Розробка узгодженої фільтрації змащеного цифрового зображення з використанням його типової форми

Автор(и)

  • Сергій Васильович Хламов SoftServe, Україна https://orcid.org/0000-0001-9434-1081
  • Вадим Євгенович Саваневич Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-8840-8278
  • Володимир Петрович Власенко Національний центр управління та випробувань космічних засобів, Україна https://orcid.org/0000-0001-8639-4415
  • 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
  • Ігор Вікторович Левикін Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-8086-237X
  • Вікторія Олександрівна Шведун Національний університет цивільного захисту України, Україна https://orcid.org/0000-0002-5170-4222
  • Ірина Станіславівна Табакова Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-6629-4927

DOI:

https://doi.org/10.15587/1729-4061.2023.273674

Ключові слова:

обробка зображення, змащене зображення, узгоджений фільтр, передатна функція, МНК-оцінка параметрів

Анотація

Поява «змащених» цифрових зображень є наслідком порушення нерухомості камери під час зйомки об'єктів, що досліджуються. Для цього було розроблено методику узгодженої фільтрації змащеного цифрового зображення об'єкта з використанням його типової форми зображення на серії кадрів.

Дана методика заснована на автоматизованому формуванні типової форми цифрового зображення, а також на виборі спеціальних параметрів передавальної функції узгодженого фільтра. Адаптація методики саме під типову форму дозволяє виконати більш точну оцінку необхідних параметрів змащеного цифрового зображення у порівнянні з аналітично заданим профілем.

Формування типової форми дозволяє врахувати особливості самого формування змащеного зображення на кожному кадрі початкової серії. Базуючись на цьому, виконується більш точна оцінка початкового наближення параметрів усіх гауссіан зображення об'єкта. На практиці узгоджена фільтрація дозволяє виділяти змащені зображення об’єктів на тлі шуму підкладки. Також використання методики узгодженої фільтрації дозволяє покращити сегментацію зображень опорних об'єктів та скоротити кількість помилкових виявлень.

Розроблена методика узгодженої фільтрації змащеного цифрового зображення об'єктів з використанням його типової форми була апробована на практиці в рамках досліджень проекту CoLiTec. Вона була впроваджена в блоці внутрішньокадрової обробки програмного забезпечення Lemur для автоматизованого виявлення нових та супроводу відомих об'єктів. Завдяки використанню програмного забезпечення Lemur та впровадженого в нього запропонованого обчислювального методу було успішно оброблено та ототожнено понад 700 000 вимірювань різних об'єктів, що досліджуються

Біографії авторів

Сергій Васильович Хламов, SoftServe

Кандидат технічних наук, Test Automation Lead

Вадим Євгенович Саваневич, Харківський національний університет радіоелектроніки

Доктор технічних наук, професор

Кафедра системотехніки

Володимир Петрович Власенко, Національний центр управління та випробувань космічних засобів

Кандидат технічних наук

Центр космічних досліджень та зв’язку

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, асистент

Кафедра медіасистем та технологій

Ігор Вікторович Левикін, Харківський національний університет радіоелектроніки

Доктор технічних наук, доцент

Кафедра медіасистем та технологій

Вікторія Олександрівна Шведун, Національний університет цивільного захисту України

Доктор наук з державного управління, професор, начальник наукового відділу

Науковий відділ з проблем управління у сфері цивільного захисту

Ірина Станіславівна Табакова, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра медіасистем та технологій

Посилання

  1. Dearborn, D. P. S., Miller, P. L. (2014). Defending Against Asteroids and Comets. Handbook of Cosmic Hazards and Planetary Defense, 1–18. doi: https://doi.org/10.1007/978-3-319-02847-7_59-1
  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)), 16–21. 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. 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
  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, 57–102. doi: https://doi.org/10.1016/b978-0-12-819154-5.00015-1
  6. Cavuoti, S., Brescia, M., Longo, G. (2012). Data mining and knowledge discovery resources for astronomy in the web 2.0 age. Software and Cyberinfrastructure for Astronomy II. doi: https://doi.org/10.1117/12.925321
  7. 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. doi: https://doi.org/10.15587/1729-4061.2020.198527
  8. 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
  9. Smith, G. E. (2010). Nobel Lecture: 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. 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
  11. Kuz'min, S. Z. (2000). Tsifrovaya radiolokatsiya. Vvedenie v teoriyu. Kyiv: Izdatel'stvo KvіTS, 428.
  12. 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
  13. Kirichenko, L., Zinchenko, P., Radivilova, T. (2020). Classification of Time Realizations Using Machine Learning Recognition of Recurrence Plots. Lecture Notes in Computational Intelligence and Decision Making, 687–696. doi: https://doi.org/10.1007/978-3-030-54215-3_44
  14. 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
  15. Belov, L. A. (2021). Radioelektronika. Formirovanie stabil'nykh chastot i signalov. Moscow: Izdatel'stvo Yurayt, 268.
  16. 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
  17. Akhmetov, V., Khlamov, S., Tabakova, I., Hernandez, W., Nieto Hipolito, J. I., Fedorov, P. (2019). New approach for pixelization of big astronomical data for machine vision purpose. 2019 IEEE 28th International Symposium on Industrial Electronics (ISIE). doi: https://doi.org/10.1109/isie.2019.8781270
  18. 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, 44 (7). doi: https://doi.org/10.1109/tpami.2021.3059968
  19. 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
  20. Kirichenko, L., Saif, A., Radivilova, T. (2020). Generalized Approach to Analysis of Multifractal Properties from Short Time Series. International Journal of Advanced Computer Science and Applications, 11 (5). doi: https://doi.org/10.14569/ijacsa.2020.0110527
  21. Burger, W., Burge, M. (2010). Principles of digital image processing: core algorithms. Springer, 332. doi: https://doi.org/10.1007/978-1-84800-195-4
  22. Steger, C., Ulrich, M., Wiedemann, C. (2018). Machine vision algorithms and applications. John Wiley & Sons, 516.
  23. Soyfer, V. A. (Ed.) (2003). Metody komp'yuternoy obrabotki izobrazheniy. Moscow: Fizmatlit, 784.
  24. Rubin, B. (2015). Introduction to Radon transforms. With Elements of Fractional Calculus and Harmonic Analysis. Encyclopedia of Mathematics and its Applications. Cambridge University Press, 596.
  25. 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
  26. Jorgensen, B. (2012). Statistical properties of the generalized inverse Gaussian distribution. Springer, 188. doi: https://doi.org/10.1007/978-1-4612-5698-4
  27. Khlamov, S., Vlasenko, V., Savanevych, V., Briukhovetskyi, O., Trunova, T., Chelombitko, V., Tabakova, I. (2022). Development of computational method for matched filtration with analytical profile of the blurred digital image. Eastern-European Journal of Enterprise Technologies, 5 (4 (119)), 24–32. doi: https://doi.org/10.15587/1729-4061.2022.26530
  28. Savanevych, V., Khlamov, S., Vlasenko, V., Deineko, Z., Briukhovetskyi, O., Tabakova, I., Trunova, T. (2022). Formation of a typical form of an object image in a series of digital frames. Eastern-European Journal of Enterprise Technologies, 6 (2 (120)), 51–59. doi: https://doi.org/10.15587/1729-4061.2022.266988
  29. Lemur software. CoLiTec. Available at: https://colitec.space/
  30. 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
  31. Kashuba, S., Tsvetkov, M., Bazyey, N., Isaeva, E., Golovnia, V. (2018). The Simeiz plate collection of the ODESSA astronomical observatory. Proceedings of the XI Bulgarian-Serbian Astronomical Conference, 207–216.
  32. Parimucha, Š., Savanevych, V. E., Briukhovetskyi, O. B., Khlamov, S. V., Pohorelov, A. V., Vlasenko, V. P. et al. (2019). CoLiTecVS - A new tool for an automated reduction of photometric observations. Contributions of the Astronomical Observatory Skalnate Pleso, 49 (2), 151–153. Available at: https://www.ta3.sk/caosp/Eedition/FullTexts/vol49no2/pp151-153.pdf
  33. 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
  34. Sergienko, A. B. (2011). Tsifrovaya obrabotka signalov. Sankt-Peterburg: BKhV-Peterburg, 768.
  35. Kobzar', A. I. (2006). Prikladnaya matematicheskaya statistika. Dlya inzhenerov i nauchnykh rabotnikov. Moscow: FIZMATLI, 816.
  36. 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
  37. Gonzalez, R., Woods, R. (2018). Digital image processing. New York, NY: Pearson, 1168.
  38. Ivanov, M. T., Sergienko, A. B., Ushakov, V. N. (2021). Radiotekhnicheskie tsepi i signaly. Sankt-Peterburg: Piter, 336.
  39. 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.
  40. Zhang, Y., Zhao, Y., Cui, C. (2002). Data mining and knowledge discovery in database of astronomy. Progress in Astronomy, 20 (4), 312–323.
  41. 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
  42. Buslov, P., Shvedun, V., Streltsov, V. (2018). Modern Tendencies of Data Protection in the Corporate Systems of Information Consolidation. 2018 International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T). doi: https://doi.org/10.1109/infocommst.2018.8632089
  43. Рetrychenko, A., Levykin, I., Iuriev, I. (2021). Improving a method for selecting information technology services. Eastern-European Journal of Enterprise Technologies, 2 (2 (110)), 32–43. doi: https://doi.org/10.15587/1729-4061.2021.229983
  44. Baranova, V., Zeleniy, O., Deineko, Z., Bielcheva, G., Lyashenko, V. (2019). Wavelet Coherence as a Tool for Studying of Economic Dynamics in Infocommunication Systems. 2019 IEEE International Scientific-Practical Conference Problems of Infocommunications, Science and Technology (PIC S&T). doi: https://doi.org/10.1109/picst47496.2019.9061301
  45. Dombrovska, S., Shvedun, V., Streltsov, V., Husarov, K. (2018). The prospects of integration of the advertising market of Ukraine into the global advertising business. Problems and Perspectives in Management, 16 (2), 321–330. doi: https://doi.org/10.21511/ppm.16(2).2018.29
Розробка узгодженої фільтрації змащеного цифрового зображення з використанням його типової форми

##submission.downloads##

Опубліковано

2023-02-28

Як цитувати

Хламов, С. В., Саваневич, В. Є., Власенко, В. П., Брюховецький, О. Б., Трунова, Т. О., Левикін, І. В., Шведун, В. О., & Табакова, І. С. (2023). Розробка узгодженої фільтрації змащеного цифрового зображення з використанням його типової форми. Eastern-European Journal of Enterprise Technologies, 1(9 (121), 62–71. https://doi.org/10.15587/1729-4061.2023.273674

Номер

Том 1 № 9 (121) (2023): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2023 Sergii Khlamov, Vadym Savanevych, Vladimir Vlasenko, Oleksandr Briukhovetskyi, Tetiana Trunova, Ihor Levykin, Viktoriia Shvedun, 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.