В закладки
КонтактыО сайте

Вероятность обнаружения объектов. Системы тепловидения - вероятность обнаружения и опознавания Расчет периода ложных тревог

Здравствуйте, уважаемые хабрачитатели и хабракритики. Этот пост я хотел бы посвятить такой актуальной на сегодняшний день теме, как обнаружение объектов на изображениях.
В качестве одного из алгоритмов такого обнаружения рассмотрим выбор порога быстрым и эффективным методом Оцу .

Введение

Итак, начнем по порядку. Вообще, задача обнаружения объектов заключается в установлении наличия на изображении объекта, обладающего некоторыми определенными характеристиками.

Такой характеристикой может быть, например, яркость. Одним из наиболее простых и естественных способов обнаружения объекта (или объектов) является выбор порога по яркости, или пороговая классификация (thresholding). Смысл такого порога заключается в том, чтобы разделить изображение на светлый объект (foreground) и темный фон (background). Т.е. объект - это совокупность тех пикселей, яркость которых превышает порог (I > T ), а фон - совокупность остальных пикселей, яркость которых ниже порога (I < T ).

Таким образом, ключевой параметр - это порог T . Как его выбирать?

Существуют десятки методов выбор порога. Быстрым и эффективным методом является метод, придуманный японским ученым Нобуюки Оцу в 1979 году. О нем то и пойдет речь далее.

Метод Оцу

Пусть имеется 8-битное изображение, для которого требуется вычислить порог T . В случае 24-битной картинки, ее легко перегнать в 8-битную с помощью приведения к серому (grayscale):
I = 0.2125 R + 0.7154 G + 0.0721 B

Метод Оцу (Otsu"s Method) использует гистограмму изображения для расчета порога. Напомню, что гистограмма - это набор бинов, каждый из которых характеризует количество попаданий в него элементов выборки. В нашем случае выборка - это пиксели различной яркости, которая может принимать целые значения от 0 до 255.

Пример изображения с объектом:

Гистограмма для такого изображения:

Из гистограммы человек легко видит, что имеется два четко разделяющихся класса. Суть метода Оцу заключается в том, чтобы выставить порог между классами таким образом, чтобы каждый их них был как можно более «плотным». Если выражаться математическим языком, то это сводится к минимизации внутриклассовой дисперсии, которая определяется как взвешенная сумма дисперсий двух классов:

Здесь w 1 и w 2 - вероятности первого и второго классов соответственно.

В своей работе Оцу показывает, что минимизация внутриклассовой дисперсии эквивалента максимизации меж классовой дисперсии, которая равна:

В этой формуле a 1 и a 2 - средние арифметические значения для каждого из классов.

Особенность этой формулы заключается в том, что w 1 (t + 1), w 2 (t + 1), a 1 (t + 1), a 2 (t + 1) легко выражаются через предыдущие значения w 1 (t ), w 2 (t ), a 1 (t ), a 2 (t ) (t - текущий порог). Эта особенность позволила разработать быстрый алгоритм:

  1. Вычисляем гистограмму (один проход через массив пикселей). Дальше нужна только гистограмма; проходов по всему изображению больше не требуется.
  2. Начиная с порога t = 1, проходим через всю гистограмму, на каждом шаге пересчитывая дисперсию σ b (t ). Если на каком-то из шагов дисперсия оказалась больше максимума, то обновляем дисперсию и T = t .
  3. Искомый порог равен T .
Естественно, это лишь общее описание алгоритма. В точной реализации можно сделать массу оптимизаций. Например, проход через гистограмму можно (и нужно) делать не от 1 до 254, а от минимальной до максимальной яркости минус единица. В конце будет приведена реализация на языке C++ с учетом некоторых таких оптимизаций.

Вот такой результат дает реализация вышеописанного алгоритма:

Расчитанный порог:

Реальный пример

Хотелось бы также кроме искусственно сгенерированного примера показать и реальное
использование метода.

В моей текущей дипломной работе требуется локализация штрих-кода на изображении:

Перед тем как использовать метод Оцу, нужно сделать предобработку, чтобы как-то учесть особенности структуры одномерного штрих-кода. Если ее не сделать, то метод просто-напросто ничего не даст. Особенность же структуры штрих-кода состоит в том, что он состоит из вертикальных полос, и поэтому имеет большие горизонтальные производные и маленькие вертикальные. Поэтому, если взять изображение как разницу горизонтальной и вертикальной производной, а дальше применить усредняющий фильтр, то получится вот что:

Неплохо, да? Образ штрих-кода четко проглядывается на изображении и выделяется значительно более высокой яркостью по сравнению с окружающими предметами. Вот теперь можно смело применять метод Оцу:

В результате получили правильно локализованный штрих-код.

Реализация на C++

Ну, как я и обещал, реализация расчета порога методом Оцу на языке C++ с комментариями:
  1. typedef unsigned char imageInt;
  2. // Определение порога методом Оцу
  3. int otsuThreshold(imageInt *image, int size)
  4. // Проверки на NULL и проч. опустим, чтобы сконцетрироваться
  5. // на работе метода
  6. // Посчитаем минимальную и максимальную яркость всех пикселей
  7. int min = image;
  8. int max = image;
  9. for (int i = 1; i < size; i++)
  10. int value = image[i];
  11. if (value < min)
  12. min = value ;
  13. if (value > max)
  14. max = value ;
  15. // Гистограмма будет ограничена снизу и сверху значениями min и max,
  16. // поэтому нет смысла создавать гистограмму размером 256 бинов
  17. int histSize = max - min + 1;
  18. int * hist = new int ;
  19. // Заполним гистограмму нулями
  20. for (int t = 0; t < histSize; t++)
  21. hist[t] = 0;
  22. // И вычислим высоту бинов
  23. for (int i = 0; i < size; i++)
  24. hist - min]++;
  25. // Введем два вспомогательных числа:
  26. int m = 0; // m - сумма высот всех бинов, домноженных на положение их середины
  27. int n = 0; // n - сумма высот всех бинов
  28. for (int t = 0; t <= max - min; t++)
  29. m += t * hist[t];
  30. n += hist[t];
  31. float maxSigma = -1; // Максимальное значение межклассовой дисперсии
  32. int threshold = 0; // Порог, соответствующий maxSigma
  33. int alpha1 = 0; // Сумма высот всех бинов для класса 1
  34. int beta1 = 0; // Сумма высот всех бинов для класса 1, домноженных на положение их середины
  35. // Переменная alpha2 не нужна, т.к. она равна m - alpha1
  36. // Переменная beta2 не нужна, т.к. она равна n - alpha1
  37. // t пробегается по всем возможным значениям порога
  38. for (int t = 0; t < max - min; t++)
  39. alpha1 += t * hist[t];
  40. beta1 += hist[t];
  41. // Считаем вероятность класса 1.
  42. float w1 = (float )beta1 / n;
  43. // Нетрудно догадаться, что w2 тоже не нужна, т.к. она равна 1 - w1
  44. // a = a1 - a2, где a1, a2 - средние арифметические для классов 1 и 2
  45. float a = (float )alpha1 / beta1 - (float )(m - alpha1) / (n - beta1);
  46. // Наконец, считаем sigma
  47. float sigma = w1 * (1 - w1) * a * a;
  48. // Если sigma больше текущей максимальной, то обновляем maxSigma и порог
  49. if (sigma > maxSigma)
  50. maxSigma = sigma;
  51. threshold = t;
  52. // Не забудем, что порог отсчитывался от min, а не от нуля
  53. threshold += min;
  54. // Все, порог посчитан, возвращаем его наверх:)
  55. return threshold;
* This source code was highlighted with Source Code Highlighter .

Заключение

Итак, мы рассмотрели применение метода Оцу для обнаружения объектов на изображениях. Достоинствами этого метода являются:
  1. Простота реализации.
  2. Метод хорошо адаптируется к различного рода изображения, выбирая наиболее оптимальный порог.
  3. Быстрое время выполнения. Требуется O (N ) операций, где N - количество пикселей в изображении.
  4. Метод не имеет никаких параметров, просто берете и применяете его. В MatLab это функция graythresh() без аргументов (Почему я привел пример именно MatLab? Просто этот инструмент - стандарт де-факто для обработки изображений).
Недостатки:
  1. Сама по себе пороговая бинаризация чувствительна к неравномерной яркости изображения. Решением такой проблемы может быть введение локальных порогов, вместо одного глобального.

Источники

  1. Otsu, N., «A Threshold Selection Method from Gray-Level Histograms,» IEEE Transactions on Systems, Man, and Cybernetics, Vol. 9, No. 1, 1979, pp. 62-66.
  • Специальность ВАК РФ05.09.07
  • Количество страниц 240

1. СОВРЕМЕННЫЕ МЕТОДЫ РАСЧЕТА ВЕРОЯТНОСТИ ОБНАРУЖЕНИЯ

ОБЪЕКТОВ НАБЛЮДАТЕЛЕМ.

1.1. Функции зрительного восприятия.

1. 2. Физиологические модели.

1.3. Информационные модели.

1.4. Статистические модели.

1.4.1. Простейшие статистические модели.

1.4.2. Модели на основе теории статистических решений.

2. РАЗРАБОТКА СТАТИСТИЧЕСКОЙ МОДЕЛИ ОРГАНА ЗРЕНИЯ ДЛЯ

РЕШЕНИЯ ЗАДАЧИ ОБНАРУЖЕНИЯ ОБЪЕКТОВ НА СЛУЧАЙНЫХ ФОНАХ.

2.1. Определение порогового отношения правдоподобия в модели органа зрения.

2. 2. Определение вероятности обнаружения объектов на случайных фонах.

2.2.1. Расчет логарифма отношения правдоподобия в области пространственных реализаций.

2.2.2. Расчет логарифма отношения правдоподобия в области пространственных частот.

2.3. Учет характеристик оптических элементов оптико-электронной системы визуализации изображений.

2.4. Анализ полученных выражений для расчета вероятности обнаружения на случайных фонах.

2.5. Определение вероятности опознавания пар объектов на случайных фонах.

3. ОПРЕДЕЛЕНИЕ ОСНОВНЫХ ПАРАМЕТРОВ МОДЕЛИ ОРГАНА ЗРЕНИЯ

В РАБОЧЕМ ДИАПАЗОНЕ ЯРКОСТЕЙ АДАПТАЦИИ.

3.1. Учет реальных свойств оптики глаза в модели органа зрения.

3.2. Особенности работы органа зрения при больших уровнях яркости фона.

3.3. Функциональная зависимость чувствительности рецепторов органа зрения от яркости адаптации и положения стимула на сетчатке.

3.4. Определение основных параметров модели органа зрения по программе APPRC0N.

4. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ОРГАНА ЗРЕНИЯ В ВИДЕ

ПАКЕТА ПРИКЛАДНЫХ ПРОГРАММ.

4.1. Описание программы DETECTOR для расчета вероятности обнаружения объектов на случайных фонах.

4.2. Модификация программы DETECTOR для случая опознавания пар объектов на случайных фонах.

5. АНАЛИЗ ПОГРЕШНОСТЕЙ РАСЧЕТА ПО ПРОГРАММЕ DETECTOR.

5.1. Погрешность среза размытого изображения объекта на равномерном фоне.

5.2. Погрешности среза корреляционных функций.

5.3. Погрешность дискретизации размытого изображения объекта на равномерном фоне.

5.4. Погрешности дискретизации корреляционных функций.

5.5. Учет совместного влияния погрешностей

На точность расчета по программе DETECTOR.

6. МЕТОД ЭКСПЕРИМЕНТАЛЬНОГО ИССЛЕДОВАНИЯ И СХЕМА УСТАНОВКИ ДЛЯ ОПРЕДЕЛЕНИЯ ВЕРОЯТНОСТИ ОБНАРУЖЕНИЯ ОБЪЕКТОВ НАБЛЮДАТЕЛЕМ.

6.1. Разработка функциональной схемы установки.

6. 2. Разработка программного обеспечения экспериментальной установки.

6.3. Описание блока адаптометра.

6.4. Описание метода градуировки установки и проведения визуального эксперимента.

6.5. Методика оценки погрешности экспериментальных результатов.

6.6. Сопоставление результатов расчета по предлагаемой модели с экспериментальными данными.

Рекомендованный список диссертаций

  • Статистическая теория восприятия изображений в оптико-электронных системах визуализации 2001 год, доктор технических наук Григорьев, Андрей Андреевич

  • Математическая модель наблюдателя в процессе зрительной обработки изображений 1998 год, доктор технических наук Трифонов, Михаил Иванович

  • Исследование информационных возможностей оптико-электронных систем наблюдения 2007 год, кандидат технических наук Сивяков, Игорь Николаевич

  • Обнаружение и оценивание границ объектов на изображениях в условиях аддитивного шума и деформирующих искажений 2011 год, кандидат физико-математических наук Соломатин, Алексей Иванович

  • Разработка методики определения удельных координат цвета физиологической системы 2011 год, кандидат технических наук Гордюхина, Светлана Сергеевна

Введение диссертации (часть автореферата) на тему «Метод расчета вероятности обнаружения наблюдателем объектов на случайных фонах»

В настоящее время основным методом определения выходных характеристик оптико-электронных систем визуализации изображений (ОЭСВИ) является метод прямых экспериментальных исследований (метод экспертных оценок). Для получения статистически достоверных результатов такой метод требует привлечения большого количества обученных наблюдателей. Следствием этого являются значительные временные и экономические затраты на создание действующих образцов ОЭСВИ. При использовании метода экспертных оценок для оптимизации параметров систем возникает необходимость создания нескольких систем с различными параметрами или одной системы, у которой исследуемый параметр варьируется, что еще более удорожает получение экспериментальных результатов.

Устранение указанных недостатков возможно путем создания математической модели ОЭСВИ, в состав которой входит математическая модель органа зрения (03) наблюдателя. В этом случае объем необходимых экспериментов существенно уменьшается, поскольку они нужны лишь для нахождения неизвестных функций и коэффициентов, входящих в модель, а также для определения границ ее применимости . Математические модели позволяют не только значительно сократить время на исследование существующих типов ОЭСВИ, но и проводить анализ перспективных ОЭС без создания макетных образцов, что заметно снижает временные и экономические затраты.

Особенностью большинства зрительных работ, проводимых как с помощью ОЭСВИ, так и невооруженным глазом, является наличие в поле зрения случайного неравномерного распределения яркости. Так, наблюдение в ОЭСВИ может происходить в условиях аддитивного наложения шума электронного тракта ("аддитивного шума") на неслучайные объект и фон. При натурном наблюдении объект (в частности, имеющий случайную раскраску), как правило, аппликативно замещает собой участок случайного фона типа ландшафта, водной поверхности, облаков и т. п., в результате чего участки изображения внутри и вне контура объекта перестают быть коррелированными ("аппликативный фон"). Кроме того, случаи аддитивного шума и аппликативного фона наблюдаются и совместно.

Как показал анализ литературных данных, математическое описание процесса обнаружения наблюдателем объектов на реальных фонах, имеющих как аддитивную, так и аппликативную составляющие, в настоящее время отсутствует, что делает невозможной разработку математической модели ОЭСВИ для этого случая. Поэтому предлагаемую тему диссертации можно считать актуальной.

Диссертационная работа состоит из оглавления, введения, шести глав, выводов по работе и списка использованной литературы.

В первой главе проведен литературный анализ более 100 различных моделей порогового зрения человека, указаны их достоинства и недостатки. Предложена классификация таких моделей, согласно которой можно выделить четыре подхода к их созданию: эмпирический, физиологический, информационный и статистический. На основе полученных результатов можно сделать вывод о наибольшей перспективности статистического подхода для решения сформулированной задачи.

Во второй главе предложена структурная схема статистической модели 03 на основе функции отношения правдоподобия, а также получены расчетные соотношения, позволяющие находить вероятность обнаружения объектов и опознавания пар объектов наблюдателем на случайных фонах с учетом совместного влияния аппликативного фона, аддитивного шума и маскирующей раскраски объекта. Полученные соотношения позволяют также учесть влияние оптических элементов ОЭСВИ и 03 наблюдателя на результаты расчета по модели.

В начале третьей главы получено аналитическое описание функции рассеяния точки оптики глаза, основанное на результатах экспериментов ряда авторов и позволяющее учесть реальные свойства оптики глаза в модели 03. Далее проведен анализ работы зрительного анализатора при больших уровнях яркости адаптации и рассмотрен процесс получения функциональной зависимости распределения чувствительности сетчатки от яркости фона и расстояния от центра фовеа. Описано созданное для этой цели программное обеспечение. Указанная зависимость является важным компонентом модели, позволяющим перейти от распределения яркости в пространстве предметов к распределению реакций рецепторов по сетчатке 03.

Четвертая глава включает в себя описание пакета прикладных программ, реализующих разработанную модель 03 и позволяющих рассчитывать вероятность обнаружения объектов и опознавания пар объектов на случайных фонах.

В пятой главе изложены особенности представления непрерывных функций в ЭВМ и обоснована необходимость учета погрешностей, возникающих при расчетах по программе DETECTOR, реализующей созданную модель 03. Предложена и проверена методика оценки этих погрешностей, обусловленных как грубой дискретизацией, так и срезом на краю массивов функций, входящих в расчетные выражения модели. Названная методика позволяет выбрать интервал дискретизации, минимизирующий суммарную погрешность расчета по программе DETECTOR.

Шестая глава содержит описание метода экспериментальных исследований и схемы установки для определения вероятности обнаружения объектов и опознавания ориентации объектов наблюдателем на случайных фонах. Указанные метод и схема предназначены для проверки работоспособности предложенной модели 03 в различных условиях 8 наблюдения. Приведено описание программного обеспечения экспериментальной установки и методики ее градуировки. Описаны также методы проведения визуальных экспериментов и оценки погрешности получаемых результатов. Сопоставление результатов расчета по модели с экспериментальными данными показало их совпадение при доверительной вероятности 0,9 в широком диапазоне условий наблюдения.

Результаты диссертационной работы опубликованы в шести печатных работах, апробированы на Международной научно-технической конференции "0светление"9б" (Варна, 1996), Московской студенческой научно-технической конференции "Радиоэлектроника и электротехника в народном хозяйстве" (МЭИ, 1997), III Международной светотехнической конференции (Новгород, 1997) и научных семинарах кафедры Светотехники МЭИ.

Похожие диссертационные работы по специальности «Светотехника», 05.09.07 шифр ВАК

  • Статистические и нейросетевые алгоритмы анализа случайных процессов и полей в системах лазерной интерферометрии 2008 год, кандидат физико-математических наук Попов, Василий Георгиевич

  • 2002 год, доктор физико-математических наук Костылев, Владимир Иванович

  • Синтез и анализ алгоритмов фильтрации случайных процессов и полей в условиях случайной марковской структуры пространства состояний и наблюдений 2004 год, кандидат физико-математических наук Лантюхов, Михаил Николаевич

  • Методы и алгоритмы рекуррентного оценивания пространственно-временных деформаций многомерных изображений 1999 год, доктор технических наук Ташлинский, Александр Григорьевич

  • Статистический анализ пространственных неоднородностей случайных гауссовских полей 2002 год, кандидат физико-математических наук Прибытков, Юрий Николаевич

Заключение диссертации по теме «Светотехника», Архипов, Борис Борисович

ВЫВОДЫ ПО РАБОТЕ

1. Наиболее существенные результаты при разработке моделей 03 для решения задачи обнаружения объектов на случайных фонах получены на основе TCP, однако в литературе отсутствует описание моделей 03 для решения задачи обнаружения объектов на реальных фонах, имеющих как аддитивную, так и аппликативную составляющие.

2. Разработана статистическая модель 03, позволяющая рассчитывать вероятность обнаружения объекта с учетом характеристик объекта, аддитивного шума и аппликативного фона. Работоспособность модели 03 на случайных фонах, т. е. в условиях, принципиально отличных от условий ее нормировки, свидетельствует о том, что алгоритм, заложенный в модель, достаточно близок к реализуемому органом зрения.

3. Показано, что для проведения расчета вероятности обнаружения объектов на реальных фонах достаточно определить только две характеристики модели 03: пороговое отношение правдоподобия и функциональную зависимость чувствительности сетчатки от яркости адаптации и расстояния от центра фовеа. Сопоставление результатов расчета и эксперимента указывает на постоянство величины порогового отношения правдоподобия при вариации средней яркости фона, распределения яркости по объекту и статистических характеристик наблюдаемых изображений.

4. Многовариантные расчеты по модели 03, реализованной в виде пакета прикладных программ, показали существенное влияние интервала дискретизации функций, входящих в расчетные выражения модели, на результаты расчета. Разработанная методика оценки погрешности расчета позволяет выбирать интервал дискретизации, дающий минимальное значение этой погрешности, которая для типичных условий наблюдения не превышает 20 %.

5. Показано, что при наблюдении на мелкоструктурном апплика-тивном фоне рациональным выбором окраски объекта всегда можно добиться его эффективной маскировки, тогда как при наблюдении на сильно коррелированном фоне замаскировать объект путем его случайной раскраски невозможно. Увеличение дисперсии аппликативного фона приводит сначала к уменьшению вероятности обнаружения объектов, а затем к ее росту. Увеличение дисперсии аддитивного шума может только ухудшить условия обнаружения объектов.

6. Разработанная экспериментальная установка, сочетающая электронный и оптический методы формирования изображений, позволила получить зависимости вероятности обнаружения объектов от условий наблюдения с погрешностью не более 17 %. Показано, что результаты расчета по разработанной модели 03 совпадают с результатами эксперимента при доверительной вероятности 0,9.

7. Полученные результаты показывают, что применение разработанной модели 03 к расчету вероятности обнаружения объектов является правомерным при яркости фона 10~2.102 кд/м2 и угловых размерах объектов О.Ю0. Хорошее совпадение расчетных и экспериментальных зависимостей наблюдается при вариации статистических характеристик изображений в следующем диапазоне:

Интервал корреляции аддитивного шума 0.30";

Интервал корреляции аппликативного фона 0.80";

Интервал корреляции маскировки объекта 0.30";

Относительное СКО аддитивного шума о.0,1;

Относительное СКО аппликативного фона о.0,14;

Относительное СКО маскировки объекта о.0,05.

8. Расчетно-экспериментальное исследование зависимостей вероятности опознавания пар объектов от условий наблюдения подтверждает гипотезу о том, что обнаружение объекта и опознавание пары объектов являются для наблюдателя эквивалентными задачами.

Список литературы диссертационного исследования кандидат технических наук Архипов, Борис Борисович, 1999 год

1. Blackwell H.R. Contrast thresholds of the human eye // J. Opt. Soc. Amer. - 1946. - V. 36, No. 11. - P. 624 - 643.

2. Conner J.P., Ganoung R.E. An experimental determination of the visual thresholds at low values of illumination // J. Opt. Soc. Amer. 1935. - V. 25, No. 9. - P. 287 - 294.

3. Siedentopf H. Kontrastschwelle und Sehschärfe // Das Licht. 1941. - N5 2. - S. 35 - 37.

4. Никитина E.А., Мурашова M.А. Пороговый контраст равноярких диффузных дисков // Науч. работы ин-тов охраны труда ВЦСПС. Вып. 81. - М. : Профиздат, 1973. - С. 75 - 81.

5. Лазарев Д. Н. Характеристики зрения в пороговых условиях наблюдения // Светотехника. 1989. - N5 4. - С. 6 - 9.

6. Луизов A.B. Инерция зрения. М. : Оборонгиз, 1961.- 248 с.

7. Никитина Е. А. Пороговый контраст объектов прямоугольной формы // Науч. работы ин-тов охраны труда ВЦСПС. Вып. 74. - М. : Профиздат, 1971. - С. 77 - 80.

8. Фаермарк М.А. Влияние формы тест-объектов на сложность зрительной задачи // Светотехника. 1964. - N* 11. - С. 13 - 15.

9. Островский М. А. Влияние неравномерного распределения яркости дорожных покрытий на зрительную работоспособность водителей // Светотехника. 1969. - N5 4. - С. 1 - 4.

10. Adrian W., Eberbach К. On the relationship between the visual threshold and the size of the surrounding field // Lighting Res. and Technol. 1969. - No. 4. - P. 251 - 254.

11. И. Гуторов M.M., Никитина E. А. Моделирование параметров зрительной системы применительно к задачам обнаружения объектов // Светотехника. 1977. - U 6. - С. 4-6.

12. Middleton W.E. Photometric discrimination with a diffuse boundary // J. Opt. Soc. Amer. 1937. - V. 27, No. 3. - P. 112 -116.

13. An analytic model for describing the influence of lighting parameters upon visual performance // CIE Publication. 1981.- V. 1. No. 19/2.

14. Мешков В. В., Матвеев А. Б. Основы светотехники: В 2-х ч. Ч. 2. Физиологическая оптика и колориметрия. М. : Энергоатомиздат, 1989. - 432 с.

15. Le Grand Y. Light, colour and vision. London: Chapman and Hall, 1957. - 512 p.

16. Никитина E.A., Мурашова M.A., Панова А. И. Пороговый контраст при обнаружении плоских равноярких объектов на равноярком фоне // Тр. ин-та / Моск. энерг. ин-т. 1972. - Вып. 123. - С. 98- 108.

17. Белова Л. Т. Видимость протяженных объектов // Светотехника. 1965. - К 11. - С. 6 - 8.

18. Горин А. И. Функция зрительного восприятия // Опт.-мех. пром-сть. 1983. - и 10. - С. 4 - 7.

19. Луизов А. В. Алгоритмы зрительного обнаружения // Тр. ин-та / Гос. оптич. ин-т. 1982. - Т. 51, вып. 185,- С. 99 - 104.

20. Луизов А. В. Глаз и свет. Л. : Энергоатомиздат, 1983.144 С.

21. Иванова Е. Г., Травникова Н. П. Визуальное обнаружение объектов на неравномерном фоне // Светотехника. 1990. - N5 1. - С. 7 - 10.

22. Вавилов С. И. Микроструктура света. М. : Изд-во АН СССР, 1950. - 199 С.

23. Роуз А. Зрение человека и электронное зрение. М. : Мир,1977. 216 С.

24. Ратнер Е. С. 0 связи характеристик зрения с квантовыми флуктуациями света // Докл. АН СССР. 1955. - т. 105, N5 1. - С. 90- 104.

25. Каган В. К. , Кондратьев К. Я. Основы информационной теории видимости в атмосфере.- J1. : Гидрометеоиздат, 1968. 156 с.

26. Шестов Н. С. Выделение оптических сигналов на фоне случайных помех. М. : Сов. радио, 1967. - 348 с.

27. Питерсон В. , Бердсал Т., Фокс В. Теория обнаружения сигналов // Теория информации и ее приложения / Под ред. А.А.Харкеви-ча. М. : Наука, 1959. - С. 210 - 274.

28. Титков Б. В. О флуктуационном пороге контрастной чувствительности приемников света // Светотехника. 1966. - N3 1. - С. 12- 15.

29. Ратнер Е.С., Мацковская Ю.З. О пороговой чувствительности приемников двумерного изображения // Опт.-мех. пром-сть. 1972. -N5 2. - С. 3 - 6.

30. Ратнер Е. С. , Мацковская Ю. 3. О применимости критерия порога различения элемента двумерного изображения // Опт. -мех. пром-СТЬ. 1974. - N" 4. - С. 59 - 60.

31. Schnitzler A. Image-detector model and parameters of the human visual system // J. Opt. Soc. Amer. 1973. - V. 63, No. 11.- P. 1357 1368.

32. Gubisch R.W. Optical performance of the human eye // J. Opt. Soc. Amer. 1967. - V. 57, No. 3. - P. 407 - 415.

33. Hay G.A., Chesters M.S. Signal-transfer functions in threshold and suprathreshold vision // J. Opt. Soc. Amer. 1972.- V. 62, No. 8. P. 990 - 998.

34. Zeevi Y.Y., Mangoubi S.S. Noise suppression in photoreceptors and its relevance to incremental intensity thresholds // J. Opt. SOC. Amer. 1978. - V. 68, No. 12. - P. 1772 - 1776.

35. Campbell F.W., Robson J.G. Application of Fourier analysis to the visibility of gratings // J. Physiol. 1968. - V. 197, No. 3. - P. 551 - 566.

36. Sachs M.B., Nachmias J., Robson J.G. Spatial-frequency channels in human vision // J. Opt. Soc. Amer. 1971. - V. 61, No. 9. - P. 1176 - 1186.

37. Глезер В. Д. Зрение и мышление. М. : Наука, 1993,- 283 с.

38. Глезер В. Д. Пороговые модели пространственного зрения // Физиология человека. 1982. - К 4. - С. 547 - 558.

39. Quick R.F. A vector-magnitude model of contrast detection // Kybernetik. 1974. - V. 16, No. 1. - P. 65 - 67.

40. Quick R.F., Reichert T.A. Spatial-frequency selectivity in contrast detection // Vision Res. 1975. - V. 15, No. 6. - P. 637 - 643.

41. Schnitzler A.D. Theory of spatial-frequency filtering by the human visual system // J. Opt. Soc. Amer. 1976. - V. 66, No. 6. - P. 608 - 617; 617 - 625.

42. Wilson H.R. , Bergen R. A four-mechanism model for threshold spatial vision // Vision Res. 1979. - V. 19, No. 1. - P. 19 - 32.

43. Wilson H.R., Gelb D.J. Modified line-element theory for spatial-frequency and width discrimination // J. Opt. Soc. Amer. A. 1984. - V. 1, No. 1. - P. 124 - 131.

44. RC models of the visual system. A review / G.Molesini, G.Viliani // Atti Fondaz. G.Ronchi e Contrib. 1st. Naz. Ottica. 1974. V. 29, No. 1. - P. 103 - 148.

45. Schade O.H. Optical and photoelectric analog of the eye

46. J. Opt. SOC. Amer. 1956. - V. 46, Mo. 9. - P. 721 - 739.

47. Логвиненко А. Д. Чувственные основы восприятия пространства. М. : Изд-во МГУ, 1985. - 222 С.

48. Новикова Н.М., Данилова Л. В. Математическая модель порогового визуального обнаружения / Воронежский ун-т. Воронеж, 1992. - деп. В ВИНИТИ 21.07.92, N5 2392 - В92.

49. Hay G.A., Chesters M.S. A model of visual threshold detection // J. Theor. Biol. 1977. - V. 67, No. 2. - P. 221 - 240.

50. Burton G.J. Visual detection of patterns periodic in two dimensions // Vision Res. 1976. - V. 16, No. 9. - P. 991 - 998.

51. Kingdom F., Moulden В., Hall R. Model for detection of line signals in visual noise // J. Opt. Soc. Amer. A. 1987. - V. 4, No. 12. - P. 2342 - 2354.

52. Limb J.O., Rubinstein C.B. A model of threshold vision incorporating inhomogeneity of the visual field // Vision Res. 1977. V. 17, N0. 4. - P. 571 - 584.

53. Kretz F., Scarabin F., Bourguignat E. Predictions of an inhomogeneous model. Detection of local and extended spatial stimuli // J. Opt. Soc. Amer. 1979. - V. 69, No. 12. - P. 1635 -1648.

54. Емельянов С.H., Савенков В. И. Модель порогового зрительного восприятия ахроматических стимулов // Сб. науч. тр. / Моск. энерг. ин-т. 1984. - N 33. - С. 64 - 75.

55. Lavin Е. Р. , Overington I. A model of threshold detection for photopic vision // Opt. acta. 1972. - V. 19, No. 5. - P. 365 - 367.

56. Overington I. Vision and acquisition. London: Pentech press, 1976. - 380 p.

57. Overington I. Towards a complete model of photopic visualthreshold performance // Opt. Eng. 1982. - V. 21, No. 1. - P. 2 - 13.

58. Granrath D., Hunt B.R. A two-channel model of image processing in the human retina // Proc. SPIE. 1979. - V. 199. - P. 126 - 133.

59. Blackwell H.R. Specification of interior illumination levels // Ilium. Eng. 1959. - V. 54, No. 6. - P. 317 - 353.

60. Мурашова M. А. Аналитические методы определения пороговых контрастов объектов с фоном при решении зрительных задач различной сложности: Дис. . канд. техн. наук. М. , 1976. - 252 с.

61. Contrast and visibility: Techn. Rep. by CIE TC 1-17 "Contrast metric of visibility" / A.Korn et al. 1984. - 52 p.

62. Julesz B. Visual pattern discrimination // IRE Trans. Inform. Theory. 1962. - IT-8, No. 2. - P. 84 - 92.

63. Julesz B. Experiments in the visual perception of texture // sci. Amer. 1975. - V. 232, No. 1. - P. 34 - 43.

64. Харкевич А. А. Спектры и анализ. M. : Физматгиз, 1962.236 с.

65. Исследование влияния параметров систем, формирующих изображение, на передачу информации: Отчет о НИР (заключит.) / И. П. Контрольский; Моск. энерг. ин-т. М. , 1976. - 152 с.

66. Катаев С. И. , Хромов JI. И. Об обобщенном критерии оценки качества изображений // Техн. кино и телевидения. 1962. - N5 4. -С. 17 - 18.

67. Шульман М. Я. Градиентные и информационные критерии качества изображающих систем // Ж. науч. и прикл. фотогр. и кинема-тогр. 1974. - Т. 19, № 6. - С. 401 - 406.

68. Richards Е.А. Fundamental limitations in the low lightlevel performance of direct-view image-intensifier systems //1.fr. Phys. 1968. - V. 8, No. 1. - P. 101 - 115.

69. Связь вероятности опознавания объектов простейшей формы с параметрами прибора наблюдения / Н.Ф.Кощавцев и др. // Тр. ин-та / Моск. энерг. ин-т. 1972. - Вып. 123. - С. 42 - 49.

70. Кощавцев Н.Ф., Соколов Д. С. Влияние ЧКХ оптической системы на количество передаваемой информации // Тр. ин-та / Моск. энерг. ин-т. 1974. - Вып. 210. - С. 47 - 54.

71. Saghri J.A., Cheatham P.S., Habibi A. Image quality measure based on a human visual system model // Opt. Eng. 1989. -V. 28, No. 7. - P. 813 -818.

72. Pearlman W.A. A visual system model and a new distortion measure in the context of image processing // J. Opt. Soc. Amer. 1978. V. 68, NO. 3. - P. 374 - 386.

73. Sakrison D.J. On the role of the observer and a distortion measure in image transmission // IEEE Trans. on Commun. 1977. C0M-25, No. 11. - P. 1251 - 1266.

74. Свете Дж. , Тэннер В., Бердзалл Т. Статистическая теория решений и восприятие // Инженерная психология / Под ред. Д. Ю. Панова и В. П. Зинченко. М. : Прогресс, 1964. - С. 269 - 335.

75. Geisler W.S. Ideal observer theory in psychophysics and psychology // Phys. Scr. 1989. - V. 39, No. 1. - P. 153 - 160.

76. Pelli D.G. Uncertainty explains many aspects of visual contrast detection and discrimination // J. Opt. Soc. Amer. A. 1985. V. 2, No. 9. - P. 1508 - 1532.

77. Foley J.M., Legge G.E. Contrast detection and nearthresh-old discrimination in human vision // Vision Res. 1981. - V. 21, No. 7. - P. 1041 - 1053.

78. Kornfeld G.H., Lawson W.R. Visual-perception models // J. Opt. Soc. Amer. 1971. - V. 61, No. 6. - P. 811 - 820.

79. Hall C.F., Hall E.L. A nonlinear model for the spatial characteristics of the human visual system // IEEE Trans. Syst., Man, Cybern. 1977. - SMC-7, No. 3. - P. 161 - 170.

80. Мартынов В. H. Метод расчета и исследование видимости объектов на неравноярких фонах: Дис. . канд. техн. наук. М. ,1979. 218 С.

81. Мартынов В. Н., ШкурскийБ.И. Модель зрительного анализатора как оптимальной системы обнаружения // Опт. -мех. пром-сть.1980. N5 8. - С. 1 - 4.

82. Мартынов В. Н. , ШкурскийБ.И. Визуальное обнаружение объектов на неравноярких фонах // Опт. -мех. пром-сть. 1982. - M 1. - С. 6 - 9.

83. Красильников H. Н. Теория передачи и восприятия изображений. М. : Радио и СВЯЗЬ, 1986. - 248 С.

84. Воронин Ю. М. Модели наблюдателя, используемые для случая различения изображений объектов на фоне помех // Тр. ин-та / Гос. ОПТИЧ. ин-т. 1984. - Т. 57, ВЫП. 191. - С. 88 - 92.

85. Красильников H. H. Новое в развитии функциональной модели зрения и результаты ее использования // Опт. -мех. пром-сть.1991. № 11. - С. 24 - 26.

86. Красильников H. Н. Новое в развитии обобщенной функциональной модели зрения для информационных систем // Автометрия.1992. N3 2. - С. 73 ~ 78.

87. Васьковский А. А. Метод расчета и исследование характеристик зрительного восприятия знакосинтезирующих индикаторов.- Дис. . канд. техн. наук. М. , 1987. - 188 с.

88. Сивяков И.Н., Макулов В. Б., Павловская М. Б. Зрительное восприятие размытых и зашумленных изображений // Тр. ин-та / Гос. ОПТИЧ. ин-т. 1987. - Т. 64, ВЫП. 198. - С. 119 - 128.

89. Королев A. H. , Морозова С. JI. , Сивяков И. Н. Анализ и оптимизация информационных характеристик оптико-электронных систем наблюдения // Оптич. ж. 1995. - № 5. - С. 54 - 58.

90. Кононов В.И., Федоровский А.Д., Дубинский Г. П. Оптические системы построения изображений. Киев: Техника, 1981. - 134 с.

91. Burgess А.Е. Statistically defined backgrounds: performance of a modified nonprewhitening observer model // J. Opt. Soc. Amer. A. 1994. - V. 11, No. 4. - P. 1237 - 1242.

92. Effect of noise correlation on detectability of disk signals in medical imaging / K.J.Myers et al. // J. Opt. Soc. Amer. A. 1985. - V. 2, No. 10. - P. 1752 - 1759.

93. Judy P.F., Swenson R.G. Lesion detection and signal-to-noise ratio in CT images // Med. Phys.- 1981,- V. 8, No. 1.- P. 13 23.

94. Hotelling trace criterion and its correlation with human observer performance / R.D.Fiete et al. // J. Opt. Soc. Amer. A. 1987. V. 4, NO. 6. - P. 945 - 953.

95. Myers K.J., Barrett H.H. Addition of a channel mechanism to the ideal-observer model // J. Opt. Soc. Amer. A. 1987. - V. 4, No. 12. - P. 2447 - 2457.

96. Rolland J.P., Barrett H.H. Effect of random background inhomogeneity on observer detection performance // J. Opt. Soc. Amer. A. 1992. - V. 9, No. 5. - P. 649 - 658.

97. Григорьев A.A., КощавцевН.Ф. Статистическая теория обнаружения световых сигналов зрительным анализатором // Тр. ин-та / Моск. энерг. ин-т. 1977. - Вып. 316. - С. И - 14.

98. Григорьев А.А., КощавцевН.Ф. Определение вероятности обнаружения объектов на неравномерных фонах // Тр. ин-та / Моск. энерг. ин-т. 1977. - Вып. 316. - С. 15 - 18.

99. Григорьев А. А. Оценка эффективности обнаружения объектов наблюдателем на случайных неаддитивных фонах // Сб. науч. тр. / Моск. энерг. ин-т. 1983. - If 12. - С. 24 - 28.

100. Levi L. Types of noise in the visual system // Opt. Eng.- 1981. V. 20, No. 1. - P. 98 - 102.

101. Cohn Т.Е., Thibos L.N., Kleinstein R.N. Detectability of a luminance increment // J. Opt. Soc. Amer. 1974. - V. 64, No. 10. - P. 1321 - 1327.

102. Cohn Т.Е. Detectability of a luminance increment: effect of superimposed random luminance fluctuation // J. Opt. Soc. Amer.- 1976. V. 66, No. 12. - P. 1426 - 1428.

103. Крамер Г. Математические методы статистики. M. : Мир, 1975. - 648 С.

104. ЮЗ. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров: Определения, теоремы, формулы. М. : Наука, 1984. - 831 С.

105. Григорьев А. А. Метод обработки результатов при проведении экспериментов по методу принудительного выбора // II Междунар. светотехн. конф. 22 27 мая 1995 г. : Тез. докл. - Суздаль, 1995. -С. 152 - 153.

106. Бардин К. В. Проблема порогов чувствительности и психофизические методы. М. : Наука, 1976. - 396 с.

107. Тарасенко Ф. П. Введение в курс теории информации. Томск: Изд-во Томского ун-та, 1963. 240 с.

108. Григорьев А. А. Физические основы оптико-электронных приборов. М. : Моск. энерг. ин-т, 1986. - 32 с.

109. Григорьев А. А. , ФирсовО.Ю. Применение теории статистических решений к задаче опознавания объектов на неслучайном фоне // Светотехника, источники света и технология их производства-.

110. Межвуз. сб. науч. тр. / Мордов. гос. ун-т. Саранск, 1990. - С. 64 - 70.

111. Березин Н. П. , Трифонов М. И. , Романов С. С. Формальные модели зрительного обнаружения // Тр. ин-та / Гос. оптич. ин-т. -1984. Т. 57, ВЫП. 191. - С. 17-29.

112. Самарский А. А., ГулинА.В. Численные методы. М. : Наука, 1989. - 429 С.

113. Физиология сенсорных систем: В 3-х ч. Ч. 1. Физиология зрения / Е. Г. Школьник-Яррос и др.; Под ред. В. Г. Самсоновой. Д.: Наука, 1971. - 416 с.

114. Vos J.J., Walraven J., van Meeteren A. Light profiles of the foveai image of a point source // Vision Res. 1976. - V. 16, No. 2. - P. 215 - 219.

115. Кравков С. В. Глаз и его работа. Психофизиология зрения, гигиена освещения. М. - Л. : Изд-во АН СССР, 1950. - 532 с.

116. Johnson С.A., Keltner J.L., Balestrery F. Effects of target size and eccentricity on visual detection and resolution // Vision Res. 1978. - V. 18, No. 9. - P. 1217 - 1222.

117. Pointer J.S., Hess R.F. The contrast sensitivity gradient across the major oblique meridians of the human visual field // Vision Res. 1990. - V. 30, No. 3. - P. 497 - 501.

118. Lie I. Visual detection and resolution as a function of retinal locus // Vision Res. 1980. - V. 20, No. 11. - P. 967 -974.

119. Отчет о НИР 134/78 (заключит.) по теме "Квинта" / А. А. Григорьев; Моск. энерг. ин-т. Инв. К СБ-1245с. - М. , 1980.- 142 с.

120. Григорьев А. А. , Рассказов А. И. , Шестопалова И. П. Исследование эффективности использования матричного газоразрядного индикатора при решении задач опознавания // Сб. науч. тр. / Моск.энерг. ин-т. 1984. - N 46. - С. 102 - 107.

121. Григорьев А. А., ЛевчукЮ.А. Телевизионная установка для исследования распределения чувствительности по сетчатке органа зрения // Сб. науч. тр. / Моск. знерг. ин-т. 1988. - № 164. - С. 129 - 134.

122. Павлов Н. И. , Воронин Ю.М. Вероятность обнаружения объектов на экране монитора оптико-электронной системы наблюдения // Оптич. Ж. 1994. - Ы5 7. - С. 3 - 7.

123. Производство цветных кинескопов / В.И.Барановский и др.; Под общ. ред. В.И.Барановского. М. : Энергия, 1978,- 368 с.

124. ГОСТ 7721-89. Источники света для измерений цвета. Типы. Технические требования. Маркировка. М. : Изд-во стандартов, 1989.- 19 с.

125. Гуревич М. М. Фотометрия (теория, методы и приборы). Л. : Энергоатомиздат, 1983. 272 с.

126. Справочник конструктора оптико-механических приборов / В.А.Панов и др. ; Под общ. ред. В.А.Панова. Л.: Машиностроение, 1980. - 742 С.

128. Рабинович С. Г. Погрешности измерений. Л.: Энергия, 1978. - 261 С.

129. Метрология и электроизмерительная техника / В.И.Диденко и др. ; Под ред. В.Н.Малиновского. М. : Изд-во МЭИ, 1991. - 80 с.

130. Волькенштейн А. А. Визуальная фотометрия малых яркостей.- М. Л. : Энергия, 1965. - 142 с.

131. Литвинов В. С. , Рохлин Г. Н. Тепловые источники оптического излучения (теория и расчет). М. : Энергия, 1975. - 248 с.

132. Архипов Б. Б., Григорьев A.A. Современные методы расчета вероятности обнаружения объектов наблюдателем // Осветление"96: Тез. докл. Междунар. науч.-техн. конф. 9-11 октября 1996 г. -Варна, 1996. С. 14.

133. Архипов Б. Б., Григорьев А. А. Математическая модель органа зрения для случая обнаружения объектов на аппликативных фонах // Осветление"96: Тез. докл. Междунар. науч.-техн. конф. 9-11 октября 1996 г. Варна, 1996. - С. 90-91.

134. Архипов Б. Б., Григорьев А. А. Аналитическое исследование распределения чувствительности по сетчатке в статистической модели органа зрения // III Междунар. светотехн. конф. 9-12 июня 1997 г. : Тез. докл. Новгород, 1997. - С. 64.

135. Архипов Б. Б., Григорьев А. А. Установка для исследования вероятности обнаружения и опознавания объектов наблюдателем на случайных фонах // III Междунар. светотехн. конф. 9-12 июня 1997 г. : Тез. докл. Новгород, 1997. - С. 65.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.

Подавляющее количество угроз безопасности протяженным объектам охраны обнаруживается с помощью технических средств обнаружения периметрального типа, входящих в систему охранной сигнализации объектов. Различные явления природного и промышленного характера (сильный ветер, электромагнитные помехи от радиоэлектронных средств и т. д.), живые объекты (животные, птицы), воздействуя на средства обнаружения, приводят к возникновению помех, которые становятся причиной ложных тревог.
Основными характеристиками средств обнаружения являются вероятность обнаружения нарушителя Р об и средняя наработка на ложную тревогу Т лт. При разработке средств обнаружения требования к вероятности обнаружения угрозы безопасности (нарушителя) в зависимости от важности решаемых задач нормируют в следующих пределах :
а) удовлетворительного уровня (Р об > 0,9);
б) высокого уровня (Р об > 0,95);
в) очень высокого уровня (Р об > 0,97).
Наработка на ложную тревогу определяется производителем на основе результатов долговременных испытаний средств обнаружения в различных условиях. При этом допустимой наработкой на ложную тревогу может считаться величина Т лт > 720 час . Полученное на испытаниях значение указывается производителем в паспорте изделия. При этом испытания проводятся в рамках утвержденных технических условий. Возможность варьирования реальными условиями проведения испытаний позволяет производителю средств обнаружения завышать характеристику Т лт из конъюнктурных соображений. Однако статистика применения периметральных средств обнаружения на конкретных объектах позволяет определить достаточно четкие оценки помехоустойчивости того или иного устройства.
Достоверная оценка вероятности обнаружения нарушителя в большой степени зависит от выбранной модели нарушителя. Например, под нарушителем часто понимается некий среднестатистический человек, преодолевающий зону охраны пешим образом, монотонно со скоростью от 0,3 до 5 м/с. Если движение реального нарушителя будет происходить с малой скоростью (меньше 0,2 м/с), вероятность обнаружения будет снижаться вплоть до нуля в зависимости от подготовленности нарушителя.
Рассмотрим характеристики периметральных средств обнаружения в рамках статистической модели нарушителя. Его обобщенная модель определяет частоту появления на рубеже охраны различных нарушителей, разделенных на типы по уровню своей подготовленности. Каждому типу i = 1, 2… может быть поставлена в соответствие вероятность его обнаружения Р об i данным средством обнаружения и степень потенциального ущерба k i = 1, 2.., который могут нанести такие нарушители охраняемому объекту. Интегральная вероятность обнаружения угрозы объекту вбирает в себя эти частные характеристики. Степень осведомленности нарушителей о системе охраны периметра различна – от незнания или некоторого знакомства до полного знания и тренированности в преодолении участков. По степени осведомленности можно выделить 4 типа нарушителей.
Первый – непреднамеренные (случайные) нарушители. Они, как правило, достоверно обнаруживаются в соответствии со стандартным сценарием их действия, заложенным в алгоритм обработки информации средства обнаружения. Только для таких нарушителей обеспечивается вероятность обнаружения, приводимая в паспорте изделия (средства обнаружения). Они представляют собой наиболее распространенный тип нарушителей.
Второй тип нарушителей отличается тем, что люди преднамеренно пытаются преодолеть систему охраны объекта. Они имеют некоторое представление об установленной охранной сигнализации, что-то читали в технической литературе и стараются уменьшить вероятность своего обнаружения. Например, уменьшить или увеличить скорость движения, применить для преодоления ограждения подручные средства. Такие неквалифицированные преднамеренные нарушители, не знающие физического принципа обнаружения, как правило, удовлетворительно обнаруживаются периметральными средствами обнаружения. Таких нарушителей по численности в среднем в 2 раза меньше, чем случайных, однако существуют объекты (например, вдали от городской черты), где они преобладают.
Третий тип представляет собой преднамеренных квалифицированных нарушителей, хорошо знакомых с системой охраны. Одиночные нарушители, как правило, имеют специальные средства для облегчения преодоления рубежа (например, стремянка, веревочная лестница и проч.) или даже обхода средств обнаружения, например путем подкопа. Группа нарушителей может помогать друг другу в преодолении зоны охраны. Их процентный состав невелик, однако зачастую именно с ними может быть связана максимальная угроза объекту.
Последний тип – преднамеренный высококвалифицированный нарушитель. Одиночными периметральными средствами обнаружения обнаруживается крайне неудовлетворительно. Реальное обнаружение таких нарушителей возможно путем комплексирования рубежа охраны двумя или тремя средствами обнаружения различного физического принципа действия.
Типичные значения вероятностей обнаружения для различных типов нарушителей в соответствии с предлагаемой классификацией приведены в таблице 1.

Вероятность обнаружения для различных типов нарушителей периметральных средств обнаружения
Таблица 1

Вероятность обнаружения объектов простой геометрической формы на однородном фоне в присутствии случайных шумов рассматривалась в гл. 4. Выводы, сделанные на основе этого рассмотрения, таковы, что визуальная система работает, как бы вычисляя отношение сигнала к шуму и сравнивая его с пороговым значением отношения сигнала к шуму как критерием важности полученного сигнала. Имеется значительное количество данных, подтверждающих эту теорию в различных условиях наблюдения. В условиях ограничения видимости квантовыми шумами или контрастом теория подтверждается данными Блэкуэлла , а при наличии аддитивных шумов - данными Кольтмана и Андерсона , Шаде , а также Розелла и Вильсона , проведенные с реальными объектами в натурных условиях, показали, что процент обнаруживаемых объектов действительно возрастает с увеличением контраста. Бернштейн , например, установил, что изображения на экране электронно-лучевой трубки автомашин и людей должны иметь контраст CJL (LT - LB)/L в, равный 90%, чтобы обеспечить максимально возможную вероятность различения.
Кроме того, Бернштейн установил, что разрешение влияет на вероятность обнаружения только в той мере, в какой оно изменяет отношение сигнала к шуму или контраст объекта. Однако Колюччио и др. }

1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд 5,00 / 3
Главная →Для волос →Вероятность обнаружения объектов. Системы тепловидения - вероятность обнаружения и опознавания Расчет периода ложных тревог →
Статьи по теме: