.:в2кн.-М.: Мир,1982,Кн.1-312с.,кн.2-480с.

32.РоузА.Зрениечеловекаиэлектронноезрение:пер.сангл.:-М.:Мир, 1977.-216с.

33.РябовС.Г.,ТоропкинГ.Н.,УсольцевИ.Ф.Приборыквантовойэлектрони- ки.-М.:Радиоисвязь,1985.-200с.

Размещено на Allbest.ru