XIX.A.230
Метод определения устойчивых доминантных центров отражения на основе комплексирования модельных и экспериментальных радиолокационных изображений
Харжевский Е.В. (1), Саидов А.Г. (1), Астахова Е.И. (1)
(1) Военно-космическая академия имени А.Ф. Можайского, Санкт-Петербург, Россия
Ключевым направлением в автоматизации процесса дешифрирования радиолокационных изображений (РЛИ) является накопление базы данных эталонов. В статье предлагается метод по подготовке эталонных описаний объектов наблюдения на основе центров рассеяния объекта для расчета формализованных дешифровочных признаков (ДП). Разработанный алгоритм определения доминантных центров отражения (ДЦО), основан на комплексировании результатов обработки экспериментальных РЛИ объектов наблюдения и радиолокационных данных, полученных с помощью специальных моделей. Алгоритм выполняется в четыре этапа. На первом этапе производятся расчет ДЦО объекта на основе метода [3] и формирование описания модельного РЛИ в виде суммы N отдельных ДЦО. На втором этапе производится определение ДЦО на экспериментальном РЛИ. Первоначально с целью устранения влияния фона производится сегментация РЛИ. Далее производится определение ДЦО на основе подхода, описанного в работе [5]. За ДЦО принимаются экстремумы функции пространственного распределения яркости. На третьем этапе производится формирование эталона на основе сопоставления ДЦО, выделенных на модельном и экспериментальном РЛИ. На заключительном этапе производится формализация ДП, основанного на учете взаимного расположения ДЦО. Формализованное описание этого признака создается в виде матриц смежности. Предложенный метод подготовки эталонных описаний объектов позволяет хранить эталоны в формализованном виде, а также производить расчет формализованных ДП для алгоритмов автоматического распознавания объектов на РЛИ.
Ключевые слова: радиолокационное изображение, доминантный центр отражения, формализация, матрица смежности, эталонное описаниеЛитература:
- Школьный Л.А. РЛС воздушной разведки, дешифрирование радиолокационных изображений. Под ред. Л.А. Школьного. – М.: ВВИА им. Н.Е. Жуковского. – 2008. – 531 с.
- B. Ding, G. Wen, X. Huang, X. Yang. Data Augmentation by Multilevel Reconstruction Using Attributed Scattering Center for SAR Target Recognition, IEEE Geoscience and Remote Sensing, vol. 14, no. 6, pp. 979–983 June 2017.
- H.-C. Chiang, R. L. Moses, and L. C. Potter. Model-based classification of radar images,// IEEE Trans. Inf. Theory, vol. 46, no. 5, pp. 1842–1854, Aug. 2000.
- G. Gao, L. Liu, L. Zhao, G. Shi, and G. Kuang. An adaptive and fast CFAR algorithm based on automatic censoring for target detection in high-resolution SAR images,” IEEE IEEE Geoscience and Remote Sensing., vol. 47, no. 6, pp. 1685–1697, Jun. 2009.
- А.Л. Ильин, К.И. Титов, А.В. Шульженко Формирование эталонных изображений для космических радиолокаторов по данным авиационных средств // Труды ХХХ всероссийского симпозиума «Радиолокационное исследование природных сред»/под общ. ред. Ю.В. Кулешова. – СПб.: ВКА им. А.Ф. Можайского, 2017. – Вып. 12. – Том 1 – С. 97–107.
Презентация доклада
Ссылка для цитирования: Харжевский Е.В., Саидов А.Г., Астахова Е.И. Метод определения устойчивых доминантных центров отражения на основе комплексирования модельных и экспериментальных радиолокационных изображений // Материалы 19-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2021. C. 68. DOI 10.21046/19DZZconf-2021aМетоды и алгоритмы обработки спутниковых данных
68