Представлено схему реставрації розфокусованих зображень, що базується на ітеративному алгоритмі сліпої деконволюції. З метою обмеження шуму запропоновано метод об'єднання вихідного та деконвольованого зображень.

Проаналізовано основні методи і принципи математичної морфології стосовно завдань обробки зображень.

Представлено огляд мір якості, що використовуються у процесі обробки зображень. Запропоновано обирати параметри обробки за максимумом відповідної міри якості.

Запропоновано використання супутникових даних з метою забезпечення командування Повітряних сил (ПС) Збройних сил України інформацією щодо стану пожежної обстановки в зоні бойових дій ПС.

Наведено розрахунок та оцінювання коефіцієнта використання енергії у разі захисту космічних оптико-електронних зображень від дії маскуючих перешкод штучного походження.

Запропоновано використання супутникових даних з метою забезпечення командування Повітряних сил Збройних сил України інформацією щодо стану пожежної обстановки в зоні бойових дій Повітряних сил.

Запропоновано метод реконструкції зображення, частково спотвореного рухом. Характер спотворення - змаз фону з неспотвореним переднім планом. Для реконструкції використовуються алгоритми автоматизованого пошуку спотвореної ділянки, диференціювання та інтегрування зображення, математичної морфології та деконволюції.

Розглянуто особливості отримання зображення в сучасних оптико-електронних системах спостереження. Проаналізовано відомі методи сегментації, які базуються не на машинному навчанні. Запропоновано використання генетичних алгоритмів для обробки зображення, наведено робота простого генетичного алгоритму, визначено напрямки подальшого дослідження щодо використання генетичних алгоритмів для сегментування оптико-електронного зображення.

Розглянуто сегментацію зображення з неоднорідним фоном у контексті загальної задачі розпізнавання тексту. Запропонований метод є двоетапним і базується на сумісному використанні операцій конвертації в колірному просторі, морфологічній оброці та адаптивній фільтрації за алгоритмом Отсу. Серед підзадач, які розглядаються в межах методу, є такі: видалення складного фону, виділення центрального елементу та його адаптивна фільтрація. Розроблений метод характеризується високою швидкодією та стійкістю до окремих випадків зашумлення.

Виділено основні ознаки якісного сегментування та основні види можливих недоліків сегментування зображень, що одержані з бортових оптико-електронних систем спостереження. Проведено аналіз відомих методів сегментування зображень, що отримані з бортових систем оптико-електронного спостереження. Встановлено основні недоліки, що притаманні класичним методам сегментування зображень. Поставлене завдання щодо необхідності у подальших дослідженнях розробки методів сегментування з урахуванням специфіки формування зображення в бортових оптико-електронних системах спостереження.

Проаналізовані відомі методи сегментування багатомасштабної послідовності оптико-електронних зображень. Встановлено, що відомі методи сегментування не можуть бути використані при сегментуванні зображень, отриманих з космічних систем оптико-електронного спостереження. Запропоновано при сегментуванні таких зображень використовувати еволюційний метод сегментування. Однак при цьому на сегментованому зображенні з'являється велика кількість об'єктів невеликого розміру, які не дозволяють проводити подальше дешифрування зображення з необхідною якістю. Запропоновано удосконалений метод сегментування багатомасштабної послідовності зображень, отриманих з космічних систем оптико-електронного спостереження. Отримано зображення-фільтр, використання якого дозволило знизити велику кількість об'єктів невеликого розміру, а об'єкти, що мають ознаки для дешифрування, виділяються з необхідною якістю.

Проаналізовано відомі показники якості сегментування оптико-електронних зображень. Проведено оцінки комплексних показників якості сегментування оптико-електронного зображення, що одержане з борту літального апарату. Запропоновано для оцінки якості сегментування використовувати інформаційний показник - відстань Кульбака-Лейбнера. Проведено розрахунки відстані Кульбака-Лейбнера при використанні еволюційного методу сегментування оптико-електронного зображення та зміни масштабу вихідного зображення.

Проведено сегментування еволюційним методом зображення, що отримане з бортових систем оптико-електронного спостереження. Для оцінки ефективності еволюційного методу сегментування у якості порівняльного методу обраний метод виділення контурів Канні. Проаналізовано відомі показники оцінки якості сегментування оптико-електронних зображень. У якості показника оцінки сегментування еволюційним методом і методом Канні обрано інформаційний показника - відстань Кульбака-Лейбнера. Наведено залежність інформаційного розходження(виграшу) Кульбака-Лейбнера від зміни масштабу зображення для двох методів сегментування. Встановлено, що сегментування еволюційним методом надає виграш у значенні інформаційного показника на 7 - 16 %.

Проведено стислий аналіз відомих автоматичних та інтерактивних методів сегментування зображень, їх переваги та недоліки. Встановлено, що для сегментування оптико-електронного зображення, що одержано з бортової системи спостереження, за умов впливу шумів доцільно використовувати інтерактивні методи сегментування, взагалі та удосконалений еволюційний метод сегментування оптико-електронного зображення, що заснований на інтегруванні мурашиного та ройового методів, зокрема. Проведено сегментування оптико-електронного зображення за умов впливу адитивного білого гаусового шуму при різних значеннях середньоквадратичного відхилення та візуальна оцінка якості сегментування. Проведено порівняння удосконаленого еволюційного методу, що заснований на інтегруванні мурашиного та ройового методів з відомим методом Канні за умов впливу адитивного білого гаусового шуму. Встановлено, що за умов впливу адитивного білого гаусового шуму удосконалений еволюційний метод сегментування, що заснований на інтегруванні мурашиного та ройового методів, забезпечує виграш у значенні інформаційного показника - відстані Кульбака-Лейбнера від 5 до 15 %.

Проведено аналіз недоліків відомих методів сегментування оптико-електронного зображення. Запропоновано для тематичного сегментування зображення, що отримано з бортової системи оптико-електронного спостереження, використання ройового методу (методу штучної бджолиної колонії). Проаналізовано основні види фітнес-функцій, що використовуються при ABC методі, та встановлено їх непридатність до тематичного сегментування зображення, що одержано з бортової системи оптико-електронного спостереження. Введена фітнес-функція, що враховує внутрішні дисперсії розподілу яскравості тематичних сегментів оптико-електронного зображення, сформульована оптимізаційна задача, що полягає в мінімізації фітнес-функції. Оптимізаційна задача вирішується методом ітераційних розрахунків. Наведено результат тематичного сегментування оптико-електронного зображення для випадку двох тематичних сегментів, на якому виділені можливі об'єкти інтересу - літаки, сховища з нафтою, споруди та інші.

Вивчено інформаційно ройову технологію тематичного сегментування зображень, що одержані з бортових систем оптико-електронного спостереження. Мета роботи - розробка інформаційної технології сегментування, в основу якої покладений ройовий метод тематичного сегментування оптико-електронного зображення. Завдання: аналіз рівнів технології дешифрування оптико-електронного зображення, аналіз основних етапів обробки оптико-електронного зображення та рівнів локалізації об'єктів інтересу на етапі розпізнавання, аналіз основних вимог до тематичних сегментів зображення, аналіз відомих методів та інформаційних технологій сегментування зображень, що одержані з бортових систем спостереження, обгрунтування цільової функції тематичного сегментування та вибору оптимального значення порогу сегментування, розробка інформаційної ройової технології тематичного сегментування зображень, що одержані з бортової системи оптико-електронного спостереження, наведення тестового прикладу тематичного сегментування кольорового зображення. Використовуваними методами є: методи теорії імовірності, математичної статистики, ройового інтелекту, кластерізації даних, еволюційних обчислень, методи оптимізації, математичного моделювання та цифрової обробки зображень. Встановлено, що основним етапом обробки зображень, що отримані з бортових систем спостереження, є етап тематичного сегментування. Встановлено, що у теперішній час невелика кількість досліджень присвячена вирішенню задачі тематичного сегментування зображень, що одержані з бортових систем спостереження. Встановлено, що у якості цільової функції використовується функція, яка визначається як сума дисперсії інтенсивності пікселів в межах кожного тематичного сегменту, а оптимізація полягає у мінімізації цільової функції. В основу інформаційної ройової технології покладені удосконалені методи ройового інтелекту (штучної бджолиної колонії) тематичного сегментування оптико-електронного зображення та ройового інтелекту (штучної бджолиної колонії) тематичного сегментування багатомасштабної послідовності оптико-електронних зображень. Висновки: наукова новизна одержаних результатів полягає в наступному: підвищення візуальної якості сегментованого зображення, що в подальшому суттєво впливає на вирішення завдання дешифрування зображення.

Проаналізовано відомі методи тематичного сегментування зображень бортових систем оптико-електронного спостереження, в тому числі, нейромережеві, їх основні недоліки. Під тематичним сегментуванням розуміється сегментування, виділення ознак об'єктів інтересу та семантичне сегментування. Результатом тематичного сегментування є розділення зображення на штучні об'єкти (об'єкти інтересу) та природні об'єкти (фон). Запропоновано метод тематичного сегментування оптико-електронних зображень, в основу якого покладений метод штучної бджолиної колонії. Встановлено, що важливим етапом методу є вибір цільової функції. Сформульовано вимоги до цільової функції, розглянуто модельні зображення у випадку, коли об'єкт та фон на зображенні розділяються та не розділяються. Встановлено, що у якості цільової функції доцільно обирати функцію, що має фізичний смисл суми дисперсії сегментів сегментованого зображення. В загальному вигляді сформульовано оптимізаційна задача вибору порогу тематичного сегментування оптико-електронного зображення, яка полягає у мінімізації цільової функції на кожній ітерації ітераційного процесу визначення порогового рівня.

Вивчено метод тематичного сегментування кольорового зображення бортової системи оптико-електронного спостереження. Мета статті - розробка методу тематичного сегментування, в основу якого покладений ройовий метод штучної бджолиної колонії. Завдання: аналіз властивостей метаевристичних методів оптимізації, аналіз основних операцій метаевристичних методів оптимізації, формулювання оптимізаційної задачі вибору порогу тематичного сегментування оптико-електронного зображення при використанні ройового методу штучної бджолиної колонії, розробка схеми методу тематичного сегментування оптико-електронних зображень бортових систем оптико-електронного спостереження, одержання гістограм розподілу яскравості по кожному каналу яскравості кольорового зображення, викладення сутності методу тематичного сегментування кольорового зображення бортової системи оптико-електронного спостереження, аналіз ітераційного процесу пошуку оптимальних порогів тематичного сегментування в кольорових каналах оптико-електронного зображення, визначення оптимального значення порогового рівня для кожного каналу яскравості, одержання результату тематичного сегментування вихідного оптико-електронного зображення, візуальна оцінки якості сегментованого зображення. Використано методи теорії імовірності, математичної статистики, ройового інтелекту, кластерізації даних, еволюційних обчислень, методи оптимізації, математичного моделювання та цифрової обробки зображень. Встановлено, що для тематичного сегментування зображення бортової системи оптико-електронного спостереження доцільно використання метаевристичних методів оптимізації. Встановлено, що метод тематичного сегментування кольорового зображення заснований на ройовому методі штучної бджолиної колонії, у якості цільової функції використовується сума дисперсії тематичних сегментів, а оптимізаційна задача полягає в мінімізації цільової функції. Встановлено, що оптимальне значення порогового рівня для кожного каналу яскравості відповідає мінімуму цільової функції для кожного каналу яскравості. Висновки: наукова новизна одержаних результатів полягає в наступному: підвищення візуальної якості сегментованого кольорового зображення, що в подальшому суттєво впливає на вирішення завдання дешифрування зображення.

Вивчено метод виділення об'єктів міської забудови на зображеннях бортових систем оптико-електронного спостереження. Мета роботи - розробка методу виділення об'єктів міської забудови на ображеннях бортових систем оптико-електронного спостереження. Обгрунтувано необхідності виділення об'єктів міської забудови на зображеннях бортових систем оптико-електронного спостереження; викладення сутності методу виділення об'єктів міської забудови на зображеннях бортових систем оптико-електронного спостереження; візуальна оцінка якості виділення об'єктів міської забудови на зображеннях бортових систем оптико-електронного спостереження. Використовуваними методами є: методи теорії імовірності, математичної статистики, методи оптимізації, математичного моделювання та цифрової обробки зображень. Встановлено, що актуальним є питання виділення на зображеннях бортових систем оптико-електронного спостереження географічного ландшафту, будівель, культурних центрів і критичних елементів інфраструктури, типу підприємств, транспортних систем та інших важливих забудов. Встановлено, що об'єкти міської забудови (мости, дороги, будинки тощо) є досить контрастними і містять багато прямих ліній. Виділення об'єктів міської забудови розглянуто як двоетапний метод, а саме, застосування деякого детектора границь та застосування безпосередньо перетворення Хафа. На першому етапі проведено виділення границь, на другому - виділення прямих ліній. У якості детектору границь запропоновано икористання детектору границь Канні. Висновки: встановлено, що візуальна якість дозволяє виділити об'єкти міської забудови на обробленому зображенні, а запропонований метод може бути використано для знаходження об'єктів міської забудови. Напрямком подальших досліджень є використання багатомасштабного методу обробки зображень.

Вивчено метод багатомасштабного оброблення зображень з бортових систем оптико-електронного спостереження (БСОЕС) для визначення елементів міської інфраструктури. Мета роботи - розробка методу багатомасштабного оброблення зображень з БСОЕС для визначення елементів міської інфраструктури. Проаналізовано відомі методи оброблення багатомасштабної послідовності зображень, розробку методу багатомасштабного оброблення зображень з БСОЕС для визначення елементів міської інфраструктури, проведення оброблення зображення з БСОЕС. Використано методи теорії імовірності, математичної статистики, методи оптимізації, математичного моделювання та цифрової обробки зображень, методи математичної логіки. Встановлено, що відомі методи оброблення багатомасштабної послідовності зображень не можуть бути напряму застосовані до багатомасштабного оброблення зображень з БСОЕС. Запропоновано метод багатомасштабного оброблення зображень з БСОЕС для визначення елементів міської інфраструктури. В основі методу покладений двоетапний метод виділення об'єктів міської забудови на зображеннях БСОЕС з використанням перетворення Хафа. Проведено оброблення зображення з БСОЕС методом багатомасштабного оброблення зображень з БСОЕС для визначення елементів міської інфраструктури. Висновки: наукова новизна одержаних результатів полягає в наступному. Запропоновано метод багатомасштабного оброблення зображень з БСОЕС для визначення елементів міської інфраструктури. На відміну від відомих, передбачається використання двоетапного методу визначення елементів міської інфраструктури на зображеннях з різним значення масштабного коефіцієнта, перемасштабування оброблених зображень з різним значенням масштабного коефіцієнта до вихідного розміру та розрахунок зображення-фільтру, а результуюче оброблене зображення є попіксельним добутком вихідного зображення та зображення-фільтру.