Стартовая >> Архив >> Системы тепловидения

Вероятность обнаружения и опознавания - Системы тепловидения

Оглавление
Системы тепловидения
Назначение систем тепловидения
История систем тепловидения
Основы получения теплового изображения
Источники информации, пример системы
Теория теплового излучения
Пропускание излучения атмосферой
Теория линейной фильтрации
Сокращенная система обозначений в фурье-анализе
Эквивалентная полоса частот
Физиология зрительного восприятия
Пространственно-частотная характеристика
Визуальная чувствительность к пространственной частоте случайного шума
Интегрирующие свойства глаза
Влияние кадровой развертки на восприятие изображения
Обнаружение объектов на фоне случайных шумов
Субъективное восприятие резкости изображения
Обобщенные критерии
Минимальная разрешаемая разность температур
Параметры эффективности работы
Оптика
Оптические материалы для тепловизионных систем
Сканирующие устройства
Вращающиеся преломляющие клинья
Другие системы сканирования
Эффекты затемнения
Типы тепловизионных систем
Эвапорографы и видиконы
Инфракрасные квантовые счетчики
Выборка
Выборка в системах с коммутацией
Визуальное восприятие объектов
Разрешение эквивалентных штриховых мир
Вероятность обнаружения и опознавания
Эксперименты с обработкой на ЭВМ
Другие ограничения при наблюдении
Измерение характеристик систем
Тепловые изображения
  1. Вероятность обнаружения

Вероятность обнаружения объектов простой геометрической формы на однородном фоне в присутствии случайных шумов рассматривалась в гл. 4. Выводы, сделанные на основе этого рассмотрения, таковы, что визуальная система работает, как бы вычисляя отношение сигнала к шуму и сравнивая его с пороговым значением отношения сигнала к шуму как критерием важности полученного сигнала. Имеется значительное количество данных, подтверждающих эту теорию в различных условиях наблюдения. В условиях ограничения видимости квантовыми шумами или контрастом теория подтверждается данными Блэкуэлла [14], а при наличии аддитивных шумов — данными Кольтмана и Андерсона [15], Шаде [16], а также Розелла и Вильсона [121. Фактически нет опубликованных данных о зависимости условий обнаружения объектов непростой формы на неравномерных фонах от отношения сигнала к шуму.
В гл. 4 указывалось, что вероятность обнаружения возрастает с увеличением времени наблюдения, углового размера объекта и контраста. Испытания Бернштейна [17!, Колюччио и др. [181, Холланда и Харабедиана [19], а также Грининга и Уаймана {20], проведенные с реальными объектами в натурных условиях, показали, что процент обнаруживаемых объектов действительно возрастает с увеличением контраста. Бернштейн [17], например, установил, что изображения на экране электронно-лучевой трубки автомашин и людей должны иметь контраст CJL (LT — LB)/L в, равный 90%, чтобы обеспечить максимально возможную вероятность различения.
Кроме того, Бернштейн [17] установил, что разрешение влияет на вероятность обнаружения только в той мере, в какой оно изменяет отношение сигнала к шуму или контраст объекта. Однако Колюччио и др. [181 нашли, что условия обнаружения улучшаются с ростом разрешения И, определяемого числом разрешаемых штрихов на размер объекта, причем улучшение описывается формулой
Улучшение = Кг lg K2R,                           (10.24)
где К! и К2 — эмпирические константы.
Бэйли [211, используя в качестве отправкой точки описанную выше теорию поиска, рассмотрел большое число работ, из которых ясно, что полная вероятность обнаружения Р0ст является функцией помех. Если па картине с помехами, характеризуемой по
угловым размерам телесным углом £2S, нужно отыскать объект с угловым размером QT за время I, то в соответствии с выводами Бэйли полная вероятность обнаружения равна
(10.25)
где Роон/виз — вероятность того, что наблюдатель обнаружит объект, если он смотрит прямо на него, а К — эмпирический коэффициент помех, пропорциональный плотности ложных объектов в картине. Типичные значения К по опубликованным данным, рассмотренным Бэйли, заключены в диапазоне 0,01—0,1. Эксперименты Бэйкера и др. [4], а также Вильямса и Бороу [71 подтверждают эту теорию.
10.7. Вероятности классификации и различения
Насколько известно автору, до сих пор не опубликованы данные о качестве изображения, необходимом для перехода от обнаружения к классификации. Это, однако, не свидетельствует о несущественности классификации как задачи интерпретации изображения. Классификация особенно важна в военных приложениях. Например, обычными ситуациями являются такие, когда известно, что в охраняемом секторе не предполагается наличие своих военных машин или что в определенном секторе должен появиться самолет противника. В этих случаях достаточно только обнаружить объект и классифицировать его как военную машину или самолет, чтобы открыть огонь.
Очень подробно исследовалось влияние изменения какого- либо одного из параметров, характеризующего качество изображения, на вероятность различения простых, представляющих практический интерес объектов. Барнард [221 определил вероятность различения случайным образом ориентированных колец Ландольта и звездообразных мир, в которых отсутствовал один луч, на фоне аддитивных гауссовых шумов. Он нашел, что результаты точно описываются с помощью модели, основанной на предположении, что система глаз — мозг работает, как оптимальный фильтр. Этот вывод подтверждает представление некоторых специалистов в области физиологии зрительного восприятия, чго система глаз — мозг состоит из набора статистически независимых узкополосных фильтров.
Все исследователи сходятся во мнении, что улучшение разрешающей способности прибора наблюдения улучшает характеристики различения и опознавания. Бэйли [211 полагает, что вероятность различения Рразл связана с наименьшим числом элементов разрешения, содержащимся в наименьшем размере объекта и определенном с 90%-ной вероятностью. Джонсон [111 указал,
что для уверенного различения число разрешаемых штрихов на критический размер объекта должно составлять 4±0,8.
Беннет и др. [23] установили, что при наблюдении с расстояния 380 мм характеристики различения улучшаются с улучшением разрешения до ~0,25 мрад; ниже этого уровня существенного улучшения различения не наблюдается. Грининг и Уаймен [20] рекомендуют следующее соотношение:
(10.26)
где rs — разрешение приемного устройства, включая глаз, мрад2; г — определенное эмпирическим путем разрешение для данного объекта, мрад2; т = 1 при rjr >1ит = 2 при rjr  1, причем
QT — телесный угол, под которым виден объект;
Nr — определенное эмпирическим путем число элементов разрешения на объекте.
Их эксперименты в натурных условиях показали, что число элементов разрешения, требуемое для различения с уверенностью 90%, меняется от 3 до 20 в зависимости от сложности объекта. Исследователи фирмы «Боинг» [24] установили, что эффективность извлечения фотографической информации повышается приблизительно пропорционально площади, ограниченной кривой МПФ, и пропорционально Ne для тех типичных видов МПФ, которые они исследовали.
Наиболее надежные результаты в теории поиска получены при исследовании требуемых для различения и опознавания числа пространственных выборок или строк растра, укладывающихся в размер изображения объекта. Результаты Джонстона [25] по исследованию вероятности различения Рразл телевизионных изображений автомотосредств в функции числа строк растра L, укладывающихся в изображении объекта, достаточно точно описываются формулой
(10.27)
где 7  L  13.
Ряд натурных исследований, проведенных с системами тепловидения, показали, что для обеспечения 50%-ной вероятности Рразл необходимо иметь 4 ± 1 строк, укладывающихся в размер изображения объекта, а для обеспечения 90%-ной вероятности 6+1 строк. Скотт и др. [26] формировали изображения макетов военных автомашин с выборкой по вертикали при числе строк, укладывающихся по высоте изображения объектов 4, 6, 9, 13, 5, 20 и 30. Наблюдателям предлагалось отождествлять изображения автомашин с аналогичными изображениями без выборки и затем вычислялись вероятности правильного различения объектов. Эти результаты приведены на фиг. 10.8. Аналогичные исследования

Число строп на Высоту объекта
Фиг. 10.8. Продолы изменения вероятности различения в зависимости от числа строк, укладывающихся но высоте изображения объекта, для всех классов автомотосредств [26].
провели Холланда и Харабедиан [19], получив аналогичные результаты.
Гейвен и др. [27] исследовали особенности извлечения информации с помощью фотографий с выборкой с равными интервалами в обоих направлениях с величиной о гауссовой функции рассеяния, равной половине постоянной решетки. Они использовали значения числа строк сканирования на диагональ объекта, равные 22,1Г 33,1 и 49,6. Интенсивность изображения квантовалась примерно по равновероятным уровням от 1 до 7 бит (от 2 до 256 уровней). Определялась вероятность различения обработанных таким образом изображений в функции числа строк сканирования L и числа бит по интенсивности. Результаты представлены на фиг. 10.9 и 10.10. По данным этих исследований, не наблюдалось заметного улучшения характеристик па уровне выше 3 бит. С другой стороны, Джонстон [251, используя замкнутую телевизионную систему, не обнаружил заметной зависимости различения от градаций серой шкалы на экране телевизора для числа градаций от 5 до 9.
Стидмен и Бэйкер [281 исследовали зависимость различения объекта от его углового размера, используя круглые неподвижные фотографические изображения с угловыми диаметрами 4.6; 9,3; 13,9 и 17,7° при дистанции наблюдения 0,6 м. На каждом изображении было 184 объекта произвольной сложной формы из общего набора 557 объектов; 24 объекта подлежали различению; освещенность составляла 215 л к. Все объекты имели высокий контраст и были только слегка размыты. Результаты этих исследований

Фиг. 10.10. Кривые равной вероятности различения в функции уровня квантования и числа строк, укладывающихся в размер изображения объекта [27].


Фиг. 10.11. Процентное изменение времени поиска и процент ошибок различения в функции углового размера объекта [28].
---------  время; — — — — ошибки.
показали, что процентная ошибка различения и времени поиска относительно постоянны для угловых размеров, больших 12', и резко увеличиваются при угловых размерах, меньших 12'. На фиг. 10.11 показаны процентное изменение времени поиска и процент ошибок различения в функции максимального углового размера объекта.

  1. Вероятность опознавания

Холланда и др. [29] исследовали зависимость опознавания объектов от числа строк сканирования, укладывающихся в размер изображения объекта, и от отношения сигнала к шуму в точке. Они использовали 20 макетов бронетанковой техники и получали их изображение с помощью оптико-электронной системы. Число строк сканирования L, соответствующих высоте объекта, составляло 16, 32 и 48; к изображениям добавлялись гауссовы шумы, чтобы получить значения отношения сигнала к шуму 3, 5, 10, 20 и 45. Эти исследователи построили, в частности, кривые процента правильных опознаваний в функции отношения сигнала к шуму для различных значений числа строк L, а также кривые L в функции отношения сигнала к шуму для постоянных условий опознавания. Полученные ими зависимости вероятности опознавания Роиозн от числа строк сканирования и отношения сигнала к шуму представлены на фиг. 10.12—10.15. Основные выводы, сделанные в работе [291, следующие:

  1. Ропозн для наземных объектов военной техники является возрастающей функцией отношения сигнала к шуму вплоть до значений этого отношения, равного 15.

2- Ропозн Для изображений без шумов только на 5% выше, чем Ропозн при отношении сигнала к шуму 30.

  1. С увеличением отношения сигнала к шуму от 20 до бесконечности Ропозн возрастает максимум на 10%.
  2. При отношениях сигнала к шуму 2, 3 и 4 различия в качестве изображения пренебрежимо малы.

Ранее описанные эксперименты Скотта и др. [26] с изображениями, полученными при сканировании картины, позволили определить зависимость Р0позы от числа строк, укладывающихся по высоте изображения объекта (фиг. 10.16). Процентное увеличение правильного опознавания при L > 20 очень незначительное; вероятность 50% примерно соответствует значению L = 7. Изменения опозн при наблюдении под углом 45° и при наблюдении в надир показаны на фиг. 10.17.
По данным Хемингуэя и Эриксона [30], относящимся к вероятности опознавания типографских знаков произвольной формы на телевизионном экране в зависимости от углового размера зна-

Фиг. 10.9. Вероятность различения в функции уровня квантования и числа строк, укладывающихся в размер изображения объекта [27].
Число строк, укладывающихся в размер изображения: 1 — 49,6; 2—33,1; 3—22,1.


Фиг. 10.12. Вероятность опознавания различных военных автомотосредств в функции числа строк L, укладывающихся по высоте изображения объекта, для различных отношении сигнала к шуму С/Ш в точке [29].
Число строп на Высоту объекта L

Фиг. 10.13. Вероятность опознавания танков в функции числа строк L, укладывающихся по высоте изображения объекта, для различных отношений сигнала к шуму С/Ш в точке [29].
Число строп на Высоту объекта I


Фиг. 10.14. Вероятность опознавания различных военных автомотосредств в функции отношения сигнала к шуму С/Ш в точке для различного числа строк L, укладывающихся по высоте изображения объекта [29].


Фиг. 10.15. Вероятность опознавания танков в функции отношения сигнала к шуму С/Ш в точке для различного числа строк L, укладывающихся по высоте изображения объекта [29].


Фиг. 10.16. Пределы изменения вероятности опознавания в функции числа строк, укладывающихся по высоте изображения объекта, для всех классов автомотосредств [26].


Фиг. 10.17. Вероятность опознавания в функции числа строк, укладывающихся по высоте изображения объекта, для всех классов автомотосредств при наблюдении под углом 45° и в надир [26].
1 — наблюдение под углом 45°; 2 — наблюдение в надир.
ков 0С (мрад) и от числа строк телевизионного разложения, укладывающегося в изображении знака, вероятность опознавания достаточно точно описывается формулой



 
« Система обслуживания и ремонта оборудования энергохозяйств промпредприятий   Совершенствование управления энергетическим объединением на основе локальных вычислительных сетей »
электрические сети