بخشی از مقاله
چکیده
تطبیق تصاویر هوایی پرنده هدایت شونده با تصاویر ماهواره ای، کاربردهای گستردهای در هدایت و ناوبری دارد. فرآیند تطبیق تصاویر هوایی و تصاویر ماهواره ای به علت اختلاف زمان تصویربرداری، تفاوت سنسورهای تصویربرداری و غیرخطی بودن نگاشت شدت توان دریافتی با سطوح خاکستری تصاویر، با مشکلات خاصی روبرو است که الگوریتم های معمول مانند - SIFT - قادر به حل تمامی آنها نیست. هدف این مقاله ارائه روشی نوین و بهینه برای تطبیق تصاویر هوایی با تصاویر ماهواره ای می باشد که بتواند بر این مشکلات غلبه نماید.
خصوصیت اصلی این روش، به کارگیری یک استراتژی گزینشی به منظور افزایش کیفیت ویژگیهای استخراج شده و در نتیجه افزایش دقت و نیرومندی فرآیند تناظریابی می باشد. در مرحله اول از تطبیق تصویر، ویژگیهای تصاویر با تلفیقی از گامهای استاندارد و استراتژی گزینشی الگوریتم پیشنهاد شده استخراج می شوند. در مرحله بعد، انطباق اولیه میان این ویژگی ها انجام گرفته و سپس با استفاده از الگوریتم RANSAC انطباقهای غیرصحیح حذف می شوند.
با استفاده از تصاویر هوایی و تصاویر ماهواره ای - مستخرج - توانایی الگوریتم پیشنهاد شده در شرایط اعمال تغییرات مقیاس، نما و چرخش ارزیابی می شود. نتایج آزمایشها بیانگر کارایی بالا و دقت مناسب الگوریتم پیشنهادی در تطبیق تصاویر هوایی و ماهوارهای می باشد. با روش ارائه شده و الگوی پیشنهادی دقت تخمین وضعیت در الگوریتم بینایی در این حوزه بهبود یافته است. ویژگیهای متناظر به کار گرفته شده برای محاسبه ماتریس هموگرافی، تاثیر قابل توجهی در دقت تخمین وضعیت دارد و خطای تخمین وضعیت کاهش می یابد.
-1 مقدمه
هدف از درک و تحلیل تصویر و بینایی ماشین، کپیبرداری از سیستم بینایی انسان بهصورت دریافت و درک تصاویر بهصورت الکترونیکی میباشد. پرنده مورد تحقیق یک پرنده با قابلیت شلیک کن و فراموش کن است که قبل از شلیک توسط کاربر - فرد شلیک کننده - به اصطلاح روی هدف قفل میکند و دارای سامانه هدف یابی خودکار استری.[1] این پرنده دارای قابلیت حمله از بالا به هدف خود میباشد، بدین صورت که ابتدا پرنده مسافتی را به سمت بالا طی میکند و سپس به قسمت بالای هدف شیرجه میرود. با توجه به اینکه معمولا زره بالای تجهیزات از قسمتهای دیگر آن ضعیف تر است، حمله از بالا احتمال بالاتری برای از بین بردن دارد
این مدل مجهز به سامانه رهگیری هدف با روش پردازش تصویر است. این سیستم محیطی را که قرار است در آن عملیات انجام دهد را مورد جستجو قرار داده و اطلاعات و تصاویری را که از طریق یک سری دوربین ها و سنسورها بدست آورده، دیجیتال نموده و با تصاویر و اطلاعاتی که قبلا - قبل از پرتاب - تهیه و در داخل حافظه - محدود به آن ماموریت - داده شده است مقایسه نموده و پی به مسیر صحیح و نهایتا یافتن هدف مورد حمله می برد. با توجه به قابلیت شلیک کن و فراموش کن این پرنده، افرادی که آن را شلیک کردهاند میتوانند محل شلیک را به سرعت ترک کنند تا از سوی دشمن شناسایی نگردند
شبکهی عصبی [4] مورد استفاده یک شبکهی پرسپترون معمولی با سه لایهی مخفی است. شبکه عصبی چند لایه پرسپترون، یکی از پرکاربردترین شبکههای عصبی، استفاده شده است. استفاده از یک روشی ترکیبی [5]برای مدلسازی دینامیکی پرنده و ردیابی هدف استفاده شده است. این مقاله به طراحی و پیادهسازی کنترل فازی دوربین رباتیک برای ردگیری هدف میپردازد. دوربین رباتیک که از بازوی رباتیک و دوربین تشکیل شده است هدف متحرک را در مرکز فریم تصویر قرار میدهد
در این مقاله معادلات دینامیکی ژیروسکوپ به صورت کامل بدست آمده است، و برای کاربردهای عملیاتی، مدل ساده سازی شده از مدل کامل بدست آمده است. هدف مقاله - که بهینه نمودن مدل ساده سازی شده به گونه ای که در عمل با تقریب خوبی معادل مدل کامل عمل نماید می باشد - ، با تعریف یک تابع بهینه سازی برآورده شده است.
در این مقاله [7] از دانشگاه استنفورد یک سیستم ردیابی و شناسایی بر مبنای الگوریتم مقیاسپذیر یادگیری ویژگی تولید کردهاند. بعضی از سیستمها با طرحهای یادگیری بسیار انعطافپذیر تلاش میکنند تمام اطلاعات لازم از دادههای تصاویر شده را با حداقل دانش قبلی یاد دهند. در مقاله ای با هدف بهره برداری از عکسهای هوایی و تصاویر ماهواره ای جهت توسعه روشهای نیمه خودکار استخراج عوارض زمین و توپوگرافی منطقه ای [8] با استخراج عوارض خطی از تصاویر ماهواره ای و کاربردهای بسیار زیادی از جمله تهیه نقشه های منحنی تراز بصورت خودکار، نمایش عوارض خطی، تفسیر تصویر، بازبینی نقشه های توپوگرافی و غیره می باشد.
روش تحقیق
برای رساندن یک وسیله به یک نقطه مشخص و یا یک نقطه و سرعت مشخص، باید مسیر حرکت آن کنترل شود. هدایت یک وسیله به معنای تولید فرامین لازم جهت کنترل مسیر آن است. این وسیله می تواند یک ربات، کشتی، زیردریایی، هواپیما، رهگیر و یا یک فضاپیما باشد. وظیفه سیستم هدایت، تعیین یا اندازه گیری موقعیت و گاهی سرعت نهایی، که وسیله باید به آن برسد، و تصمیم گیری در مورد اقداماتی است که باید به این منظور انجام شود. در یک موشک زمین به زمین موقعیت نهایی، که وسیله باید به آن برسد، قبل از پرواز در پردازنده هدایت ثبت می شود. به همین ترتیب در یک حامل ماهواره، موقعیت و سرعت نهایی حامل در لحظه تزریق ماهواره در مدار باید قبل از پرواز در الگوریتم هدایت ثبت شود. در یک پرنده زمین به هوا موقعیت - و گاهی سرعت - نسبی هدف توسط حسگر موجود در پرنده اندازه گیری می شود.
پس از تعیین یا اندازه گیری موقعیت و سرعت نهایی، که وسیله باید به آن برسد، لازم است راهکار یا فرامین هدایتی مناسب برای دستیابی به آن موقعیت و سرعت مشخص شود. به طور مثال، باید شتاب جانبی مورد نیاز در هر لحظه، وضعیت لحظات مورد نیاز، ارتفاع مطلوب در هر لحظه و ... مشخص شود. این کار که توسط الگوریتم - یا قانون - هدایت انجام می شود، سیستم ناوبری سرعت و موقعیت لحظه ای وسیله را نسبت به یک دستگاه مرجع محاسبه می کند و در اختیار سیستم هدایت قرار می دهد. به عنوان نمونه، در یک سیستم ناوبری رادیویی، با ارسال همزمان یک سیگنال توسط تعدادی فرستنده، که موقعیت آنها مشخص است، و دریافت این سیگنال ها در زمان های مختلف توسط یک گیرنده که در نقطه ای نامعلوم قرار گرفته، می توان موقعیت گیرنده را محاسبه کرد.
وظیفه سیستم کنترل، پایدارسازی وسیله و اجرای فرامین تولید شده توسط سیستم هدایت است. سیستم کنترل مجموعه ای شامل حسگرهای کنترلی، کنترل کننده - یا منطق کنترلی - و سرومکانیزم است. کنترل کننده باید پایداری وسیله در مقابل تغییر شرایط محیطی - ارتفاع، فشار، دما و ... - ، تغییر مشخصه های پرنده - جرم، ممان اینرسی و ... - و اغتشاشات وارد بر آن - باد، اثرات الاستیسیته و ... - و همچنین اجرای سریع فرامین هدایت را تضمین کند. خروجی کنترل کننده فرامین زاویه مطلوب سطوح کنترلی - آیرودینامیکی و ... - است که باید توسط سرومکانیزم اجرا شود. به بیان ساده تر، کنترل کننده فرامین هدایت را به فرامین کنترلی که توسط سرومکانیزم قابل اجرا باشد، تبدیل و سرومکانیزم آن را اجرا می کند. اجزای سیستم های هدایت، ناوبری و کنترل و ارتباطات بین آن ها در شکل - 1 - نشان داده شده است.
شکل - 1 - اجزای سیستم هدایت، ناوبری و کنترل و ارتباطات بین آن ها
شبیه سازی
شبیه سازی بر روی یک عکس هوایی نمونه گرفته شده بررسی و تحلیل می گردد; ابتدا در نرم افزار مطلب عکس مورد نظر فراخوانی می شود. در روشهای ویژگی مبنا، تطبیق تصویر از چهار مرحله ای اصلی پیش پردازش، آشکارسازی ویژگی، انطباق ویژگی و تخمین تابع تبدیل تشکیل شده است. در ادامه توضیحی در رابطه با هریک از این مراحل ارائه شده است. پیش پردازش: این مرحله شامل آماده کردن تصاویر برای استخراج ویژگی و متناظر نمودن آنها با یکدیگر است که از روشهایی نظیر تغییر مقیاس، حذف نویز و ناحیه بندی استفاده می شود.
آشکارسازی ویژگی: صفات مشخصه و نمایان - لبه ها، خطوط، فصل مشترک خطوط، گوشه ها و غیره - به طور دستی یا اتوماتیک آشکار می شوند. انطباق ویژگی: در این مرحله، انطباق بین ویژگیهای آشکار شده در تصویر مرجع و تصویر دریافتی با استفاده از رابطه مکانی بین ویژگیها یا توصیفگرهای مختلف آنها ایجاد می شود. تخمین تابع تبدیل: در این مرحله تابع تبدیل و پارامترهای مدلی که تصویر دریافتی را بر تصویر مرجع منطبق میکند، تخمین زده می شود. در این مقاله به عنوان دومین مرحله از فرآیند تطبیق تصویر از الگوریتم SIFT به علت مقاوم بودن آن در برابر تغییرات مقیاس، تغییرات چرخش و تغییرات روشنایی استفاده میشود، که در ادامه توضیحی در رابطه با این الگوریتم ارائه شده است.
الگوریتمSIFT
مراحل اصلی الگوریتم SIFT شامل: .1 آشکارسازی کمینه فضای مقیاس: در این مرحله نقاط مطلوب بالقوه ای که مستقل از مقیاس و جهت هستند، شناسایی می گردند. .2 تعیین موقعیت نقاط کلیدی: در هر موقعیت از نقاط کاندید شده در مرحله قبل، یک مدل با جزئیات بیشتر استفاده می شود تا موقعیت و مقیاس نقاط کاندید به دست آید. سپس، نقاط با کنتراست کم - و بنابراین حساس به نویز - و نقاطی که در طول لبه به طور ضعیف تعیین موقعیت شده اند، حذف می شوند.
