Эффективные алгоритмы выделения слаборазличимых следов космических объектов
Автор: Беренков Н.Р., Тартаковский А.Г.
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Информатика и управление
Статья в выпуске: 2 (46) т.12, 2020 года.
Бесплатный доступ
Рассматривается задача совместного обнаружения и оценивания параметров следов малоконтрастных космических объектов (КО) с неизвестными орбитами в оптическом изображении (кадре). В работе предлагается эффективный двухэтапный алгоритм обнаружения малоконтрастных следов КО и оценивания их параметров. На первом этапе для локализации объекта и предварительного определения начала и конца следа КО используется метод последовательного обнаружения момента «разладки», т.е. обнаружения скачкообразного изменения статистических характеристик сигнала вдоль направления следа КО. На втором этапе применяется метод максимального правдоподобия для уточнения положения следа. Такой подход позволяет значительно сократить количество перебираемых гипотез по сравнению с популярным методом максимизации отношения правдоподобия. Проведены исследования разработанного алгоритма как на симулированных кадрах, так и на реальных кадрах звездного неба, включающих, помимо шума и полезного сигнала, сильную помеху от звезд. В случае работы на реальных кадрах предварительно проводилось их обеление с использованием метода пространственно-временной регрессии. Тестирование показало, что алгоритм позволяет обнаруживать следы КО и весьма точно оценивать их параметры при отношении сигнал-шум (ОСШ) менее 1.
Обнаружение космических объектов, анализ изображений, обнаружение момента изменения, совместное обнаружение и оценивание, подавление фона
Короткий адрес: https://sciup.org/142229679
IDR: 142229679
Список литературы Эффективные алгоритмы выделения слаборазличимых следов космических объектов
- Tartakovsky A.G., Nikiforov I.V., Basseville M. Sequential Analysis: Hypothesis Testing and Changepoint Detection. Boca Raton, FL, USA: CRC Press, 2014.
- Lehmann E., Romano J. Testing Statistical Hypotheses. New York, NY, USA: Springer, 2005.
- Simmsa L.M., Riota V., De Vriesa W., Oliviera S.S., Perticaa A., Baumana B.J., Philliona D., Nikolaeva S. Optical Payload for the STARE Mission // SPIE Defense And Security. 2011.
- Uetsuhara M.,Ikoma N. Faint Debris Detection by Particle Based Track-Before-Detect Method // In Advanced Maui Optical and Space Surveillance Technologies Conference. Sept. 2014.
- Wei S., Feng X., Wang Q. Track-before-Detect Algorithm Based on Gaussian Particle Cardinalized Probability Hypothesis Density // 2nd International Conference on Information Technology and Management Engineering. 2017.
- Yanagisawa T., Kurosaki H., Nakajima A. The stacking method: The technique to detect small size of GEO debris and asteroids // Technical report Japan Aerospace Exploration Agency. 2008.
- Gu'eppi'e B.K., Fillatre L., Nikiforov I.V. Sequential Detection of Transient Changes // Sequential Analysis: Design Methods and Applications. 2012. V. 31, N 4. P. 528-547.
- Gu'eppi'e B.K., Fillatre L., Nikiforov I.V. Detecting a Suddenly Arriving Dynamic Profile of Finite Duration // IEEE Transactions on Information Theory. 2017. V. 63, N 5. P. 3039- 3052.
- Tartakovsky A.G., Brown J. Adaptive Spatial-Temporal Filtering Methods for Clutter Removal and Target Tracking // IEEE Transactions on Aerospace and Electronic Systems. Oct. 2008. V. 44, N 4. P. 1522-1537.
