Розробка процедури фрагментування астрономічних кадрів для прискорення високочастотної фільтрації

Автор(и)

  • Володимир Петрович Власенко Національний центр 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
  • Вадим Євгенович Саваневич Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-8840-8278
  • Тетяна Олегівна Трунова Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0003-2689-2679
  • Жанна Валентинівна Дейнеко Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0003-0175-4181
  • Ірина Станіславівна Табакова Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-6629-4927

DOI:

https://doi.org/10.15587/1729-4061.2024.306227

Ключові слова:

фрагментування кадрів, багатопроцесорність, високочастотна фільтрація, ідеальний фільтр, фільтр Баттерворта, фільтр Гауса

Анотація

Об'єктом дослідження є процес фільтрації астрономічних кадрів, які містять зображення потенційних об'єктів Сонячної системи. Для виконання оконтурювання зображення кожного такого об'єкта та розпізнавання його на контрасті з фоновою підкладкою кадру необхідно проводити фільтрацію зображення. Найчастіше використовуються різноманітні високочастотні фільтри для визначення високочастотної компоненти зображення, яка може бути видалена як великоструктурна складова. Будь-яка фільтрація зображення спрямована на підвищення відношення сигнал/шум та зменшення динамічного діапазону фонової підкладки зображення. Однак процес фільтрації досить ресурсо- і часовитратний. Особливо це відчувається у системах паралельної обробки серій астрономічних кадрів у реальному часі (онлайн). Тому для вирішення проблеми з відсутністю фрагментування кадрів, що призводить до великого споживання оперативної пам'яті, було запропоновано процедуру фрагментування астрономічних кадрів.

Завдяки введенню формального зв'язку значень пікселів кадру та фрагментів, а також визначення їх кількості дало можливість зменшити споживання оперативної пам'яті. Тестування проходило з використанням таких високочастотних фільтрів – ідеальний фільтр, фільтр Баттерворта та фільтр Гауса. Використання розробленої процедури фрагментування астрономічних кадрів дозволило знизити споживання оперативної пам'яті під час фільтрації. Як наслідок при паралельній обробці це дозволило також прискорити і саму процедуру високочастотної фільтрації.

Розроблена процедура фрагментування астрономічних кадрів була апробована практично в рамках проекту CoLiTec. Вона була впроваджена в On-Line Data Analysis System (OLDAS) програмного забезпечення Lemur.

Дослідження показало, що при застосуванні розробленої процедури споживання оперативної пам'яті було знижено у 7–10 разів. А швидкість самої фільтрації була збільшена у 2–3 рази. Відповідно, і час обробки кожного астрономічного кадру скоротився в 2–3 рази

Біографії авторів

Володимир Петрович Власенко, Національний центр управління та випробувань космічних засобів

Кандидат технічних наук

Центр космічних досліджень та зв’язку

Сергій Васильович Хламов, SoftServe

Кандидат технічних наук, Test Automation Lead

Вадим Євгенович Саваневич, Харківський національний університет радіоелектроніки

Доктор технічних наук, професор

Кафедра системотехніки

Тетяна Олегівна Трунова, Харківський національний університет радіоелектроніки

Інженер

Кафедра медіасистем та технологій

Жанна Валентинівна Дейнеко, 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. 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. Khlamov, S. V., Savanevych, V. E., Briukhovetskyi, O. B., Pohorelov, A. V. (2016). CoLiTec software - detection of the near-zero apparent motion. Proceedings of the International Astronomical Union, 12 (S325), 349–352. https://doi.org/10.1017/s1743921316012539
  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. https://doi.org/10.1016/j.ascom.2022.100605
  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). https://doi.org/10.1109/iwssip55020.2022.9854475
  10. 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
  11. 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
  12. 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
  13. Bellanger, M. (2024). Digital Signal Processing. Wiley. https://doi.org/10.1002/9781394182695
  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. https://doi.org/10.15587/1729-4061.2022.266988
  15. Klette, R. (2014). Concise Computer Vision. Springer London. https://doi.org/10.1007/978-1-4471-6320-6
  16. 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). https://doi.org/10.1109/iwssip55020.2022.9854425
  17. Bodyanskiy, Y., Popov, S., Brodetskyi, F., Chala, O. (2022). Adaptive Least-Squares Support Vector Machine and its Combined Learning-Selflearning in Image Recognition Task. 2022 IEEE 17th International Conference on Computer Sciences and Information Technologies (CSIT). https://doi.org/10.1109/csit56902.2022.10000518
  18. Dhanalakshmi, R., Bhavani, N. P. G., Raju, S. S., Shaker Reddy, P. C., Mavaluru, D., Singh, D. P., Batu, A. (2022). Onboard Pointing Error Detection and Estimation of Observation Satellite Data Using Extended Kalman Filter. Computational Intelligence and Neuroscience, 2022, 1–8. https://doi.org/10.1155/2022/4340897
  19. Savanevych, V., Akhmetov, V., Khlamov, S., Dikov, E., Briukhovetskyi, A., Vlasenko, V. et al. (2019). Selection of the Reference Stars for Astrometric Reduction of CCD-Frames. Advances in Intelligent Systems and Computing, 881–895. https://doi.org/10.1007/978-3-030-33695-0_57
  20. Lösler, M., Eschelbach, C., Riepl, S. (2018). A modified approach for automated reference point determination of SLR and VLBI telescopes. Tm - Technisches Messen, 85 (10), 616–626. https://doi.org/10.1515/teme-2018-0053
  21. Shan, W., Yi, Y., Qiu, J., Yin, A. (2019). Robust Median Filtering Forensics Using Image Deblocking and Filtered Residual Fusion. IEEE Access, 7, 17174–17183. https://doi.org/10.1109/access.2019.2894981
  22. Hu, Z., Bodyanskiy, Y. V., Tyshchenko, O. K., Tkachov, V. M. (2017). Fuzzy Clustering Data Arrays with Omitted Observations. International Journal of Intelligent Systems and Applications, 9 (6), 24–32. https://doi.org/10.5815/ijisa.2017.06.03
  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). https://doi.org/10.14569/ijacsa.2020.0110527
  24. 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. https://doi.org/10.1504/ijaip.2019.098561
  25. Kirichenko, L., Pichugina, O., Radivilova, T., Pavlenko, K. (2022). Application of Wavelet Transform for Machine Learning Classification of Time Series. Lecture Notes on Data Engineering and Communications Technologies, 547–563. https://doi.org/10.1007/978-3-031-16203-9_31
  26. 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. https://doi.org/10.15587/1729-4061.2022.265309
  27. 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
  28. Kirillov, A., Wu, Y., He, K., Girshick, R. (2020). PointRend: Image Segmentation As Rendering. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). https://doi.org/10.1109/cvpr42600.2020.00982
  29. 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, 1–1. https://doi.org/10.1109/tpami.2021.3059968
  30. Kudzej, I., Savanevych, V. E., Briukhovetskyi, O. B., Khlamov, S. V., Pohorelov, A. V., Vlasenko, V. P. et al. (2019). CoLiTecVS – A new tool for the automated reduction of photometric observations. Astronomische Nachrichten, 340 (1-3), 68–70. https://doi.org/10.1002/asna.201913562
  31. 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
  32. 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
  33. Lemur software. CoLiTec. Available at: https://colitec.space/
  34. 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
  35. Dougherty, E. R. (2020). Digital Image Processing Methods. CRC Press, 504. https://doi.org/10.1201/9781003067054
  36. Gonzalez, R., Woods, R. (2018). Digital image processing. Pearson. Available at: https://dl.icdst.org/pdfs/files4/01c56e081202b62bd7d3b4f8545775fb.pdf
  37. 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.
  38. Perova, I., Brazhnykova, Y., Miroshnychenko, N., Bodyanskiy, Y. (2020). Information Technology for Medical Data Stream Mining. 2020 IEEE 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET). https://doi.org/10.1109/tcset49122.2020.235399
  39. Ulrich, M., Steger, C., Wiedemann, C. (2018). Machine vision algorithms and applications. John Wiley & Sons, 516.
  40. Khlamov, S., Tabakova, I., Trunova, T., Deineko, Z. (2022). Machine Vision for Astronomical Images Using the Canny Edge Detector. CEUR Workshop Proceedings, 3384, 1–10.
  41. Ruban, I., Martovytskyi, V., Lukova-Chuiko, N. (2016). Designing a monitoring model for cluster super–computers. Eastern-European Journal of Enterprise Technologies, 6 (2 (84)), 32–37. https://doi.org/10.15587/1729-4061.2016.85433
  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). https://doi.org/10.1109/infocommst.2018.8632089
  43. 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. https://doi.org/10.1117/12.925321
  44. 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. https://doi.org/10.15587/1729-4061.2021.229983
  45. Grebennik, I., Chorna, O., Urniaieva, I. (2022). Distribution of Permutations with Different Cyclic Structure in Mathematical Models of Transportation Problems. 2022 12th International Conference on Advanced Computer Information Technologies (ACIT). https://doi.org/10.1109/acit54803.2022.9913183
  46. 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). https://doi.org/10.1109/picst47496.2019.9061301
  47. 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. https://doi.org/10.21511/ppm.16(2).2018.29
Розробка процедури фрагментування астрономічних кадрів для прискорення високочастотної фільтрації

##submission.downloads##

Опубліковано

2024-06-28

Як цитувати

Власенко, В. П., Хламов, С. В., Саваневич, В. Є., Трунова, Т. О., Дейнеко, Ж. В., & Табакова, І. С. (2024). Розробка процедури фрагментування астрономічних кадрів для прискорення високочастотної фільтрації. Eastern-European Journal of Enterprise Technologies, 3(9 (129), 70–77. https://doi.org/10.15587/1729-4061.2024.306227

Номер

Том 3 № 9 (129) (2024): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2024 Vladimir Vlasenko, Sergii Khlamov, Vadym Savanevych, Tetiana Trunova, Zhanna Deineko, 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.