Preview

Russian Technological Journal

Расширенный поиск

Семантика визуальных моделей в космических исследованиях

https://doi.org/10.32362/2500-316X-2022-10-2-51-58

Полный текст:

Аннотация

Цели. Цель работы – разработка методики для оценки семантики слабо структурированных или морфологически сложных визуальных информационных моделей. Для достижения цели вводится критерий отнесения визуальных моделей к сложным и алгоритм получения градиентного изображения с несколькими уровнями плотности. Градиентное изображение не является бинарным, что повышает надежность нахождения границ или контуров. Вводится вспомогательная структурная визуальная модель, и в обработке используется серия изображений разной плотности. Далее вводится понятие условной системы координат изображения, позволяющей переносить информацию с разных визуальных моделей на синтетическую результирующую визуальную модель.
Методы. Использование градиентной обработки изображений и построение новой промежуточной структурной модели, которая позволяет связывать модели с разной плотностью. Введение системы условных координат изображения. Обработка серии моделей с разной плотностью для получения синтетического изображения.
Результаты. Проведена обработка визуальных моделей, полученных с космических снимков со слабой различимостью объектов. Обработаны снимки в системе «Солнце – Земля – Луна». В качестве базиса выбрана система «Солнце – Земля». Для космических снимков характерно то, что яркий свет Солнца «забивает» изображения других объектов с бо́льшими фазовыми углами. Применение методики оконтуривания позволило выровнять изображения объектов слабой яркости и большой яркости. Смещение частотной характеристики после выявления всех объектов позволило сформировать четкую визуальную модель.
Выводы. На первичных визуальных моделях изображения слабой яркости не видны. При увеличении экспозиции они появляются, но объекты высокой плотности могут сливаться в один. Из-за этого по одному снимку высокой, средней или слабой плотности принципиально невозможно получить качественное изображение всех объектов или полную семантику визуальной модели. Для получения полной семантики визуальной модели необходима обработка серии изображений с переносом изображений на общее синтетическое изображение. Предложенная методика позволяет решать такие задачи. Сравнение полученных результатов с методами обработки одного изображения показывает надежность и большую информативность метода.

Об авторах

В. П. Савиных
Московский государственный университет геодезии и картографии
Россия

Савиных Виктор Петрович, академик РАН, д.т.н., профессор, Президент; летчик-космонавт, Дважды Герой Советского союза, Лауреат государственной премии, Лауреат премии Президента РФ, Лауреат премии Правительства РФ

105064, Москва, Гороховский пер., д. 4

Scopus Author ID 56412838700



С. Г. Господинов
Университет архитектуры, строительства и геодезии
Болгария

Господинов Славейко Господинов, доктор наук, профессор, проректор по НИР; Академик международной академии наук Евразии, Академик Российской академии космонавтики им. К.Э. Циолковского

1046, София, ж.к. Лозенец, бул. Христо Ботева, д. 1



С. А. Кудж
МИРЭА – Российский технологический университет
Россия

Кудж Станислав Алексеевич, д.т.н., профессор, ректор

119454, Москва, пр-т Вернадского, д. 78

Scopus Author ID 56521711400

ResearcherID AAG-1319-2019



В. Я. Цветков
МИРЭА – Российский технологический университет
Россия

Цветков Виктор Яковлевич, д.т.н., д.э.н., профессор, профессор кафедры инструментального и прикладного программного обеспечения Института информационных технологий; Лауреат Премии Президента РФ, Лауреат Премии правительства РФ, Академик Российской академии информатизации образования (РАО). Академик Российской академии космонавтики им. К.Э. Циолковского (РАКЦ)

119454, Москва, пр-т Вернадского, д. 78

Scopus Author ID 56412459400

ResearcherID J-5446-2013



И. П. Дешко
МИРЭА – Российский технологический университет
Россия

Дешко Игорь Петрович, к.т.н., доцент кафедры инструментального и прикладного программного обеспечения Института информационных технологий

119454, Москва, пр-т Вернадского, д. 78



Список литературы

1. Номоконов И.Б. Информативность рентгеновского изображения. Славянский форум. 2015;2(8):233–239.

2. Nomokonov I.B. The semantic informativeness. European Journal of Medicine. Series B. 2015;3(4):141–147.

3. Bolbakov R.G. Tacit knowledge as a cognitive phenomenon. European Journal of Technology and Design. 2016;1(11):4–12.

4. Цветков В.Я. Информационное поле и информационное пространство. Международный журнал прикладных и фундаментальных исследований. 2016;1–3:455–456. URL: https://applied-research.ru/ru/article/view?id=8536

5. Господинов С.Г. Семантическое дерево в информационном поле. Славянский форум. 2018;3(21):73–79.

6. Kudzh S.A., Tsvetkov V.Ya. Cognitive expert assessment. In: Silhavy R. (Ed.). Artificial Intelligence in Intelligent Systems. proceedings of Computer Science On-line Conference. Ser. “Lecture Notes in Networks and Systems.” 2021. V. 229. P. 742–749. https://doi.org/10.1007/978-3-030-77445-5_66

7. Zafar B., et al. Intelligent image classification-based on spatial weighted histograms of concentric circles. Comput. Sci. Inf. Syst. 2018;15(3):615–633. https://doi.org/10.2298/CSIS180105025Z

8. Савиных В.П. Определение линейных параметров планеты по измерению углового диаметра. Russian Journal of Astrophysical Research. Series A. 2021;7(1):28–34.

9. Ожерельева Т.А. Информационное соответствие и информационный морфизм в информационном поле. ИТНОУ: Информационные технологии в науке, образовании и управлении. 2017;4(4):86–92

10. Lototsky V.L. Spatial information modeling. European Journal of Computer Science. 2016;1(2):38–46.

11. Егошкин Н.А. Динамические модели геометрической обработки изображений в системах дистанционного зондирования Земли. Цифровая обработка сигналов. 2017;1:8–12.

12. Злобин В., Еремеев В. Обработка аэрокосмических изображений. ЛитРес; 2018. 287 c.


Дополнительные файлы

1. Снимок, полученный при обработке первичного снимка
Тема
Тип Исследовательские инструменты
Посмотреть (37KB)    
Метаданные
  • Выравнивание яркости космических снимков очень актуально в связи с их высокой контрастностью, забивающей слабые части изображения и делающей их невидимыми. Части изображение с высокой плотности расплываются и теряют форму.
  • Мы предлагаем новый метод, названный градиентным, который выравнивает изображение и создает синтезированное контурное изображение из снимков с разными плотностями.
  • Метод предполагает создание условной системы координат на снимках, которая позволяет переносить фрагменты изображений со слабыми и высокими плотностями как градиентные на синтезированный снимок.
  • Синтезированный снимок содержит изображения со слабой средней и высокой плотностью, выровненные по градиенту. На нем видны изображения, которые одновременно не видны на исходном снимке.

Рецензия

Для цитирования:


Савиных В.П., Господинов С.Г., Кудж С.А., Цветков В.Я., Дешко И.П. Семантика визуальных моделей в космических исследованиях. Russian Technological Journal. 2022;10(2):51-58. https://doi.org/10.32362/2500-316X-2022-10-2-51-58

For citation:


Savinykh V.P., Gospodinov S.G., Kudzh S.A., Tsvetkov V.Y., Deshko I.P. Semantics of visual models in space research. Russian Technological Journal. 2022;10(2):51-58. https://doi.org/10.32362/2500-316X-2022-10-2-51-58

Просмотров: 87


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2782-3210 (Print)
ISSN 2500-316X (Online)