Составители:
49
с использованием заданного описания известного изображения
объекта [8]. Тогда параметры, характеризующие качество
обнаружения определяются достаточно просто.
Вероятность правильного обнаружения
P
прав.
= Ф[(L
с
– П
о
)/σ
L
]; (3.2)
вероятность ложной тревоги
P
л.т.
= 1 – Ф[П
о
/σ
L
]; (3.3)
где: L
с
– среднее значение корреляционного интеграла при наличии
объекта; σ
L
– среднеквадратическое отклонение корреляционного
интеграла, обусловленное наличием помех; П
о
– порог обнаружения;
Ф[v] – интеграл вероятностей.
На практике для определения оптимальных размеров и формы
сглаживающей апертуры медианного фильтра, а также для
определения оптимальных параметров решающего правила при
последующей обработке разностного сигнала бывает полезно
воспользоваться методом математического компьютерного
моделирования (см. ниже).
3.2. Идентификация и классификация объектов в АТСН
Идентификация заключается в сравнении изображения одного
объекта со всеми эталонами заданного класса. По наилучшему
совпадению выносится решение об объекте.
Классификация предполагает наличие изображений нескольких
различных объектов. Путём сравнения этих изображений с одним
из эталонов по наилучшему совпадению выбирается тот, который
соответствует данному классу. Затем оставшиеся изображения
сравниваются с другими эталонами и так далее, пока не будут
исчерпаны все изображения объектов. Разумеется , на каждом шаге
классификации должно выделяться изображение одного объекта,
иначе задача становится практически не разрешимой.
3.2.1. Способ прямого сравнения изображения объекта с эталонным
изображением.
Пусть [E
i,j
] – исходное изображение объекта; [F
i,j
] – эталонное
изображение. Тогда алгоритм прямого сравнения имеет вид
( 3.4)
где D – заданное пороговое различие.
T
=
∑∑
[
E
i, j
−
F
i, j
]
2
<
_
D,
i
=
1 j
=
1
M N
⌠
⌡
8
1
√2π
= e dx
x
2
2
−
–
−
v
Страницы
- « первая
- ‹ предыдущая
- …
- 47
- 48
- 49
- 50
- 51
- …
- следующая ›
- последняя »
