Удосконалення методу фільтрації зображення з космічної системи радіолокаційного спостереження на основі алгоритму Куана

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
  • Сергій Олегович Токарев Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0009-0008-0141-2150
  • Артем Олександрович Андрющенко Харківський національний університет Повітряних Сил ім. Івана Кожедуба, Україна https://orcid.org/0009-0001-0497-5054
  • Олександр Володимирович Пуховий Національний університет оборони України, Україна https://orcid.org/0000-0002-2863-3374
  • Олександр Васильович Рогуля Харківський національний університету Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-5338-8083
  • Олег Володимирович Білоус Національний університет оборони України, Україна https://orcid.org/0000-0002-3103-732X
  • Микола Вікторович Веровок Національний університет оборони України, Україна https://orcid.org/0009-0001-9932-3074
  • Валерій Миколайович Самойленко Національна академія Національної гвардії України, Україна https://orcid.org/0000-0002-0352-3953
  • Владислав Геннадійович Худов Харківський національний університет радіоелектроніки, Україна http://orcid.org/0000-0002-9863-4743

DOI:

https://doi.org/10.15587/1729-4061.2026.352347

Ключові слова:

космічна система радіолокаційного спостереження, фільтрація зображення, алгоритм Куана, відношення сигнал/шум

Анотація

Об’єктом дослідження є процес фільтрації зображення з космічної системи радіолокаційного спостереження. Вирішена проблема фільтрації зображення з космічної системи радіолокаційного спостереження шляхом застосування алгоритму Куана.

Отримані наступні основні результати:

– основні етапи методу фільтрації зображення з космічної системи радіолокаційного спостереження на основі алгоритму Куана;

– проведено експериментальне дослідження щодо фільтрації зображення з космічної системи радіолокаційного спостереження на основі алгоритму Куана.

Удосконалено метод фільтрації зображення з космічної системи радіолокаційного спостереження на основі алгоритму Куана. Особливостями удосконаленого методу, на відміну від відомих, є:

– вибір локального вікна фільтрації;

– обчислення локальних статистичних характеристик;

– обчислення коефіцієнтів варіації;

– обчислення вагового коефіцієнту Куана;

– послідовну фільтрацію пікселів зображення методом «ковзаючого» вікна.

Проведено візуальний аналіз фільтрації радіолокаційного зображення удосконаленим методом на основі алгоритму Куана та відомими методами на основі алгоритму Лі та алгоритму Фроста. Використання удосконаленого методу при фільтрації зображення з космічної системи радіолокаційного спостереження дозволило підвищити величину відношення сигнал/шум. Це стало можливим завдяки використанню алгоритму Куана. Вибір алгоритму Куана дозволив забезпечити виграш у максимальному відношенні сигнал/шум у порівнянні з відомим методом на 21% (метод на основі алгоритму Лі).

Сфера застосування удосконаленого методу – фільтрація зображень з космічних систем радіолокаційного спостереження. Умови практичного використання отриманих результатів: спеціалізоване програмне забезпечення програмно-технічних комплексах обробки радіолокаційних зображень

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

Сергій Олегович Токарев, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Викладач

Кафедра інженерно-авіаційного забезпечення

Артем Олександрович Андрющенко, Харківський національний університет Повітряних Сил ім. Івана Кожедуба

Аспірант

Олександр Володимирович Пуховий, Національний університет оборони України

Кандидат військових наук, доцент, начальник кафедри

Кафедра радіотехнічних та спеціальних військ

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

Провідний науковий співробітник

Науково-дослідний відділ наукового центру Повітряних Сил

Олег Володимирович Білоус, Національний університет оборони України

Аспірант

Микола Вікторович Веровок, Національний університет оборони України

Аспірант

Національний університет оборони України

Валерій Миколайович Самойленко, Національна академія Національної гвардії України

Доктор філософії, доцент

Кафедра вогневої підготовки

Владислав Геннадійович Худов, Харківський національний університет радіоелектроніки

Кандидат технічних наук, молодший науковий співробітник

Кафедра безпеки інформаційних технологій

Посилання

  1. Zhang, M., Ouyang, Y., Yang, M., Guo, J., Li, Y. (2025). ORPSD: Outer Rectangular Projection-Based Representation for Oriented Ship Detection in SAR Images. Remote Sensing, 17 (9), 1511. https://doi.org/10.3390/rs17091511
  2. 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
  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. 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
  5. Kostenko, P. Yu., Slobodyanuk, V. V., Plahotenko, O. V. (2016). Method of image filtering using singular decomposition and the surrogate data technology. Radioelectronics and Communications Systems, 59 (9), 409–416. https://doi.org/10.3103/s0735272716090041
  6. Kostenko, P. Yu., Slobodyanuk, V. V., Kostenko, I. L. (2019). Method of Image Denoising in Generalized Phase Space with Improved Indicator of Spatial Resolution. Radioelectronics and Communications Systems, 62 (7), 368–375. https://doi.org/10.3103/s0735272719070045
  7. Kryvenko, S., Lukin, V., Vozel, B. (2024). Lossy Compression of Single-channel Noisy Images by Modern Coders. Remote Sensing, 16 (12), 2093. https://doi.org/10.3390/rs16122093
  8. Kryvenko, S., Rebrov, V., Lukin, V., Golovko, V., Sachenko, A., Shelestov, A., Vozel, B. (2025). Post-Filtering of Noisy Images Compressed by HEIF. Applied Sciences, 15 (6), 2939. https://doi.org/10.3390/app15062939
  9. Al-Bayati, M., El-Zaart, A. (2013). Automatic Thresholding Techniques for SAR Images. Computer Science & Information Technology (CS&IT), 4 (3), 75–84. https://doi.org/10.5121/csit.2013.3308
  10. 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
  11. 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
  12. 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
  13. 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
  14. Salehi, H., Vahidi, J., Abdeljawad, T., Khan, A., Rad, S. Y. B. (2020). A SAR Image Despeckling Method Based on an Extended Adaptive Wiener Filter and Extended Guided Filter. Remote Sensing, 12 (15), 2371. https://doi.org/10.3390/rs12152371
  15. Rubel, O., Lukin, V., Rubel, A., Egiazarian, K. (2021). Selection of Lee Filter Window Size Based on Despeckling Efficiency Prediction for Sentinel SAR Images. Remote Sensing, 13 (10), 1887. https://doi.org/10.3390/rs13101887
  16. 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
  17. 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
  18. Kanakaraj, S., Nair, M. S., Kalady, S. (2019). Adaptive Importance Sampling Unscented Kalman Filter based SAR image super resolution. Computers & Geosciences, 133, 104310. https://doi.org/10.1016/j.cageo.2019.104310
  19. Rubel, O. S., Rubel, A. S., Lukin, V., Egiazarian, K. (2022). Optimal parameters selection of the Frost filter based on despeckling efficiency prediction for Sentinel SAR images. Electronic Imaging, 34 (10), 193-1-193–196. https://doi.org/10.2352/ei.2022.34.10.ipas-193
  20. Ruban, I., Khudov, H., Khudov, V., Makoveichuk, O., Khizhnyak, I., Shamrai, N. et al. (2025). Development of an image segmentation method from unmanned aerial vehicles based on the ant colony algorithm under the influence of speckle noise. Technology Audit and Production Reserves, 4 (2 (84)), 80–86. https://doi.org/10.15587/2706-5448.2025.334993
  21. Benes, R., Riha, K. (2012). Medical Image Denoising by Improved Kuan Filter. Advances in Electrical and Electronic Engineering, 10 (1), 43–49. https://doi.org/10.15598/aeee.v10i1.529
  22. Tripathi, A., Bhateja, V., Sharma, A.; Mandal, J., Satapathy, S., Sanyal, M., Bhateja, V. (Eds.) (2016). Kuan Modified Anisotropic Diffusion Approach for Speckle Filtering. Proceedings of the First International Conference on Intelligent Computing and Communication. Singapore: Springer, 537–545. https://doi.org/10.1007/978-981-10-2035-3_55
  23. Sentinel-1. European Space Agency. Available at: https://sentinels.copernicus.eu/copernicus/sentinel-1
  24. Sun, Z., Zhang, Z., Chen, Y., Liu, S., Song, Y. (2020). Frost Filtering Algorithm of SAR Images With Adaptive Windowing and Adaptive Tuning Factor. IEEE Geoscience and Remote Sensing Letters, 17 (6), 1097–1101. https://doi.org/10.1109/lgrs.2019.2939208
Удосконалення методу фільтрації зображення з космічної системи радіолокаційного спостереження на основі алгоритму Куана

##submission.downloads##

Опубліковано

2026-02-27

Як цитувати

Худов, Г. В., Маковейчук, О. М., Токарев, С. О., Андрющенко, А. О., Пуховий, О. В., Рогуля, О. В., Білоус, О. В., Веровок, М. В., Самойленко, В. М., & Худов, В. Г. (2026). Удосконалення методу фільтрації зображення з космічної системи радіолокаційного спостереження на основі алгоритму Куана. Eastern-European Journal of Enterprise Technologies, 1(9 (139), 40–46. https://doi.org/10.15587/1729-4061.2026.352347

Номер

Том 1 № 9 (139) (2026): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2026 Hennadii Khudov, Oleksandr Makoveichuk, Serhii Tokarev, Artem Andriushchenko, Oleksandr Pukhovyi, Оlexandr Rohulia, Oleh Bilous, Mykola Verovok, Valeriy Samoylenko, Vladyslav Khudov

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.