Розробка процедури швидкої медіанної фільтрації для вирівнювання шумової підложки цифрового кадру

Автор(и)

  • Володимир Петрович Власенко Національного центру управління та випробувань космічних засобів, Україна https://orcid.org/0000-0001-8639-4415
  • Сергій Васильович Хламов SoftServe, Україна https://orcid.org/0000-0001-9434-1081
  • Жанна Валентинівна Дейнеко Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0003-0175-4181
  • Ігор Вікторович Левикін Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-8086-237X
  • Ірина Станіславівна Табакова Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-6629-4927
  • Олексій Ігорович Хорошевський Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0002-6260-2045
  • Ірина Олександрівна Хорошевська Харківський національний економічний університет імені Семена Кузнеця, Україна https://orcid.org/0000-0001-8990-9891

DOI:

https://doi.org/10.15587/1729-4061.2025.324680

Ключові слова:

швидка медіанна фільтрація, гістограма яскравості, сортування, спотворення структури, астрономічне зображення

Анотація

Об'єктом дослідження є процес фільтрації астрономічних кадрів, які містять зображення об'єктів Сонячної системи. Для розпізнавання зображення об'єкта на контрасті з фоновою підкладкою кадру необхідно проводити фільтрацію зображення. Пропонується використовувати модифікацію медіанної фільтрації для зменшення динамічного діапазону фонової підкладки. Це призведе до підвищення відношення сигнал/шум всього зображення. Однак виявленим проблемним місцем кожного зображення під час фільтрації є спотворення структури та артефакти зображення. Тому для вирішення цієї проблеми було запропоновано процедуру швидкої медіанної фільтрації для їх усунення.

Запропоновано новий спосіб сортування яскравостей пікселів у вікні медіанного фільтра за допомогою гістограми. Для порівняння було обрано класичний медіанний фільтр з модифікацією, а саме з використанням швидкого сортування. Недоліком такої модифікації є той факт, що під час сортування щоразу використовуються всі пікселі, які потрапили до вікна медіанного фільтра. У той час як сортування за допомогою гістограми дозволяє додавати і прибирати в гістограмі тільки значення пікселів, які з'являються при зсуві вікна.

Розроблену процедуру швидкої медіанної фільтрації було апробовано на практиці в рамках проекту CoLiTec. Вона була запроваджена на етапі внутрішньокадрової обробки програмного забезпечення Lemur.

Дослідження показало, що застосування процедури швидкої медіанної фільтрації дозволяє прибрати структурні спотворення та артефакти зображення, що призводить до збільшення відношення сигнал/шум у 3–5 разів. Також завдяки сортуванню за допомогою гістограми скоротилася кількість порівнянь у вікні медіанного фільтра у 4–30 разів залежно від розміру вікна. Як наслідок, це призвело до зменшення часу обчислень у 3–9 разів

Біографії авторів

Володимир Петрович Власенко, Національного центру управління та випробувань космічних засобів

Кандидат технічних наук

Центр космічних досліджень та зв’язку

Сергій Васильович Хламов, SoftServe

Кандидат технічних наук, лідер з автоматизованого тестування

Жанна Валентинівна Дейнеко, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра медіасистем та технологій

Ігор Вікторович Левикін, Харківський національний університет радіоелектроніки

Доктор технічних наук, професор

Кафедра медіасистем та технологій

Ірина Станіславівна Табакова, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра медіасистем та технологій

Олексій Ігорович Хорошевський, Харківський національний університет радіоелектроніки

Кандидат технічних наук, старший викладач

Кафедра медіасистем та технологій

Ірина Олександрівна Хорошевська, Харківський національний економічний університет імені Семена Кузнеця

Кандидат економічних наук, доцент

Кафедра мультимедійних систем і технологій

Посилання

  1. Wheeler, L., Dotson, J., Aftosmis, M., Coates, A., Chomette, G., Mathias, D. (2024). Risk assessment for asteroid impact threat scenarios. Acta Astronautica, 216, 468–487. https://doi.org/10.1016/j.actaastro.2023.12.049
  2. Troianskyi, V., Kankiewicz, P., Oszkiewicz, D. (2023). Dynamical evolution of basaltic asteroids outside the Vesta family in the inner main belt. Astronomy & Astrophysics, 672, A97. https://doi.org/10.1051/0004-6361/202245678
  3. Troianskyi, V., Godunova, V., Serebryanskiy, A., Aimanova, G., Franco, L., Marchini, A. et al. (2024). Optical observations of the potentially hazardous asteroid (4660) Nereus at opposition 2021. Icarus, 420, 116146. https://doi.org/10.1016/j.icarus.2024.116146
  4. Khalil, M., Said, M., Osman, H., Ahmed, B., Ahmed, D., Younis, N. et al. (2019). Big data in astronomy: from evolution to revolution. International Journal of Advanced Astronomy, 7 (1), 11–14. https://doi.org/10.14419/ijaa.v7i1.18029
  5. Adam, G. K., Kontaxis, P. A., Doulos, L. T., Madias, E.-N. D., Bouroussis, C. A., Topalis, F. V. (2019). Embedded Microcontroller with a CCD Camera as a Digital Lighting Control System. Electronics, 8 (1), 33. https://doi.org/10.3390/electronics8010033
  6. Vavilova, I., Pakuliak, L., Babyk, I., Elyiv, A., Dobrycheva, D., Melnyk, O. (2020). Surveys, Catalogues, Databases, and Archives of Astronomical Data. Knowledge Discovery in Big Data from Astronomy and Earth Observation, 57–102. https://doi.org/10.1016/b978-0-12-819154-5.00015-1
  7. Zhang, Y., Zhao, Y., Cui, C. (2002). Data mining and knowledge discovery in database of astronomy. Progress in Astronomy, 20 (4), 312–323.
  8. Chalyi, S., Levykin, I., Biziuk, A., Vovk, A., Bogatov, I. (2020). Development of the technology for changing the sequence of access to shared resources of business processes for process management support. Eastern-European Journal of Enterprise Technologies, 2 (3 (104)), 22–29. https://doi.org/10.15587/1729-4061.2020.198527
  9. Khlamov, S., Savanevych, V., Tabakova, I., Trunova, T. (2022). The astronomical object recognition and its near-zero motion detection in series of images by in situ modeling. 2022 29th International Conference on Systems, Signals and Image Processing (IWSSIP), 1–4. https://doi.org/10.1109/iwssip55020.2022.9854475
  10. Oszkiewicz, D., Troianskyi, V., Galád, A., Hanuš, J., Ďurech, J., Wilawer, E. et al. (2023). Spins and shapes of basaltic asteroids and the missing mantle problem. Icarus, 397, 115520. https://doi.org/10.1016/j.icarus.2023.115520
  11. Savanevych, V., Khlamov, S., Briukhovetskyi, O., Trunova, T., Tabakova, I. (2023). Mathematical Methods for an Accurate Navigation of the Robotic Telescopes. Mathematics, 11 (10), 2246. https://doi.org/10.3390/math11102246
  12. Bellanger, M. (2024). Digital Signal Processing: Theory and Practice. John Wiley & Sons. https://doi.org/10.1002/9781394182695
  13. Vlasenko, V., Khlamov, S., Savanevych, V., Trunova, T., Deineko, Z., Tabakova, I. (2024). Development of a procedure for fragmenting astronomical frames to accelerate high frequency filtering. Eastern-European Journal of Enterprise Technologies, 3 (9 (129)), 70–77. https://doi.org/10.15587/1729-4061.2024.306227
  14. Chen, S., Feng, H., Pan, D., Xu, Z., Li, Q., Chen, Y. (2021). Optical Aberrations Correction in Postprocessing Using Imaging Simulation. ACM Transactions on Graphics, 40 (5), 1–15. https://doi.org/10.1145/3474088
  15. Al-Sharo, Y. M., Abu-Jassar, A. T., Sotnik, S., Lyashenko, V. (2021). Neural Networks As A Tool For Pattern Recognition of Fasteners. International Journal of Engineering Trends and Technology, 69 (10), 151–160. https://doi.org/10.14445/22315381/ijett-v69i10p219
  16. Khlamov, S., Savanevych, V., Vlasenko, V., Briukhovetskyi, O., Trunova, T., Levykin, I. et al. (2023). Development of the matched filtration of a blurred digital image using its typical form. Eastern-European Journal of Enterprise Technologies, 1 (9 (121)), 62–71. https://doi.org/10.15587/1729-4061.2023.273674
  17. Burger, W., Burge, M. J. (2022). Digital Image Processing. In Texts in Computer Science. Springer International Publishing. https://doi.org/10.1007/978-3-031-05744-1
  18. Khlamov, S., Tabakova, I., Trunova, T. (2022). Recognition of the astronomical images using the Sobel filter. 2022 29th International Conference on Systems, Signals and Image Processing (IWSSIP), 1–4. https://doi.org/10.1109/iwssip55020.2022.9854425
  19. Vlasenko, V., Khlamov, S., Savanevych, V. (2024). Devising a procedure for the brightness alignment of astronomical frames background by a high frequency filtration to improve accuracy of the brightness estimation of objects. Eastern-European Journal of Enterprise Technologies, 2 (2 (128)), 31–38. https://doi.org/10.15587/1729-4061.2024.301327
  20. Dougherty, E. R. (2020). Digital Image Processing Methods. CRC Press. https://doi.org/10.1201/9781003067054
  21. Abdikerimova, G., Yessenova, M., Yerzhanova, A., Manbetova, Z., Murzabekova, G., Kaibassova, D. et al. (2023). Applying textural Law’s masks to images using machine learning. International Journal of Electrical and Computer Engineering (IJECE), 13 (5), 5569. https://doi.org/10.11591/ijece.v13i5.pp5569-5575
  22. Azhibekova, Z., Bekbayeva, R., Yussupova, G., Kaibassova, D., Ostretsova, I., Muratbekova, S. et al. (2024). Using deep learning to diagnose retinal diseases through medical image analysis. International Journal of Electrical and Computer Engineering (IJECE), 14 (6), 6455. https://doi.org/10.11591/ijece.v14i6.pp6455-6465
  23. Halachev, P. (2021). Application of artificial neural networks for prediction of business indicators. Mathematical Modeling, 5 (4), 141–144. Available at: https://stumejournals.com/journals/mm/2021/4/141
  24. Turarova, M., Bekbayeva, R., Abdykerimova, L., Aitimov, M., Bayegizova, A., Smailova, U. et al. (2024). Generating images using generative adversarial networks based on text descriptions. International Journal of Electrical and Computer Engineering (IJECE), 14 (2), 2014. https://doi.org/10.11591/ijece.v14i2.pp2014-2023
  25. Gonzalez, R., Woods, R. (2018). Digital image processing. Pearson. Available at: https://dl.icdst.org/pdfs/files4/01c56e081202b62bd7d3b4f8545775fb.pdf
  26. Shvedun, V. O., Khlamov, S. V. (2016). Statistical modeling for determination of perspective number of advertising legislation violations. Actual Problems of Economics, 184 (10), 389–396.
  27. Troianskyi, V., Kashuba, V., Bazyey, O., Okhotko, H., Savanevych, V., Khlamov, S., Briukhovetskyi, A. (2023). First reported observation of asteroids 2017 AB8, 2017 QX33, and 2017 RV12. Contributions of the Astronomical Observatory Skalnaté Pleso, 53 (2). https://doi.org/10.31577/caosp.2023.53.2.5
  28. Khlamov, S., Savanevych, V., Briukhovetskyi, O., Trunova, T. (2023). Big Data Analysis in Astronomy by the Lemur Software. 2023 IEEE International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo), 5–8. https://doi.org/10.1109/ukrmico61577.2023.10380398
  29. Khlamov, S., Savanevych, V., Tabakova, I., Kartashov, V., Trunova, T., Kolendovska, M. (2024). Machine Vision for Astronomical Images using The Modern Image Processing Algorithms Implemented in the CoLiTec Software. Measurements and Instrumentation for Machine Vision, 269–310. https://doi.org/10.1201/9781003343783-12
  30. Khlamov, S., Savanevych, V., Briukhovetskyi, O., Tabakova, I., Trunova, T. (2022). Astronomical Knowledge Discovery in Databases by the CoLiTec Software. 2022 12th International Conference on Advanced Computer Information Technologies (ACIT), 583–586. https://doi.org/10.1109/acit54803.2022.9913188
Розробка процедури швидкої медіанної фільтрації для вирівнювання шумової підложки цифрового кадру

##submission.downloads##

Опубліковано

2025-04-22

Як цитувати

Власенко, В. П., Хламов, С. В., Дейнеко, Ж. В., Левикін, І. В., Табакова, І. С., Хорошевський, О. І., & Хорошевська, І. О. (2025). Розробка процедури швидкої медіанної фільтрації для вирівнювання шумової підложки цифрового кадру. Eastern-European Journal of Enterprise Technologies, 2(2 (134), 39–46. https://doi.org/10.15587/1729-4061.2025.324680

Номер

Том 2 № 2 (134) (2025): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2025 Vladimir Vlasenko, Sergii Khlamov, Zhanna Deineko, Ihor Levykin, Iryna Tabakova, Oleksii Khoroshevskyi, Iryna Khoroshevska

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.