Совмещение цифрового картографического изображения местности с радиолокационным изображением

Размещено на http://www.allbest.ru/

ЗАО НПО «Мобильные Информационные Системы»

СОВМЕЩЕНИЕ ЦИФРОВОГО КАРТОГРАФИЧЕСКОГО ИЗОБРАЖЕНИЯ МЕСТНОСТИ С РАДИОЛОКАЦИОННЫМ ИЗОБРАЖЕНИЕМ

Д.И. ВАНЮКОВА, С.С. ПОПОВ, П.А. СОКОЛОВ

Аннотация

изображение цифровой картографический информация

В данном докладе рассматривается возможность совмещения цифровой картографической информации местности с изображением, полученным от встроенных на борту летательного аппарата обзорных систем, в частности радиолокационной системы. В статье описывается алгоритм предварительной обработки изображения и подготовки его к совмещению с данными ЦКМ. Полученное после работы алгоритма изображение повышает ситуационную осведомленность и может быть использовно как в навигационных целях, так и для поиска нестационарных назменых объектов.

Введение

Вопросам навигации на борту летательных аппаратов в последнее время уделяется все большее и большее внимание. В современных летательных аппаратах предусмотрено отображение цифровой карты местности. Определение местоположения самолета в автономном навигационном режиме производится с помощью датчиков бесплатформенной инерциальной навигационной системы (БИНС). По полученным данным (координатам местоположения) происходит визуализация картографической информации на данный участок местности.

К сожалению, данные ОСМ не могут представить полную ситуационную картину в виду возможных появлений нестатических объектов. К тому же существует вероятность появления погрешности позиционирования летательного аппарата вследствие возможной неточности датчиков БИНС. В зависимости от поставленной задачи возникает необходимость «посмотреть» реальную обстановку на земле. Использование оптики затрудняется зависимостью от метеоусловий, времени года, времени суток. Поэтому необходимо иметь возможность использовать средства и радиолокационной системы (РЛС).

Бортовая радиолокационная станция производит сканирование местности, обработку полученных данных и выводит сформированные изображения на индикатор. С целью точного расположения объектов, повышения ситуационной осведомленности, а также возможной коррекции позиционирования производится совмещение изображения ЦКМ и обзорной системы (ОС). В данной статье в качестве ОС берется РЛС.

Совмещение ЦКМ и РЛС

Для отображения топографической информации используется плоская прямоугольная система координат в метрах на местности в проекции Гаусса-Крюгера. В этой системе осуществляется счисление собственных координат самолета. Она используется для определения положения РЛИ на цифровой карте и необходимого участка местности для отображения. Для определения местоположения РЛИ относительно самолета используется трехмерная фиксированная система координат. Под фиксированной системой координат понимают декартову систему, где начало координат совпадает с центром масс летательного аппарата в момент времени начала формирования кадра РЛИ. Для возможности совмещения изображений необходимо привести изображение РЛИ в проекцию карты, в данном случае Гаусса-Крюгера.

Совмещение изображений производится по следующему алгоритму:

· Получение координат местоположения от датчиков системы БИНС;

· Загрузка и визуализация соответствующего участка цифровой карты местности;

· Визуализация сформированного изображения РЛС;

· Приведение радиолокационного снимка к проекции карты, в данном случае Гаусса-Крюгера;

· Сглаживание изображения РЛС;

· Применение к сглаженному изображению контурный фильтр с целью выделения границ;

· Проведение контурного анализа, сравнение контуров объектов РЛС и ЦКМ, поиск точек привязки;

· Совмещение двух изображение и визуализация.

Из всех пунктов наибольший интерес представляют выбранные методы обработки изображения РЛС.

В векторной карте метрика объектов описывает их контур. Следовательно, наиболее точное определение объектов ЦКМ на снимке РЛС можно осуществить с помощью анализа контуров объектов на снимках. Появляется задача выделения четких контуров на снимке РЛС.

Решить поставленную задачу можно с помощью предварительногосглаживания (размытия) изображения. Существует несколько фильтров, выполняющих сглаживание. Опытным путем было проверено, что фильтр Kuwahara наиболее четко выделяет границы по интенсивности цвета, даже в градации серого. К тому же данный фильтр самостоятельно избавляется от шумов, избавляя от необходимости проведения дополнительных операций над изображением. На рисунке 1 показано обработка исходного изображения (а) фильтрами Гаусса (б), медианный (в) и Kuwahara (г).

Рисунок 1 Обработка изображения а) исходное б) фильтр Гаусса в) медианный г) Kuwahara

Фильтр Kuwahara выполняет нелинейную фильтрацию изображений с сохранением резких краев. После фильтрации изображение похоже на грубо нарисованную красками картину. Суть алгоритма состоит в следующем (рис. 2):

1. В окрестности каждого пикселя применить маску размером (2r+1)*(2r+1);

2. Окрестность разделить на 4 области, указанные цифрами I, II, III, IV, размером r*r;

3. Вычислить среднюю интенсивность и дисперсию в каждой из областей I, II, III, IV;

4. Присвоить центральному пикселю X среднее значение интенсивности той области, дисперсия которой наименьшая.

Рисунок 2 Маска фильтра

Применение выбранного фильтра освобождает от необходимости предварительного очищения изображения от шумов, забирая эту функцию на себя.Причем информация о границах объектов в изображении будет сохранена. Применяем к исходному изображению фильтр kuwahara. На рисунке 3 показано исходное изображение, а на рисунке 4 - изображение, после применения фильтра kuwahara.

Рисунок 3 Исходное изображение местности Рисунок4. Рисунок, обработанный фильтром kuwahara

После фильтрации границы стали более четкими, и к изображению необходимо применить контурный фильтр. Например, детектор границ Канни в качестве контурного фильтра использует фильтр Собеля. Для работы фильтра по горизонтали и по вертикали создаются две матрицы. По этим матрицам к исходному изображению применяется операция свертки:

и.

В каждой точке изображения приближенное значение градиента можно вычислить, используя полученные приближенные значения производных по следующей формуле (1):

(1),

где А - исходное изображение, и - результат (число) операции свертки по выбранным матрицам, а * обозначает саму двумерную операцию свертки. Координата х возрастает слева направо, а у - сверху вниз.

Действие алгоритма сводится к тому, что вначале будет произведен поиск градиентов, т.е. границы будут отмечаться там, где градиент изображения приобретает максимальное значение. Только локальные максимумы будут отмечены как границы, а потенциальные границы будут определены порогами. Итоговые границы определяются путем подавления всех краев, несвязанных с определенными (сильными) границами. Принцип такого подавления проиллюстрирован на рисунке 5. Так из исходного изображения будет получен его контурный вариант.

Рисунок 5 Принцип подавления границ

На рисунке 6 показан конечный результат изображения. Полученные контуры объектов можно сравнить с формируемым изображением ОСМ, определить точки привязки и осуществить совмещение изображений.

Рисунок 6 Изображение, после контурного фильтра - детектор Канни

Полученные в результате преобразования контурные линии можно сравнить с объектами на карте, используя алгоритмы контурного анализа. Контурный анализ позволяет эффективно решить основные проблемы распознавания образов.

Чтобы оперировать полученным контуром, его необходимо закодировать. Один из наиболее известных способ кодирования контура - это цепной код Фримена. Цепные коды применяются для представления границы в виде последовательности отрезков прямых линий определенной длины и направления. В основе этого представления лежит 4-х или 8-ми связная решетка. Длина каждого отрезка определяется разрешением решетки, а направления задаются выбранным кодом (рис. 7)

Рисунок 7 Цепной код Фримена

На контуре фиксируется точка, которая называется начальной точкой. Затем, контур обходится, и каждый вектор смещения записывается комплексным числом a+ib, где a - смещение точки по оси X, а b - смещение по оси Y. Смещение берется относительно предыдущей точки. При таком подходе контур определяется как совокупность элементарных векторов, представленных своими двумерными координатами. Изменение начальной точки приведет к циклическому сдвигу вектор-контура, а изменение масштаба изображения можно рассматривать как умножение элементарного вектора на масштабный коэффициент.

Скалярным произведением контуров N1 и N2 называется такое комплексное число:

(2),

где k - размерность вектор-контура, - n-й элементарный вектор контура N2, - n-й элементарный вектор контура N1, - скалярное произведение комплексных чисел, вычисляемых как:

(3).

Действительная часть скалярного произведения комплексных чисел совпадает со скалярным произведением соответствующих векторов, т.е. включает в себя векторное скалярное произведение. Чем больше значение скалярного произведения, тем «ближе» вектора друг к другу. Для перпендикулярных векторов оно будет равно нулю, станет отрицательным для векторов, направленных в разные стороны, а для коллинеарных - будет иметь максимальное значение.

Нормированное скалярное произведение (НСП) (формула 4) в пространстве комплексных чисел также является комплексным числом. При этом, единица - это максимально возможное значение модуля НСП и она достигается только при выполнении условия (формула 6).

(4),

где |N1| и |N2| - нормы (длины) контуров.

Нормы контуров вычисляются как

(5),

(6),

где µ - произвольное комплексное число.

Исходя из физического смысла умножения комплексных чисел, получается вывод, что модуль НСП достигнет максимального значения - единицы - только если контур N2 является тем же контуром N1, даже если он будет повернут на некоторый угол и промасштабированный на определенный коэффициент.

Но равенство в формуле 6 достигается только если начальные точки контуров совпадают. В противном случае, даже если контуры одинаковы, модуль НСП таких контуров не будет равен единице. Для решения этой проблемы можно воспользоваться взаимокорреляционной функцией (ВКФ) двух контуров (формула 7), значения которой показывают степень похожести контуров, если сдвинуть начальную точку N на m позиций.

(7),

где N1(m) - контур, полученный из N1 путем циклического сдвига его элементарного вектора на m элементов. ВКФ определена на всем множестве целых чисел, но поскольку циклический сдвиг на k приведет к исходному контуру, то ВКФ имеет период k и нужно рассмотреть значения этой функции только в пределах от 0 до k-1.

Максимальный модуль среди значений ВКФ (формула 8) показывает степень похожести контуров (достигает единицы для одинаковых контуров), а аргумент дает угол поворота одного контура, относительно другого.

(8),

Где - модуль ВКФ, |N1| и |N2| - нормы (длины) контуров.

С помощью применения таких методов контурного анализа к объектам на снимке РЛС, возможно произвести их сравнение с контурами объектов в базе ОСМ, выбранных на данный участок местности, и осуществить привязку двух изображений.

Заключение

Выполнив совмещение объектов ЦКМ и РЛС, осуществляется визуализация в режиме наложения одного изображения на другое (в исходном формате, до применения фильтров). В результате, на полученном изображении можно определить все нестатические объекты. Результат представлен на рисунке 8.

Рисунок 8 Совмещение изображения РЛС и ОСМ

Полученное изображение повышает ситуационную осведомленность. Данный подход может быть использован как в навигационных целях, так и для обнаружения каких-либо нестанционарных наземных объектов в зоне полетов.

Литература

1. Кондратенков Г.С., Быков В.Н., Виукентьев А.Ю. Методика автоматического совмещения радиолокационных изображений с цифровыми картами и оптическими снимками местности. // Радиотехника. 2007. №8.

2. Гонсалес Р., Вудс Р. Цифровая обработка изображений // Техносфера. Москва. 2005.

Размещено на Allbest.ru