МЕТОД СЕГМЕНТАЦІЇ ЗОБРАЖЕНЬ ДЛЯ ВИЗНАЧЕННЯ ОБ’ЄКТІВ ПРИВ’ЯЗКИ КОГОРЕЛЯЦІЙНО-ЕКСТРЕМАЛЬНОЇ СИСТЕМИ НАВІГАЦІЇ БЕЗПІЛОТНИХ ЛІТАЛЬНИХ АПАРАТІВ З ВИКОРИСТАННЯМ ЯСКРАВО-СТРУКТУРНИХ ОЗНАК
Р. Г. Сидоренко, Г. В. Мегельбей, О. М. Порохончук et al. · Наука і техніка Повітряних Сил Збройних Сил України · 2025
Проведено аналіз застосування автономних безпілотних літальних апаратів (БпЛА) з комбінованими системами навігації під час відсічі широкомасштабної збройної агресії Російської Федерації (РФ). Сформульовано завдання щодо селекції об’єктів з району прив’язки для визначення координат БпЛА, що використовують кореляційно-екстремальну систему навігації (КЕСН). Показані принципи селекції об’єктів в районі прив’язки для визначення координат БпЛА. Наведені аналітичні вирази для формування КЕСН поточних та еталонних зображень, їх залежності від інформаційних ознак. Обґрунтовано використання значень фрактальних розмірностей для виділення областей на зображеннях, які значно відрізняються від фону і знаходяться в заданому діапазоні фрактальних розмірностей, що найбільш підходять для прив’язки КЕСН. Проведені дослідження визначення об’єктів прив’язки КЕСН БпЛА з використанням яскраво-структурних ознак в програмному середовищі MATLAB з використанням вихідного зображення, вибраного з Google Earth Pro. Приведені результати чисельного моделювання сегментованих за яскравістю зображень району прив’язки, відповідних їм сегментованих зображень за структурою, їх полів фрактальної розмірності та гістограм. Наведено приклад визначення об’єктів прив’язки КЕСН БпЛА з використанням яскраво-структурних ознак. Розроблено структуру алгоритму двоетапної сегментації зображень з використанням яскравих та структурних ознак. Наведено практичні рекомендації щодо застосування розробленого підходу.
Cited by 1 works. doi:10.30748/nitps.2025.60.08
Authors
References
- Mask R-CNN
- DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs
- SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
- Deformable ConvNets V2: More Deformable, Better Results
- Deep Learning for Brain MRI Segmentation: State of the Art and Future Directions
- Fractal Analysis on Pore Structure and Hydration of Magnesium Oxysulfate Cements by First Principle, Thermodynamic and Microstructure-Based Methods
- FRACTALS AND CHAOS CHARACTERISTICS OF ACOUSTIC EMISSION ENERGY ABOUT GAS-BEARING COAL DURING LOADED FAILURE
- Size and spatial fractal distributions of coal fracture networks under different mining-induced stress conditions
- Unsupervised Color-Based Flood Segmentation in UAV Imagery
- Image Processing Applications Based on Texture and Fractal Analysis