1.3.3. Использование методов анализа сигналов для решения задачи поиска «цели»

Использование описанных выше методов для решения задачи идентификации состояния пространственной сцены на основе тепловизионного сигнала будет сопряжено с определенными трудностями, описанными ниже.

При классификации на основе построенного порога с использованием методов прямой классификации в процессе обработки тепловизионного изображения возникают ошибки вследствие того, что подобные области для разных состояний частично перекрываются, образуя «зону неопределённости». Веро-ятность ошибки составит:

РоШ=01+02, (1.5)

где 0\ и 02 определяются с использованием выражений (1.1) и (1.2).

Ширина «зоны неопределенности» определяется взаимным расположением областей относительно друг друга (расстоянием между центрами распределений - мат. ожиданиями) и шириной каждой области, которая, в свою очередь, связана с дисперсией плотности распределения. В большинстве случаев при анализе тепловизионных изображений вероятности принятия ошибочного ре-шения, т.е. вероятности «ложной тревоги» и вероятность «пропуска цели» становятся слишком большими, что делает невозможным использование этих методов.

Недостатком одноуровневых методов классификации сигнала является его ограниченность с точки зрения количества эталонных сигналов. «Цель» на тепловизионном изображении не имеет постоянной формы, в то время как со-гласованная фильтрация предполагает наличие лишь одного эталона для обнаружения.

Использование методов, основанных на оценке близости сигналов, затрудняется высокой вычислительной сложностью алгоритмов классификации сигналов. Вычислительная трудоемкость обуславливает значительные временные затраты при функционировании алгоритмов классификации, а также мате-риальные затраты при построении ИИС, выполняющих классификацию.

Алгоритмы сегментации, входящие в группу алгоритмов многоуровнего анализа сигналов, основанных на вычислении спектра, использующиеся при обработке и анализе речевых сигналов, обладают существенным недостатком. Он заключается в их узкой специализации на работу с речевой информацией, так как при их создании учитывается структура речевых сигналов, правила произношения человеком тех или иных фонем. Таким образом, они оказываются неподходящими для работы с многомерными сигналами, которые в частном случае представляют собой изображения.

В случае тепловизионных изображений вся информация закодирована в пространственной области, что делает необходимым использование обобщения, учитывающего параметры пространственной области изображения.

К такому типу обобщений относятся методы распознавания, основанные на оценке параметров плотности распределения случайных величин, представ-ляющих исследуемый сигнал.