Удосконалення методу оперативного визначення ділянки фантомізаціі на зображенні з космічної системи радіолокаційного спостереження

Автор(и)

  • Геннадій Володимирович Худов Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-3311-2848
  • Олександр Миколайович Маковейчук Міжнародний науково-технічний університет імені академіка Юрія Бугая, Україна https://orcid.org/0000-0003-4425-016X
  • Ірина Анатоліївна Хижняк Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0003-3431-7631
  • Дмитро Олександрович Гур’єв Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-2469-0865
  • Анатолій Владиславович Попов Національний аерокосмічний університет «Харківський авіаційний інститут», Україна https://orcid.org/0000-0003-0715-3870
  • Сергій Володимирович Олійник Національний аерокосмічний університет «Харківський авіаційний інститут», Україна https://orcid.org/0000-0001-6073-8531
  • Павло Петрович Малашта Національний аерокосмічний університет «Харківський авіаційний інститут», Україна https://orcid.org/0009-0000-2652-1507
  • Ярослав Дмитрович Сидоров Національний аерокосмічний університет «Харківський авіаційний інститут», Україна https://orcid.org/0009-0002-4088-2127
  • Олександр Васильович Рогуля Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-5338-8083
  • Максим Миколайович Адамчук Національна академія Національної гвардії України, Україна https://orcid.org/0000-0001-9979-5509

DOI:

https://doi.org/10.15587/1729-4061.2025.347659

Ключові слова:

космічна система радіолокаційного спостереження, ділянка фантомізації, помилка першого, другого роду

Анотація

Об’єктом дослідження є процес визначення ділянки фантомізаціі на зображенні з космічної системи радіолокаційного спостереження. Основна гіпотеза дослідження полягала в тому, що удосконалення методу визначення ділянки фантомізаціі дозволить зменшити помилки обробки зображення першого та другого роду.

Удосконалено метод оперативного визначення ділянки фантомізаціі на зображенні з космічної системи радіолокаційного спостереження, в якому, на відміну від відомих,

– радіолокаційне зображення представлено у вигляді двомірного масиву пікселів, інтенсивність яких визначається амплітудою радіолокаційного сигналу в градаціях сірого;

– проводиться мінімізація впливу спекл-шуму за допомогою згортання з гаусовським фільтром;

– проводиться вирівнюванні гістограми зображення з метою підвищення контрасту;

– проводиться виділення границь на зображенні градієнтним оператором;

– область з виділеними границями з об’єктами інтересу визначається як ділянка фантомізації на зображенні з космічної системи радіолокаційного спостереження.

Проведено експериментальне дослідження щодо оперативного визначення ділянки фантомізаціі на зображенні з космічної системи радіолокаційного спостереження. На зображенні з космічної системи радіолокаційного спостереження виділені ділянки фантомізації, на яких розташовані об’єкти інтересу. На заключному етапі удосконаленого методу для виділення границь розглянуто оператори Собеля, Прюітта та Робертса. Вибір на заключному етапі для виділення границь оператору Робертса дозволив:

– знизити помилки обробки першого роду: на 2,64% у порівнянні з застосуванням оператору Собеля, на 5,66% у порівнянні з оператором Прюітта;

– знизити помилки обробки другого роду: на 2,4% у порівнянні з оператором Собеля;,на 4,26% у порівнянні з оператором Прюітта

Біографії авторів

Геннадій Володимирович Худов, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Доктор технічних наук, професор, начальник кафедри

Кафедра тактики радіотехнічних військ

Олександр Миколайович Маковейчук, Міжнародний науково-технічний університет імені академіка Юрія Бугая

Доктор технічних наук, доцент

Кафедра комп’ютерних наук та інженерії програмного забезпечення

Ірина Анатоліївна Хижняк, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Доктор технічних наук

Науково-методичний відділ забезпечення якості освітньої діяльності та вищої освіти

Дмитро Олександрович Гур’єв, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Доктор філософії (PhD), доцент

Кафедра підготовки офіцерів запасу за контрактом

Анатолій Владиславович Попов, Національний аерокосмічний університет «Харківський авіаційний інститут»

Доктор технічних наук, доцент

Кафедра аерокосмічних радіоелектронних систем

Сергій Володимирович Олійник, Національний аерокосмічний університет «Харківський авіаційний інститут»

Доктор технічних наук, доцент

Кафедра аерокосмічних радіоелектронних систем

Павло Петрович Малашта, Національний аерокосмічний університет «Харківський авіаційний інститут»

Аспірант

Кафедри аерокосмічних радіоелектронних систем

Ярослав Дмитрович Сидоров, Національний аерокосмічний університет «Харківський авіаційний інститут»

Аспірант

Кафедра аерокосмічних радіоелектронних систем

Олександр Васильович Рогуля, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Провідний науковий співробітник

Науково-дослідний відділ наукового центру Повітряних Сил

Максим Миколайович Адамчук, Національна академія Національної гвардії України

Кандидат військових наук, начальник кафедри

Кафедра державної безпеки та управління

Посилання

  1. Amitrano, D., Di Martino, G., Di Simone, A., Imperatore, P. (2024). Flood Detection with SAR: A Review of Techniques and Datasets. Remote Sensing, 16 (4), 656. https://doi.org/10.3390/rs16040656
  2. Pavlikov, V., Zhyla, S., Pozdniakov, P., Kolesnikov, D., Cherepnin, H., Shmatko, O. et al. (2024). Foundations of radar synthesis theory of phantom objects formation in SAR images. Radioelectronic and Computer Systems, 2024 (4), 123–140. https://doi.org/10.32620/reks.2024.4.11
  3. Hrushko, O., Zhytar, D., Ilkiv, E., Hrynishak, M., Kukhtar, D. (2025). Geospatial Analysis of War-Affected Areas in Ukraine Based on SAR and GIS Technologies. 18th International Conference Monitoring of Geological Processes and Ecological Condition of the Environment, 1–5. https://doi.org/10.3997/2214-4609.2025510159
  4. Al-Bayati, M., El-Zaart, A. (2013). Automatic Thresholding Techniques for SAR Images. Computer Science & Information Technology (CS & IT), 75–84. https://doi.org/10.5121/csit.2013.3308
  5. Tan, J., Tang, Y., Liu, B., Zhao, G., Mu, Y., Sun, M., Wang, B. (2023). A Self-Adaptive Thresholding Approach for Automatic Water Extraction Using Sentinel-1 SAR Imagery Based on OTSU Algorithm and Distance Block. Remote Sensing, 15 (10), 2690. https://doi.org/10.3390/rs15102690
  6. Hillebrand, F. L., Prieto, J. D., Mendes Júnior, C. W., Arigony-Neto, J., Simões, J. C. (2024). Gray Level Co-occurrence Matrix textural analysis for temporal mapping of sea ice in Sentinel-1A SAR images. Anais Da Academia Brasileira de Ciências, 96 (2). https://doi.org/10.1590/0001-3765202420240554
  7. Anusha, N., Vasanth, K., Masurkar, S. P. (2024). Automated Extraction of Textural Features From Segmented Sentinel-1ASynthetic Aperture Radar Satellite Image Using Grey Level Co-Occurrence Matrix. Procedia Computer Science, 235, 2124–2134. https://doi.org/10.1016/j.procs.2024.04.201
  8. Zhai, Y., Liu, K., Piuri, V., Ying, Z., Xu, Y. (2016). SAR automatic target recognition based on K-means and data augmentation. Proceedings of the 2016 International Conference on Intelligent Information Processing, 1–6. https://doi.org/10.1145/3028842.3028894
  9. Chen, Z., Cong, B., Hua, Z., Cengiz, K., Shabaz, M. (2021). Application of clustering algorithm in complex landscape farmland synthetic aperture radar image segmentation. Journal of Intelligent Systems, 30 (1), 1014–1025. https://doi.org/10.1515/jisys-2021-0096
  10. Qin, J., Liu, Z., Ran, L., Xie, R., Tang, J., Zhu, H. (2023). An SAR Image Automatic Target Recognition Method Based on the Scattering Parameter Gaussian Mixture Model. Remote Sensing, 15 (15), 3800. https://doi.org/10.3390/rs15153800
  11. Ma, F., Gao, F., Sun, J., Zhou, H., Hussain, A. (2019). Weakly Supervised Segmentation of SAR Imagery Using Superpixel and Hierarchically Adversarial CRF. Remote Sensing, 11 (5), 512. https://doi.org/10.3390/rs11050512
  12. Yin, J., Liu, X., Yang, J., Chu, C.-Y., Chang, Y.-L. (2020). PolSAR Image Classification Based on Statistical Distribution and MRF. Remote Sensing, 12 (6), 1027. https://doi.org/10.3390/rs12061027
  13. Hu, G. C., Zhao, Q. H. (2017). G0-WISHART distribution based classification from polarimetric sar images. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-2/W4, 451–455. https://doi.org/10.5194/isprs-annals-iv-2-w4-451-2017
  14. Carvalho, E. A., Ushizima, D. M., Medeiros, F. N. S., Martins, C. I. O., Marques, R. C. P., Oliveira, I. N. S. (2010). SAR imagery segmentation by statistical region growing and hierarchical merging. Digital Signal Processing, 20 (5), 1365–1378. https://doi.org/10.1016/j.dsp.2009.10.014
  15. Guo, Z., Wu, L., Huang, Y., Guo, Z., Zhao, J., Li, N. (2022). Water-Body Segmentation for SAR Images: Past, Current, and Future. Remote Sensing, 14 (7), 1752. https://doi.org/10.3390/rs14071752
  16. Bao, L., Lv, X., Yao, J. (2021). Water Extraction in SAR Images Using Features Analysis and Dual-Threshold Graph Cut Model. Remote Sensing, 13 (17), 3465. https://doi.org/10.3390/rs13173465
  17. Li, M., Zou, H., Qin, X., Dong, Z., Sun, L., Wei, J. (2023). Superpixel Generation for Polarimetric SAR Images with Adaptive Size Estimation and Determinant Ratio Test Distance. Remote Sensing, 15 (4), 1123. https://doi.org/10.3390/rs15041123
  18. Li, K., Zhang, M., Xu, M., Tang, R., Wang, L., Wang, H. (2022). Ship Detection in SAR Images Based on Feature Enhancement Swin Transformer and Adjacent Feature Fusion. Remote Sensing, 14 (13), 3186. https://doi.org/10.3390/rs14133186
  19. Zhao, K., Lu, R., Wang, S., Yang, X., Li, Q., Fan, J. (2023). ST-YOLOA: a Swin-transformer-based YOLO model with an attention mechanism for SAR ship detection under complex background. Frontiers in Neurorobotics, 17. https://doi.org/10.3389/fnbot.2023.1170163
  20. Dewi, N. P. K., Suputra, P. H., Paramartha, A. A. G. Y., Dewi, L. J. E., Varnakovida, P., Aryanto, K. Y. E. (2025). River Area Segmentation Using Sentinel-1 SAR Imagery with Deep-Learning Approach. Geomatics and Environmental Engineering, 19 (4), 39–63. https://doi.org/10.7494/geom.2025.19.4.39
  21. Ruban, I., Makoveichuk, O., Khudov, V., Khudov, H., Khizhnyak, I., Yuzova, I., Drob, Y. (2019). The Method for Selecting the Urban Infrastructure Objects Contours. 2019 IEEE International Scientific-Practical Conference Problems of Infocommunications, Science and Technology (PIC S&T), 689–693. https://doi.org/10.1109/picst47496.2019.9061267
  22. Ruban, I., Khudov, H., Makoveichuk, O., Khudov, V., Kalimulin, T., Glukhov, S. et al. (2022). Methods of UAVs images segmentation based on k-means and a genetic algorithm. Eastern-European Journal of Enterprise Technologies, 4 (9 (118)), 30–40. https://doi.org/10.15587/1729-4061.2022.263387
  23. Khudov, H., Makoveichuk, O., Khizhnyak, I., Shamrai, B., Glukhov, S., Lunov, O. et al. (2022). The Method for Determining Informative Zones on Images from On-Board Surveillance Systems. International Journal of Emerging Technology and Advanced Engineering, 12 (8), 61–69. https://doi.org/10.46338/ijetae0822_08
  24. Khudov, H., Khudov, R., Khizhnyak, I., Hridasov, I., Hlushchenko, P. (2025). The small aerial objects segmentation method on optical-electronic images based on the sobel edge detector. Advanced Information Systems, 9 (2), 5–10. https://doi.org/10.20998/2522-9052.2025.2.01
  25. Rafael, C., Gonzalez, R. E. W. (2002). Digital Image Processing. Prentice Hall, 793. Available at: https://www.amazon.com/Digital-Image-Processing-Rafael-Gonzalez/dp/0201180758
  26. Sentinel-1. Available at: https://sentinels.copernicus.eu/copernicus/sentinel-1
Удосконалення методу оперативного визначення ділянки фантомізаціі на зображенні з космічної системи радіолокаційного спостереження

##submission.downloads##

Опубліковано

2025-12-30

Як цитувати

Худов, Г. В., Маковейчук, О. М., Хижняк, І. А., Гур’єв, Д. О., Попов, А. В., Олійник, С. В., Малашта, П. П., Сидоров, Я. Д., Рогуля, О. В., & Адамчук, М. М. (2025). Удосконалення методу оперативного визначення ділянки фантомізаціі на зображенні з космічної системи радіолокаційного спостереження. Eastern-European Journal of Enterprise Technologies, 6(9 (138), 67–76. https://doi.org/10.15587/1729-4061.2025.347659

Номер

Том 6 № 9 (138) (2025): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2025 Hennadii Khudov, Oleksandr Makoveichuk, Irina Khizhnyak, Dmytro Huriev, Anatoliy Popov, Serhii Oliynick, Pavlo Malashta, Yaroslav Sydorov, Оlexandr Rohulia, Maksym Adamchuk

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.