Розробка обчислювального методу узгодженої фільтрації з аналітично заданим профілем змащеного цифрового зображення

Автор(и)

  • Сергій Васильович Хламов SoftServe, Україна https://orcid.org/0000-0001-9434-1081
  • Володимир Петрович Власенко Національний центр управління та випробувань космічних засобів, Україна https://orcid.org/0000-0001-8639-4415
  • Вадим Євгенович Саваневич Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-8840-8278
  • Олександр Борисович Брюховецький Національний центр управління та випробувань космічних засобів, Україна https://orcid.org/0000-0002-4550-5606
  • Тетяна Олегiвна Трунова Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0003-2689-2679
  • Віктор Федорович Челомбітько Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0002-6677-5883
  • Ірина Станіславівна Табакова Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-6629-4927

DOI:

https://doi.org/10.15587/1729-4061.2022.265309

Ключові слова:

узгоджений фільтр, передатна функція, МНК-оцінка, гауссіана, обробка зображення

Анотація

Розроблено обчислювальний метод узгодженої фільтрації з аналітично заданим профілем змащеного цифрового зображення об'єктів, що досліджуються, на цифрових кадрах. Подібні «змащені» об'єкти можуть бути наслідком мимовільного зсуву нерухомої камери, неправильного вибору режиму ведення телескопа (добове ведення або ведення об'єкта) або збою добового ведення.

Даний обчислювальний метод заснований на аналітичному виборі типової форми зображення об'єктів, а також на виборі спеціальних параметрів передавальної функції узгодженого фільтра для змащеного цифрового зображення, що дозволяє виконати оцінку необхідних параметрів змащеного цифрового зображення.

Також визначення кількості гауссіан зображення об'єкта дозволяє виконати найбільш точну оцінку початкового наближення параметрів їх форми. Таким чином, узгоджена фільтрація дозволяє виділяти об'єкти, що досліджуються, зі змащеним зображенням типової форми на тлі шуму підкладки. Використання обчислювального методу узгодженої фільтрації дозволяє покращити сегментацію зображення опорних об'єктів на кадрі і скоротити кількість помилкових виявлень.

Розроблений обчислювальний метод узгодженої фільтрації з аналітично заданим профілем змащеного цифрового зображення об'єктів, що досліджуються, на кадрах був апробований на практиці в рамках досліджень проекту CoLiTec. Він був впроваджений в блоці внутрішньокадрової обробки програмного комплексу оперативного автоматизованого виявлення нових і супроводу відомих об'єктів зі слабким блиском Lemur. Завдяки використанню програмного комплексу Lemur та впровадженого в нього запропонованого обчислювального методу було успішно оброблено та ототожнено понад 500 000 вимірювань різних об'єктів, що досліджуються

Біографії авторів

Сергій Васильович Хламов, SoftServe

Кандидат технічних наук, Test Automation Lead

Володимир Петрович Власенко, Національний центр управління та випробувань космічних засобів

Кандидат технічних наук

Центр космічних досліджень та зв’язку

Вадим Євгенович Саваневич, Харківський національний університет радіоелектроніки

Доктор технічних наук, професор

Кафедра системотехніки

Олександр Борисович Брюховецький, Національний центр управління та випробувань космічних засобів

Кандидат технічних наук

Західний центр радіотехничного спостереженння

Тетяна Олегiвна Трунова, Харківський національний університет радіоелектроніки

Інженер

Кафедра медіасистем та технологій

Віктор Федорович Челомбітько, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра медіасистем та технологій

Ірина Станіславівна Табакова, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра медіасистем та технологій

Посилання

  1. David, P. S., Miller, P. L. (2014). Defending Against Asteroids and Comets. Handbook of Cosmic Hazards and Planetary Defense. Springer. doi: https://doi.org/10.1007/978-3-319-03952-7_59
  2. Mykhailova, L., Savanevych, V., Sokovikova, N., Bezkrovniy, M., Khlamov, S., Pogorelov, A. (2014). Method of maximum likelihood estimation of compact group objects location on CCD-frame. Eastern-European Journal of Enterprise Technologies, 5 (4 (71)), 16–22. doi: https://doi.org/10.15587/1729-4061.2014.28028
  3. Savanevych, V. E., Khlamov, S. V., Akhmetov, V. S., Briukhovetskyi, A. B., Vlasenko, V. P., Dikov, E. N. et. al. (2022). CoLiTecVS software for the automated reduction of photometric observations in CCD-frames. Astronomy and Computing,40, 100605. doi: https://doi.org/10.1016/j.ascom.2022.100605
  4. Cavuoti, S., Brescia, M., Longo, G. (2012). Data mining and knowledge discovery resources for astronomy in the Web 2.0 age. SPIE Astronomical Telescopes and Instrumentation, Software and Cyberinfrastructure for Astronomy II, 8451. doi: https://doi.org/10.1117/12.925321
  5. 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. Elsevier, 57–102. doi: https://doi.org/10.1016/B978-0-12-819154-5.00015-1
  6. Zhang, Y., Zhao, Y., Cui, C. (2002). Data mining and knowledge discovery in database of astronomy. Progress in Astronomy, 20 (4).
  7. Khlamov, S., Savanevych, V. (2020). Big Astronomical Datasets and Discovery of New Celestial Bodies in the Solar System in Automated Mode by the CoLiTec Software. Knowledge Discovery in Big Data from Astronomy and Earth Observation, 331–345. doi: https://doi.org/10.1016/b978-0-12-819154-5.00030-8
  8. Khlamov, S., Savanevych, V., Briukhovetskyi, O., Oryshych, S. (2016). Development of computational method for detection of the object’s near-zero apparent motion on the series of ccd-frames. Eastern-European Journal of Enterprise Technologies, 2 (9 (80)), 41–48. doi: https://doi.org/10.15587/1729-4061.2016.65999
  9. Smith, G. E. (2010). The invention and early history of the CCD. Reviews of modern physics, 82 (3), 2307–2312. doi: https://doi.org/10.1103/RevModPhys.82.2307
  10. Kuz'min, S. Z. (2000). Tsifrovaya radiolokatsiya. Vvedenie v teoriyu. Kyiv: Izdatel'stvo KvіTs, 428.
  11. Klette, R. (2014). Concise computer vision. An Introduction into Theory and Algorithms. Springer, 429. doi: https://doi.org/10.1007/978-1-4471-6320-6
  12. Minaee, S., Boykov, Y. Y., Porikli, F., Plaza, A. J., Kehtarnavaz, N., Terzopoulos, D. (2021). Image Segmentation Using Deep Learning: A Survey. IEEE Transactions on Pattern Analysis and Machine Intelligence. doi: https://doi.org/10.1109/tpami.2021.3059968
  13. Akhmetov, V., Khlamov, S., Tabakova, I., Hernandez, W., Hipolito, J. I. N., Fedorov, P. (2019). New approach for pixelization of big astronomical data for machine vision purpose. IEEE 28th International Symposium on Industrial Electronics (ISIE). doi: https://doi.org/10.1109/isie.2019.8781270
  14. Bishop, C. M. (2013). Model-based machine learning. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 371 (1984), 20120222. doi: https://doi.org/10.1098/rsta.2012.0222
  15. Dadkhah, M., Lyashenko, V. V., Deineko, Z. V., Shamshirband, S., Jazi, M. D. (2019). Methodology of wavelet analysis in research of dynamics of phishing attacks. International Journal of Advanced Intelligence Paradigms, 12 (3/4), 220. doi: https://doi.org/10.1504/ijaip.2019.098561
  16. Steger, C., Ulrich, M., Wiedemann, C. (2018). Machine vision algorithms and applications. John Wiley & Sons, 516.
  17. Kobzar', A. I. (2006). Prikladnaya matematicheskaya statistika. Dlya inzhenerov i nauchnykh rabotnikov. Moscow: FIZMATLI, 816.
  18. Burger, W., Burge, M. (2009). Principles of digital image processing: core algorithms. Springer, 332. doi: https://doi.org/10.1007/978-1-84800-195-4
  19. Gonzalez, R., Woods, R. (2018). Digital image processing. Pearson.
  20. Rubin, B. (2015). Encyclopedia of Mathematics and its Application. Introduction to Radon transforms. With Elements of Fractional Calculus and Harmonic Analysis. Cambridge University Press, 596.
  21. Wang, J., Cai, D., Wen, Y. (2011). Comparison of matched filter and dechirp processing used in Linear Frequency Modulation. 2011 IEEE 2nd International Conference on Computing, Control and Industrial Engineering. doi: https://doi.org/10.1109/ccieng.2011.6008069
  22. Jorgensen, B. (1982). Statistical properties of the generalized inverse Gaussian distribution. Springer, 188. doi: https://doi.org/10.1007/978-1-4612-5698-4
  23. Lemur software. Available at: https://www.colitec.space
  24. Kashuba, S., Tsvetkov, M., Bazyey, N., Isaeva, E., Golovnia, V. (2018). The Simeiz plate collection of the ODESSA astronomical observatory. 11th Bulgarian-Serbian Astronomical Conference, 207–216. Available at: https://www.researchgate.net/publication/331386063_THE_SIMEIZ_PLATE_COLLECTION_OF_THE_ODESSA_ASTRONOMICAL_OBSERVATORY
  25. Molotov, I., Agapov, V., Kouprianov, V. et. al. (2009). ISON worldwide scientific optical network. Fifth European Conference on Space Debris. Available at: https://www.researchgate.net/publication/234251876_ISON_Worldwide_Scientific_Optical_Network
  26. Mingmuang, Y., Tummuangpak, P., Asanok, K., Jaroenjittichai, P. (2019). The mass distribution and the rotation curve of the Milky Way Galaxy using NARIT 4.5 m small radio telescope and the 2.3 m Onsala radio telescope. Journal of Physics: Conference Series, 1380 (1), 012028. doi: https://doi.org/10.1088/1742-6596/1380/1/012028
  27. Rao, K. R., Kim, D. N., Hwang, J.-J. (2010). Fast Fourier Transform - Algorithms and Applications. Springer, 426. doi: https://doi.org/10.1007/978-1-4020-6629-0
  28. Haynal, S., Haynal, H. (2011). Generating and searching families of FFT algorithms. Journal on Satisfiability, Boolean Modeling and Computation, 7 (4), 145–187. doi: https://doi.org/10.3233/sat190084
  29. Ivanov, M. T., Sergienko, A. B., Ushakov, V. N. (2021). Radiotekhnicheskie tsepi i signaly. Sankt-Peterburg: Piter, 336.
  30. Belov, L. A. (2021). Radioelektronika. Formirovanie stabil'nykh chastot i signalov. Moscow: Izdatel'stvo Yurayt, 268.
  31. Soyfer, V. A. (Ed.) (2003). Metody komp'yuternoy obrabotki izobrazheniy. Moscow: Fizmatlit, 784.
  32. Le, D.-H., Pham, C.-K., Nguyen, T. T. T., Bui, T. T. (2012). Parameter extraction and optimization using Levenberg-Marquardt algorithm. 2012 Fourth International Conference on Communications and Electronics (ICCE). doi: https://doi.org/10.1109/cce.2012.6315945
  33. Sergienko, A. B. (2011). Tsifrovaya obrabotka signalov. Sankt-Peterburg: BKhV-Peterburg, 768.
  34. Khlamov, S., Savanevych, V., Briukhovetskyi, O., Pohorelov, A., Vlasenko, V., Dikov, E. (2018). CoLiTec Software for the Astronomical Data Sets Processing. 2018 IEEE Second International Conference on Data Stream Mining & Processing (DSMP). doi: https://doi.org/10.1109/dsmp.2018.8478504
  35. Khlamov, S., Savanevych, V., Briukhovetskyi, O., Tabakova, I., Trunova, T. (2022). Data Mining of the Astronomical Images by the CoLiTec Software. CEUR Workshop Proceedings, 3171, 1043–1055. Available at: http://ceur-ws.org/Vol-3171/paper75.pdf
  36. Akhmetov, V., Khlamov, S., Khramtsov, V., Dmytrenko, A. (2019). Astrometric Reduction of the Wide-Field Images. Advances in Intelligent Systems and Computing, 896–909. doi: https://doi.org/10.1007/978-3-030-33695-0_58
  37. Akhmetov, V., Khlamov, S., Dmytrenko, A. (2018). Fast Coordinate Cross-Match Tool for Large Astronomical Catalogue. Advances in Intelligent Systems and Computing III, 3–16. doi: https://doi.org/10.1007/978-3-030-01069-0_1
  38. Akhmetov, V., Khlamov, S., Savanevych, V., Dikov, E. (2019). Cloud Computing Analysis of Indian ASAT Test on March 27, 2019. 2019 IEEE International Scientific-Practical Conference Problems of Infocommunications, Science and Technology (PIC S&T). doi: https://doi.org/10.1109/picst47496.2019.9061243
  39. Orbital height profile of MICROSAT-R. Available at: https://heavens-above.com/OrbitHeight.aspx?satid=43947&startMJD=58484.0
Розробка обчислювального методу узгодженої фільтрації з аналітично заданим профілем змащеного цифрового зображення

##submission.downloads##

Опубліковано

2022-10-30

Як цитувати

Хламов, С. В., Власенко, В. П., Саваневич, В. Є., Брюховецький, О. Б., Трунова, Т. О., Челомбітько, В. Ф., & Табакова, І. С. (2022). Розробка обчислювального методу узгодженої фільтрації з аналітично заданим профілем змащеного цифрового зображення. Eastern-European Journal of Enterprise Technologies, 5(4(119), 24–32. https://doi.org/10.15587/1729-4061.2022.265309

Номер

Том 5 № 4(119) (2022): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2022 Sergii Khlamov, Vladimir Vlasenko, Vadym Savanevych, Oleksandr Briukhovetskyi, Tetiana Trunova, Victor Chelombitko, Iryna Tabakova

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.