Sistemas óptico-electrónicos multiespectrales.
TARASOV Viktor Vasilievich, Doctor en Ciencias Técnicas
YAKUSHENKOV Yuri Grigorievich, Doctor en Ciencias Técnicas
En este artículo después de considerar algunas cuestiones terminológicas, se intenta evaluar la viabilidad de utilizar métodos espectrales ópticos para resolver el problema más importante al que se enfrentan muchos sistemas óptico-electrónicos, es decir, aislar una señal útil de un fondo de interferencia.
Recientemente, en publicaciones y documentos científicos y técnicos extranjeros y, lo que es especialmente lamentable, nacionales, se han vuelto más frecuentes los casos de uso de términos cuyo significado es distorsionado por los autores de estas publicaciones, o quizás simplemente no está claro. a ellos.
A veces esto se debe al préstamo injustificado e ilegal de palabras y frases individuales de idiomas extranjeros, por ejemplo, el término «hiperespectral» contradice las normas del idioma ruso (es algo así como «aceite de hymer») y el significado físico (hay pueden ser términos hipersónico, cuyo equivalente es supersónico”, e “hiperresolución”, etc., pero ¿qué es “superespectral” si el espectro es un concepto físico y matemático, y no un indicador cuantitativo?).
Por lo tanto, para utilizar razonablemente el término «inteligente» ampliamente utilizado («robot inteligente», «sistema inteligente», «arma inteligente», etc.), vale la pena recordar que el concepto de «inteligencia consta de muchos componentes inherentes a sistemas altamente sujetos organizados de la naturaleza viva por animales superiores y humanos y, por lo tanto, cuando se utiliza el término «sistema óptico-electrónico inteligente» o «arma inteligente», se debe acordar qué propiedades y características de la inteligencia de los animales superiores y humanos se utilizan. en este sistema o arma.
El uso de la inteligencia humana creada durante miles de años de evolución a menudo se reduce a ese procesamiento de información sobre el mundo circundante o algunas propiedades de ciertos objetos, cuando consciente o inconscientemente, de todo el volumen de información, se extraen las propiedades (signos) más esenciales. de un fenómeno u objeto para resolver un problema específico.
La inteligencia humana a menudo permite que dicho procesamiento de información se lleve a cabo de la forma más racional, aunque no siempre óptima. Los medios técnicos que realizan dicho procesamiento o trabajan en estrecha colaboración con un operador humano pueden denominarse inteligentes. Estos incluyen principalmente sistemas ópticos y óptico-electrónicos, aunque sólo sea porque entre el 80% y el 95% de la información sobre el mundo circundante la reciben los seres vivos, incluidos los humanos, a través del aparato visual [1].
El rápido desarrollo de los sistemas óptico-electrónicos (OES), que se viene produciendo desde hace décadas, nos permite ampliar continuamente la gama de sus aplicaciones y resolver muchos problemas complejos, en particular, no hace mucho tiempo inaccesibles a los sistemas automáticos.
Las formas de desarrollo del OES de la visión técnica coinciden en gran medida con lo que la naturaleza ha creado en forma del aparato visual de los animales superiores y del hombre.
Por lo tanto, se cree que este visual El aparato interactúa con el cerebro de dos maneras: transmitiendo una imagen para compararla con los estándares de imágenes conocidas (analógica — correlacionadores óptico-electrónicos) o analizando la imagen de acuerdo con una serie de características primarias (analógica — OES con óptica espectral, espacial). -frecuencia y filtrado espacio-temporal).
En la última década se han llevado a cabo numerosos desarrollos sobre OES basados en principios biónicos (biocibernéticos).
La investigación sobre estos principios y la creación de una base elemental para su implementación práctica es, quizás, la principal tendencia en el desarrollo de la fabricación de instrumentos optoelectrónicos modernos.
Los sistemas que se están desarrollando suelen utilizar varios canales paralelos para la recepción y el procesamiento primario de información, receptores de radiación de elementos múltiples y algoritmos complejos de procesamiento de señales basados en dispositivos lógicos e informáticos especializados.
Atención creciente se paga a los dispositivos óptico-electrónicos adaptativos que implementan retroalimentación a nivel paramétrico y de circuito para controlar la sensibilidad, la magnitud de los campos angulares, los parámetros de los filtros ópticos espectrales, espaciales y de tiempo-frecuencia, así como otras características del OES.
Aquí también se utilizan ampliamente los principios biocibernéticos utilizados en la naturaleza viva.
El análisis de los componentes individuales de la inteligencia relacionados con el aparato visual de animales superiores y humanos se ha realizado repetidamente en la literatura. .
Podemos recordar brevemente algunas características esenciales del aparato visual de animales superiores y humanos, importantes desde el punto de vista de su reproducción en el OES de la visión técnica, que sirven para la detección, reconocimiento y clasificación de diversos objetos.
Las observaciones de los psicofisiólogos han establecido que al reconocer imágenes, una persona utiliza principalmente el principio de preferencia por determinadas características.
Para ello, compara objetos de la misma clase, resaltando sus puntos en común y seleccionando características divisorias.
Una característica de los procesos psicofisiológicos de percepción de información visual (óptica) en animales superiores y humanos es la descorrelación de imágenes en el espacio y el tiempo para eliminar conexiones estadísticas redundantes de elementos de imagen vecinos y fotogramas sucesivos que ya se encuentran en el sistema de procesamiento de información primario.
Esto le permite utilizar solo las características más informativas de las imágenes reconocidas y codificar la información de la manera más económica para transferirla al sistema de procesamiento secundario: el cerebro.
Los órganos visuales de la mayoría de los animales inferiores no tienen la capacidad de distinguir el color de los objetos y operan en un rango espectral relativamente estrecho.
La excepción son algunas especies de serpientes, por ejemplo la Serpiente de cascabel americana, que tiene un aparato de “visión térmica” con un número de elementos sensibles de aproximadamente 1000 y una resolución de temperatura ) t = 10-3 ° C.
En la retina humana hay. tres tipos de conos con diferentes características espectrales (R, G, B).
La adaptación de cada uno de estos tipos a los cambios en la iluminación se produce independientemente uno del otro.
A la salida de las llamadas células bipolares, señales de conos con diferentes características espectrales sr , sgy sb se convierten en una señal acromática total y dos señales de diferencia de color:
SZ = SR + SG + SB,
SRG = CGSG – CRSR,
SRGB = GRSR + CGSG – CBSB,
donde SR, CG y CB — coeficientes de ponderación [2].
Debido a la linealidad de la conversión de la señal, determinada por el cambio en la iluminación de los conos y proporcional a la relación entre el incremento en la iluminación efectiva del cono y su valor promedio, es decir Por el contrario, la percepción del tono del color y la saturación de la imagen no depende del brillo del objeto observado [2].
El aparato visual humano tiene la propiedad de la constancia del color, es decir. la capacidad de reconocer correctamente diferentes colores independientemente de la composición espectral de la fuente de luz [2].
Otras características del aparato visual de los seres inteligentes son el “intercambio” adaptativo de la sensibilidad de los elementos de la retina a la resolución (con un aumento de la iluminación de la imagen) debido a la acumulación de una señal, así como el uso de los movimientos oculares. (regular y aleatorio — temblor), que permite comprimir información hasta 106 veces y transmitir al cerebro solo información sobre cambios en las características de la imagen [1].
La más utilizada es la interpretación geométrica del reconocimiento, en la que n características de una señal (imagen) forman un vector de características en un espacio n-dimensional, es decir puntos o grupos (colecciones de puntos distribuidos aleatoriamente) que caracterizan objetos individuales o sus imágenes.
La asignación de estos puntos o grupos a un objeto particular (clase de objetos) se lleva a cabo mediante discriminante funciones (separadoras) [3, 4].
Cada clase de imágenes (tipo de objetivos) tiene su propio vector de expectativa matemática y matriz de covarianza, teniendo en cuenta la naturaleza aleatoria de las características de la señal.
Para la formación de un n- vector dimensional de características, se requiere un número teóricamente mínimo de imágenes de entrenamiento (estándares), igual a n + 1. (A veces, en la práctica, con un reconocimiento confiable de imágenes particularmente complejas, el número requerido de imágenes de entrenamiento puede alcanzar 10n e incluso 100n. [3]).
Debido a la naturaleza aleatoria de las características que caracterizan a una amplia variedad de objetos (clases de objetos) y las señales que llegan a la entrada del sistema de reconocimiento (OES), muchos problemas aplicados, especialmente en el campo del equipo militar, requieren una evaluación estadística. enfoque para resolver problemas de detección, reconocimiento y clasificación.
Los métodos de reconocimiento de patrones estadísticos utilizando funciones de distribución de probabilidad de características y clases de imágenes han sido bastante bien estudiados y teóricamente parecen ser los más prometedor para OES de tipo inteligente para diversos fines [1, 3, 4, 5, etc.].
La forma de representación de la clase de objetos reconocidos puede determinar el tipo de algoritmo de procesamiento de la información obtenida en la salida del sistema de procesamiento de información primario del EPS.
Por lo tanto, si una clase de objetos está representada por una característica espectral determinista o una característica obtenida como resultado de promediar una gran cantidad de espectros (estadísticas de primer orden), entonces los algoritmos de procesamiento de información pueden ser bastante simples, por ejemplo, determinar proporciones espectrales ( las proporciones de señales que caen en rangos de trabajo espectrales individuales) se pueden llevar a cabo mediante cuantificación por nivel o utilizando funciones discriminantes lineales.
En las últimas décadas, los algoritmos basados en la comparación de distribuciones conocidas de conjuntos de características en un espacio n-dimensional con una distribución correspondiente a cambios en las características en un sistema real (estadísticas de segundo orden).
Las funciones discriminantes son curvas de segundo orden.
El procesamiento de características en los sistemas de reconocimiento se lleva a cabo con mayor frecuencia de tres maneras: selección de las características más informativas (selección de subconjuntos), formación de relaciones de características individuales (relaciones de componentes individuales del vector de características ) y formación de combinaciones lineales de características individuales.
Todos estos métodos son bastante simples para la implementación práctica. En la teoría del reconocimiento, el término “dimensión esencial” se utiliza a veces para indicar el número mínimo de dimensiones (características identificadas) necesarias para representar con precisión conjuntos de datos sobre el objeto que se reconoce.
Debido a la necesidad que surge a menudo en la práctica Procesar grandes volúmenes de información óptica en tiempo real utilizando los ordenadores digitales secuenciales más avanzados no siempre es lo suficientemente eficaz.
Esto, por ejemplo, es cierto cuando se implementan métodos para seleccionar (detección, reconocimiento) de imágenes complejas observadas en fondos heterogéneos («variados»). Hoy en día ya se conocen OES adaptativos con bloques para generar características informativas invariantes basadas en redes neuronales [6].
Para resolver los problemas de detección de señales ópticas e imágenes, por ejemplo, una imagen de un objeto bastante complejo en forma, espectro y otras características, ubicado sobre un fondo «variado» complejo, en los OES modernos se utiliza tal descripción de imágenes ( un conjunto de señales procesadas) se utiliza casi universalmente y contiene sólo un número limitado de características distintivas.
La selección de características que distinguen más significativamente una clase determinada de imágenes (objetos, imágenes, señales) es la tarea más importante en el desarrollo de OES que funcionen como parte de un arma inteligente.
Por lo tanto, al desarrollar UES nuevos y mejorar los existentes, es muy importante seleccionar el número mínimo de características que garanticen los indicadores de calidad especificados del funcionamiento de UES, pero que no compliquen su diseño y, por lo tanto, no reduzcan la confiabilidad de los sistemas y aumenten. el costo de su producción y operación.
En la Fig. La Figura 1 muestra un diagrama de bloques de un sistema para el reconocimiento automático de imágenes ópticas (señales).
Un receptor de señales ópticas significa una combinación de un sistema óptico y un dispositivo fotorreceptor, es decir, un sistema de procesamiento de información primaria [4].
Arroz. 1. Diagrama de bloques del sistema
para el reconocimiento automático de imágenes ópticas
Los grupos de características más utilizados son:
— geométrico, cuya selección y procesamiento depende principalmente de la resolución espacial del OES; estas características incluyen el tamaño y la forma de la imagen; histogramas de distribuciones de ángulos, cuerdas, longitudes de lados; momentos geométricos; espectros de frecuencia espacial de Fourier y Mellin; Funciones de Walsh y otras;
— espectral, cuyo aislamiento y procesamiento depende de la resolución espectral del OES; éstas incluyen absorción, emisividad y reflectividad; color, etc.;
— energía,generalmente caracterizada por la relación señal-ruido;
— dinámico, utilizando información sobre cambios en las coordenadas de un objeto, la velocidad de su movimiento, etc.
En cada caso concreto de detección, reconocimiento y clasificación de determinados objetos, es recomendable utilizar conjuntos limitados de características estables para no complicar el diseño del OES.
En la literatura, lo más frecuente es que se considere una matriz tridimensional de información, es decir, La mayoría de los desarrollos e intentos de crear OES inteligentes utilizan un conjunto de características geométricas, ópticas y dinámicas de los objetos (filtrado espacial y espaciotemporal de señales contra un fondo de ruido).
Los parámetros de una imagen bidimensional las coordenadas se utilizan como características principales en el plano de la imagen, dimensiones de la imagen, forma de la imagen, momentos geométricos, etc., y una característica de tiempo, por ejemplo, velocidad de movimiento de la imagen, duración de la señal, etc.
La resolución espacial del OES está determinada por los parámetros y características del sistema óptico, del que depende la calidad de la imagen que crea, así como por los parámetros del receptor de radiación (por ejemplo, el paso de un receptor multielemento ) y el algoritmo seleccionado para generar y procesar la señal recibida del receptor.
Las características ópticas espectrales de objetos y señales se utilizan en la mayoría de los casos de forma limitada, mediante el uso de simples Filtrado óptico espectral de muesca (paso de banda, banda única) o de dos colores (dos bandas). Se sabe muy poco sobre la aplicación del filtrado espectral equilibrado [4].
Al mismo tiempo, aumentar el número de canales espectrales (rangos espectrales de trabajo) en el OES a al menos dos o tres, como es el caso en el aparato visual humano (ver arriba), puede aumentar significativamente aumentar la inteligencia”. estos sistemas y los complejos en los que están incluidos, es decir, mejorar sus indicadores de calidad.
Por ejemplo, como se informa en [7], el uso simultáneo de dos rangos espectrales (3 … 5 y 8… 13 µm) en un OES diseñado para la detección y reconocimiento de objetivos tipo «tanque» contra un fondo abigarrado aumenta significativamente la probabilidad de detección correcta del objetivo (entre un 5 y un 7%), en comparación con la misma probabilidad que se obtiene cuando se utilizan únicamente características espaciales en combinación con el procesamiento de señales en una red neuronal.
Cambios en las características del objeto y el fondo en el que se observa el objeto, cambios en las condiciones para recibir señales de los objetos, aparición de interferencias adicionales y, finalmente, cambios en los parámetros y características del propio sistema de reconocimiento (OES). — estos son los factores que, antes que otros, hacen conveniente seleccionar y formar características de señal primarias y secundarias que sean más estables (invariantes) a los cambios especificados.
Desafortunadamente, la mayor parte de la literatura dedicada al reconocimiento de patrones ópticos considera principalmente la estabilidad de las características espaciales y espaciotemporales de los objetos y las señales ópticas, pero no las características ópticas espectrales de la radiación de los objetos y las señales correspondientes.
Al mismo tiempo, se observó que este “enfoque geométrico resultó productivo solo en las tareas más simples, por ejemplo, al reconocer fuentes e imágenes estándar, pero al reconocer escenas naturales claramente no es válido [ 1].
Se puede observar que algunas características geométrico-ópticas de los objetos y sus imágenes que están sujetas a reconocimiento tienen funciones de distribución de probabilidad bimodales e incluso multimodales que no tienen uno, sino dos o más máximos.
Al mismo tiempo, la reflectividad y emisividad espectral de la mayoría de los objetos de origen natural o artificial (objetivos, interferencias, fondos) se describen mediante una función de distribución de probabilidad unimodal, generalmente gaussiana (normal).
Esto simplifica significativamente el proceso de entrenamiento de un clasificador de sistema de reconocimiento basado en estas características, es decir Las características ópticas espectrales pueden ser preferibles a las características ópticas geométricas.
Como ejemplo de características relativamente estables de señales ópticas, es decir al tener una pequeña dispersión dentro de su grupo, es posible indicar el espectro de radiación solar que determina las propiedades de la señal reflejada por estos objetos; espectros de emisión de muchos objetos de origen natural y artificial cercanos a cuerpos negros (funciones de Planck); reflectividad y emisividad de muchos materiales y recubrimientos utilizados en la creación de fuentes (objetos) de radiación artificial.
Es bien sabido que una de las características bastante estables e informativas de muchos objetos es el color. .
La resolución espectral del OES depende del número de rangos espectrales operativos o «ventanas espectrales» del sistema en el que se recopilan datos sobre el campo observado («escena»). Una cuestión muy importante es el número de ventanas necesarias para un reconocimiento fiable.
De la teoría del reconocimiento de patrones se sabe que a medida que aumenta el número de ventanas espectrales, es decir, A medida que aumenta la llamada “complejidad de la medición”, la precisión del reconocimiento aumenta sólo hasta cierto punto y luego, con un aumento adicional de este número, cae [3].
Esto se explica por el hecho de que a medida que aumenta el número de rangos espectrales, es necesario estimar un conjunto de estadísticas de dimensiones cada vez mayores a partir de un número fijo limitado de muestras espectrales.
Al mismo tiempo, el sistema de procesamiento de datos en un sistema real se vuelve notablemente más complicado; por ejemplo, el tiempo de computadora necesario para realizar cálculos complejos aumenta injustificadamente. Por tanto, existe un número óptimo de características espectrales.
Por ejemplo, durante la detección remota de recursos naturales, se encontró que la probabilidad máxima de reconocimiento utilizando características espectrales se logra con tres características de reconocimiento, y la probabilidad de reconocimiento cuando se usa un número mayor, por ejemplo, 12 características, es significativamente menor [ 3].
Una de las direcciones para un mayor desarrollo del reconocimiento OES multiespectral («OES multiespectral inteligente») es el uso de una serie de canales espectrales cercanos a la dimensión esencial. de las funciones que describen la emisividad espectral y la reflectividad de los objetos detectados y reconocidos.
Por ejemplo, en [3] se afirma que la dimensión significativa de los datos multiespectrales en el rango de 0,4 … 15,0 micras, determinadas para los fenómenos de reflexión y radiación de la energía de la superficie terrestre, son cerca de seis.
Cuando se utilizan características espectrales inherentes a la mayoría de los objetos reconocidos en la práctica, es importante utilizar un alto grado de correlación de estas características, resultante de la naturaleza física de la radiación óptica y el determinismo de las leyes que describen esta naturaleza, por ejemplo, la ley de Planck.
Esto corresponde a un gran alargamiento de un grupo de n características en un espacio de n dimensiones, que se puede utilizar para obtener un vector de características en un espacio de dimensiones inferiores sin una pérdida significativa de información. .
Esto también lleva a la conclusión de que se reduce el número de características espectrales utilizadas (ventanas espectrales, proporciones espectrales) a tres, cuatro y, a veces, a dos.
Por ejemplo, se sabe que la dimensión del vector de características espectrales utilizado en el funcionamiento de los sistemas de escaneo multiespectral Landsat-1 y Landsat-2 era 4 (cuatro rangos de operación espectral), sin embargo, el mayor contraste de los detalles de la imagen de la superficie terrestre obtenida mediante estos sistemas se logró utilizando sólo dos ventanas [3].
La selección de un subconjunto de características espectrales se lleva a cabo identificando el rango operativo del EOS en el que la relación energía señal-interferencia es máxima. Es bien conocida la formación de la relación de señales que caen en dos rangos espectrales estrechos: el filtrado óptico espectral de dos colores.
El modelo descrito anteriormente para la percepción del color por parte del aparato visual humano es, de hecho, una implementación del método para la formación de combinaciones lineales de tres radiaciones monocromáticas (colores “puros”).
El conocido método de filtrado espectral equilibrado [4] puede considerarse como la formación de una combinación (combinaciones) lineal de señales generadas en dos o más rangos espectrales relativamente amplios.
Menos conocidos son sistemas en los que la relación espectral numerador y denominador son las sumas o diferencias de señales recibidas en dos rangos espectrales, lo que permite “restar” o reducir” la señal generada por radiación de fondo o interferencia no deseada.
Este método puede clasificarse tanto como método de relaciones como método de combinaciones lineales.
Su implementación en una EPS militar es de gran interés práctico.
Teniendo en cuenta posibles cambios en el espectro óptico (la emisividad espectral efectiva del objeto o la densidad de iluminación espectral de la imagen), asociados, por ejemplo, con un cambio en el modo de funcionamiento de las centrales eléctricas en el objeto, o con un cambio en las condiciones para el paso de la señal óptica en la ruta «objeto — IPS», o en caso de un cambio en las condiciones de irradiación de un objeto por fuentes naturales extrañas, etc., es aconsejable tener estándares flexibles de características espectrales — relaciones espectrales .
En este caso, el modelo estándar se vuelve invariante con respecto a variaciones aleatorias o deterministas de las características de la señal en ciertos límites o rangos de cambio en estos factores. Las capacidades de la holografía digital moderna hacen posible utilizar grandes conjuntos de estándares no generalizados.
Pueden ser de interés las estadísticas de la distribución (histograma) de características primarias, como la extensión o el área de áreas del mismo color.
Resolución energética, definida como el número de resolución Los niveles de furia del objeto o iluminación de la imagen se seleccionan de acuerdo con la relación señal/ruido requerida.
Es bien sabido que la probabilidad de detección y reconocimiento aumenta a medida que aumenta esta relación. En este caso, se debe tener en cuenta la relación entre la resolución espacial, espectral y energética, que tiene lugar en OES real.
Por ejemplo, si se logra una alta resolución espacial reduciendo la tamaño del elemento de la imagen, debido a esto, en este elemento se consumirá una cantidad menor de energía, que es necesaria para dividirlo en rangos operativos espectrales y obtener la relación señal-ruido requerida en cada uno de estos rangos.
Los principales obstáculos para la creación de OES multiespectrales «inteligentes» son las conocidas dificultades de crear dispositivos fotodetectores (PD) de amplio rango (que funcionan en un amplio rango espectral) relativamente económicos y altamente sensibles con alta resolución espacial, espectral y temporal.
Esto también incluye las dificultades para crear sistemas de refrigeración económicos, duraderos y de tamaño pequeño para la FPU y una serie de otros problemas técnicos y económicos.
Los intentos de crear este tipo de OES en forma de espectrómetros de Fourier o espectrómetros de vídeo multicanal no siempre tienen éxito, ya que, por ejemplo, no se cumple el requisito de funcionamiento en tiempo real y una serie de otros requisitos.
Muy Sigue siendo importante el problema de la calibración y el entrenamiento de OES “inteligentes” (autoaprendizaje) en condiciones cambiantes de su funcionamiento y especialmente cuando los parámetros (signos) de los objetos observados y las señales creadas por estos objetos son inestables. .
Al crear un reconocimiento automático de OES, es aconsejable prever la participación humana no solo en la etapa de recopilación de información sobre diversas características de los objetos y señales, sino también en el proceso de entrenamiento del clasificador, que puede simplifica significativamente este proceso.
La eficacia del uso de OES multiespectrales depende en gran medida del conocimiento de los parámetros y características de los objetos sobre los que operan (firmas de objetivos, interferencias, fondos).
No es casualidad que haya muy pocos datos sobre firmas de equipos militares en la literatura pública. En 1993, la Agencia de Inteligencia del Departamento de Defensa de EE.UU. creó un departamento especial dedicado al reconocimiento y la creación de una base de datos de firmas de objetivos de reconocimiento (Measurements and Signatures Intelligence — MASINT).
La determinación de las firmas ópticas de los objetivos es una de las tareas más importantes de este departamento y, a juzgar por la publicación [8], se presta especial atención a la recopilación de información sobre las firmas (características) ópticas espectrales de los objetivos.
En servicio en el Ejército EE.UU. cuenta con sistemas diseñados para este fin: SYERS (Senior Year Electrooptical Reconnaissance System), que opera a bordo del avión U-2 en siete rangos espectrales, y Cobra Brass, que es un sensor de imagen multiespectral para un sistema de infrarrojos espacial.
En EE.UU. se presta gran atención al desarrollo de OES multiespectrales con un gran número de ventanas espectrales.
Por ejemplo, TRW ha desarrollado un sistema con 384 rangos operativos espectrales.
Estos sistemas se probaron a bordo de vehículos aéreos de reconocimiento no tripulados diseñados para detectar tanques y misiles. lanzadores y otras instalaciones militares camufladas ubicadas contra un “fondo abigarrado”.
El uso de rangos espectrales de trabajo en la región ultravioleta del espectro permitirá identificar el tipo de misiles enemigos mediante la composición espectral de la radiación de los componentes del combustible para cohetes.
El Lo anterior es especialmente típico de sistemas y complejos militares y de otro tipo.
Sin embargo, los intentos de acercar el IPS del futuro próximo al nivel de sistemas verdaderamente inteligentes no cesan, y El número de resultados obtenidos hasta la fecha es bastante optimista.
La combinación de sistemas óptico-electrónicos con medios radioelectrónicos, químicos, acústicos y otros, en presencia de nuevas herramientas informáticas con una velocidad muy alta de procesamiento de información multidimensional recibida de estos sistemas, permite resolver en tiempo real de manera bastante confiable. los problemas de detección, reconocimiento, clasificación e identificación de los más diversos objetos, es decir resolver estos problemas en interés de las unidades tácticas del ejército terrestre, la aviación y la marina.
Literatura.
1. Levshin V.L. Dispositivos óptico-electrónicos biocibernéticos para el reconocimiento automático de imágenes. – M.: Ingeniería mecánica, 1987.
2. Krasilnikov N.N., Shelepin Yu.E., Krasilnikova O.I. Modelo matemático de constancia del color del sistema visual humano. Revista Óptica, 2002, v. 69, núm. 5, pág. 38 – 44.
3. Teledetección: un enfoque cuantitativo/S.M. Davis, D.A. F. Swain y S. Davis. Por. del ingles – M.: Nedra, 1983.
4. Yakushenkov Yu.G. Teoría y cálculo de dispositivos óptico-electrónicos. Ed. 4to, revisado y adicional – M.: Logos, 1999.
5. Miroshnikov M.M. Fundamentos teóricos de los dispositivos óptico-electrónicos. Ed. 2do, reelaborado y adicional – L.: Ingeniería Mecánica, 1983.
6. McAulay A., Kadar I. Redes neuronales para el seguimiento adaptativo de formas.- SPIE Proc., vol.1408 (1991), p.p.l19 – 134.
7 MEZCLAR y combinar para una mejor visión/L.A.Chan, A.Colberg, S.Der et al. – Revista OE de SPIE, abril de 2002, p.p. 18 – 20.
8. Revista de Defensa Electrónica. – 1998, núm. 8, págs. 43 – 48.