ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. ISSN 1684-1719. 2022. №11
Оглавление выпуска

Текст статьи (pdf)

DOI: https://doi.org/10.30898/1684-1719.2022.11.7

УДК: 004.932

обнаружение И ОТСЛЕЖИВАНИЕ ОБЪЕКТОВ

НА ОСНОВЕ КАРТЫ ВНИМАНИЯ ДЛЯ бпла

В.П. Федосов, Р.Р. Ибадов, С.Р. Ибадов

Институт радиотехнических систем и управления, Южный Федеральный Университет

347928, г. Таганрог, некрасовский пер., 44.

Статья поступила в редакцию 24 октября, 2022.

Аннотация. Обнаружение и отслеживание объектов - одна из важнейших областей компьютерного зрения, а также применение в беспилотных летательных аппаратах (БПЛА). Однако из-за сверхманевренности мобильной платформы БПЛА изображение в воздухе обычно размыто и имеет низкое отношение сигнал-шум, что связано с рабочей средой. Для решения проблемы обнаружения наземных объектов на платформе БПЛА, традиционные методы распознавания и классификации образов, часто являются неэффективными. Модель зрительного внимания является своего рода моделью бионического зрения с хорошей устойчивостью. В статье для обнаружения наземных объектов с использованием БПЛА, предлагается метод, основанный на модели визуального внимания, применяемый к сложному фону местности для обнаружения объектов. Чтобы быстро выделить наземные объекты на аэрофотоснимках, применяется функция извлеченного градиента для обнаружения области визуальной значимости, а затем с помощью алгоритма сегментации достигается выделение целевого изображения. Предметом исследования являются метод и алгоритм обнаружения наземных объектов на карте подстилающей поверхности с использованием модели визуального внимания и сегментирование объектов. Объектом исследования является набор видеопоследовательности карты местности с различным рельефом. Новизной работы является алгоритм, позволяющий обнаружить наземные цели на основе карты внимания с использованием алгоритма сегментации объектов. Предложен новый способ сегментации объектов на видеопоследовательности. Проведены экспериментальные исследования на основе видеопоследовательностей карты подстилающей поверхности с различным фоном и проведен анализ полученных результатов. Полученные результаты позволяют выявлять объекты в интересующей области. В результате решения сформулированных задач можно сделать следующие выводы: Разработан алгоритм обнаружения наземных объектов на основе карты внимания. Разработан алгоритм сегментации наземных объектов на основе карты градиентов. Анализ результатов проведённого исследования показал, что предложенный алгоритм позволяет обнаружить и выделить наземные объекты на карте местности с различным рельефом.

Ключевые слова: карта внимания, обнаружение объектов, сегментация изображений, градиент, рельеф, БПЛА.

Финансирование: Исследование выполнено при поддержке гранта Российского научного фонда № 22-29-01389 от 21.12.2021 в Южном федеральном университете.

Автор для переписки: Ибадов Рагим Рауфевич, ragim_ibadov@mail.ru

Литература

1. Mannan S.K., Kennard C., Husain M. The role of visual salience in directing eye movements in visual object agnosia. Current biology. 2009. V.19. №6. P.247-248. https://doi.org/10.1016/j.cub.2009.02.020

2. Cheng M.M., Mitra N.J., Huang X., Torr P.H., Hu S.M. Global contrast based salient region detection. IEEE transactions on pattern analysis and machine intelligence. 2014. V.37. №3. P.569-582. https://doi.org/10.1109/tpami.2014.2345401

3. Ko B.C., Nam J.Y. Object-of-interest image segmentation based on human attention and semantic region clustering. JOSAA. 2006. V.23. №10. P.2462-2470. https://doi.org/10.1364/josaa.23.002462

4. Rutishauser U., Walther D., Koch C., Perona P. Is bottom-up attention useful for object recognition? Conference on Computer Vision and Pattern Recognition 2004. V.2. P.II-II. https://doi.org/10.1109/CVPR.2004.1315142

5. Christopoulos C., Skodras A., Ebrahimi T. The JPEG2000 still image coding system: an overview. IEEE transactions on consumer electronics. 2000. V.46. №4. P.1103-1127. https://doi.org/10.1109/30.920468

6. Zhang G.X., Cheng M.M., Hu S.M., Martin R.R. A shape‐preserving approach to image resizing. Computer Graphics Forum. 2009. V.28. №7. P.1897-1906. https://doi.org/10.1111/j.1467-8659.2009.01568.x

7. Chen T., Cheng M. M., Tan P., Shamir A., Hu S. M. Sketch2photo: Internet image montage. ACM transactions on graphics. 2009. V.28. №5. P.1-10. https://doi.org/10.1145/1618452.1618470

8. Wang T., Zhang Y., Cai Z., Wang Y., You Z. Visual attention based target detection and tracking for UAVs. IEEE Chinese Guidance, Navigation and Control Conference. 2016. P.895-900. https://doi.org/10.1109/CGNCC.2016.7828904

9. Toosy A.T., Ciccarelli O., Parker G.J., Wheeler-Kingshott C.A., Miller D.H., Thompson A.J. Characterizing function–structure relationships in the human visual system with functional MRI and diffusion tensor imaging. Neuroimage. 2004. V.21. №4. P.1452-1463. https://doi.org/10.1016/j.neuroimage.2003.11.022

10. Gozli D.G., Moskowitz J.B., Pratt J. Visual attention to features by associative learning. Cognition. 2014. V.133. №2. P.488-501. https://doi.org/10.1016/j.cognition.2014.07.014

11. Itti L., Koch C., Niebur E. A model of saliency-based visual attention for rapid scene analysis. IEEE Transactions on pattern analysis and machine intelligence. 1998. V. 20. №11. P.1254-1259. https://doi.org/10.1109/34.730558

12. Gao D., Vasconcelos N. Decision-theoretic saliency: computational principles, biological plausibility, and implications for neurophysiology and psychophysics. Neural computation. 2009. V.21. №1. P.239-271. https://doi.org/10.1162/neco.2009.11-06-391

13. Hou X., Zhang L. Saliency detection: A spectral residual approach. IEEE Conference on computer vision and pattern recognition. 2007. P.1-8. https://doi.org/10.1109/CVPR.2007.383267

14. Wan-Yi L., Peng W., Hong Q. A survey of visual attention based methods for object tracking. Acta Automatica Sinica. 2014. V. 40. №.4. P.561-576.

15. Fedosov V.P., Ibadov R.R., Ibadov S.R. Restoration of the Lost Area of the Underlying Surface Image Using the Saliency Map. IEEE Radiation and Scattering of Electromagnetic Waves. 2021. P.447-450. https://doi.org/10.1109/RSEMW52378.2021.9494112

16. Fedosov V.P., Ibadov R.R., Ibadov S.R., Voronin V.V. Restoration of the Blind Zone of the Image of the Underlying Surface for Radar Systems with Doppler Beam Sharpening. IEEE Radiation and Scattering of Electromagnetic Waves. 2019. P.424-427. http://sci-hub.cc/10.1109/RSEMW.2019.8792685

17. Kurita T., Otsu N., Abdelmalek N. Maximum likelihood thresholding based on population mixture models. Pattern recognition. 1992. V.25. №10. P.1231-1240. https://doi.org/10.1016/0031-3203(92)90024-D

Для цитирования:

Федосов В.П., Ибадов Р.Р., Ибадов С.Р. Обнаружение и отслеживание объектов на основе карты внимания для БПЛА. Журнал радиоэлектроники [электронный журнал]. 2022. №11. https://doi.org/10.30898/1684-1719.2022.11.7