МЕТОДЫ И АЛГОРИТМЫ ПОЛНОГО ЦИКЛА ОБРАБОТКИ ПОСЛЕДЕТЕКТОРНОГО МАЛОКОНТРАСТНОГО ОПТИЧЕСКОГО ИЗОБРАЖЕНИЯ

Рассматриваются методы и алгоритмы полного цикла обработки последетекторного малоконтрастного оптического изображения (ОИ) неизвестного удаленного объекта, полученного наземными оптическими средствами наблюдения в условиях сложной фоновой обстановки, вероятностное описание которой неизвестно. Цель обработки заключается в выделении и интерпретации хотя бы аналитиком основных конструктивных элементов объекта с использованием введенных в интегральных показателей и характеристик анализируемого ОИ, которые связаны информационной, топологической и метрической структурами ОИ. Этапы обработки ОИ включают в себя выделение содержащего изображение информативного объекта участка снимка (детектирование) и его фильтрацию ОИ с использованием рекуррентной ранговой фильтрации. Заключительные этапы обработки включают в себя сегментацию ОИ и выделение на нем конструктивных элементов с использованием аппарата теории графов. Приводится пример обработки изображения космического аппарата (КА) «Спот-5», полученного в натурных условиях. Показано, что в данном случае на этапе детектирования удается сократить объем обрабатываемой на последующих этапах информации в 8 раз, в процессе фильтрации увеличить компактность ОИ и повысить его связность по сравнению с последетекторным ОИ. В результате сегментации и выделения конструктивных элементов удалось выделить с участием аналитика три конструктивные элемента, которые можно интерпретировать как корпус КА и две выносные панели.

булева алгебра, детектирование, конструктивный элемент, показатель качества, последетекторное оптическое изображение, ранговая фильтрация, сегментация, теория графов

1. Новые методы обработки изображений / под ред. А. А. Потапова. М.: Физматлит, 2008. 496 с.

2. Свиридов К. Н. Технологии достижения высокого углового разрешения оптических систем атмосферного видения. М.: Знание, 2005. 452 с.

3. Milyukova O. P. On Justification of Image Model. Optical Information Science and Technology (OIST97) Proc. SPIE, vol. 3348, 1997, pp. 283–289.

4. Кронрод А. С. О функциях двух переменных // УМН. 1955. Т. 5. № 1 (35). С. 24–134.

5. Милюкова О. П., Чочиа П. А. Об оценке сложности изображений с помощью двумерных вариаций // Информационные процессы. 2012. Т. 12. № 4. С. 362–371.

6. Робастный метод анализа качества малоконтрастных последетекторных изображений, регистрируемых в системах атмосферного видения / В. В. Лавров, Р. С. Лучкин, О. И. Немыкин, М. Е. Прохоров, Ю. Г. Рындин, А. К. Шигаев // Радиопромышленность. 2016. № 1. C. 59–70.

7. Кравченко В. И. Булева алгебра и методы аппроксимации в краевых задачах электродинамики. М.: Физматлит, 2004. С. 308.

8. Новиков А. А. Дискретная математика для программистов. СПб.: Питер, 2001. с. 370.

9. Яблонский С. В. Введение в дискретную математику. М.: Высшая школа, 2006. с. 384.

10. Харинов М. В. Обобщение трех подходов к оптимальной сегментации цифрового изображения // Труды СПИИРАН. 2013. № 2. C. 294–316.

11. Чочиа П. А. Сегментация изображений на основе анализа расстояний в пространстве признаков // Автометрия. 2014. Т. 50. № 6 С. 97–110.

12. Нахождение связных областей на изображениях [Электронный ресурс]. URL: http://cgm.computergraphics.ru (дата обращения: 22.10.2015)

13. Быстрые алгоритмы в цифровой обработке изображений / Т. С. Хуанг, Дж. О. Эклунд, Г. Дж. Нуссбаумер и др. Пер. с англ. под ред. Т. С. Хуанга. М.: Радио и связь, 1984. 224 с.

14. Алгоритм выделения изображения КО на снимке невысокого качества / В. В. Лавров, Р. С. Лучкин, М. Е. Прохоров, Ю. Г. Рындин, А. К. Шигаев // Радиопромышленность. 2015. № 1. С. 40–53.

15. Рекуррентная ранговая фильтрация последетекторных малоконтрастных изображений неизвестного объекта / В. В. Лавров, Р. С. Лучкин, М. Е. Прохоров, В. С. Тюрин // ISI-journal. 2017. № 16. C. 167–174.

16. Черноруцкий Н. Г. Методы принятия решений СПб.: БХВ-Петербург, 2005. 416 c.