Efficiency of DCT-based filters for a wide-class of images is investigated. The study is carried out for additive white Gaussian noise (AWGN) case with several intensity levels. Local DCT-based filter is used as basic denoising technique. Nonlocal BM3D filter known as the state-of-the-art technique for AWGN removal is also exploited. A precise prediction method of denoising efficiency for several quality metrics is proposed. It is shown that statistics of DCT coefficients provides useful information. Regression models for analyzed filters and metrics are presented. The obtained dependence approximations of quality metrics on DCT statistics have high goodness of fit. One-parameter and multi-parameter fitting cases are considered. The most valuable DCT statistics are found.

За останнє десятиліття спостерігалися ознаки поліпшення стану Чорного моря. Проте його унікальні акваторії та узбережжя все ще знаходяться під серйозно ю загрозою. Чорне море незахищене від значних антропогенних тисків, і має низький адаптаційний потенціал. Якщо по мірі зростання економіки регіону ці тиски посиляться, проблема стане серйознішою. Імплементація Директиви 2008/56/ЄС про встановлення рамок діяльності Співтовариства у сфері екологічної політики щодо морського середовища (Рамкова Директива про морську стратегію (РДМС)), оскільки використання морського середовища з урахуванням екосистемного підходу та принципу інтегрованого управління сприяє поліпшенню стану довкілля, збереженню біорізноманіття, розвитку галузей морегосподаського комплексу, перш за все рибальства, аквакультури, рекреації та туризму. Директива 2008/56/ЄС спрямована на досягнення доброго екологічного стану морських вод і захисту морських ресурсів, від яких залежить економічна та соціальна діяльність. Основні етапи реалізації цього документа включають: набуття чинності законами, підзаконними актами та адміністративними положеннями, необхідними для виконання Директиви 2008/56/ЄС; визначення уповноваженого органу (органів) влади, відповідального за її впровадження; початкову оцінку сучасного стану морських вод; визначення їх доброго екологічного стану; встановлення екологічних цілей та індикаторів для морських вод; розробку програми моніторингу для здійснення поточної оцінки та регулярного оновлення цілей; підготовку комплексу заходів для досягнення доброго екологічного стану. Реалізація РДМС вимагає більш скоординованих досліджень, що мають проводитися в різних країнах, використовуючи порівняльні, найсучасніші методи оцінки. Це може також включати комбінацію різних методів оцінки, наприклад від заявлених і виявлених методів оцінки стану навколишнього середовища. Більше того, інтегроване моделювання матиме надзвичайно важливе значення для поєднання біогеофізичних і соціально-економічних систем і простежити вплив змін у морському середовищі. Зосереджено увагу на методологічних питаннях, пов'язаних із загальним розумінням фінансових, технічних і наукових наслідків РДМС. Зокрема, однією з цілей цієї стратегії є розробка не юридично обов'язкових і практичних документів, таких як співфінансування заходів РДМС.

В даний час зображення дистанційного зондування Землі знайшли безліч застосувань. Найчастіше кінцевим або проміжним результатом їх обробки є класифікаційна карта. Такі карти зазвичай отримують за допомогою попередньо навченого класифікатора, і однією з вимог, що пред'являються до них, є їх точність. Основним предметом статті є чинники, що визначають цю точність. Основними з них є якість даних ДЗЗ та тип класифікатора, параметри та підхід до навчання. Якість зображення може погіршитися через кілька факторів. Одним з них є спотворення, що вносяться стиском з втратами, який широко використовуються у зв'язку з величезним обсягом даних і необхідністю значно зменшити їх обсяг на етапах передачі, зберігання та/або розповсюдження. З цієї причини основною метою статті є спільний розгляд класифікації та стиснення із втратами. Зокрема, це означає, що навчання класифікатора може проводитися як для вихідних (нестиснених, стиснутих без втрат) зображень (за їх наявності), так і для наявних стислих даних (пропонованих користувачеві для класифікації та подальшого аналізу). Завдання цієї статті полягає в тому, щоб розглянути та порівняти ці два варіанти. Перший - це навчання класифікатора на вихідних зображеннях і подальше його застосування до стиснених даних, де зображення можуть бути стиснуті з різним ступенем стиснення. Другий варіант - використання навчання класифікатора для стиснених зображень, де параметри стиснення для навчальних даних можуть бути приблизно такими, як і для зображень, до яких застосовується класифікатор. Основний результат полягає у тому, що остання методологія здатна забезпечити певні переваги проти навчання класифікатора для вихідних даних, якщо необхідно класифікувати стислі дані дистанційного зондування Землі. Результати отримані для класифікатора на основі нейронної згорткової мережі. Як зображення для навчання та перевірки використовуються чотири реально існуючі триканальні (видимий діапазон) зображення Sentinel-2 Харкова та Харківської області, які характеризуються різною за складністю структурою та містять чотири основні класи об'єктів на місцевості. Надано практичні рекомендації. Як висновки можна констатувати, що варто навчати класифікатори для декількох ступенів стиснення і з особливою обережністю стискати зображення складної структури.