МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

НАЦІОНАЛЬНИЙ АВІАЦІЙНИЙ УНІВЕРСИТЕТ

ФАКУЛЬТЕТ КІБЕРБЕЗПЕКИ, КОМП’ЮТЕРНОЇ ТА ПРОГРАМНОЇ
ІНЖЕНЕРІЇ

ДОСЛІДНИЦЬКА ПРОПОЗИЦІЯ
Тема: Технологія інформаційної фільтрації даних аерозйомки на основі
сплайн-оцінок

Спеціальність 122 «Комп'ютерні науки»

Вступник: А.К. Жултинська

Науковий керівник: д.т.н., проф. П.О. Приставка
Кафедра проведення досліджень: Комп’ютерних
інформаційних
технологій

Київ 2022
 2

СПИСОК
навчально-методичних та наукових праць
Жултинської Ангеліни Костянтинівни
№ Харак- Вихідні Обсяг, Співавтори
пор. Назва тер дані стор.
роботи
1 2 3 4 5 6
Наукові праці
1. Технологія Тези Конференція студентів 2
оцінювання доповіді та аспірантів POLIT.
надлишкової Challenges of science
інформації, що today, 5-9 April 2021. P
містять цифрові 20-21.
зображення
2. Структури даних. Тези Конференція студентів 1
Бінарне В-дерево доповіді та аспірантів POLIT.
пошуку Challenges of science
today, 5-9 April 2019. P
10-11.
3. Devising Стаття Eastern-European 12 P.Prystavka,
information Journal of Enterprise K Dukhnovska,
technology for (Scopus) Technologies, Vol. 6 O Cholyshkina,
determining the No. 2 (114): O Leshenko.
redundant Information technology.
information content Industry control
of a digital image. systems, 59–70.-2021

Контакти: моб: +380664146122 e-mail: angelinaremark1@gmail.com

 3

ВСТУП

Актуальність дослідження

В сучасному світі при проведенні будь-яких військових чи тактичних

операцій, значну роль в успішності даних операції відіграють розвідувальні
дані. Однією з проблем при опрацюванні даних повітряного спостереження є
їх інформативна надлишковість.
В умовах, коли час на пошук цільових об'єктів є критичним, важливо
реалізовувати підходи до попередньої оцінки аерознімків, з метою відкидання
“інформаційного шуму”, тобто більшої частини зображення, що не містить
критично-важливої інформації. Складність такої задачі полягає в необхідності
розпізнавання елементів місцевості в режимі реального часу, часто в умовах
обмежених обчислювальних ресурсів на борту повітряного судна. Тому,
актуальним є пошук можливостей виконання такої задачі на основі менш
обтяжливих методів розпізнавання образів без вчителя.
Поставка задачі

Нехай задано цифрове зображення де кожен

піксель характеризується координатами та трьома кольоровими

складовими.
множина образів у даній задачі розпізнавання. Окремий образ з цієї
множини будемо позначати символом 

множина класів таких, що для

всіх
 4

Тоді поставимо за задачу класифікувати образ за класами 

це означає знайти так звану індикаторну функцію: 

яка ставить у відповідність образу  мітку  того класу  якому він

належить, тобто якщо

МЕТА ТА ЗАВДАННЯ ДОСЛІДЖЕННЯ

Тема дослідження: технологія інформаційної фільтрації даних

аерозйомки на основі сплайн-оцінок
Мета роботи: розробити власний метод сегментації та класифікації на
основі варіативності текстур, дослідити розроблену технологію
інформаційної фільтрації на основі сплайн-оцінок на основі проведеного
експериментального дослідження.
Об’єкт дослідження: процес сегментації та класифікації зображень на
основі варіативності текстур в системах комп’ютерного зору.
Предмет дослідження: технологія інформаційної фільтрації даних
аерозйомки на основі сплайн-оцінок.
Методи дослідження: методи обробки цифрових зображень, методи
математичної статистики, статистичної теорії оцінок, теорії обробки
цифрових сигналів, теорії інформації, методи аналізу зображень, методи
об’єктно-орієнтованого програмування, методи машинного навчання.
Для вирішення поставленої мети необхідно вирішити такі завдання:
• сформувати систему текстурних ознак;
 5

• за допомогою алгоритмів кластеризації на основі щільності та

поліноміальної сплайн-оцінки на основі лінійної комбінації
В-сплайнів розробити власний алгоритм кластеризації даних;

• провести огляд методів сегментації та класифікації;

• за допомогою методу текстурної сегментації та інформаційної

ентропії розробити власний алгоритм сегментації на основі
варіативності текстур;

• розробити власний автоматизований метод інформаційної фільтрації

даних аерозйомки на основі сплайн-оцінок;

• провести експериментальне дослідження розроблених методів

класифікації зі змінними гіперпараметрами.

ГІПОТЕЗА ДОСЛІДЖЕННЯ

Ще на початку Антитерористичної операції на сході України в 2014 однією

з ключових задач була аеророзвідка. Однією з проблем при опрацюванні
даних повітряного спостереження є їх інформативна надлишковість.
З часом Антитерористична операція переросла у Повномасштабне
вторгнення. Тому основною із гіпотез вивчення даної теми дослідження є
розробка інформаційної технології, що здійснює пошук підозрілих об’єктів,
військової техніки за допомогою відкидання «інформаційного шуму». Дана
інформаційна технологія буде автоматизованою, що дасть змогу значно
скоротити час обробки аерознімків та подальшого розпізнавання критично-
важливої інформації.
 6

МЕТОДОЛОГІЯ ДОСЛІДЖЕННЯ

Теоретико-методологічною основою реалізації дослідницької мети

слугуватимуть загальнонаукові та спеціальні методи:

 аналітичний – з метою узагальнення останніх наукових розробок

провідних вітчизняних і зарубіжних вчених у сфері штучного
інтелекту та машинного навчання.
 аналізу та синтезу – для уточнення і конкретизації понятійно-
категоріального апарату у сфері штучного інтелекту;
 аналогії та порівняння – з метою виявлення та співставлення
особливостей обробки та аналіз даних аеророзвідки;
 систематизації – для розкриття основних тенденцій,
закономірностей та принципів аналізу та попередньої обробки
аерознімків;
 абстрактно-логічний, що дозволив запропонувати новітні
підходи новітні підходи до попередньої оцінки даних
аеророзвідки з метою відкидання «інформаційного шуму»;
 метод дедукції та моделювання – під час вироблення пропозицій
щодо удосконалення механізмів попереднього опрацювання
даних аеророзвідки;
Складність такої задачі полягає в необхідності розпізнавання елементів
місцевості в режимі реального часу, часто в умовах обмежених
обчислювальних ресурсів на борту повітряного судна. Тому, актуальним є
пошук можливостей виконання такої задачі на основі менш обтяжливих
методів розпізнавання образів без вчителя.
 7

МОЖЛИВІ ШЛЯХИ РОЗВ’ЯЗАННЯ ПОСТАВЛЕНИХ ЗАВДАНЬ

Наукова новизна очікуваних результатів полягає в тому, що:

− пропонується метод оцінки інформативних складових;
− пропонується метод сегментації зображень на основі
непараметричної функції щільності;
− пропонується технологія інформаційної фільтрації даних аерозйомки
на основі сплайн-оцінок;
− розроблення автоматизованої системи сегментації та класифікації
даних аерозйомки на основі розробленої інформаційної технології;
− розроблення автоматизованої системи пошуку цільових об’єктів на
основі розробленої оцінки інформативних складових;
− проведення експериментального дослідження запропонованих
методів класифікації зі змінними гіперпараметрами.

Практична цінність одержаних результатів. Одержані результати

реалізованої сегментації та фільтрації можна використовувати для задачі
автоматичного розбиття даних на кластери, які в подальшому можуть бути
використанні для навчання нейромереж.

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

1. Приставка П.О. Поліноміальні сплайни при обробці даних / П.О.

Приставка. – Д.: Вид-во Дніпропетр. ун-ту, 2004. – 236 с.
2. Харалик Р.М. Статистический и структурный подходы к описанию
текстур // ТИИЭР. – 1979. – Т. 67. – № 5.
3. Гонсалес, Р. Цифровая обработка изображений /Р. Гонсалес, Р. Вудс. – 3-е
изд., испр. и доп. – Москва : Техносфера, 2012. – 1104 с
 8

4. Приставка П.О. Модель реалістичних зображень на основі двовимірних

сплайнів, близьких до інтерполяційних у середньому, Наукоємні
технології, с. 67-71, 2012.
5. Mobahi H. Segmentation of natural images by texture and boundary
compression / H. Mobahi, S. Rao, A. Yang, S. Sastry, Y. Ma — International
journal of computer vision, 2011 — pp. 86–98.
6. Shankar. R. Natural image segmentation with adaptive texture and boundary
encoding / R. Shankar, M. Hossein, Y. Allen, S. Shankar and M. Yi. //
Microsoft Research Asia — 2009.
7. Приставка П.О. Аналіз даних. Електронний посібник для студентів
спеціальності «Прикладна математика» / П.О Приставка, О.М. Мацуга —
2010.
8. Ohlander R. Picture segmentation using a recursive region splitting method / R.
Ohlander, K. Price, D. Reddy, 1978 — pp 313–333
9. Форсайт Д., Понс Ж. «Компьютерное зрение. Современный подход»,
Москва. Санкт-Петербург. Киев 2004г. – 465с.
10. Прэтт У. Цифровая обработка изображений / Пер. с англ. – М.: Мир, 1982.
11. Андреев Г.А. Анализ и синтез случайных пространственных текстур /
Г.А. Андреев, О.В. Базарский, А.С. Глауберман, А.И. Колесников, Ю.В.
Коржик, Я.Л. Хлявич // Зарубежная радиоэлектроника. – 1984. – №2. – С.
3–33.
12. Харалик Р.М. Статистический и структурный подходы к описанию
текстур // ТИИЭР. – 1979. – Т. 67. – № 5.