Розробка методу визначення апертурної яскравості об'єкту з використанням типової форми його зображення

Автор(и)

  • Сергій Васильович Хламов Харківський національний університет радіоелектроніки, 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
  • Тетяна Олегiвна Трунова Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0003-2689-2679
  • Вікторія Олександрівна Шведун Національний університет цивільного захисту України, Україна https://orcid.org/0000-0002-5170-4222
  • Олена Вікторівна Поступна Національний університет цивільного захисту України, Україна https://orcid.org/0000-0002-0622-0966
  • Ірина Станіславівна Табакова Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-6629-4927

DOI:

https://doi.org/10.15587/1729-4061.2023.278367

Ключові слова:

обробка зображення, типова форма зображення, апертурна яскравість, оцінка параметрів

Анотація

Об'єктом дослідження є апертурна яскравість зображення об'єкта, що має різноманітну типову форму на кадрах серії. Вона залежить від стабільності умов зйомки досліджуваних об'єктів. Таким чином, визначення точної апертурної яскравості об'єкта на кадрі стає більш скрутним. Для цього було розроблено метод визначення апертурної яскравості об'єкта з використанням типової форми зображення на серії кадрів.

Даний метод заснований на формуванні типової форми цифрового зображення об'єкта на основі даних з усіх кадрів серії. Типова форма дозволяє врахувати особливості формування самого зображення об'єкта на кожному кадрі серії.  Базуючись на цьому, виконується більш точна оцінка початкового наближення параметрів усіх гауссіан зображення об'єкта. Також адаптація методу саме під типову форму дозволяє виконати більш точну оцінку апертурної яскравості об'єкту у порівнянні з аналітично заданим профілем. Оцінка апертурної яскравості об'єкта була отримана за допомогою методу найменших квадратів. Завдяки мінімізації за допомогою алгоритму Левенберга-Марквардта, використання методу покращило ототожнення з опорними об'єктами та скоротило кількість помилкових виявлень. Дослідження показало зменшення середньоквадратичного відхилення помилок ототожнення кадрів у 5‒7 разів при використанні типової форми цифрового зображення.

Розроблений метод визначення апертурної яскравості об'єкту з використанням типової форми його зображення був апробований на практиці в рамках проекту CoLiTec. Він був впроваджений в блоці внутрішньокадрової обробки програмного забезпечення CoLiTecVS для автоматизованого автоматизованої побудови кривих блиску досліджуваних змінних зірок. Завдяки використанню програмного забезпечення CoLiTecVS 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, Харківський національний університет радіоелектроніки

Кандидат технічних наук, асистент

Кафедра медіасистем та технологій

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

Тетяна Олегiвна Трунова, Харківський національний університет радіоелектроніки

Інженер, асистент

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

Олена Вікторівна Поступна, Національний університет цивільного захисту України

Доктор наук з державного управління, професор, доцент

Кафедра менеджменту

Ірина Станіславівна Табакова, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра медіасистем та технологій

Посилання

  1. 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
  2. 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
  3. 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
  4. 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.
  5. Koen, C., Schaffenroth, V., Kniazev, A. (2023). Multifilter Time-series Observations of Eleven Blue Short-period ATLAS Variable Stars. The Astronomical Journal, 165 (4), 142. doi: https://doi.org/10.3847/1538-3881/acb92f
  6. 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
  7. 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
  8. 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
  9. 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
  10. 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
  11. 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
  12. Dai, Z.-B., Zhou, H., Cao, J. (2023). Full-frame Data Reduction Method: A Data Mining Tool to Detect the Potential Variations in Optical Photometry. Research in Astronomy and Astrophysics, 23 (5), 055011. doi: https://doi.org/10.1088/1674-4527/acc29e
  13. Kuz'min, S. Z. (2000). Tsifrovaya radiolokatsiya. Vvedenie v teoriyu. Kyiv: Izdatel'stvo KvіTS, 428.
  14. 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
  15. Klette, R. Concise computer vision. An Introduction into Theory and Algorithms. Springer, 429. doi: https://doi.org/10.1007/978-1-4471-6320-6
  16. 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
  17. 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). doi: https://doi.org/10.1109/iwssip55020.2022.9854425
  18. 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
  19. Belov, L. A. (2021). Radioelektronika. Formirovanie stabil'nykh chastot i signalov. Moscow: Izdatel'stvo Yurayt, 268.
  20. 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
  21. 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
  22. 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
  23. 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
  24. 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/10.15587/1729-4061.2022.265309
  25. 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. doi: https://doi.org/10.15587/1729-4061.2023.273674
  26. Bramich, D. M., Horne, K., Albrow, M. D., Tsapras, Y., Snodgrass, C., Street, R. A. et al. (2012). Difference image analysis: extension to a spatially varying photometric scale factor and other considerations. Monthly Notices of the Royal Astronomical Society, 428 (3), 2275–2289. doi: https://doi.org/10.1093/mnras/sts184
  27. Astier, P., El Hage, P., Guy, J., Hardin, D., Betoule, M., Fabbro, S. et al. (2013). Photometry of supernovae in an image series: methods and application to the SuperNova Legacy Survey (SNLS). Astronomy & Astrophysics, 557, A55. doi: https://doi.org/10.1051/0004-6361/201321668
  28. Burger, W., Burge, M. J. (2009). Principles of Digital Image Processing. Undergraduate Topics in Computer Science. Springer, 332. doi: https://doi.org/10.1007/978-1-84800-195-4
  29. Steger, C., Ulrich, M., Wiedemann, C. (2018). Machine vision algorithms and applications. John Wiley & Sons, 516.
  30. Lemur software. CoLiTec project. Available at: https://www.colitec.space
  31. Molotov, I. et al. (2009). ISON worldwide scientific optical network. Fifth European Conference on Space Debris, ESA. Available at: https://conference.sdo.esoc.esa.int/proceedings/sdc5/paper/131/SDC5-paper131.pdf
  32. 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
  33. Sergienko, A. B. (2011). Tsifrovaya obrabotka signalov. Sankt-Peterburg, 768.
  34. Kobzar', A. I. (2006). Prikladnaya matematicheskaya statistika. Dlya inzhenerov i nauchnykh rabotnikov. Moscow: FIZMATLI, 816.
  35. Duc-Hung, L., Cong-Kha, P., Trang, N. T. T., Tu, B. 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
  36. Shvedun, V. O., Khlamov, S. V. (2016). Statistical modelling for determination of perspective number of advertising legislation violations. Actual Problems of Economics, 10 (184), 389–396.
  37. 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: https://ceur-ws.org/Vol-3171/paper75.pdf
  38. Zhang, Y., Zhao, Y., Cui, C. (2002). Data mining and knowledge discovery in database of astronomy. Progress in Astronomy, 20 (4), 312–323.
  39. 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
  40. 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
  41. 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
  42. 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 методу визначення апертурної яскравості об'єкту з використанням типової форми його зображення

##submission.downloads##

Опубліковано

2023-06-30

Як цитувати

Хламов, С. В., Саваневич, В. Є., Власенко, В. П., Трунова, Т. О., Шведун, В. О., Поступна, О. В., & Табакова, І. С. (2023). Розробка методу визначення апертурної яскравості об’єкту з використанням типової форми його зображення. Eastern-European Journal of Enterprise Technologies, 3(2 (123), 6–13. https://doi.org/10.15587/1729-4061.2023.278367

Номер

Том 3 № 2 (123) (2023): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2023 Sergii Khlamov, Vadym Savanevych, Vladimir Vlasenko, Tetiana Trunova, Viktoriia Shvedun, Оlenа Postupna, 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.