AeroSense'96 Symposium. Visual Information Processing V, Proc. SPIE Vol. 2753, Orlando, USA, April 1996 (PDF, 170Kb)

Оценка разрешающей способности оптико-электронных систем космического базирования

English

M.V. Smirnov, A.N. Korolev, I.N. Sivjakov, D.I. Zvezdin.
Vavilov State Optical Institute, Saint-Petersburg, Russia

ABSTRACT

Оценка разрешающей способности оптико-электронных систем космического базирования В статье рассматривается автоматическая оценка разрешающей способности оптико-электронной телескопической системы (ОЭТС) дистанционного зондирования Земли при ее длительной эксплуатации. Исходной информацией для оценки разрешения являются цифровые массивы видеоданных, то есть изображений земной поверхности, насыщенной объектами в виде острых острий (городские кварталы, промышленные объекты и т.п.). Результаты анализа видеоданных (оценка ФПМ и оценка уровня шума), а также параметры трассы ОЭТС, включая комплекс наземной обработки и визуализации видеоданных, используются для предварительного искажения 3-х шпальной миры. Оценка разрешения производится итерациями с изменением размера миры. Разрешение – это пространственная частота 3-х шпальной миры, при которой вероятность обнаружения наблюдателем центральной полосы на фоне соседних расстояний имеет требуемое значение. Разрабатывается программное обеспечение и проводятся эксперименты с тестовыми и реальными изображениями. Интерактивный режим и физические принципы программного обеспечения показаны в отдельном окне.
Программный пакет оценки качества аэрокосмических изображений Quality
Демо-версия программного обеспечения Quality.

Key words: resolution, test chart 3-bar, optic-electronic telescopic system, MTF, knife-edge.

1. INTRODUCTION

Одна из актуальных задач метрологического контроля системы ОЭТС дистанционного зондирования при ее длительной эксплуатации — автоматизация рутинной процедуры оценки разрешения по цифровому изображению Земли. Процедура автоматического определения Разрешающая способность космической оптико-электронной системы наблюдения с тестовыми маркированными болотами на поверхности земли рассмотрена в работе [1]. Основа Процедура [1] оценки разрешения – это признание отмеченного болота. Недостатком подхода является необходимость наземного расположение специальных объектов испытаний по трассе полета. В другой работе [2] предлагается определять разрешающую способность системы оптического диапазон как точка выхода усредненного по Фурье изображения спектра на горизонт, соответствующая уровню шума. Но точность этого метод не является высоким из-за принятых допущений.

Нами разработана процедура автоматической оценки разрешения изображения Земли без наземных тестовых объектов. Он реализован в виде программного пакета. Разрешение определяется как пространственная частота 3-полосной тестовой диаграммы, для которой вероятность обнаружения наблюдателем его центрального знака на фоне соседних промежутков имеет следующее значение:

p(v) > Po,

где p(v)- вероятность обнаружения центральной метки на фоне соседних промежутков между обнажениями на итоговом фотодокументе, Po - заданное значение вероятности обнаружения обнажения болота, v - необходимая пространственная частота.

Вероятность p(v) рассчитывается на основе оценок уровня шума MTF и OETS, которые определяются экспериментально по изображениям лезвий ножей при анализе цифровых массивов видеоданных. Распознавание, различение и анализ поиск лезвий ножей осуществляется в автоматическом режиме независимо от уровня внешней освещенности.

Математический аппарат распознавания остроконечных изображений основан на структурно-вероятностном подходе, учитывает структуру распознаваемый объект и обеспечивает адаптацию к изменениям внешней освещенности. Распределение интенсивности в направлении, перпендикулярном ножевое лезвие B(x,y) является реализацией граничной кривой U(x). Усредняется набор реализаций граничных кривых. Результатом дифференцирования усредненной граничной кривой является функция расширения линии (LSF). MTF определяется как Фурье трансформация ЛСФ. Уровень шума определяется как среднеквадратичный (RMS) и оценивается на равномерных расстояниях. интенсивностей.

Метод реализован в виде программного пакета на языке Borland C++ с библиотекой классов. Объектная библиотека Windows. Ввод и визуализация исходных массивов видеоданных и всех результатов преобразования изображений при их анализ предоставляется в этом пакете.

 

2. THEORY AND ALGORITHMS

Точность определения ФПМ по изображению острия связана со значением отношения сигнал/шум. Последнее определяет выделение наиболее сильных изменений интенсивности. Распознавание объектов с сильными изменениями интенсивности невозможно. трудный. Особенностью задачи является выполнение условия неизменности изменений внешней освещенности при распознавание изменений искомой интенсивности. Переменная освещенность связана с метеоусловиями, зависит от времени суток и сезона. Перечисленные ситуации приводят к разным сигналам изображения от одних и тех же объектов или территорий. Более того, алгоритм распознавания должен удовлетворять условие принадлежности резкого изменения интенсивности структуре острия.

Математический аппарат ножевого изображения для описанной процедуры основан на структурно-вероятностном подходе [3]. Структурный анализ изображения обеспечивает описание объекта на основе расстояний и корреляции между ними. Изображение лезвия ножа линия разделения между светлыми и темными сплошными объектами. Мы называем их индикаторными (отображающими) линиями (рис.1а).

knife-edge image

Индикаторные линии выводятся из рассмотрения, если перепады (изменения) интенсивности дБ по площади dR не превышают порог Tb. Оставшийся набор индикаторных линий будет представлять собой линии искомых ножевых кромок. И график представлением ножевых кромок B(x,y) является распределение интенсивности граничной кривой U(x) (рис.1б). Вероятность различения наиболее резкие изменения интенсивности, превышающие порог Тb,    где P(Z) - плотность вероятности различий в интенсивности изображения. При анализе качества OEST по текущему цифровому фрагменту возникает обратная задача определения порог Tb по текущему распределению P(Z) решен. Итак, используемый пороговый параметр Tb Процедура распознавания адаптивна и автоматически перестраивается в зависимости от конкретного распределения интенсивности. Порог параметр Tb определяется из распределения распределения вероятностей P(дБ), где P(дБ) - вероятность плотность абсолютных значений разности интенсивностей дБ, pdB - пороговая вероятность.

Один из подходов приблизительной оценки неизвестных вероятностей pdB по выбранным данным: обучение с учителем [4]. Распределения P(dB) формируются по выделенным изображениям (городские кварталы, промышленные объекты и т.п.). После этого указываются лучшие (с «учительской» точки зрения) значения параметров Tb, при которых ножевые кромки при этом наиболее резко выделяются перепады интенсивности дБ. Пороговая вероятность pdB определяется по значению порогового параметра Tb.

После обучения системе распознавания предъявляются тестируемые изображения. Построены оцененные распределения P(дБ). по каждому изображению и решается обратная задача определения параметра Tb по пороговой вероятности pdB. Дальше оценка Tb используется как истинное значение параметра Tb. В результате использования порога будут выбраны нужные ножевые кромки B(x,y). Реализация граничной кривой U(x) определяется в направлении, перпендикулярном изображению кромок B(x,y). Для расчета LSF модуль U(x) дифференцируется. MTF T1(v) в тракте OETS определяется как модуль преобразования Фурье LSF.

Среднеквадратическая оценка шума RMS основана на измерениях интенсивностей верхней и нижней частей dW граничных кривых. (рис.1б). Этим частям соответствуют светлые и темные участки изображений острия ножа. В среднеквадратическом расчете шума sigma значения мощности шума для верхней и нижней частей усреднены. Вероятность разрешения 3-х шпальной миры определяется вероятностью обнаружения центральной полосы миры на фоне соседних промежутков. Это определено известной формулы:

P=1/2{1+erf[(S-Co*3.2-2*Q)/sqrt(2+2*Q**2)]} , (1)

где erf(Z) - приведенная функция Лапласа, S - соотношение сигнал/шум, Co - поправочный коэффициент компенсации. ошибки из-за неправильного описания траекторной модели OETS, включая модель наблюдателя, Q - отношение шума зрения к шуму системы усреднено по голому.

3. EXPERIMENTAL RESULTS

Проверить алгоритмы распознавания острого изображения и измерения MTF в различных условиях эксплуатации. съемки (съемки) были реализованы три типа сцен для одного и того же района. Эти сцены представлены на рис.2. Первая сцена-начальная неискаженное изображение (рис.2а), второе - изображение, зарегистрированное при низкой освещенности (рис.2б), третье - изображение, искаженное расфокусировка оптической системы (рис.2в).

algorithms of recognition for knife-edge image and MTF measuring

Все три сцены вводятся в компьютер через входную телевизионную систему, включающую CCD-приемник и объектив. Гистограммы распределения уровней интенсивности, соответствующих сценам на рис.2(а,б,в), представлены на рис.2(г,д,е). Для оценки каждого изображения были получены распределения PdB, и обратная задача определения порогового параметра Tb была решена. Эти результаты представлены на рис.3(а,б,в) в соответствии с исходными сценами.

image evaluating distributions

С помощью полученных параметров Tb были выделены нужные края полуплоскостей, измерены реализации граничных кривых U(x), определены соответствующие PSF и MTF. Данные MTF для трех вариатов изображений показаны на рис.3(г,д,е) соответственно.

Сравнение рис.3а и рис.3б показывает, что уменьшение внешней освещенности приводит к автоматическому изменению порога Tb . При этом изменение ФПМ (рис.3г и рис.3д) на пространственной частоте 20 [1/mm] составило около 6%. Так, изменение внешней освещенности, характеризующееся изменением динамического диапазона видеосигнала в 1,7 раза (рис.2г и рис.2д), приводит к недостаточные погрешности измерения MTF. Реакцию на расфокусировку оптической системы можно оценить путем сравнения графиков на рис.3г. и рис.3f.

Процедура исправления ошибки в формуле (1), обусловленной неверным описанием тракта ОЭТС, включая модель зрительного анализатора, периодически проводится. При поступлении видеоданных в обслуживание ОЭТС производится оценка разрешения разработанным программным обеспечением. В автоматическом режиме по полученным видеоданным производятся оценки MTF, RMS шума, разрешения. Периодически, В зависимости от условий съемки (съемок) при зондировании Земли производится корректировка расчета разрешения. Алгоритм определения корректирующего параметра Co в формуле (1) представлена на рис.4.

Algorithm for determination of the correcting parameter

MTF и RMS шума OETS, полученные с помощью нашего программного обеспечения, используются для моделирования набора 3-х шпальных мир с разной частотой. Эти изображения отображаются на мониторе для визуальной оценки окончательного разрешения миры. Пример такого изображение представлено на рис.5.

трёхшпальная мира

Результат расчета разрешения Vp[1/мм], полученный с помощью разработанного программное обеспечение и программное обеспечение экспертной визуальной оценки Vb[1/mm] используются для решения таблицы уравнение Vp(Co)=Vb относительно Co. Полученное таким образом значение Co действует как текущий поправочный коэффициент в формуле (1).

По описанному алгоритму (рис.4) вводятся эксперименты по оценке разрешения на модельных и реальных изображениях, введенных в компьютер с помощью стандартной телевизионной системы. Сравнение результатов расчета, полученных программным и визуальным способом показывает, что для модельных изображений погрешность разрешения составляет около 5%, для реальных - около 7%.

4. REFERENCES
  1. I.N. Beloglazov, Automated Technique of Determination of Dependence of Resolution of a Optical- electronic System of Remote Sounding from Height of Supervision, Earth Research from Space , 1994, N3, p.53-61.
  2. V.V. Gogokhiya, Definnition of a Spatial Resolution for Multispectral Scanning Devices Using Test Survey Data, Earth Research from Space, 1993, N 2, p.57-62.
  3. A.L. Gorelic, I.B. Gurevich, V.A. Skripkin, Modern condition of a problem of recognition, Radio&Sviaz, Moscow, 1985.
  4. R.O. Duda, P.E. Hart, Pattern classification and scene analysis, Wiley Interscience Publication Wiley&Sons, New York, 1973.
  5. Program Package for measurement of resolution of optical-electronic system
  6. Physical simulation of optical-electronic system of high-resolution