Распознавание объектов по дальностным портретам

Основная идея

Сравнение регистрируемых лазерной локационной системой дальностных портретов с априори известными может быть использовано для классификации лоцируемого объекта и определения его ориентации в системе координат наблюдения этого объекта.

В условиях отсутствия достаточно полных сведений о распределениях отсчетов дальностных портретов и их ковариациях для распознавания объектов эффективно применение нейросетевых алгоритмов.

Сформированный вектор признаков дальностного портрета, обладающий свойствами устойчивости к воздействию аддитивного шума и инвариантности к амплитуде и положению регистрируемого дальностного портрета в пределах интервала наблюдения, распознается предварительно обученной нейронной сетью. Обучающие выходные векторы нейронной сети формируются в соответствии с требованиями адекватного представления решения в выбранном базисе.

Обучение нейросетевого классификатора может выполняться с использованием распределенной вычислительной среды, реализованной на базе локальной вычислительной сети из нескольких ПЭВМ. Такая архитектура вычислительной среды позволяет использовать при обучении нейросетевого классификатора множество из 10⁴…10⁵ реализаций векторов признаков. Большое число реализаций векторов признаков необходимо для обеспечения репрезентативности обучающего множества при вариациях основных локационных параметров – изменениях длительности и формы зондирующего импульса лазерного излучения, импульсных характеристик рассеяния объектов, пространственного положения центра диаграммы направленности излучения.

Экспериментально зарегистрированные дальностные портреты
различных ракурсов макета пожарного вездехода.
Минимальная вероятность правильного распознавания каждого из них – 0,92.

В процессе синтеза системы распознавания объектов по дальностным портретам вопросы структуризации алгоритма распознавания, выбора размерности пространства признаков и обучающего множества реализаций векторов признаков должны быть проработаны наиболее тщательно в силу их решающего влияния на качество распознавания объектов. Нами разработаны методы поиска реализаций характеристик рассеяния участков поверхностей распознаваемых объектов, для которых выполняется условие минимальности метрик векторов признаков дальностных портретов наблюдаемых ракурсов. Дополнение обучающего множества векторами признаков дальностных портретов, рассчитанных при найденных реализациях характеристик рассеяния, позволяет достичь высокого качества распознавания объектов при априори неизвестных свойствах рассеяния излучения их поверхностями.

Реализации характеристик рассеяния участков поверхностей
и дальностные портреты двух самолетов различных типов

В целом распознавание объектов по дальностным портретам с использованием правильно обученного нейросетевого классификатора можно характеризовать как хорошее и устойчивое к вариациям основных локационных параметров.

Подробнее

Бурый Е.В. Синтез системы распознавания объектов по форме огибающей лазерного импульса при импульсно–периодической локации // Квантовая электроника. – 1998. – Т. 25, № 5.
Бурый Е.В., Косых А.Е. Экспериментальное получение дальностных портретов и их распознавание // Квантовая электроника. – 1998. – Т. 25, № 10.
Buryi E.V. Simulation methods of diffusion pulse characteristics of 3–D object in optical range, provided a coincident of simulated and experimental signs of recognition // 5–th Int. Conf . ACS ’98. – Szczecin ( Poland ), 1998.
Бурый Е.В., Смирнова Ю.Л. Формирование репрезентативного множества векторов признаков для обучения системы распознавания типов летательных аппаратов методом моделирования распределений коэффициентов рассеяния их поверхностей // Математическое моделирование, 2004. – Т 16, № 4.
Бурый Е.В., Смирнова Ю.Л. Анализ устойчивости распознавания объектов в оптическом диапазоне при изменении характеристик рассеяния их поверхностей // Нейрокомпьютеры и их применение: Труды VIII Всеросс. конф. – М., 2002.