А.Ф. Крячко1, М.А. Крячко2, А.В. Медзигов3

1–3 Санкт-Петербургский государственный университет аэрокосмического приборостроения
(Санкт-Петербург, Россия)

2 АО «Лукойл-Технологии» (Москва, Россия)

3 ФГУП «ГосНИИПП» (Санкт-Петербург, Россия)

1 alex_k34.ru@mail.ru, 2 mike_kr@mail.ru, 3 medzigov@ya.ru

Постановка проблемы. Повсеместное использование радиолокационного изображения (РЛИ) существенно упрощает многие бизнес-процессы, делая анализируемую информацию наглядной для задач МЧС, геологической разведки, мореплавания и арктических исследования. Роль РЛИ при военном применении также значительна, и ее сложно переоценить.

Цель. Провести сравнение алгоритмов сжатия, основанных на тригонометрических функциях (JPEG), вейвлетах (JPEG2000) и функциях с компактным-носителем Кравченко–Рвачева и разработать механизм контроля потерь качества изображений.

Результаты. Проведены анализ методов сжатия изображений алгоритмами без потерь либо с потерями и сравнение алгоритмов сжатия, основанных на тригонометрических функциях (JPEG), вейвлетах (JPEG2000) и функциях с компактным-носителем Кравченко–Рвачева. Предложен способ дискретного атомарного преобразования на основе вейвлетов, построенных на функциях Кравченко–Рвачева. Рассмотрен механизм контроля потерь качества изображений на основе равномерной метрики, определяемой максимальным абсолютным отклонением (U-метрика), основанной на использовании понятия поперечника А.Н. Колмогорова, среднеквадратичной метрики и отношения пикового сигнала к шуму. Показано, что использование алгоритма на основе дальностной и азимутальной компрессии (декомпресии) для восстановления изображения позволяет восстанавливать исходное изображение (с искажениями) даже при отсутствии или повреждении 80% данных радиоголограммы, а в случае изменения 20–40% голограммы изображение восстанавливается в форме, доступной для ее восприятия экспертом.

Практическая значимость. Полученные результаты показали, что степень восстановления изображения, т.е. объем содержательной информации, сохраняющейся после выполнения алгоритма, практически не зависит от расположения измененной области голограммы (начало, середина или конец). В ходе экспериментов подтверждено, что алгоритм на основе дальностной и азимутальной компрессии обладает высокой скоростью работы – это является одним из критериев выбора алгоритма восстановления.

Крячко А.Ф., Крячко М.А., Медзигов А.В. Алгоритмы обработки данных, формируемых оптическим и радиолокационным оборудованием космических аппаратов спутниковых систем дистанционного зондирования Земли // Успехи современной радиоэлектроники. 2024. T. 78. № 8. С. 44–55. DOI: https://doi.org/10.18127/j20700784-202408-08

1. Sentinel-1 SAR Space Packet Protocol Data Unit. Doc. № S1-IF-ASD-PL-0007. 2015.
2. CCSDS. Recommendation for Space Data System Standards. Lossless data compression (Blue Book), Iss. 3. CCSDS 121.0-B-3. Washington, D.C.: CCSDS, August 2020. URL: http://www.ccsds.org.
3. Кравченко В.Ф., Юрин А.В. Новый класс вейвлет-функций в цифровой обработке сигналов и изображений // Успехи современной радиоэлектроники. 2008. № 5. С. 3–64.
4. Кравченко В.Ф., Пустовойт В.И., Чуриков Д.В. Аналитические двумерные WA-системы функций Кравченко-Рвачева в задачах цифровой обработки сигналов и изображений // Электромагнитные волны и электронные системы. 2011. Т. 16. № 9. С. 7–32.
5. Кравченко В.Ф., Коновалов Я.Ю., Пустовойт В.И. Семейства атомарных функций ch(x) и fup(x) в цифровой обработке сигналов // Доклады Академии наук. 2015. Т. 462. № 1. С. 35–40.
6. Lam K.W., Lau W., Li Z. The effects on image classification using image compression technique // Amsterdam. Int. Arch. Photogramm. Remote Sens. 2000. № 33. P. 744–751.
7. Makarichev V.O., Lukin V.V., Kravchenko V.S. Image Compression and Protection Systems Based on Atomic Functions // International Journal of Computing. 2023. V. 22(3). P. 283–291.
8. Salomon D., Motta G., Bryant D. Handbook of data compression. Springer. 2010.
9. Makarichev V.A. Approximation of periodic functions by mups(x) // Math. Notes. 2013. V. 93. № 6. P. 858–880.