Kui arbre mince, Chengqiu Yun

(School of Computer Sciences Zhengzhou Institut de gestion de l'industrie aéronautique, Zhengzhou 450015)

des cibles au sol présentent des caractéristiques différentes à différentes échelles dans les images de télédétection, il a une grande influence sur la précision de la reconnaissance automatique de la cible. Multi-résolution d'image de détection à distance, l'image de la reconnaissance de la cible typique, étant donné cadre d'identification multi-échelle de l'objet d'image. Tout d'abord, pour des images de télédétection à différentes échelles, dans lequel chaque analysés reconnaissance effective de l'objet à l'échelle. Ensuite, diverses caractéristiques de l'extraction de base cible typique, ces caractéristiques échelle de l'analyse de corrélation, de différentes dimensions et les caractéristiques des effets de structure de forme cible générées. Les résultats expérimentaux montrent que, il peut être réalisé de manière efficace l'analyse de l'image cible et de reconnaissance sur la base de la trame d'identification multi-résolution d'image de détection à distance.

Multiscale, l'aéroport, la reconnaissance cible, fonction, télédétection

Reconnaissance automatique de cible (Reconnaissance automatique de cible, ATR) et les technologies connexes ont de vastes applications dans l'aéronautique, la télédétection, l'automatisation industrielle et d'autres domaines [1-5]. Système de reconnaissance automatique de cible typique peut être divisé en trois phases de travail: la détection, l'identification, la classification. la détection de phase est de déterminer la présence de la zone cible à partir de la zone d'image peut être une grande variété de [3], à savoir, la région d'intérêt (Region of Interest, ROI). Dans la phase de détection de la taille d'image cible est importante en raison du processus, afin d'améliorer l'efficacité de calcul, généralement une méthode simple et rapide d'obtenir un résultat de détection à haute taux de fausse alarme. Comme cela est décrit dans la référence [6] a introduit le concept de logique floue est proposée radar à ouverture synthétique dans un algorithme de détection objet de l'image de fond non-uniforme (radar à ouverture synthétique, SAR), a une certaine valeur pratique. Identification de la région de l'étape de détection d'intérêt est obtenue pour en outre la détermination d'éliminer la région d'être libre de la cible de reconnaissance, comme décrit dans la référence [7] En premier lieu, un procédé utilisant un seuil divisant mer et sur terre, dans lequel la représentation statistique à base de blocs sur la base du candidat pour identifier rapidement les zones et petit port. La détermination de la phase de classement est le but ultime de la nature et le type, tel que décrit dans la référence [8] ont étudié la méthode d'identification des cibles en fonction du contexte de l'aéroport, parmi les composants de l'aéroport actuel de dépendance technologie de reconnaissance appliquée. Trois session de reconnaissance automatique de cibles est rapidement et extraire avec précision la cible, tirée de grossière à la stratégie fine, rapidement extraite de la première image, une région de l'échelle cible possible, utiliser des traits fins d'analyse confirmée région candidate, suppression de fausse alarme, et l'identification et la classification des cibles.

jeux d'échelle dans la détection et l'identification des cibles dans un rôle important, et la méthode multi-échelle peuvent refléter réellement la forme de cibles au sol, l'attention générale dans le domaine de la reconnaissance des objets. Comme cela est décrit dans la référence [9] analyse géométrique liaison multi-échelles et exploitant PSL construit une nouvelle entité cible et un procédé correspondant pour l'identification de dispositifs que des expériences classiques montrent que le domaine des ondelettes caractérisé forte capacité à identifier. Référence [10] traite de l'analyse d'image multi-échelle géométrique, étude comparative une variété de modèles statistiques multi-échelles domaine de transformation, et un exemple de recherche connexe. La référence [11] l'utilisation des caractéristiques d'échelles d'ondelettes différentes en utilisant des produits multi-échelles d'ondelettes bord extraite de l'image cible, prenant en compte les détails du contour caractéristiques d'une image, les différents niveaux de l'information de contour de l'image cible et les détails solution combinée cibler des problèmes de reconnaissance de contexte complexe. Référence [12] a proposé la méthode de reconnaissance de cible basée sur la modification multi-échelle du modèle, mais aussi l'utilisation de la caractéristique multi-échelle de transformation en ondelettes, de mise en correspondance grossière à fine et expériences, de bons résultats sur une variété d'images. La référence [13] ondelette détection de bord multi-échelles, une probabilité de bord d'introduction, la probabilité de maximum de vraisemblance de la classification de vraisemblance maximum et le traitement de détection d'arrière-plan pour obtenir la reconnaissance de motif cible, pour résoudre le problème de la détection de cible infrarouge.

Pour les méthodes actuelles de reconnaissance d'objets multi-échelles sont la plupart du temps sur une MULTIBALANCE transformer l'image d'origine, et des extraits multiscale cible de reconnaissance fonctionnalités, la transformation multiéchelle, il y a souvent une perte d'information d'image, et le choix de transformations à l'échelle il est également un problème. Plusieurs images avec des résolutions différentes d'un accès direct au capteur de papier, étude multi-échelle de reconnaissance de la cible. Présente un cadre de la technologie de reconnaissance multi-échelle plus complète, y compris le concept de trois dimensions: super-échelle, à grande échelle et à petite échelle. Et pour cibler l'aéroport, par exemple, nous analysons les caractéristiques des niveaux efficaces d'échelles différentes et leurs résultats expérimentaux correspondants.

Plus de 1 échelle Image Recognition cible

Multi-échelle automatique de cible pour extraire rapidement et avec précision l'image de la cible, la cible doit chercher de grossière à fine progressivement, la discrimination et la classification, ce document sera la reconnaissance cible d'image multi-échelle est divisée en trois niveaux de base, à savoir ultra-échelle , à grande échelle et à petite échelle. reconnaissance d'image multi-échelles, une résolution différente d'image à distance de détection est d'abord acquise dans la même région, étant donné que la réponse spectrale du même type de valeur de caractéristique dans une résolution spatiale différente, et l'image dépendance non-linéaire de la taille des cellules, de sorte que la même entité cible des images de différentes échelles présentées dans lequel la moyenne est réduite de moitié ou pas de correspondance. Les caractéristiques d'exposition mêmes objets au sol se produisent avec les changements de différence d'échelle, et cette différence est parfois très importante, affectant gravement les résultats de la reconnaissance cible. Ainsi, dans l'image à différentes résolutions, différentes cibles sur la même surface efficace de fonctionnalités Fonctionnalités décrites, même si la même fonction, les valeurs caractéristiques de résolution différente de l'image obtenue est pas la même, ce qui affectera sérieusement les résultats de la cible de reconnaissance, l'échelle nous devons analyser l'impact des changements dans la reconnaissance des cibles. La figure 1 est un cadre d'identification objet image multi-échelle, à différentes échelles, la question clé est de choisir d'identifier efficacement les caractéristiques correspondantes, seront discutées séparément ci-dessous.

1.1 zone cible de recherche ultra-échelle

Echelle est super taille de pixel est supérieure à la taille de la cible pour que la cible ne visible ou extrêmement vague, mais une brillance spectrale approximative peut distinguer les corps étrangers, la zone cible ne peut pas être calculé, le contour, la forme et d'autres caractéristiques. Reconnaissance automatique de la cible, doit d'abord être détectée dans une large gamme d'image à faible résolution, bien que trouve pas la cible, le contour même d'un objet ne peut pas être généralement déterminée, mais il peut identifier la zone cible possible, que la cible pour la prochaine faite prêt. Dans la région cible candidate de phase de détection, en raison de l'objectif fondamental est pas visible, les principales caractéristiques de l'objet de contexte sémantique sélectionné.

Les images de télédétection pour identifier des cibles au sol, car une variété de caractéristiques surface a son environnement spécifique, entre les buts et objectifs, entre la cible et le fond sont intrinsèquement liés. En règle générale, il existe une classe de la cible peut être déterminée ou d'exclure la possibilité qu'un autre quartier cible apparaît. Par exemple, il y a une rivière où le pont peut être déterminé qu'il existe une zone possible, la construction du chantier naval est généralement pas où il n'y a pas d'eau. Ainsi, une partie des informations fournies par l'environnement, a appelé les informations de contexte. Informations contextuelles est l'une de l'image compréhension des aspects les plus importants, les informations de contexte décrivant la relation entre la zone d'image. Quand les gens regardent les choses souvent en utilisant consciemment ou inconsciemment des informations contextuelles et font jouer un rôle important. Par exemple, dans le parc de reconnaissance d'images haute résolution avec une végétation continue, il est généralement de grandes surfaces, et sont dans le parc de la ville, etc. autour des blocs, peut être utilisé pour distinguer entre le parc et les pâturages. informations de contexte sémantique est utilisé pour déterminer la zone cible peut exister, comme l'identification des ponts, d'abord des rivières cibles de recherche, les ports le long de la côte à la recherche de reconnaissance.

1.2 à grande échelle la discrimination cible

Fait référence à une grande échelle les grandes lignes de la cible peuvent être identifiés, mais ne peut pas estimer avec précision la zone cible, la structure, etc., peuvent être utilisés des caractéristiques de forme spectrale. L'obtention d'un profil cible caractéristiques requises pour la segmentation d'image, forme la zone cible de caractéristique généré par la segmentation de l'image représentée. L'extraction d'informations de forme est effectuée sur la base des pixels cibles constituant l'espace d'image sur la répartition statistique, dans lequel une matrice de covariance sensiblement statistique est exprimée comme suit,

Dans laquelle, X et Y sont les vecteurs du pixel (x, y) les coordonnées de l'objet dans la composition, Var (X) et Var (Y) sont les variances de X et Y, Cov (XY) est comprise entre X et Y covariance.

fonction de forme décrit de nombreuses formes, comme une image à grande échelle est décrite dans plusieurs formes communes.

Zone A: nombre total de pixels de la composition en question.

Rapport d'image: et eig2 sont les valeurs propres de la matrice de covariance. Longueur: l =; largeur index :; forme: la douceur de la limite de l'objet décrit, la limite rompue, plus la valeur, e est le nombre de pixels de frontière; densité: indique le degré d'un objet compact, l'objet valeur plus proche plus élevé indique un carré, dans lequel n représente le nombre de pixels.

direction principale: une direction principale de l'objet de l'image est définie comme la direction du vecteur propre correspondant à une valeur plus grande caractéristique de matrice de covariance.

1.3 à petite échelle cible Identification

Se réfère à une petite échelle peut estimer avec précision les informations de la zone cible, la structure, et par conséquent la forme des caractéristiques de cibles à petite échelle sur la longueur, la largeur, la zone, l'indice de forme et analogues peuvent être utilisés, y compris les caractéristiques topologiques décrites objets à l'intérieur ou entre certaines relations géométriques. caractéristiques topologiques comprend gauche et à droite, comprenant les relations, la distance, comme certains aéroports, qui pistes, voies de circulation, tablier, tour de contrôle, et diverses combinaisons d'unités sont à une certaine relation entre la position de la configuration, ces unités peuvent être dans une image à petite échelle distinguer clairement, est donc une topologie valide dans lequel l'identification des caractéristiques sur une petite échelle.

Structure à petite échelle de l'image cible et il y a une nette différence dans les grandes échelles. Diviser la région d'image cible, au bord du pixel cible est soit mélangé dans les catégories cibles, que ce soit dans la catégorie d'arrière-plan, par conséquent, le rapport de mélange de l'image occupée par l'élément détermine l'erreur de mesure de la cible, provoquant ainsi la forme de la cible des changements structurels. En particulier, dans l'image à basse résolution, plus la proportion occupée par la zone de bord, l'extraction aura une incidence sur la précision de la cible, que la résolution augmente, le bord de la cible devient plus clair, par conséquent, l'erreur devient plus petite, la cible peut être extraction précise et la reconnaissance.

2 résultats expérimentaux

Pour cibler l'aéroport, par exemple, l'utilisation de la reconnaissance cible d'image multi-échelle, et les résultats ont été analysés. Le cadre multi-échelle pour identifier, d'abord, la zone cible de recherche sur l'échelle. Pour la cible de l'aéroport, habituellement dans la région en dehors de la ville pour une présence d'un objet à une distance, la recherche peut être, il y a certaines catégories de surface imperméable dans la région. Figure zone de recherche de candidat télédétection images à l'aéroport civil ultra-échelle, dans la banlieue de la ville figure 2 est une gamme de catégories de recherche et il y a surface imperméable assez grande superficie de distribution 2, l'aéroport comme une région candidate.

Après avoir déterminé une zone cible candidate qui peut exister dans l'ultra-échelle, pour identifier d'autres cibles à grande échelle. Spectrum caractéristiques et l'arrière-plan autour de l'aéroport a une grande différence dans la cible, et ayant une caractéristique de forme distincte, il est possible de reconnaître les grandes lignes au grande échelle, quatre de la cible de l'aéroport d'image 3 représentée à l'échelle figure, échelle de (a) à (d) est progressivement réduite.

Comme le montre la figure résultat de la segmentation d'image 34, dans lequel l'aéroport cible segmentée. La figure 4 dans lequel la forme du résultat de la segmentation d'image extraite en tant que valeurs cibles indiquées dans le tableau 1. Etant donné que la segmentation de l'image des différentes échelles de l'intégrité de l'indice de différence cible, la zone, la longueur, la largeur, la forme et les autres caractéristiques ne sont pas strictement conforme ou d'un pourcentage fixe, par conséquent, la reconnaissance de la cible, dans lequel la forme de l'image est basée sur des échelles différentes sont différentes dans une image basse résolution, la fonction de la forme des exigences d'objet plus grossières, tandis que la haute résolution nécessite plus sophistiqués. Tel qu'il est utilisé dans cette expérience, puisque l'image à faible résolution des limites floues cibles, la segmentation est pas facile à remplir, et donc dans la résolution d'une telle base sur l'aéroport cible de reconnaissance des caractéristiques de forme, et non pas dans un deux pistes parallèles complets déterminée comme une norme, mais selon la longue dans lequel le rapport d'aspect, la densité et d'autres directions principales. Dans cette expérience, les caractéristiques de densité pour maintenir un intervalle constant à différentes échelles, et ayant une direction principale est plus grande cohérence. Bien que les différentes résolutions d'image, est également divisée par l'étendue d'une différence, mais la direction principale de l'image de la fonction cible est extrêmement similaire à la direction principale, il peut être décrit comme une échelle caractéristique inchangée ces objectifs soient utilisés.

l'image à grande échelle ne peut distinguer le contour d'un objet à peu près, et certaines caractéristiques structurelles des images multi-résolution modifiée de manière significative, la nécessité d'identifier plus petite échelle. Sur la figure 4 (A), la piste de largeur est de 2 pixels, une largeur de piste intermédiaire de 2 pixels, un rapport de 1:.. 1; la figure 4 (B), la largeur de piste de 3 pixels, une largeur de piste intermédiaire de 4 pixels, rapport de 1:. 1,33; la figure 4 (C), la largeur de piste de 5 pixels, une largeur de piste intermédiaire de 7,5 pixels, un rapport de 1: 1,5; sur la figure 4 (D), une piste de largeur est de 10 pixels, pistes. largeur de 15 pixels intermédiaire, un rapport de 1: 1,5. Dans l'image multi-résolution de. La figure 4 en tant que changements structurels cibles indiqués dans le tableau 2. Comme on peut le voir dans le tableau, en tant que la résolution augmente, le rapport de la zone intermédiaire de la piste et augmente progressivement, ce qui reflète la caractéristique de variation de la même structure en image différente de la résolution cible, ce qui indique la forme d'une petite échelle les caractéristiques structurelles dans le décrit plus précis, il peut être une reconnaissance de caractéristiques cibles efficaces.

Puisque chaque partie de la cible à petite échelle peut être mesurée avec plus de précision, et une description de la topologie de la structure cible des parties respectives sera plus parfait, le lien entre la forme à. La figure 4, deux pistes de l'aéroport de relation parallèle, la piste Fig. , relation proportionnelle entre la région espaceur et la piste, la topologie de la piste et le tablier et analogues, peut être utilisé comme une reconnaissance de la cible efficace comprend l'aéroport.

3 Conclusion

Échelle joue un rôle essentiel dans les caractéristiques de reconnaissance de la cible, de multiples échelles de la cible de détection peut être fait, pour identifier les trois étapes de la tâche de reconnaissance. En prenant comme exemple l'aéroport cible, la pluralité d'images de la même résolution de la scène d'objet sur la base du processus de reconnaissance de la cible étudiée à partir des trois phases, les caractéristiques effectives des aéroports d'analyse de reconnaissance de la cible à différentes échelles. Étant donné que l'image d'erreur au niveau du bord de la cible, et donc une différence significative dans la structure cible extraction de caractéristique différente de l'image de résolution. fonction cible sur une échelle, et caractérisé par une très différente à une autre échelle, et même peut disparaître. Ainsi, certaines caractéristiques doivent choisir l'exploitation appropriée à une échelle appropriée, pour améliorer la précision de détection de la reconnaissance cible.

références

[1] Cong Yu, Zhou Wei, de l'argent officiel, et d'autres types d'images cibles des navires portuaires pour l'extraction [J] Computer Simulation, 2014, 31 (1): 22-25,40.

[2] Li Xinde, Yang Weidong, JEAN D. Une image de l'aéronef de la fusion de la forme caractéristique cible a été reconnu [J] Automatisation Sinica, 2012, 38 (8): 1298-1307.

[3] Wang Yan cas, jument, détection de cible et de reconnaissance Tahara Résumé des images de télédétection optique navire [J] Automatisation Sinica, 2011, 37 (9): 1029-1039.

[4] Liu Jing, argent SUN, Zhujun Lin, et FLIR reconnaissance de la cible basée sur la méthode d'adaptation de modèle [J] Missiles et d'orientation, 2010,30 (1): 17-20.

[5] Bo, Cao Peng, Li Wei, comme l'espace à l'échelle de fusion multi-fonction basée sur la classification de l'image médicale [J] Applications informatiques, 2013, 33 (4): 1108-1111, 1114.

[6] Xu Jing, arc algorithme de détection d'objet d'arrière-plan non uniforme [J] image SAR flou basé CFAR Astronautics Journal, 2011,32 (7): 1612-1617.

. [7] Zhu Bing, Li Jinzong, à grande échelle Aijun télédétection images pour identifier rapidement le port cible [J] la reconnaissance des formes et intelligence artificielle, 200619 (4): 552-556.

[8] Liu anthracène anthracène, l'agriculture mûriers, Cao Zhiguo, etc. [J] infrarouge et laser Target Engineering Reconnaissance contexte de l'aéroport Based, 2004,33 (1): 67-70.

[9] Pan Hong, Li Xiaobing, Jin gauche, la description de l'objet et de la reconnaissance sur la base de l'analyse géométrique multi-échelles [J] Journal of ondes infrarouges et millimétriques, 2011, 30 (1): 85-90.

[10]. Jiao Licheng, Sun Qiang MULTIBALANCE transformer des images domaine perception et de reconnaissance: progrès et perspectives [J] Journal of Computers, 2006, 29 (2): 177-193.

[11] Chen Fanghan, Miao Hua, Chen Yu et al, Identification de la cible basée sur le produit multiéchelle ondelettes [J] SPIE, 2009, 29 (5):.. 1223-1226.

[12] Yu Li, détection de cible Allen Wang et la reconnaissance de la déformation multi-échelle du modèle [J] Computer recherche et développement, 2002, 39 (10) sur la base: 1325-1330.

[13] et les attributs Bing, Chen détecter cible infrarouge ondelettes multi-échelle et un procédé de maximum de vraisemblance [J] SPIE, 2009, 29 (12):. 3404-3408.

avantages de l'adhésion AET de fin d'année!