МОДЕЛИ СИГНАЛОВ СО СЛУЧАЙНЫМИ ПАРАМЕТРАМИ

В настоящее время все большее и большее распространение получают системы регистрации земной поверхности. Множество космических аппаратов обеспечивают человечество огромными массивами данных. В основном это так называемые многозональные изображения (МЗИ), у которых имеется две пространственные координаты, а также время съѐмки и частота спектрального диапазона. Понятно, что для качественной обработки МЗИ необходимы специальные автоматизированные алгоритмы. Тем не менее, анализ показывает, что на сегодня отсутствует достаточно полное решение, по крайней мере, двух проблем.

Первая связана с описанием МЗИ как единой аэрокосмической совокупности. Ее решение должно быть связано с разработкой новых эффективных моделей сигналов. Существующие модели, несмотря на свое разнообразие [1, 5] способны описывать изображения лишь с ограниченным числом статистических параметров.

Вторая проблема заключается в необходимости разработки новых алгоритмов обработки сигналов, применяемых к МЗИ в режиме реального времени [2, 4, 6].

Имитация МЗИ, которые содержат неоднородные области, выражаемые различными объектами на изображении, возможна с использованием дважды стохастических моделей [3, 7, 8]. В работе [7], например, «дважды стохастичность» означает, что, кроме представления основного процесса случайным полем (СП), осуществляется реализация СП для корреляционных параметров. Эти параметры, в свою очередь, используются для построения главной модели. Дважды стохастические модели удобны для описания и не требуют больших вычислительных затрат. Однако такие модели не всегда могут удовлетворительно описать реальное МЗИ. Действительно, объект на изображении представлен не только отличными от фона статистическими свойствами, но и, возможно, значительно отличается от него по яркости.

Таким образом, проблема описания МЗИ является достаточно актуальной. Поиск соответствующих моделей для описания объектов со значительно отличающейся от фона яркостью, также может быть произведен в классе дважды стохастических моделей. Предлагается реализация модели с учетом изменчивости ее основных статистических параметров: математического ожидания, дисперсии, коэффициентов корреляции.

На Рисунках 2 – 4 представлены полученные после преобразования (4) параметры модели. При этом коэффициент r = 0.96 выбран достаточно близким к единице с целью увеличения протяженности участков с одинаковыми параметрами.

Применение предложенной методики для двумерного случая позволяет получить  изображения с неоднородными участками. Примеры таких изображений при различных параметрах фона и объекта представлены на Рисунке 5.

Список литературы

1.     Васильев К.К., Служивый М.Н. Математическое моделирование систем связи: Учебное пособие. – 2-изд., перераб. и доп. - Ульяновск: УлГТУ, 2010. – 170 с.

2.     Васильев  К.К.  Представление  и  быстрая  обработка  многомерных  изображений.  /  К.К.Васильев, В.Р.Крашенинников, И.Н Синицын, В.И.Синицын // Наукоемкие технологии. - № 3. 2002. с. 4-24.

3.     Васильев К.К. Оценивание параметров дважды стохастических случайных полей / К. К. Васильев, В. Е. Дементьев, Н.А. Андриянов // Радиотехника, 2014, №7, с. 103-106.

4.     Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов. – М.: Мир, 1988, 488 с.

5.     Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений. - Москва: Техносфера, 2010. - 562 с.

6.     Яне Б. Цифровая обработка изображений. - Москва: Техносфера, 2007. - 584 с.

7.     K. Vasiliev, V. Dementiev, N. Andriyanov Twice stochastic models of images The 11th International Conference «Pattern recognition and image analysis: new information technologies» (PRIA-11-2013) - Samara, The Russian Federation, 2013. vol. 1, p. 334-337.

8.     Woods J., Dravida S., Mediavilla R. Image Estimation Using Doubly Stochastic Gaussian Random Field Models // Pattern Analysis and Machine Intelligence, issue №2, vol. 9 – February, 1987, pp. 245-253.