 |
||
|
||
Классификация подповерхностных объектов в задачах геолокации на основе использования нечетких признаков
В.В. Геппенер, М.А. Соколов
Санкт-Петербургский государственный электротехнический университет “ЛЭТИ”
Abstract — The task of detection various objects, hollows, cracks, various subsurface discontinuities is rather actual for many relevant applications such as, for example, road covering control. One of the effective solution methods for this task is the using ultrawideband ground probing radar (UWB GPR) exploration [1]. UWB GPR radiates single small duration (several nanosecond) impulses, having a wide spectrum, that ensures high resolution (up to several centimeters) for coordinates and sizes of the detected objects evaluation. Geoenvironment exploration with the help of such GPR is reduced to the environment space scanning by means of movement GPR above a ground surface and reflected signals registration. In this paper, fuzzy features construction with the aim of undersurface objects classification is considered.
1. Введение
В настоящее время задача отыскания различных предметов (металлических и неметаллических), пустот, трещин, различных неоднородностей находящихся под поверхностью земли является весьма актуальной при проведении строительных работ, контроле состояния дорожных покрытий, железнодорожных насыпей и др. Происходит постоянное совершенствование приборов и методов обработки сигналов с целью повышения достоверности информации об исследуемых объектах.
Одним из эффективных методов решения
этих задач является использование геолокаторов
на основе сверхширокополосного
радиолокационного зондирования. Разработка и
внедрение сверхширокополосных систем
представляет собой качественный скачок в
развитии радиолокации. Использование СШП
радиосигнала, ширина спектра которого 
соизмерима
с его средней частотой, 
, (
), позволяет на более высоком уровне
решать такие задачи радиолокационного
наблюдения, как обнаружение и распознавание
целей, построение их радиолокационных
изображений. При этом важную роль играет не
только большая абсолютная ширина спектра СШП
сигнала, достигающая единиц гигагерц, но и его
значительная относительная широкополосность.
Сверхширокополосный радиолокатор в отличие от обычного использует для излучения одиночные импульсы малой длительности (единицы наносекунд) имеющие весьма широкий спектр излучения, что обеспечивает высокое разрешение (до нескольких сантиметров) при оценке координат и размеров обнаруживаемых объектов. Исследование геосреды с помощью таких локаторов сводится к пространственному сканированию среды при передвижении локатора над поверхностью земли и регистрации отраженных сигналов.
На рисунке 1. приведен пример регистрации сигнала, отраженного от небольшого металлического предмета, где горизонтальная ось соответствует времени приема сигнала, т.е. отражает глубину, а вертикальная ось соответствует пространственному перемещению геолокатора.
Задача классификации подповерхностных объектов представляет собой достаточно сложную проблему: соотнесение обнаруженных объектов с заданным наборам эталонных объектов. Решение этой задачи разбивается на ряд подзадач:
Рис. 1. Пример регистрации сигнала геолокатора, отраженного от небольшого металлического предмета
Для построения описания выделенных объектов достаточно эффективным подходом является использование представления сигнала в виде полутонового изображения.
Для оценки структуры полученного изображения применяется сегментация. Методы классификации подповерхностных объектов строятся на основе признаковых описаний сегментов. При этом используются признаки геометрического типа, например, площадь и периметр, параметрическое описание контура объекта и нечеткое признаковое описание. На рис.2 приведен пример сегментированного изображения выделенного объекта.
Рис. 2. Пример сегментированного изображения объекта
2. Конструкция нечеткого признакового описания
Одним из видов признаковых описаний объектов является нечеткое признаковое описание.
Его формирование осуществляется в соответствии с процедурой описанной ниже.Сначала выделяются локальные признаки контура изображения. Для этого осуществляется его деление на короткие отрезки определенной длины, и находятся углы между смежными отрезками
Bi. Затем определяются разности DBi между данными углами и углом в 180 градусов. Если разность положительная, то Bi - выпуклый, если отрицательная, то Bi - вогнутый.Деление контура на короткие отрезки производится следующим образом. Находится центр тяжести
C изображения, из него с угловым шагом D проводятся радиус-векторы до края изображения (рис. 3). Измеряется длина каждого радиус-вектора, и по измеренным длинам определяются углы между смежными отрезками Bi.
Рис. 3. Иллюстрация подсчета нечетких признаков
Далее смежные участки классифицируются по трем эталонным образцам: ЛИНИЯ, КРИВАЯ и УГОЛ. Эта процедура заключается в сопоставлении вычисленного значения разности углов с функцией принадлежности
m(DBi) (рис. 4).
Получив локальные признаки контура, делают заключение о макропризнаках всей формы.
Рис. 4. Функция принадлежности
Например, можно подсчитать признаки
: доля линий, D_l, доля кривых D_k, количество выпуклых углов, U1, количество вогнутых углов, U0, доля выпуклости, Z1, доля вогнутости, Z0.3. Результаты экспериментов
Эксперименты по классификации проводились с помощью пакета STATISTICA.
В качестве исходных данных эксперимента использовалась выборка из
33 векторов признаков.При этом эталонная выборка, состоящая из 20 вектров признаков, была классифицирована без ошибок, а контрольная выборка была классифицирована с 1-й ошибкой.
4. Заключение
Проведенные эксперименты показали применимость предложенной конструкции подсчета признаков. Можно заметить, что хотя признаки описания контура являются нечеткими, процедура классификации используется статистическая. Возможно, если использовать нечеткий классификатор, удастся получить более хорошие результаты. Описанные методы подсчета нечеткого признакового описания реализованы в программной системе
“ГЕО” для IBM PC, Win32.
5. Литература
| Site of Information
Technologies Designed by inftech@webservis.ru. |
|