Выбор показателей качества и оценивание интенсивности разнородной информации в автоматизированной системе мониторинга космических объектов для повышения оперативности ее обработки
Пророк В. Я., Оркин В. В., Антонов Д. А., Попов Д. Г.
Читать статью полностью
Выбор показателей качества и оценивание интенсивности разнородной информации в автоматизированной системе мониторинга космических объектов для повышения оперативности ее обработки(756,25 KB) Аннотация
В настоящее время прослеживается тенденция резкого увеличения количества космических аппаратов в околоземном космическом пространстве. Это существенно увеличивает нагрузку на автоматизированную систему мониторинга космических объектов. Для обеспечения ее эффективной работы необходимо либо повышение производительности самой системы (тактовая частота процессора, быстродействие памяти и другие параметры), либо развитие прикладного программного обеспечения. В данной работе проведен анализ показателей качества и интенсивности поступающей информации для последующего обоснования характеристик перспективного вычислительного комплекса автоматизированной системы мониторинга космических объектов.
Ключевые слова:
вычислительный комплекс - computing system; автоматизированная система мониторинга космических объектов - recognition; space object; распределение вычислительных ресурсов - distribution of computing resources; интенсивность, вычислительная нагрузка - computational load; качество информации - information quality
Список литературы
1. Оркин, В. В. Моделирование процесса распределения вычислительных ресурсов при автоматизированном обнаружении, распознавании и каталогизировании космических объектов / В.В. Оркин, Д.А. Антонов, О.Е. Нестеренко // Информация и Космос. – 2021. – № 4. – С. 83–87.
2. NORAD Online Satellite Catalog (SATCAT) / CELESTRAK. – URL: https://www.celestrak.com/ (дата обращения 13.04.2022).
3. Эксперт: спутники Starlink Илона Маска стали самыми опасными на орбите / SpaceX. – URL: https://www.google.ru/amp/s/m.gazeta.ru/amp/science/news/ (дата обращения 27.04.2022).
4. О возможности автоматизации процесса обработки радиолокационной некоординатной информации в интересах распознавания космических объектов / М.Н. Волков, Р.А. Гудаев, В.Ю. Маслов, Ш.И. Шаймухаметов. // Сборник трудов военно-научной конференции «Актуальные научно-технические аспекты разработки, испытаний и эксплуатации средств ракетно-космической обороны» Военно-космической академии имени А.Ф. Можайского. – Санкт-Петербург : ВКА имени А.Ф. Можайского, 2019. – С. 31–36.
5. Монич, Ю. И. Оценки качества для анализа цифровых изображений / Ю.И. Монич, В.В. Старовойтов // Искусственный интеллект. – 2008. – № 4. – С. 376–386.
6. Jain, A. K. Fundamentals of Digital Image Processing / A.K. Jain. – Hoboken : Prentice-Hall, 1989. – 565 p.
7. Limb, J. O. Distortion Criteria of the Human Viewer / J.O. Limb // IEEE Transactions on Systems, Man and Cybernetics. –1979. – Vol. 9, No. 12. – Р. 778–793.
8. Pratt, W. K. Digital Image Processing / W.K. Pratt. – New York : John Wiley and Sons, 1978. – 750 p.
9. Snyder, H. L. Image quality: Measures and visual performance / H.L. Snyder // Flat-Panel Displays and CRTs / L.E. Tannas. – New York : Van Nostrand Reinhold, 1985. – Р. 91–137.
10. Формирование моделей радиолокационных изображений в виде стохастических дифференциальных уравнений для распознавания космических объектов / А.П. Кадочников, А.А. Казанцев, О.А. Мишуков, С.А. Шигорев // Труды учебных заведений связи. – 2019. – Т. 5, № 4. – С. 106–113.
11. Тарасов, В. В. Инфракрасные системы «смотрящего» типа / В.В. Тарасов, Ю.Г. Якушенков. – Москва : Логос, 2004. – 452 с.
12. Johnson, J. Analysis of image forming systems / J. Johnson // Image intensifier symposium, Fort Belvoir, VA, 6 October 1958. – P. 249–274.
13. Коренной, А. В. Комплексная обработка радиолокационной информации в автоматизированных системах дистанционного зондирования протяженных объектов / А.В. Коренной, С.А. Лепешкин, А.П. Кадочников // Труды IV Всероссийской научно-технической конференции. – Москва : Изд-во МГТУ им. Н.Э. Баумана, 2017. – С. 651–660.
14. Shnayderman, A. An SVD-Based Gray-Scale Image Quality Measure for Local and Global Assessment / A. Shnayderman, A. Gusev, A.M. Eskicioglu // IEEE Transactionson image processing. – 2006. – Vol. 15, No. 2. – P. 422–429.