Гмыря В.А., Трещалин А.П. «Выделение малоконтрастных смазанных объектов на космических изображениях с помощью свёрточных нейронных сетей» Оптический журнал, 92, № 4, с. 60-70 (2025)

Предмет исследования. Эффективность применения свёрточных нейронных сетей в задаче выделения малоконтрастных смазанных объектов на изображении. Цель работы. Оценка точности и степени достоверности выделения малоконтрастных смазанных объектов с помощью свёрточных нейросетевых моделей. Установить, какие из исследованных нейросетей и при каких значениях отношения сигнал/шум объектов обеспечивают более высокие показатели, чем традиционный алгоритм, основанный на пороговой обработке. Метод. В исследовании свёрточные нейронные сети применяются для получения бинарных масок изображений звёздного неба. С целью удаления шума осуществляется попиксельное умножение бинарной маски на исходное изображение. Результат умножения поступает на вход алгоритма центра масс для вычисления центроидов объектов. Для оценки точности выделения объектов использовались метрики качества сегментации и погрешности центроидирования, а для оценки степени достоверности – коэффициент выделения. Основные результаты. Предложен алгоритм выделения объектов на основе свёрточной нейронной сети. Для генерации обучающего и тестового датасетов в среде программирования MATLAB был реализован алгоритм, моделирующий работу бортовой оптико-электронной системы космического аппарата. Установлено, что модели U-Net и SegNet являются более эффективным инструментом выделения малоконтрастных объектов, чем пороговая обработка. Определены диапазоны отношения сигнал/шум объектов, при которых данные архитектуры имеют наилучшие показатели эффективности выделения объектов. Практическая значимость. Предложенный алгоритм на основе нейросетевой модели позволяет выделять менее контрастные объекты, чем традиционный алгоритм, а также обеспечивает более низкую погрешность вычисления центроидов. Полученные в ходе исследования результаты послужат основой для дальнейшей работы, направленной на реализацию предложенного алгоритма выделения объектов в макете бортовой оптико-электронной системы космического аппарата.