Математическая модель для построения карты расположения областей, составляющих фоновую обстановку для оптико-электронных систем

Представлена разработанная математическая модель для построения карты расположения
областей, составляющих фоновую обстановку для оптико-электронных систем. Особенностью предложенной модели является то, что при определении, к какому классу относится конкретный пиксель, учитываются одновременно значения классов соседних пикселей, а также пространственное положение пикселя. Приведены количественные оценки адекватности данной модели и существующих математических
моделей изображений, способных осуществить построение карт расположения областей. Предлагаемая
модель сравнивалась с Марковcкой моделью, блочной Марковской моделью, моделью Гиббса, блочной
моделью Гиббса и дважды стохастической моделью с квантованием по уровню. Оценку адекватности проводили с использованием разработанной авторами искусственной нейронной сети, оценивающей сходство двух изображений по нормированному показателю сходства, находящемуся в интервале от 0.0 до 1.0,
и ее k-кратной перекрестной проверки. Результаты сравнения показали, что разработанная модель по вычисленному показателю не менее чем в три раза лучше известных.

1. Сергеенко, А. В. Универсальный инструментарий для исследования работы алгоритмов обнаружения в оптическом диапазоне / А. В. Сергеенко, А. Ю. Липлянин, А. В. Хижняк // Вестник Полоцкого государственного университета. 2020. № 12. С. 36–43.

2. Имитационное моделирование в задачах оптического дистанционного зондирования / Г. М. Креков [и др.]. Новосибирск: Наука, 1988.

3. Сергеенко, А. В. Методика расчета параметров адекватности математической модели изображения / А. В. Сергеенко, А. Ю. Липлянин, А. В. Хижняк // Проблемы физики, математики и техники. 2023. Т. 56, № 3. С. 94–99.

4. TORCH.NN [Electronic Resource] // PyTorch. Mode of access: https://pytorch.org/docs/stable/nn.html. Date of access: 01.08.2023.

5. Cross-Validation: Evaluating Estimator Performance [Electronic Resource] // Scikit-Learn. Mode of access: https://scikit-learn.org/stable/modules/cross_validation.html. Date of access: 01.08.2023.