Реферат роботи представленої на здобуття премії Президента України для молодих вчених за 2012 рік icon

Реферат роботи представленої на здобуття премії Президента України для молодих вчених за 2012 рік


Схожі
Реферат роботи висунутої на здобуття премії Президента України для молодих вчених за 2009 рік...
Реферат роботи...
Реферат роботи...
Реферат роботи...
Реферат роботи, висунутої на здобуття премії Президента України для молодих вчених за 2010 рік...
Реферат роботи...
Реферат монографії...
Реферат монографії...
Реферат роботи висунутої на здобуття премії Президента України для молодих вчених за 2010 рiк...
Комітет з Державних премій України в галузі науки І техніки приймає наукові праці...
Про подання праць на здобуття щорічних премій президента україни для молодих учених...
Указом Президента України від 17. 06...



Загрузка...
скачать


Державне космічне агентство України

Національний центр управління та випробувань космічних засобів


БРЮХОВЕЦЬКИЙ ОЛЕКСАНДР БОРИСОВИЧ

ВЛАСЕНКО ВОЛОДИМИР ПЕТРОВИЧ

КОЖУХОВ ОЛЕКСАНДР МИХАЙЛОВИЧ


ОБЧИСЛЮВАЛЬНІ МЕТОДИ ОБРОБКИ ДАНИХ ДЛЯ
АВТОМАТИЗОВАНОГО ВИЯВЛЕННЯ ОБ’ЄКТІВ ЗІ СЛАБКИМ БЛИСКОМ


Реферат роботи представленої на здобуття премії Президента України для молодих вчених за 2012 рік


Євпаторія – 2012

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ


Мета і завдання досліджень. Мета досліджень полягає у підвищенні точності оцінки місцезнаходження об'єктів зі слабким блиском на цифрових зображеннях за рахунок розробки ефективних обчислювальних методів обробки цифрових зображень. Досягнення цієї мети забезпечується вирішенням наступних завдань:

^ Наукова новизна отриманих результатів.

1. Удосконалено ітераційний метод оцінки місцезнаходження об'єкта на цифровому зображенні на фоні завади із невідомими параметрами, який дозволяє зменшити середньоквадратичне відхилення оцінки координат об'єкту зі слабким блиском у порівнянні з традиційними методами, заснованими на апроксимації зображення об'єкта гаусовою моделлю.

2. Удосконалено метод складання кадрів з накопиченням сигналу від об'єкта зі слабким блиском і ненульовим видимим рухом, який дозволяє збільшити ймовірність виявлення об'єктів за рахунок використання площинного підходу і матриці розмиття з оптимальними значеннями елементів.

3. Вперше запропоновано метод попередньої селекції цифрових зображень об'єктів, який дозволяє зменшити обчислювальні витрати на оцінку координат об’єктів на цифровому зображенні без втрати якості виявлення, в порівнянні з методами попередньої селекції, які раніше використовувалися.

4. Розроблено метод високочастотної фільтрації зображень, який дозволяє покращити якість їх подальшої обробки.

5. Удосконалено обчислювальний метод обробки даних для оцінки видимого блиску об'єкта, який дозволяє знизити значення середньоквадратичного відхилення оцінки видимого блиску малопомітних об'єктів порівняно з методами, які традиційно використовуються.

6. Вперше розроблено двоетапний ієрархічний обчислювальний метод обробки даних для виявлення об’єкта із локально незмінними параметрами видимого руху, який за рахунок двоетапного накопичення даних вздовж усіх допустимих траєкторій об’єктів дозволяє підвищити потенційні показники якості виявлення рухомих об’єктів до значення показників якості нерухомих.

7. Удосконалено амплітудно-координатний обчислювальний метод обробки даних для виявлення об’єкта і оцінки параметрів траєкторії його видимого руху, що дозволяє скоротити кількість хибних виявлень об’єктів порівняно з методами, що використовувались раніше.

^ Практичне значення отриманих результатів полягає в тому, що розроблені обчислювальні методи можуть бути використані в різних програмних комплексах обробки цифрових зображень для попередньої селекції та оцінки місцезнаходження об'єктів зі слабким блиском, наприклад, в програмах автоматизованого виявлення малих тіл Сонячної системи (астероїдів і комет) на серії цифрових кадрів. Запропоновані обчислювальні методи були використані в розробці програмного комплексу автоматизованого виявлення астероїдів CoLiTec, до складу колективу розробників якого належать автори. Розроблені методи та програма CoLiTec, що їх реалізує, були використані в Андрушівській астрономічній обсерваторії (ААО), російській дистанційно керованій обсерваторії ISON-NM, Головній астрономічній обсерваторії (ГАО) Національної академії наук (НАН) України, що підтверджується відповідними актами впровадження.

Розроблений програмний комплекс, який використовує запропоновані обчислювальні методи, може бути корисний в інших астрономічних обсерваторіях України і світу, які займаються спостереженнями астероїдів.

Публікації. Основні результати дисертаційної роботи опубліковані в 30 наукових роботах, серед яких 10 наукових статей у профільних наукових журналах та збірниках наукових праць України та 2 патенти на корисну модель.


^ ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі розкрито актуальність теми роботи визначено завдання, наведено нові наукові результати, показано їх практичне значення; а також перераховані наукові конференції, на яких проводилася апробація результатів досліджень та кількість публікацій за темою роботи.

^ Перший розділ присвячений аналізу умов спостереження об'єктів зі слабким блиском, зокрема астероїдів та постановці завдання на дослідження.

Умови спостереження об'єктів зі слабким блиском – складні. Це характеризуються слабким рівнем сигналів від об'єктів; відсутністю відмінностей між зображенням об'єктів і зірок на кадрі; наявністю на кадрах нерівномірно розподіленої завади (перешкоди), яка змінюється від кадру до кадру, «розмиттям» сигналу від об'єкта через турбулентність атмосфери; спотворенням сигналу від об'єкта внаслідок аберацій оптичної системи; взаємним зміщенням ділянок небесної сфери, які відповідають кадрам через помилки наведення і управління телескопом.

На основі результатів розділу сформульовано наступне завдання дослідження: розробка ефективних обчислювальних методів обробки даних для автоматизованого виявлення об'єктів зі слабким блиском.

^ У другому розділі розроблені обчислювальні методи обробки зображень для виявлення та оцінки місцезнаходження сигналів від об'єктів зі слабким блиском .

У розділі удосконалено ітераційний метод оцінки місцезнаходження об'єкта на цифровому зображенні з завадами із невідомими параметрами. Оцінка місцезнаходження об'єкта на цифровому зображенні здійснювалася методом максимальної правдоподібності. При розробці методу вважалося, що зображення одиночного об'єкту знаходиться в стробі внутрішньокадрової обробки (СВКО), розмір в пікселях якого істотно перевищує розмір зображення об'єкта. Координати падіння сигнальних фотонів об'єкта на ПЗЗ-матрицю мають круговий нормальний розподіл з математичними очікуваннями і СКВ , а фотони завади формують похилу пласку завадову підкладку.

В цьому випадку та з використанням основних положень теорії групованих вибірок, система рівнянь максимальної правдоподібності набуде вигляду:

(1)

де – кількість пікселів в СВКО, що досліджується, в яких передбачається наявність сигналу; – дослідна відносна частота потрапляння фотонів в ik-й піксель ПЗЗ-матриці в t-му кадрі; – амплітуда ik-го пікселя t-го ПЗЗ-кадру, – оцінка координати об'єкта на t-м ПЗЗ-кадрі; ; – відносна вага сигнальних фотонів; ; ; – локальне математичне очікування випадкової величини на інтервалі ; – відносна вага завадових фотонів ПЗЗ-матриці.

Віднімання плоскої завадової підкладки не може повністю виключити завадову складову. Для оцінки відносної ваги сигнальних фотонів використовується стандартна оцінка ваг дискретної суміші імовірнісних розподілів:

(2)

Система рівнянь (1) є трансцендентною і була вирішена методом послідовних наближень.

Перед проведенням оцінки місцезнаходження сигналу від об'єкту за формулами (1), (2) проводиться віднімання завадової підкладки з даного сигналу в межах СВКО:

, (3)

де – експериментальна частота потрапляння фотонів в ik-й піксель ПЗЗ-матриці, який належить області можливої наявності сигналу від об'єкта; – прямокутні координати прив'язки ik-го пікселя ПЗЗ-матриці, що належить області передбачуваної наявності сигналу від об'єкта; – інтегральні параметри плоскої завадової підкладки, які визначаються з використанням процедури МНК-оцінки.

Оцінка екваторіальних координат сигналу від об'єкту за його прямокутними координатами здійснюється відносним (диференційним) методом. Особливості застосовуваного методу полягають у формуванні матриці ваг помилок вимірів узагальненої МНК-оцінки сталих платівки з урахуванням залежності значення помилок оцінки екваторіальних координат від значення видимого блиску об'єктів.

Для того, щоб досягти бажаного значення умовної ймовірності правильного виявлення (УЙПВ) об'єкта при заданому значенні умовної ймовірності хибного виявлення (УЙХВ), був удосконалений програмний метод складання кадрів з накопиченням сигналу від об'єктів зі слабким видимим блиском і невідомими ненульовими параметрами видимого руху на серії ПЗЗ-кадрів.

Метод складання кадрів з накопиченням сигналу від рухомого об'єкта (СКРО) дозволяє збільшити енергію сигналів від об'єктів зі слабким блиском за рахунок складання кількох ПЗЗ-кадрів з урахуванням можливого дробового зміщення між кадрами, що додаються, за рахунок підходу, який можна назвати «площинним». Суть «площинного» підходу (рис. 1) полягає у складанні в сумарний суперпіксель частин потенціалів вихідних пікселів, пропорційних частинам площ вихідних пікселів, які потрапляють у площу поточного суперпікселя. Для підвищення якості складання проводиться додаткове розмиття амплітуди сигналу за допомогою цифрового фільтра низьких частот. Характеристики даного фільтра визначаються матрицею (маскою) розмиття (рис. 1). В елементи записуються вибрані ваги таким чином, що вага центрального елементу, який відповідає пікселю, що розмивається, завжди дорівнює 1, а вага інших – менша за одиницю.




Рисунок 1 – Схема застосування «площинного» підходу та матриці розмиття при проведенні СКРО
З урахуванням вищенаведеного, вираз для розрахунку сумарної амплітуди пікселя суперкадра матиме наступний вигляд:

. (4)

де – амплітуда пікселя ПЗЗ-матриці, що зміщується, з координатами на t-му (поточному) кадрі; – прирощення номерів пікселів підсумкового кадру щодо поточного кадру за відповідними координатами; – перший кадр підсерії СКРО; ; ; ; ; ; ; ; – значення зміщень поточного кадру щодо базового за відповідними координатами; – оцінки зміщення координат центру поточного кадру щодо координат центру базового кадру, що використовуються; , – координати -ї позначки базового кадру; , – координати -ї позначки поточного кадру, яка ототожнена з -ю відміткою базового кадру; – кількість взаємовідповідних пар позначок на поточному і базовому кадрі; – використані оцінки швидкостей видимого руху об'єкта в картинній площині засобу спостереження з ПЗЗ-камерою за відповідними координатами; – часова прив'язка кадру, який прийнято за базовий; – часова прив'язка поточного кадру, що складається; – операція виділення цілої частини числа ; – кількість кадрів підсерії СКРО; ; – коефіцієнти, які визначають вибір пікселів, потенціал яких записується в черговий піксель суперкадру.

Відповідно до формули (4) в -піксель суперкадру записуються потенціали всіх пікселів поточного кадру, розташовані в межах розміру матриці розмиття від основного пікселя поточного кадру. При цьому вага потенціалу від кожного пікселя, який записується, визначається вагою відповідного елемента матриці розмиття, а також вагою основного пікселя.

В роботі було сформульовано оптимізаційну задачу, згідно якої оптимальні значення елементів матриці розмиття визначалися за критерієм максимуму УЙПВ об'єктів, які спостерігаються. При цьому СКВ оцінки місцезнаходження об'єктів та значення їх УЙХВ повинні бути не гірші, ніж задані. Вирішення даної оптимізаційної задачі здійснюється для кожного засобу спостереження окремо, виходячи з експериментальних даних.

Розроблений метод попередньої селекції цифрових зображень об'єктів заснований на порівнянні з порогом значень просторової згортки між прийнятим випромінюванням, навколо піку зображення, і маскою, що відповідає формі очікуваного сигналу. Вирішальне правило (ВП) попередньої селекції цифрових зображень об'єктів в цьому випадку має наступний вигляд:

, (5)

де – амплітуда сигналу, що підлягає виявленню, яка відповідає просторовій згортці між прийнятим випромінюванням навколо піку зображення і маскою , яка відповідає формі очікуваного сигналу.

При цьому граничне значення визначається для кожного кадру як:

, (6)

де – середнє значення просторової згортки, що відповідає шуму; – СКВ шумових значень згортки; – коефіцієнт пропорційності, який визначається окремо для кожного засобу спостереження із ПЗЗ-камерою експериментально і знаходиться, зазвичай, в межах між 2 і 3.

Для визначення порога відбракування піків зображення, навколо яких відсутні сигнали від об'єктів, за виразом (6), проводиться наближене виділення нормальної («фонової») складової суміші розподілів значень просторової згортки. Виділення нормальної складової суміші розподілів вибірки значень просторової згортки проводиться розробленим ітераційним обчислювальним методом, який базується на властивості рівності значень медіани і середнього нормального розподілу випадкових величин.

Для компенсації значних завад розроблено метод вирівнювання зображень за допомогою високочастотних фільтрів. Виділення з кадру низькочастотної складової полягає у перемножуванні спектру зображення та передавальної функції фільтра і визначенні зворотного перетворення Фур'є для їх добутку:

, (7)

де ifft()- операція зворотного перетворення Фур'є; H(u,v) – передатна функція фильтру; F(u,v) – спектр зображення; Fнч(u,v) – низькочастотна складова зображення.

Результатом проведення фільтрації (7) є низькочастотна складова, яка потім віднімається від початкового зображення.

Також в розділі описана комплексна обчислювальна процедура обробки зображень телескопів оптичного діапазону, що грунтується на використанні розроблених обчислювальних методів. Результатом застосування розроблених методів є сукупність позначок. Кожна позначка містить оцінки координат місцезнаходження об’єкта, а також оцінку амплітуди відповідного сигналу.

^ У третьому розділі розроблені методи обробки даних (сукупностей позначок), отриманих після внутрішньокадрової обробки, для виявлення рухомого . об’єкта зі слабким блиском і оцінки параметрів траєкторії його видимого руху.

Застосування амплітуди позначки від об’єкта, як енергетичної характеристики при його виявленні, недоцільно через значущість її змін між кадрами однієї серії за рахунок змін умов спостереження. Як енергетичну статистику, інваріантну до змін умов спостереження, для проведення міжкадрової обробки, в роботі було запропоновано використовувати оцінку видимого блиску об’єктів. При цьому більшість об’єктів, що підлягають виявленню, є малопомітними (мають слабкий блиск, малу амплітуду сигналу). Для підвищення точності оцінки блиску таких об’єктів було введено дводіапазонну кусочно-лінійну модель залежності значення видимого блиску об’єкта від логарифму амплітуди його позначки:

(8)

де – оцінка видимого блиску об’єкта за амплітудою сигналу; – амплітуда сигналу від -го об’єкта на ПЗЗ-кадрі; – оцінка видимого блиску -го об’єкта на t-му кадрі; – фотометричний нуль-пункт (видимий блиск зірки, оптичний сигнал від якої за даних умов спостереження відповідає позначці з одиничною амплітудою); , – коефіцієнти перерахунку; ; – критичне значення амплітуди сигналу; – оцінка видимого блиску, що відповідає критичному значенню амплітуди.

Визначення коефіцієнтів з моделі (8) проводиться МНК. Координати точки перегину дводіапазонної кусочно-лінійної моделі визначаються рішенням методом Фібоначчі оптимізаційної задачі за критерієм мінімуму суми квадратів нев’язок між каталожними і оціненими значеннями видимого блиску зірок.

При розробці обчислювального методу обробки даних для виявлення об’єкта була використана властивість локальної незмінності параметрів руху об’єктів, які підлягають виявленню.

Суть методу зводиться до використання багатозначного перетворення координат можливих об’єктів. Перетворення, яке використовується, дозволяє провести накопичення енергетичних статистик рухомих об’єктів вздовж усіх можливих траєкторій руху. Задля стабілізації обчислювальних витрат на прийнятному рівні використовується багатоетапна реалізація запропонованого багатозначного перетворення координат рухомих об’єктів. При цьому, на відміну від відомих методів виявлення рухомих об’єктів, на етапі міжкадрової обробки наявна лінійна залежність обчислювальної складності від кількості позначок. Застосування методу дозволяє підвищити ймовірність виявлення рухомих об'єктів практично до ймовірності виявлення нерухомих.

Фізично область спостереження розбивається, відповідно до прийнятої моделі руху, на пересічні просторово-часові строби. Кожному стробу призначається накопичувач. Статистики позначок від об’єктів накопичуються у всіх накопичувачах областей, яким вони належать. У роботі прийнята модель прямолінійного і рівномірного руху об’єкта на серії кадрів.




Рисунок 2 – Двоетапність методу попереднього виявлення об’єкта
На першому етапі в одному накопичувачі об’єднуються всі траєкторії, що відповідають одній прямій (накопичення статистик у просторі «траверсна відстань – траверсний кут»). При можливій наявності рухомих об’єктів на одній із прямих досліджуються відповідні просторово-часові строби (накопичення статистик у просторі «початкове положення – швидкість») (рис. 2).

Перед проведенням попереднього виявлення рухомих об’єктів проводиться відбраковування об’єктів, які є нерухомими на серії кадрів. Об’єкт вважається нерухомим на серії кадрів, якщо координати відповідних йому позначок відрізняються одна від одної не більше, ніж на наперед задане значення радіусу нерухомості.

Прийняття рішення щодо попереднього виявлення рухомого об’єкта за наявності його позначки на з кадрів здійснюється згідно із ВП:

, (9)

де – амплітуда -ї позначки -го кадру; – середнє значення амплітуди позначки від об’єкта з параметрами ; – середнє значення амплітуди хибної позначки; – поріг виявлення об’єкта із детермінованими параметрами руху; – УЙПВ сигналу від об’єкта на кадрі; – УЙХВ сигналу від об’єкта на кадрі.

Як амплітуда позначок у ВП використовується оцінка видимого блиску.

Урахування факту наявності помилок оцінки координат об’єктів на етапі накопичення даних вздовж можливих траєкторій руху здійснюється за рахунок повного покриття простору параметрів траєкторії. Покриття вважається повним, якщо об’єкт на серії кадрів не вийде за межі хоча б одного просторово-часового стробу другого етапу. У роботі вважається, що найменші обчислювальні витрати на виявлення досягаються при повному покритті, що забезпечене мінімальною кількістю просторово-часових стробів (мінімальне повне покриття). Мінімальне повне покриття досягається при рівності розмірів стробів по траверсній відстані і початковому положенню .




Рисунок 3 – Попадання значення траверсної відстані в два строби по траверсній відстані у випадку повного покриття при
При организації мінімального повного покриття з урахуванням помилок оцінок координат, можлива ситуація, коли позначка при одному значенні траверсного кута або швидкості може потрапити не в один, а в два або навіть три строби по траверсній відстані або початковому положенню через наявність взаємного перекриття сусідніх стробів (рис. 3).

Розроблений амплітудно-координатний метод виявлення об’єкту та оцінки параметрів його траєкторії.

ВП виявлення об’єкта було синтезоване за критерієм Неймана-Пірсона, а ВП оцінки параметрів траєкторії об’єкта (координати початкового положення і швидкості по кожній координаті) – за методом найменших квадратів.

Згідно з постановкою задачі, об’єкт рухається незалежно по кожній координаті. Для випадку ненульової ймовірності пропуску позначки від об’єкта на окремих кадрах серії ВП набуває такого вигляду:

, (10)

де – поріг виявлення об’єкта за умови формування позначок від об’єкта на з кадрів; – поріг виявлення об’єкта, за умови наявності позначки від нього на всіх кадрах, який визначається експериментально; – УЙПВ сигналу від об’єкта з параметрами , що рухається за -ю траєкторією на -му кадрі; – УЙХВ сигналу на -му кадрі; ; ; ; і – дисперсії оцінки відповідних координат; ; – середнє значення амплітуд сигналів від об’єкта, які відповідають -й траєкторії.

Вагові коефіцієнти , , залежать від положення об’єкта на кадрі та відношення «сигнал/шум» та в загальному випадку не відомі. Як вагові коефіцієнти пропонується використовувати відповідні оцінки. Такі оцінки для кожного кадру отримуються як поліноміальні залежності від координат і амплітуди сигналів.

Метод, що реалізує ВП (10) для виявлення об’єкта із локально незмінними параметрами видимого руху наказує на кожному кадрі вибирати "кращу" позначку для продовження його траєкторії. "Краща" позначка повинна мати не дуже великі відхилення свого місцезнаходження від траєкторії об’єкта, що виявляється (кінематична складова), а значення амплітуди «кращої» позначки має несуттєво відрізнятися від амплітуди інших позначок, що належать даному об’єкту (енергетична складова). Використання подібної енергетичної складової пов’язане з тим, що незначні взаємні флуктуації амплітуд позначок є одним із селективних ознак сукупності позначок від об’єкта на відміну від сукупностей позначок, що не належать одному об’єкту.

^ У четвертому розділі були проведені експериментальні дослідження розроблених обчислювальних методів. Дослідження проводилося за результатами роботи програми автоматизованого виявлення астероїдів CoLiTec (CLT), яка використовує розроблені обчислювальні методи в модулі внутрікадрової (первинної) обробки. Аналізувалися дані, що були отримані при експлуатації програми в ААО і в російській дистанційно керованій обсерваторії ISON-NM. Результати експериментальних досліджень наведені у висновках.

^ П’ятий розділ присвячено використанню розроблених методів обробки зображень у системах автоматизованого виявлення астероїдів. Розроблені в дисертації обчислювальні методи знайшли своє застосування в модулі внутрішньокадрової обробки програми автоматизованого виявлення астероїдів CoLiTec (CLT), яка створена незалежною групою розробників, куди входять і автори роботи.

Дослідна експлуатація програми СoLiTec (CLT) проводилася з початку травня 2010 року в ААО (с. Андрушівка, Житомирська область, Україна) на телескопі Zeiss-600 (діаметр дзеркала 600 мм), оснащеному ПЗЗ-камерою FLI PL09000, і з 27 листопада 2010 року в російській дистанційно керованій обсерваторії ISON-NM, розташованій в штаті Нью-Мексико (США) (астрограф Astroworks Centurion-18 з діаметром дзеркала 45 см, оснащений ПЗЗ-камерою FLI ML09000-65).

У ході дослідної експлуатації до 10 грудня 2011 спостерігачами ААО за допомогою програми було отримано і надіслано до Центру маліх планет (Minor Planet Center, МРС) 47 344 вимірювання і відкрито 96 астероїдів. За результатами спостережень на 10 грудня 2011 року обсерваторія займає 13 місце в списку найбільш продуктивних обсерваторій зі спостереження астероїдів за 2011 рік. У травні 2010 року в ААО було здійснено перше автоматизоване відкриття астероїда на території СНД.

За час дослідної експлуатації СoLiTec (CLT) в обсерваторії ISON-NM з 27 листопада 2010 року по 10 грудня 2011 року з використанням СoLiTec (CLT) було надіслано до МРС 154 970 вимірювань і відкрито 768 астероїдів та дві комети (C/2010 X1 (Elenin) 10 грудня 2010 року та P/2011 NO1 7 липня 2011 року). На 10 грудня обсерваторія займає восьме місце в списку найбільш продуктивних обсерваторій зі спостереження астероїдів за 2011 рік.

Комета C/2010 X1 (Elenin) стала першою кометою, відкритою російським астрономом за останні 20 років.

Розроблені обчислювальні методи були також застосовані впроваджені у програмному забезпеченні для обробки сканованих астрономічних фотоплатівок при виконані програми наукових досліджень ГАО НАН України "Створення об’єднаного архіву астрономічних спостережень і системи управління інформацією для реалізації завдань Української віртуальної обсерваторії» (№ 288Б-2011-2013, ДР 0120U007859).


ВИСНОВКИ

На цей час виникла потреба спостереження та виявлення об'єктів зі все більш слабким блиском. Для спостереження таких об'єктів з різних причин (економічних, технічних) широко використовують телескопи з малими апертурами. Таким чином, існує протиріччя між слабким видимим блиском об'єктів, які виявляються та спостерігаються, і малою апертурою телескопів як засобів їх спостереження. Зазначене протиріччя може бути вирішене за рахунок створення оптимальних обчислювальних методів обробки даних, які мають потенційно можливі показники якості виявлення й оцінки параметрів виявлених сигналів.

В результаті досліджень були отримані наступні нові наукові результати.

1. Розроблено ітераційний метод оцінки місцезнаходження об'єкту на цифровому зображенні на фоні завади з невідомими параметрами. Метод враховує факт оцінки безперервних параметрів по дискретному простору спостережень (оцінюється континуальне положення об'єкта за значеннями сукупності потенціалів пікселів ПЗЗ-матриці). Дане врахування стало можливим завдяки використанню математичного апарату групованих вибірок для опису потенціалів пікселів, відповідних координатам падіння сигнальних і завадових фотонів. Метод забезпечує виграш до 38% по точності оцінки екваторіальних координат об'єктів зі слабким блиском у порівнянні з традиційними методами, заснованими на апроксимації зображення об'єкта гаусовою моделлю.

2. Запропоновано метод попередньої селекції цифрових зображень об'єктів, заснований на порівнянні з порогом значень просторової згортки між прийнятим випромінюванням, навколо піку зображення, і маскою, що відповідає формі очікуваного сигналу. Метод дозволяє зменшити обчислювальні витрати на проведення оцінки координат сигналів на цифровому зображенні на порядок (в порівнянні з витратами без його використання) і в 1,2 – 1,5 рази, в порівнянні з методами попередньої селекції, що традиційно використовуються, без втрати якості виявлення.

3. Удосконалено метод складання кадрів з накопиченням сигналу від об'єктів зі слабким блиском і ненульовим видимим рухом. Врахування дрібності взаємного зміщення кадрів, що складаються, та напрямку руху об'єкта проводиться із застосуванням «площинного» підходу. Матриця розмиття використовується для підвищення ефективності накопичення амплітуди сигналу від об'єкта зі слабким блиском в умовах наявності залишкових похибок оцінок взаємного зміщення кадрів, що складаються. Метод дозволяє збільшити кількість виявлених об'єктів на 14 – 20% при використанні оптимальних значень елементів матриці розмиття. Визначення оптимальних значень елементів матриці розмиття проводиться за експериментальними даними індивідуально для кожного засобу спостереження.

4. Розроблено обчислювальний метод обробки даних для оцінки видимого блиску об’єкта, який використовує запропоновану дводіапазонну кусочно-лінійну модель залежності значення видимого блиску об’єкта від логарифму амплітуди позначки від даного об’єкта на ПЗЗ-кадрі при оптимальному критичному значенні амплітуди.

Метод дозволяє знизити значення СКВ оцінки видимого блиску об’єктів на 13–37% у порівнянні з традиційно застосовуваними методами.

5. Розроблено двоетапний ієрархічний обчислювальний метод обробки даних для виявлення об’єкта, що забезпечує накопичення даних вздовж траєкторій об’єктів із невідомими параметрами руху шляхом використання запропонованого багатозначного перетворення координат об’єктів. Метод забезпечує потенційно можливі показники якості виявлення рухомих об’єктів, значення яких стають тотожними значенням показників якості виявлення нерухомих об’єктів та стабілізує обчислювальні витрати на обробку даних на прийнятному рівні за рахунок двоетапної реалізації накопичення даних вздовж траєкторій об’єктів із невідомими параметрами руху і за рахунок лінійної залежності обчислювальних витрат на обробку даних від кількості оброблюваних позначок (на відміну від експоненціальної залежності при використанні стробових методів).

Метод дозволяє стійко виявляти об’єкти із блиском до 20,5 зоряної величини при спостереженні телескопами із діаметром апертури 45 см при експозиції 4 хв і 60 см при сумарній експозиції підсерії 1,5 хв.

6. Розроблено амплітудно-координатний обчислювальний метод обробки даних для виявлення об’єкта та оцінки параметрів траєкторії його видимого руху за сукупністю позначок, попередньо віднесених до одного об’єкта.

Метод дозволяє значно зменшити кількість помилкових виявлень об’єктів, порівняно із кількістю помилкових виявлень без його застосування та на 7–10% у порівнянні з відомим амплітудно-координатним методом.

7. Внаслідок аналізу характеристик розроблених обчислювальних методів обробки даних було встановлено таке:

а) вибраковування позначок, що належать нерухомим об’єктам дозволяє зменшити середню кількість хибних позначок на кадрі у 3,5 рази і забезпечити працездатність наступних операцій виявлення об’єктів із локально незмінними параметрами видимого руху;

б) використання мінімального повного покриття дозволяє збільшити умовну ймовірність правильного виявлення об’єкта без значних змін умовної ймовірності хибного виявлення об’єкта при прийнятних обчислювальних витратах.

8. Розроблені обчислювальні методи успішно застосовані при розробці програми автоматизованого виявлення астероїдів CoLiTec, яка використовується в двох обсерваторіях, що спостерігають астероїди (ААО та ISON-NM).

9. В результаті роботи програми CoLiTec було здійснено перше відкриття астероїда обсерваторією на території СНД (ААО) в автоматизованому режимі і перше з 1990 року відкриття комети спостерігачем з території СНД (ISON-NM). Всього, станом на 10 грудня 2011 року, за допомогою програми CoLiTec було послано в МРС 202 314 вимірювання координат астероїдів, при цьому відкрито 864 астероїди і дві комети. Станом на 10 грудня 2011 обсерваторії, що використовують програму CoLiTec, займають восьме (ISON-NM) і тринадцяте (ААО) місця в списку найбільш продуктивних обсерваторій, які спостерігають астероїди, за кількістю спостережень в 2011 році.

10. Розроблені методи були впроваджені у програмному забезпеченні для обробки сканованих астрономічних фотоплатівок при виконані програми наукових досліджень ГАО НАН України, пов’язаної зі створенням Української віртуальної обсерваторії.

11. Розроблені обчислювальні методи можуть бути застосовані для обробці зображень в інших астрономічних обсерваторіях Україні і світу, що займаються спостереженнями об'єктів зі слабким блиском.





Скачати 214.72 Kb.
залишити коментар
Дата конвертації28.10.2012
Розмір214.72 Kb.
ТипРеферат, Освітні матеріали
Додати документ в свій блог або на сайт

Ваша оцінка цього документа буде першою.
Ваша оцінка:
Додайте кнопку на своєму сайті:
uadocs.exdat.com

Загрузка...
База даних захищена авторським правом ©exdat 2000-2017
При копировании материала укажите ссылку
звернутися до адміністрації
Реферати
Автореферати
Методички
Документи
Поняття

опублікувати
Загрузка...
Документи

Рейтинг@Mail.ru
наверх