научная статья по теме АЛГОРИТМ КЛАСТЕРИЗАЦИИ РАДИОЛОКАЦИОННОГО ИЗОБРАЖЕНИЯ Общие и комплексные проблемы естественных и точных наук

Текст научной статьи на тему «АЛГОРИТМ КЛАСТЕРИЗАЦИИ РАДИОЛОКАЦИОННОГО ИЗОБРАЖЕНИЯ»

Ким Д. С. Буренков В.А.

(ЗАО «Электронно-вычислительные информационные и инструментальные системы»)

АЛГОРИТМ КЛАСТЕРИЗАЦИИ РАДИОЛОКАЦИОННОГО ИЗОБРАЖЕНИЯ

В статье предлагается алгоритм кластеризации радиолокационного изображения для автоматического определения типа подстилающей поверхности, что позволит повысить качественные характеристики аналитической радиолокационной обработки и точности распознавания объектов.

Ключевые слова: кластеризация изображений, радиолокация.

THE CLUSTERING ALGORITHM OF RADAR IMAGE

The clustering algorithm of radar image is proposed for automatically determination the type of the underlying surface, which will increase the quality characteristics of the analytical process and the accuracy of the radar object recognition.

Keywords: clustering images, radiolocation.

Алгоритм кластеризации радиолокационного изображения является многоэтапным, состоящим из следующей последовательности:

- накопление статистической информации о подстилающей поверхности на основе отраженного сигнала;

- формирование характеристик радиолокационного изображения;

- разбиение полученных характеристик радиолокационного изображения на принадлежность разным кластерам;

- применение полученного разбиения к исходному изображению.

Формирование многомерной матрицы Dk области видимости размерности M на N происходит в процессе сканирования пространства радиолокационной системой. Количество проходов луча определяется достаточной статистикой для кластеризации радиолокационного изображения.

Для фильтрации единичных выбросов в радиолокационном изображении при решении задачи кластеризации к многомерной матрице области видимости Dk применяется медианный фильтр:

Dk(р,р) = medk{Dk(р,р)} , (1)

где Dk (р, р) - элемент радиолокационного изображения, характеризующий мощность отраженного сигнала на дальности р и азимуте р от подстилающей поверхности на k-ом проходе луча; medk {*} - медианный фильтр размера M.

На основании накопленной статистики Dk (р, р) по M х N элементам разрешения (1) формируем трехканальное изображение:

Di(p,p) = Dk (р,р), (2)

D2(p,p) = E[\ Dk (р,р)|2] - E[Dk (р,р)]2 , (3)

D^, р) = E[\ Dk(р, р)\3] - 3E[Dk(р, р)]Е[\ Dk(р, р)\2] +

k 3 , (4)

2E[Dk (р,р)]3

где £[*] - математическое ожидание; Д - радиолокационное изображение для кластеризации; Д - характеризует разброс случайной величины для каждого элемента разрешения; Д - числовая характеристика симметрии распределения.

Для формирования локальных характеристик текстуры были использованы ее статистические свойства (равенства (2) - (4)). Для ее численного описания применяют матрицу совместного появления (МСП) какого-либо определенного значения рассматриваемой характеристики Р(а, ё) = [р1, ]}Г00'"^-1, где pi, - вероятность совместного появления значений признаков, равных i и } на расстоянии ё друг от друга в различных направлениях а (0, 45, 90, 135 градусов). Диапазон значений каждого признака разделяется на N целочисленных уровней, и при построении МПС используются уровни признаков.

При первичном отборе статистик учитывается прежде всего независимость текстурных признаков (ТП), и по результатам экспериментального исследования были выбраны: контраст - мера распространения уровней яркости

N-1N-1

к = ЕЕ(* - л)2 Р

г=0 л=0

(5)

обратный момент - мера локального сходства -

N-1N-1 р,

1М =УУ-

П - л I

(6)

сумма квадратов

N-1

N-1

= Е (* )2 Е Рг,} ,

Л=0

(7)

N-1 N-1

где а=Е гЕ Рг, л;

г=0 }=0

корреляция

СаК=ЕЕ(г-а }) р

г=0 л=0

(8)

Таким образом, из множества исходных радиолокационных изображений формируется многоканальное изображение признаков

С = [*и ] , (9)

где с,7 = , ки, м,,,, а;^;, соД, ).

Задача кластеризации исходного изображения сводится к задаче кластеризации изображения признаков. В качестве количественного описания близости двух пикселей этого изображения возьмем норму:

г=0

K

к -= лЕ(^)-c2(k))2 , (10)

V k=1

где wk - вес k-го признака. Оптимальные веса подбираются в ходе практической подстройки алгоритма.

На основании выбранной метрики (10) и алгоритма k-средних итеративным методом формируются кластеры радиолокационного изображения.

ЛИТЕРАТУРА

1. Ширман Я. Д., Манжос В. Н. Теория и техника обработки радиолокационной информации на фоне помех. - М.: Радио и связь, 1981. - 416 с.

Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.

Показать целиком