• PriznOutScreen, определяющей либо графический режим вывода результатов работы модели изображения («true»), либо вывод только текстовой информации («false»);

• ModeOutScreen, определяющей тип выводимого изображения («true» - выводится изображение, моделирующее очередной кадр, «flase» - выводится разностная картина предыдущего и текущего кадров).

  Кроме того в процедуре предусмотрено задание пользователем размеров рецептора поля наблюдения по осям 0X и 0Y, записываемые в переменные SizePointX и SizePointY, которые в дальнейшем совместно с величиной MaxBrightness будут определять уровень дискретизации яркости рецептора поля наблюдения при выводе изображения на экран в процедуре OutScreen.

  При условии, что ключ, определяющий вывод изображения на экран PriznOutScreen = «true», процедура выполняет перевод монитора в графический режим, соответствующий VGA - адаптеру. Данная цифровая модель позволяет так же использовать и любой другой тип видеоадаптера, но режим вывода изображение на экран рекомендуется организовывать при видеоадаптерах типа EGA и выше.

  В завершении процедуры вычисляются координаты окон вывода сообщений и изображения и заносятся в массив окон. Координаты окна вывода сообщений определяются исходя из высоты выводимых текстовых символов в графическом режиме, а координаты окна вывода изображения вычисляются исходя из следующих параметров:

• количества рецепторов по оси 0X поля наблюдения LenthX;

• количества рецепторов по оси 0Y поля наблюдения LenthY;

• размера рецептора по оси 0X поля наблюдения SizePointX;

• размера рецептора по оси 0Y поля наблюдения SizePointY.

  Данная процедура вызывается из основной программы один раз при начале работы цифровой модели строкой вида:

  InitGraphMode.

  3.6.8.2. Описание идентификаторов переменных и массивов.

  3.6.8.2.1. Входные данные.

  LenthX,

  LenthY - число рецепторов поля наблюдения соответственно по осям координат 0X и 0Y. Длина и ширина поля наблюдения.

  3.6.8.2.2. Вспомогательные переменные.

  GraphDriver - переменная, задающая тип используемого видеоадаптера (VGA = 9, EGA = 3, автоопределение - 0). Задается перед вызовом стандартной функции инициализации графического режима языка Pascal - InitGraph.

  GraphMode - переменная, определяющая режим работы видеоадаптера при заданном значении переменной GraphDriver. Задается перед вызовом стандартной функции инициализации графического режима языка Pascal - InitGraph.

  H - промежуточная переменная при определении значений логических переменны PriznOutScreen и ModeOutScreen, задающих режим вывода изображения на экран.

  H - высота строки при выводе текстовых сообщений в графическом режиме. Определяет координаты окна вывода текстовых сообщений.

  X1,

  X2,

  Y1,

  Y2 - координаты окон вывода сообщения и изображения, рассчитываемые в процедуре и записываемые в массив координат окон ArrayWindows [1..2, 1..2, 1..2].

  3.6.8.2.3. Выходные данные.

  ArrayWindows [1..2, 1..2, 1..2] - массив координат окон для вывода текстовых сообщений (номер кадра, сообщения о распознавании объекта, или помехи, или о переполнении памяти системы распознавания) и изображения кадра или разностной картины.

  ModeOutScreen - признак вывода на экран либо картины очередного кадра («true»), либо разностной картины («false»).

  PriznOutScreen - признак, определяющий режим вывода изображения и данных на экран либо в графическом (тогда тип выводимого изображения определяется логической переменной ModeOutScreen), либо в текстовом режиме.

  SizePointX,

  SizePointY - размерность рецептора поля наблюдения соответственно по осям 0X и 0Y. Разрешающая способность рецептора по яркости.

  3.6.8.3. Описание логики.

  В начале процедуры два раза подряд организован ввод пользователем переменной «H». Первый ввод определяет значение логической переменной «PriznOutScreen». Второй ввод, если «PriznOutScreen» = «true», задает значение ключа «ModeOutScreen», определяющего вывод на экран изображения очередного кадра, либо разностной картины.

  Далее, если «PriznOutScreen» = «ture», размерности рецептора поля наблюдения по осям 0X и 0Y заносятся соответственно в переменные «SizePointX» и «SizePointY».

  После ввода глобальных параметров выполняется стандартная функция языка Pascal инициализации графического режима «InitGraph». Для этого предварительно устанавливаются значения переменных «GraphDriver» и «GraphMode».

  Затем стандартными функциями языка Pascal «SetTextJustify» и «SetTextStyle» задается тип шрифта вывода текста в графическом режиме. Высота этого шрифта записывается в переменную «H».

  В конце процедуры определяются координаты окон вывода текстовых сообщений и вывода изображения на экран и заносятся в массив координат окон «ArrayWindows [1..2, 1..2, 1..2]». Координаты левого верхнего угла окна вывода текстовых сообщений X1 и Y1 принимают значение левого верхнего угла экрана, а координаты правого нижнего угла этого же окна вычисляются следующим способом: координате X2 присваивается значение максимальной координаты экрана по ширине; а координата Y2 вычисляется исходя из высота шрифта текстовых сообщений «H». Затем эти координаты записываются в 1-ую половину массива «ArrayWindows [1, 1..2, 1..2]».

  Координаты X1 и Y1 окна вывода изображения определяются исходя из расположения окна вывода текстовых сообщений и принимают следующие значения: X1 = 0; а координата Y1 принимает значение на две единицы больше координаты Y2 предыдущего окна. Значение координат X2 и Y2 нижнего правого угла окна вывода изображения вычисляются исходя из координат X1 и Y1 этого же окна, размеров поля наблюдения по оси 0X и 0Y и размеров рецептора поля наблюдения по оси 0X и 0Y. Затем вычисленные координаты окна вывода изображения записываются соответственно во вторую половину массива координат окон «ArrayWindows [2, 1..2, 1..2]».

  3.6.9. Процедура распознавания.

  3.6.9.1. Функциональное назначение.

  Процедура распознавания является основной частью данной цифровой модели и предназначена для распознавания подвижных точечных объектов в соответствии с одним из нескольких алгоритмов по массивам чисел, представляющим последовательности кадров с “разностными картинами” или “разностными изображениями”. Такой отдельный массив чисел отображает множество приращений сигналов рецепторов сетчатки в соседние последовательные моменты времени. Кроме того, в процедуре с помощью специальных счетчиков накапливаются данные о фактах распознавания имитируемых объектов и помех, а также о размерах необходимых для этого выборок замеров признаков. Эти данные могут быть затем использованы в процедуре “Статистика” для оценки качества работы алгоритмов с помощью статистических показателей.

  Процедура позволяет осуществлять распознавание подвижных точечных объектов в соответствии с одним из пяти реализованных в ней алгоритмов, которым даны следующие условные наименования: детерминированный (Д - алгоритм); вероятностный (В - алгоритм); комбинированный (К - алгоритм); вероятностный с усеченной выборкой признаков (ВУ - алгоритм); комбинированный с усеченной выборкой признаков (КУ - алгоритм).

  В цифровой модели можно менять следующие параметры алгоритмов, влияющие на качество их работы:

  VolumeBrightness - порог яркости объекта (параметр Д, К и КУ - алгоритмов);

  SizeWay необходимый (для Д - алгоритма) или максимальный (для ВУ и КУ - алгоритмов) размер выборки для распознавания подвижного точечного объекта. Этот параметр определяет количество пересекаемых траекторией точечного объекта ячеек поля, необходимое для принятия решения о распознавании подвижного точечного объекта;

  WaitingBrightness предполагаемая (ожидаемая) яркость объекта (параметр В, ВУ, К и КУ - алгоритмов).

  3.6.9.2. Содержательная постановка задачи автоматического распознавания подвижных точечных объектов.

  Имеется дискретное поле наблюдения (поле рецепторов, сетчатка). Выходные сигналы рецепторов этого поля в дискретные моменты времени могут отображать видеоизображение малоразмерного (точечного) объекта, перемещающегося на фоне других относительно неподвижных точечных объектов, называемых в дальнейшем статистическими помехами. Кроме того, на выходах рецепторов сетчатки имеются динамические помехи, зашумляющие и искажающие исходное изображение. Таким образом, информация представлена множествами сигналов рецепторов сетчатки, отображающих последовательность кадров.

  Требуется автоматически осуществить поиск и распознавание помех и подвижных малоразмерных (точечных) объектов. Для решения этой задачи приняты следующие допущения:

• изображение объекта является точечным, то есть таким, проекция которого на поле наблюдения оптического приемника занимает не более одного элемента (ячейки) его разрешающей способности, то есть не более одного рецептора сетчатки;

• точечное изображение считается движущимся и называется далее “объект” или “подвижная точка”, если его скорость принимает значения в диапазоне V_max ³ V ³ V_min > 0, а форма траектории на соседних участках не имеет поворотов назад;

• яркость объекта отличается от яркости окружающего фона;

• яркость фона от неподвижных объектов, составляющих статические помехи, может превышать яркость объекта;

• сигналы объекта и динамических помех аддитивны;

• амплитуда сигналов динамических помех, зашумляющих изображение, некоррелирована во времени и по полю сетчатки и сравнима с амплитудой сигнала подвижного точечного объекта;

• интервал времени между соседними кадрами такой, что подвижная точка может появляться только в соседних по направлению движения ячейках поля наблюдения, то есть за это время невозможно “перескакивание” объекта через ячейки поля даже при максимальной скорости его движения (V_max);

• минимальная скорость объекта (V_min) допускает его перемещение из ячейки в ячейку за ограниченное время следования нескольких кадров;

• характеристики изображения объекта и рецепторов сетчатки таковы, что при пересечении точечным изображением границы рецептора сигнал на его выходе изменяется за время между соседними кадрами на величину, пропорциональную яркости объекта;

• априорных сведений о месте и времени возможного появления объекта не имеется.

  В основе алгоритмов распознавания подвижных точечных объектов, реализованных в процедуре распознавания, используется свойство таких объектов изменять с течением времени яркость изображения от одной точки поля только к соседней в направлении перемещения. Если составить такие меняющие свою яркость точки друг за другом в порядке их появления, то получится траектория точки. Алгоритмы, используемые в данной процедуре, в процессе распознавания проверяют гипотезы о наличии или отсутствии участка траектории подвижной точки.

  Учитывая принятые допущения, распознавание подвижных точечных объектов возобновляется с каждым очередным кадром по всему полю наблюдения. Первичная обработка оптической информации в данных алгоритмах распознавания осуществляется путем покадрового вычитания (временного дифференцирования) изображений. Такая операция позволяет отстроиться от статических помех, представляющих изображения других (в том числе и точечных) неподвижных объектов и выделить приращение яркости в ячейках поля. Эти приращения могут быть отображением подвижной точки. На последующих кадрах выявляется наличие сдвигов (элементарных перемещений) этих приращений яркости в соседние ячейки, и так далее до выявления участка траектории. Все “траектории”, характеризующиеся значением, меньше некоторой величины, отсеиваются, то есть идентифицируются как помехи.

  Последовательный характер рассмотренной процедуры позволяет осуществить “многостадийный поиск”. При многостадийном поиске вначале осматриваются и анализируются с помощью простых операций все ячейки поля наблюдения, а затем более детальному анализу подвергаются лишь отдельные его участки и точки, которых на каждой стадии поиска становится все меньше. Анализ выборок признаков, представляющих возможные траектории, осуществляется параллельно с перебором их различных вариантов в пространстве и времени, начинающихся одновременно в данной ячейке поля. Сочетание последовательных процедур распознавания и многостадийного поиска позволяет значительно сократить количество поисковых усилий и объем обработки больших потоков оптической информации. При этом за счет поэлементного просмотра изображения увеличивается помехозащищенность системы распознавания.

  Далее приводится описания различных алгоритмов распознавания подвижных точек. Программно эти алгоритмы реализованы в процедуре «Find» данной цифровой модели, вызов которой осуществляется в основной программе при каждом проходе цикла, работающего пока «ScreenNumber» < «MaxQuantScreen», строкой вида:

  Find..

  3.6.9.3. Описание алгоритмов распознавания подвижных точечных объектов.

  3.6.9.3.1. Описание детерминированного алгоритма распознавания подвижных точечных объектов.

  В соответствии с детерминированным алгоритмом решение о распознавании подвижного точечного объекта принимается по наличию участка траектории, пересекающего определенное число элементов поля наблюдения (рецепторов сетчатки). Количество ячеек поля, составляющих этот участок, задается величиной «SizeWay». Для описания классов объекта и помехи введены следующие основные логические признаки:

• «П - точка» - ячейка поля, в которой приращение яркости за время между соседними кадрами превышает некоторый порог «VolumeBrightness»;

• «Элементарное перемещение» - представляет собой поочередное появление двух соседних П - точек в течении следования допустимого числа кадров;

• «Траектория» - определяется в виде набора элементарных перемещений, происшедших друг за другом в пространстве и времени, причем кривизна траектории ограничена тем, что очередное элементарное перемещение, начиная с третьего, невозможно в направлении, противоположном предыдущему.

  С учетом данных логических признаков детерминированный алгоритм можно представить как процедуру распознавания подвижных точек, основанную на идее сочетания последовательного анализа и многостадийного поиска выделяемых на изображении П - точек, элементарных перемещений и участков траекторий:

  Первая стадия обработки информации (не считая покадрового вычитания) в этом алгоритме начинается в момент поступления изображения очередного кадра. При этом равномерно просматривается все поле изображения, выделяются П - точки и их положение на сетчатке. Таким образом, на первой стадии осуществляется пространственная селекция - по яркости.

  На второй стадии просматриваются только ячейки, соседние к ранее выделенным и в них выделяются “переместившиеся” П - точки, которые появились спустя время, допустимое для пересечения подвижной точкой одной ячейки поля. На этой стадии осуществляется временная селекция - по скорости.

  На третьей стадии процесса распознавания в предполагаемом направлении движения просматриваются только ячейки, соседние с ячейками, выделенными на второй стадии. В результате этого осуществляется пространственно-временная селекция - по наличию и кривизне траектории.

  Такая процедура продолжается до выявления фиксированного количества последовательно появившихся соседних П - точек (селекция по длине траектории). Это позволяет проверить гипотезу о последовательном пересечении траекторией объекта совокупности ячеек поля путем выявления на изображении элементов с изменившейся яркостью.

  Таким образом, детерминированный алгоритм является последовательной процедурой с фиксированным размером выборки (= «SizeWay») при распознавании объекта и неопределенной, но ограниченной выборкой (£ «SizeWay») при идентификации помехи.

  При наличии интенсивных помех во многих ячейках поля наблюдения может быть много П - точек, меньше их элементарных перемещений и совсем немного - более длинных образований из последовательных элементарных перемещений. Именно поэтому уже на первых стадиях многостадийность поиска и последовательность распознавания значительно сокращают объем обрабатываемой оптической информации, а поэлементный опрос поля наблюдения на первой стадии анализа увеличивает помехозащищенность обзорно-поисковой системы по сравнению с методами анализа интегральных характеристик.

  3.6.9.3.2. Описание вероятностного алгоритма распознавания подвижных точечных объектов.

  Вероятностный алгоритм представляет собой не “чистую” вероятностную процедуру, так как построен на основе детерминированного алгоритма с применением операций последовательной вероятностной процедуры Вальда. Как и в детерминированном алгоритме в вероятностном алгоритме используется операция покадрового вычитания изображений для устранения статических помех и выделения сигналов возможной подвижной точки. Селекция выборок признаков по “кривизне” траектории и по скорости движения осуществляется в вероятностном алгоритме с помощью логических операций и признаков, используемых в детерминированном алгоритме. Таким образом, детерминированные признаки “элементарного перемещения” и “траектории” и необходимые для их выделения логические операции, входящие в вероятностный алгоритм (также, как и в детерминированном алгоритме), осуществляют пространственно-временную фильтрацию некоторого подмножества выборок признаков из всего множества их различных пространственно - временных вариантов. Причем число элементов этого подмножества все более уменьшается с каждым шагом (стадией) наблюдения путем отбрасывания тех выборок признаков, которые относятся к помехам. В результате распознавание заданного класса нестационарных объектов осуществляется при совместном выполнении операций детерминированного алгоритма и операций вероятностной процедуры Вальда.

  Наряду с детерминированными признаками “элементарного перемещения” и “траектории” основные свойства объекта и помех могут быть представлены в форме вероятностных признаков, отображающих уровень яркости сигнала - «f», скорость перемещения сигнала по сетчатке - «V», форму и длину траектории. Проведенные с помощью данной цифровой модели исследования показали, что статические свойства длины и формы траектории можно непосредственно не учитывать, если траектория заданного класса объектов пересекает сравнительно мало ячеек сетчатки. Ограничение на форму (кривизну) траектории в вероятностном алгоритме организованно способом, аналогичным детерминированному алгоритму, то есть при выявлении очередного элементарного перемещения (начиная со второго) не включаются для просмотра ячейки поля, расположенные в направлении, противоположном направлению предыдущего участка возможной траектории. Так как рассматриваемые классы объекта «A_1» и помехи «A_2» относятся к нестационарным образам, то для их описания в качестве априорной статистической информации использовались совместные условия распределения вида:

  P ( f / A_i ), P ( V / A_i ), P ( f, V / A_i ), ãäå i=1,2;

  в которых векторы:

  f ( f₁, f₂, f₃,... , f_n, f_n+1 ), V ( V₁, V₂, V₃,... , V_n )

  отображают совокупность замеров признаков (приращений) яркости и скорости при последовательном переходе сигнала из одного рецептора в другой на участке траектории, пересекающем «N» ячеек поля.

  В отличие от детерминированного алгоритма, выделяющего и анализирующего П - точки, у вероятностного алгоритма для анализа выборки с учетом очередного возможного элементарного перемещения вычисляется величина «отношения правдоподобия» «l_n».

  Таким образом вероятностный алгоритм (аналогично детерминированному алгоритму) представляет собой процедуру распознавания, построенную на идее сочетания многостадийного поиска и последовательного анализа “отношений правдоподобия”, элементарных перемещений и участков траекторий:

  Первая стадия обработки информации (не считая покадрового вычитания) в этом алгоритме начинается в момент поступления очередного кадра. Равномерно просматривается все поле наблюдения и для всех соседних пар рецепторов проверяются гипотезы о пересечении объектом отдельных ячеек поля, то есть выявляются “элементарные перемещения”. Для этого по замерам скорости «V_1» и изменений яркости «f_1» è «f_2», выполненных в последовательные моменты времени в парах соседних рецепторов определяются “отношения правдоподобия” вида:

	P ( f1, f2, V1 / A1 )
ln = l { f1, f2, V1} =	¾¾¾¾¾¾¾
	P ( f1, f2, V1 / A2 )

где замер «f_1» выполнен на одном из предыдущих кадров, количество которых, как и у детерминированного алгоритма, ограничено минимальной скоростью подвижного точечного объекта; замеры «f_2» è «V_1» выполнены на текущем кадре в соседнем рецепторе.

Выбор между гипотезами «A_1» (объект) и «A_2» (помеха) осуществляется путем сравнения величины «l_n» с двумя порогами «l₁» è «l₂»:

Åñëè ln => l1,то принимается решение о наличии A1.	ü
Åñëè l2 => ln, то принимается решение о наличии A2.	ý	( 1 )
Åñëè l2 < ln < l1, то делается следующий шаг наблюдения.	þ

Вальдом показано, что последовательная процедура приводит к минимальному среднему числу шагов наблюдения «N», при условии выбора порогов из следующих соотношений:

l1 = ( 1 - Pïî ) / Pëî	ü
	ý	( 2 ), ãäå:
l2 = Pïî / ( 1 - Pëî )	þ

P_ïî - вероятность потери объекта;

P_ëî - вероятность ложного обнаружения.

На n-ой стадии (шаге наблюдения) просматриваются в направлении возможного перемещения только ячейки соседние с ячейками, для которых на ( n - 1 ) - ом шаге не принято определенное решение, то есть:

l₂ < l ( f₁, f₂,... , f_n, V₁, V₂,... , V_n-1 ) < l₁,

и проверяются гипотезы о пересечении объектом «N» ячеек поля, то есть выявляются “траектории”. Для этого выполняются очередные замеры признаков «f_n+1» è «V_n» â ( n + 1 )-ой по возможному направлению движения ячейке в возможный момент появления в ней сигнала объекта и по величине последовательного “отношения правдоподобия”:

	P ( f, V / A1 )
ln = l ( f1, f2,... , fn, fn+1, V1, V2,... , Vn ) =	¾¾¾¾¾	( 3 )
	P ( f, V / A2 )

в соответствии с ( 1 ) принимается решение.

Такая процедура продолжается до принятия окончательного решения.

Как показали исследования при неизвестном направлении движения и короткой траектории распределение замеров скорости для отдельных ячеек поля имеет закон, близкий к равномерному, и дает малое количество дополнительной полезной информации. При этом скорость может быть учтена как детерминированный признак, а в процессе распознавания определяется “отношение правдоподобия” вида:

	P ( f, V / A1 )
l ( f1, f2 ); l ( f1, f2, f3 );... ; ln = l ( f ) =	¾¾¾¾¾
	P ( f, V / A2 )

При неизвестном местоположении объекта для большинства участков поля решение о наличии помех может быть принято уже на основании проверки гипотезы о пересечении одиночных ячеек поля, что особенно возможно при обработке больших объемов информации, снимаемой с сетчатки.

В процедуре предусмотрена возможность учитывать при вычислении «l_n» оба признака для случая, когда зашумленная помехой яркость и измеренные значения скорости объекта можно считать независимыми величинами с нормальными законами распределения. Причем возможные значения замеров скорости ограничены величинами V_min £ V £ V_max. “Последовательное отношение правдоподобия” в этом случае имеет вид:

	n+1	n
l ( f, V ) = K12 * exp ( K1	å ( 2 * fj - f0 ) + K0	å ( Vj - V0 )^2)	(4)
	^j=1	^j=1

ãäå:

	Vmax - Vmin
K12 =	¾¾¾¾¾¾¾¾¾¾¾¾¾¾¾¾¾¾¾¾					(5)
		Vmax - Vo		Vmin - Vo
	sVo Ö 2 p ( Ô’ (	¾¾¾¾	) - Ô’ (	¾¾¾¾	) )
		sVo		sVo

	-1
K13 =	¾¾¾	(6)
	2 s^2V0

	f0
K1=	¾¾		(7)
	2 sfn
		1			x
Ô’ ( x ) =		¾¾			ò e^-t dt	(8)
		Ö 2 p			^0

- интеграл вероятностей.

В отличие от этого, в процедуре распознавания вычисляется натуральный логарифм величины l_n (LevelRealScreen и LevelOldScrenn). Величина LevelRealScreen затем сравнивается с натуральными логарифмами верхнего и нижнего порогов l₁ è l₂ (LevelHigh и LevelLow). Это позволяет для данных законов распределения признаков упростить необходимые вычисления. При исследовании алгоритмов для распознавания объектов по короткому участку траектории признак скорости V, как вероятностный признак, не учитывался по причинам, указанным выше. Однако этот признак учитывался как детерминированный.