Міністерство освіти і науки України

Національний університет “Львівська політехніка”

Кафедра САПР

«ОРГАНІЗАЦІЯ НАУКОВИХ ДОСЛІДЖЕНЬ»

Звіт
до лабораторної роботи №4

«НАУКОВИЙ РЕЗУЛЬТАТ: ЗМІСТ І ПОРЯДОК ОФОРМЛЕННЯ»

Варіант 3

Виконала:
студентка гр. КНІТ-11
Варіченко Л.В.
Прийняла:
Левкович М.В.
 Львів 2023 р.
Мета роботи

Мета роботи – ознайомитись із формами наукового викладу матеріалів

досліджень. Засвоїти основні вимоги щодо структури і порядку оформлення
наукових документів. Набути навичок наукової мови та стилю викладення думки.
Здійснити підготовку та стислу систематизацію результатів досліджень для
подальшої наукової публікації.

Теоретичні відомості

Насамперед, виклад матеріалу наукового дослідження залежить від типу

публікацій, розмаїття яких обумовлене різними цілями упорядкування та фіксації
змісту наукової інформації, необхідної для забезпечення обміну авторськими
думками та їх широкого розповсюдження й використання. Кожне з джерел має
специфіку викладу, відповідний стиль, структуру й логіку побудови матеріалу та
обсяг. Основним видом оперативної публікації про нові дослідження з конкретної
тематики є наукова стаття, мета якої полягає в поданні інформації про проведену
наукову роботу.

Логіка викладення матеріалів статті:

- вступна частина, де пояснюються аргументи вибору і дослідження теми;
- основний зміст, де йдеться про основні положення, які автор прагне висвітлити;
- висновки, що узагальнюють основний зміст статті.

На початку кожної статті обов‘язково вказується ім'я, по батькові та

прізвище автора, науковий ступінь, посада, кафедра, навчальний заклад, коротка
анотація та відомості про автора, фотокартка, код УДК.

Тези доповіді – стислий виклад основних думок, публікація яких передбачає

попереднє ознайомлення учасників конференції, семінарів, з
результатами проведеного дослідження.
 Лабораторне завдання

1. Ознайомитись із формами викладу матеріалів досліджень, з основними

поняттями про результати наукового дослідження, з основними вимогами до
оформлення результатів, з рекомендаціями до мови та стилю наукової роботи, з
порядком підготовки до публічного представлення та захисту роботи.

2. Спираючись на результати попередніх лабораторних робіт, більш точно

визначити та чітко письмово сформулювати актуальність наукового результату
його наукову новизну за проведеною роботою за обраною тематикою наукового
дослідження майбутньої магістерської кваліфікаційної роботи. Описати по-
пунктно.

3. Визначити та чітко письмово сформулювати теоретичну та практичну

значущості роботи (по-пунктно).

4. Здійснити систематизацію отриманих результатів у вигляді окремих

характеризаційних та звідних таблиць, схематичних діаграм, графіків. Наприклад
класифікації розглянутих методів, способів, алгоритмів, моделей.

Уся систематизація має бути сконцентрована і вкластися від 5 до 8 сторінок А4.

Здійснити розбивку матеріалів за розділами та підрозділами.

6. Оформити увесь матеріал згідно вимог (сторінки, шрифти, заголовки, нумерації,

ілюстрації, таблиці, формули, посилання, список використаних джерел, додатки).

7. Підготувати анотації до роботи на українській, англійській та іншій іноземній

мовах.

8. Підготувати матеріали до оформлення наукової статті, тез доповіді для друку у

фахових виданнях чи матеріалах конференцій.

9. Оформити звіт про виконану лабораторну роботу.

 Результати виконання лабораторної роботи

Тема роботи
«Розробка програмного забезпечення для розпаковки та аналізу зображень
отриманих з борту КА (космічного апарата)»

Зміст майбутньої магістерської кваліфікаційної роботи

Перелік умовних скорочень
Вступ
Розділ 1. Загальний аналіз існуючих систем ДЗЗ. Попередня обробка ДЗЗ.
1.1 Загальна структура космічної системи даних дистанційного зондування
Землі
1.2 Задачі і методи обробки зображень, отриманих з борту КА
1.3 Переваги та недоліки існуючих космічних систем ДЗЗ та комплексів
попередньої обробки
1.4 Висновки до розділу 1
Розділ 2. Постановка задачі для роботи з програмним забезпеченням ПТК
ПОНІ
2.1 Задачі та методи попередньої обробки інформації, отриманої з борту КА
2.2 Структура спеціального програмного забезпечення ПОНІ
2.3 Методи вводу тестових зображень для перевірки СПЗ ПОНІ
2.4 Процес отримання даних з борту КА
2.5 Опис спеціального програмного забезпечення ПТК ПОНІ
2.6 Обробка тестових зображень та зображень КА “Egyptsat-1”, “Січ-2”, “Січ-2-
30”
2.7 Висновки до розділу 2
Розділ 3. Методи та алгоритми запаковки та розпаковки даних, отримуваних від
КА. Аналіз методів фільтрації зображень. Програмна реалізація
3.1 Методи та алгоритми запаковки та розпаковки даних
 3.2 Радіаційна корекція зображень, отриманих з борту КА. Алгоритми та
програма медіанної фільтрації
3.3 Інтерфейс оператора СПЗ ПОНІ
3.4 Висновки до розділу 3
Розділ 4. Отримані результати. Аналіз переваг та недоліків
4.1 Загальна структура ПТК ПОНІ, СПЗ ПОНІ
Висновки
Список використаних джерел
Додатки

Актуальність теми
Космічна індустрія визначає технічний розвиток і є важливим фактором
економічного зростання та конкурентоспроможності. Космічні технології є
важливим компонентом національної безпеки та міжнародного співробітництва.
Комічна діяльність має великий вплив на повсякденне життя. Зазвичай цей
вплив розділяють на технологічний та економічний вплив і науковий та
культурний вплив. Технологічний та економічний вплив можна прослідкувати у
розвитку, наприклад, супутникових навігаційних систем, щоденних
метеорологічних прогнозів, вирішенні задач у сільському та лісовому
господарствах, оновленні географічних карт, отриманні розвідданих, пошуку
корисних копалин та інше. Науковий та культурний вплив привів до безлічі
відкриттів у вивченні магнітосфери, спостереженні явищ полярних сяйв,
спостереженні взаємодії магнітного поля Землі з сонячним магнітним полем і
сонячним вітром. Був виявлений факт утворення озонової дірки, а також явище
парникового ефекту.
Для отримання інформації із космосу необхідні спеціальні засоби: ракети-
носії, космічні кораблі, космічні апарати або космічні станції, наземна
інфраструктура. Це складові частини космічного проекту.
 У даній роботі увага приділена корисному навантаженню космічного
апарату (КА) та питанням попередньої обробки інформації отриманої від КА.
Сукупність космічних та наземних технічних та інформаційних засобів, які
функціонально та організаційно пов’язані між собою і забезпечують дистанційне
зондування Землі (ДЗЗ) називають системою ДЗЗ з космосу. Апаратура
спостереження (сканер) КА створює зображення шляхом перетворення
прийнятого випромінювання електромагнітних хвиль оптичного
ультрафіолетового (УФ), видимого інфрачервоного (ІЧ), або радіолокаційного
діапазонів у електричні сигнали. Ці сигнали перетворюються у цифрову форму,
певним чином групуються, запам'ятовуються і передаються по радіоканалу на
наземний пункт прийому і обробки інформації. Космічна система ДЗЗ у своєму
складі має космічний комплекс спостереження та наземний інформаційний
комплекс (НІК).
Програмно-технічний комплекс прийому, обробки мультиспектральних
зображень є складовою частиною космічного комплексу ДЗЗ. Він представляє
собою структуру взаємозв’язаних програмних та апаратних засобів, що призначені
для виконання наступних завдань:
- прийом у реальному часі і запис у накопичувачі інформації від КА;
- виконання розпаковки інформації попередньої обробки
мультиспектральних зображень;
- підготовка для надання споживачам отриманих даних, які можуть
використовуватись для тематичної обробки;
- ведення архіву зображень.
Інформація, яка необхідна для аналізу при вирішенні певних задач (розвідка,
пошук корисних копалин, виявлення техногенних катастроф та ін.) отримується з
допомогою комплексу приладів, що встановлюються на борт КА. Цей комплекс
апаратури називається корисним навантаженням КА. Корисне навантаження
містить, наприклад, наступні прилади: магнітометр – для вимірювань магнітного
поля Землі, сканери різної роздільної здатності які забезпечує можливість
спостереження об'єктів за їх власним тепловим, оптичним або відбитим
випромінюванням шляхом перетворення електромагнітних хвиль у електричні
сигнали. Електричні сигнали перетворюються у цифрову форму,
запам'ятовуються, певним чином групуються (запаковуються) разом із службовою
інформацією (дані про положення КА, бортовий час та інші параметри) та
передаються на землю.

Actuality
The space industry determines technical development and is essential to economic
growth and competitiveness. Space technology is an essential component of national
security and international cooperation.
Comic activities have a significant impact on everyday life. Usually, this impact is
divided into technological and economic impact and scientific and cultural impact.
Technological and economic impacts can be traced to the development of, for example,
satellite navigation systems, daily meteorological forecasts, solving problems in
agriculture and forestry, updating maps, obtaining intelligence, searching for minerals,
and more. Scientific and cultural influence has led to many discoveries in the study of
the magnetosphere, observation of auroras, and observation of the interaction of the
Earth's magnetic field with the solar magnetic field and the solar wind. The fact of ozone
hole formation was revealed, as well as the phenomenon of the greenhouse effect.
Special tools are needed to obtain information from space: launch vehicles,
spacecraft, spacecraft or space stations, and ground infrastructure. These are part of the
space project.
In this bachelor's thesis, attention is paid to the payload of the spacecraft (SP) and
the issues of pre-processing of information received from the spacecraft. The set of
space and ground technical and information means that are functionally and
organizationally interconnected and provide remote sensing of the Earth (remote
sensing) is called the remote sensing system from space. Surveillance equipment
(scanner) spacecraft creates images by converting the received radiation of
electromagnetic waves of optical ultraviolet (UV), visible infrared (IR), or radar bands
into electrical signals. These signals are converted into digital form, in some way
grouped, stored, and transmitted by radio to the terrestrial point of reception and
processing of information. The remote sensing system consists of a space observation
complex and a ground information complex (NIS).
The software and hardware complex of reception and processing of multispectral
images is an integral part of the remote sensing space complex. It is a structure of related
software and hardware designed to perform the following tasks:
- reception in real-time and recording in the storage of information from the
spacecraft;
- performing unpacking of information for pre-processing of multispectral images;
- preparation for providing consumers with the received data that can be used for
thematic processing;
- maintaining an archive of images.
The information needed for analysis in solving specific problems (exploration,
mineral exploration, detection of artificial disasters, etc.) is obtained using a set of
devices installed on board the spacecraft. This set of equipment is called the payload of
the spacecraft. The payload includes, for example, the following devices: a
magnetometer - to measure the Earth's magnetic field, scanners of different resolutions
that provide the ability to observe objects for their own thermal, optical, or reflected
radiation by converting electromagnetic waves into electrical signals. Electrical signals
are converted into digital form, memorized, in some way grouped (packed) together with
service information (data on the spacecraft's position, flight time, and other parameters)
and transmitted to the ground.

Значення результатів роботи для науки та практики

Космос проникає в наше життя у багатьох аспектах, інколи явно, а інколи
майже непомітно. Космос є найбільшим джерелом інновацій, які поліпшують
добробут та життя людей. Дослідження космосу, як джерела знань поглиблюють
розуміння походження людини та її майбутню долю у Всесвіті. З космосу нашу
планету видно в усій її красі та вразливості. Космічна індустрія визначає
технічний розвиток і є важливим фактором економічного зростання та
конкурентоспроможності. Космічні технології є важливим компонентом
національної безпеки та міжнародного співробітництва.
Вплив космічної діяльності на повсякдення життя можна розділити на
наступні складові:
- технологічний та економічний вплив;
- науковий та культурний вплив;
Наприклад, технологічний та економічний вплив яскраво прослідковується у
розвитку:
- супутникових навігаційних систем;
- щоденних метеорологічних прогнозів;
- вирішенні задач у сільському та лісовому господарствах;
- оновленні географічних карт;
- отриманні розвідданих;
- пошуку корисних копалин та інше.
Науковий та культурний вплив привів до безлічі відкриттів у вивченні
магнітосфери, спостереженні явищ полярних сяйв, спостереженні взаємодії
магнітного поля Землі з сонячним магнітним полем і сонячним вітром. Був
виявлений факт утворення озонової дірки, а також явище парникового ефекту.
Космос має багато ресурсів, які можна використати в наукових, технічних
або комерційних цілях. З орбіти вигляд земної поверхні є унікальним, а погляд у
Всесвіт не спотворений впливом атмосфери.
Для отримання інформації із космосу необхідні спеціальні засоби: ракети-
носії, космічні кораблі, космічні апарати або космічні станції, наземна
інфраструктура. Це складові частини космічного проекту.
 Теоретична значущість роботи
Розробка програмного забезпечення для розпаковки та аналізу зображень,
отриманих з борту космічного апарата, має велику теоретичну значущість і може
вплинути на різні аспекти наукових досліджень та космічної діяльності:

1. Обробка і аналіз зображень: Програмне забезпечення для розпаковки та

аналізу зображень з космічного апарата дозволяє виявляти, класифікувати і
вивчати різноманітні об'єкти та явища в космосі, такі як планети, зірки,
галактики, астероїди тощо. Це надає вченим можливість досліджувати
природу космосу, розуміти його еволюцію і збагачувати нашу наукову базу
знань.
2. Моніторинг змін: Програмне забезпечення може бути використано для
моніторингу змін, які відбуваються в космосі з плином часу. Наприклад,
воно допомагає виявляти зміни в рельєфі планети, рух геологічних утворень,
зміни в структурі галактик тощо. Це дозволяє вченим отримувати важливу
інформацію про динаміку та еволюцію космічних об'єктів.
3. Пошук нових об'єктів: Програмне забезпечення допомагає виявляти нові
об'єкти в космосі, які можуть бути невидимі або непомітні на перший
погляд. Наприклад, воно допомагає виявляти нові галактики, планети, зорі
або виявляти раніше невідомі астрономічні явища.

Практична значущість роботи

Розробка програмного забезпечення для розпаковки та аналізу зображень,
отриманих з борту космічного апарата, має велику практичну значущість і може
знайти широке застосування в різних галузях. Ось декілька пунктів, які
пояснюють цю значимість:
1. Дослідження космічного простору: Програмне забезпечення для розпаковки
та аналізу зображень забезпечує вченим і дослідникам доступ до цінних
даних, отриманих з космосу. Воно дозволяє детально вивчати космічні
 об'єкти, їх властивості, структуру і поведінку. Це допомагає розширити
наше знання про Всесвіт і розв'язати різні наукові загадки.
2. Моніторинг змін на Землі: Програмне забезпечення також може бути
використано для аналізу зображень, які зафіксовані з борту космічного
апарата зорієнтовані на Землю. Це дозволяє виявляти зміни в природних
ресурсах, стані довкілля, кліматичних умовах, геологічних утвореннях тощо.
Такий моніторинг може бути використаний для прогнозування природних
катастроф, ведення сільського господарства, контролю за забрудненням і
прийняття рішень в галузі розробки територій.
3. Космічні місії та комерційна діяльність: Розробка програмного забезпечення
для розпаковки та аналізу зображень допомагає вдосконалювати космічні
місії і підтримувати комерційну діяльність у космосі.
4. Навігація та картографія: Програмне забезпечення може бути використано
для створення детальних карт та моделей космічних об'єктів. Це дозволяє
поліпшити навігацію та орієнтацію космічних апаратів, а також розробляти
точні картографічні дані для досліджень, космічного туризму та інших
прикладних цілей.
5. Космічна безпека та оборона: Програмне забезпечення для аналізу
зображень може бути використано в космічній безпеці та обороні. Воно
допомагає виявляти незаконну діяльність, спостерігати за космічними
об'єктами, виявляти можливі загрози та реагувати на них. Це важливо для
забезпечення безпеки космічних місій, супроводу космічних апаратів та
захисту від потенційних загроз.
6. Розвиток технологій: Робота над програмним забезпеченням для розпаковки
та аналізу зображень з космічного апарата сприяє розвитку передових
технологій, таких як комп'ютерне бачення, обробка зображень, штучний
інтелект та машинне навчання. Це допомагає створювати нові інноваційні
рішення, які можуть знайти застосування в інших галузях, таких як
медицина, автомобільна промисловість, розпізнавання образів та інше.
 Систематизація отриманих результатів
Загальна характеристика методів та моделей, використаних у дослідженні
особливостей створення програмного забезпечення для розпаковки та аналізу
зображень, отриманих з борту КА подана в таблиці 1.
Таблиця 1. Характеризаційна таблиця методів та моделей

Метод/Модель Опис

Обробка зображень Використання алгоритмів та технік для покращення

якості, зменшення шуму, видалення артефактів та
вирівнювання зображень отриманих з космічного
апарата.

Сегментація Розділення зображень на окремі регіони або об'єкти для

зображень подальшого аналізу і класифікації.

Визначення Використання дескрипторів та алгоритмів для виявлення

особливостей особливостей, таких як контури, кути, краї та текстури,
що допомагає ідентифікувати та класифікувати об'єкти
та структури на зображеннях.

Класифікація Використання методів машинного навчання та

об'єктів класифікаційних алгоритмів для ідентифікації об'єктів на
зображеннях (наприклад, планет, галактик, астероїдів
тощо).

Виявлення аномалій Використання алгоритмів для виявлення незвичайних

або аномальних об'єктів або явищ на зображеннях, що
може допомогти виявити нові об'єкти або незвичайні
події в космосі.
Розпізнавання Використання методів та моделей машинного навчання
образів для розпізнавання та ідентифікації об'єктів або патернів
на зображеннях.

Аналіз Використання спектральних характеристик отриманих

спектральних даних зображень для визначення складу та властивостей
об'єктів, таких як склад атмосфери, хімічний склад
поверхні, розподіл рослинності тощо.

Кореляційний Використання кореляційних алгоритмів для

аналіз встановлення зв'язків та залежностей між різними
зображеннями, що може допомогти в розумінні динаміки
та змін на космічних об'єктах або на Землі.

Автоматичне Використання алгоритмів індексування для створення

індексування швидкого та ефективного пошуку та організації великого
обсягу зображень, що допомагає в ефективному
управлінні та аналізі космічних даних.

Моделювання Використання математичних та фізичних моделей для

поведінки передбачення поведінки об'єктів у космосі, наприклад,
траєкторій супутників, руху планет, сезонних змін на
планетах тощо.

Візуалізація Розробка інтерактивних візуалізаційних інструментів та

результатів програм для подання та відображення результатів
аналізу зображень, що допомагає вченим та дослідникам
зрозуміти та інтерпретувати отримані дані.

Автоматизована Розробка автоматизованих систем та пайплайнів для

обробка обробки та аналізу зображень, що дозволяють ефективно
опрацьовувати великий обсяг даних, використовуючи
методи та алгоритми обробки зображень.

Корисне навантаження – це апаратура, яка встановлюється на борт КА та

забезпечує отримання необхідної інформації. Процес спостереження за поверхнею
Землі з борта КА (як за допомогою пасивних систем, що сприймають відбите
Землею сонячне випромінювання та випромінювання безпосередньо Землі, так і з
допомогою активних радіолокаційних систем) називається дистанційним
зондуванням Землі (ДЗЗ). Пасивні системи дистанційного зондування називаються
– скануючими пристроями або сканерами. Сканери сприймають інформацію у
різних спектральних діапазонах хвиль. Дистанційне зондування – це не отримання
знімків земної поверхні типу фотографій. Дистанційне зондування – це
вимірювання та отримання даних про земну поверхню і атмосферу без фізичного
контакту з об’єктами, параметри яких мають бути виміряні. Вимірювання
проводиться на великих площах з високою часовою та просторовою роздільною
здатністю. Ці вимірювання служать основою для подальшого аналізу, зокрема на
основі цих вимірювань можуть бути сформовані видові знімки земної поверхні.
Для моніторингу поверхні Землі орбіти мають нахил близько 98° по
відношенню до екватора. Висота орбіт знаходиться в межах 300÷850км. На таких
орбітах тривалість одного обертання складає близько 100хв. Вони є сонячно-
синхронними , тобто будь-яка точка на Землі завжди спостерігається у один і то
же місцевий час сонячної доби, що важливо для порівняння отриманих даних.
Такі орбіти дозволяють спостерігати майже всі зони поверхні Землі з допомогою
КА. При цьому використовується електромагнітне випромінювання від
ультрафіолетової, оптичної до мікрохвильової частини спектру.
Сканери – це оптико-електронні системи. Як детектори у сканерах
використовуються прилади із зарядовим зв’язком (ПЗЗ-прилади), або прилади на
основі структур метал-діелектрик-напівпровідник (КМДН-прилади).
Отримані виміри використовуються для формування зображень з різною
структурою в інтересах різних галузей народного господарства, розвідувальних
підрозділів, наукових досліджень. Процес такого формування називається
попередньою обробкою. При цьому використовуються автоматизовані системи на
основі комп’ютерів та спеціалізованих цифрових обчислювальних пристроїв. Крім
цього, цей процес аналогічний процесу автоматизованого проектування (САПР).
Виходячи з даних дистанційного зондування проектується конкретне зображення
для аналізу і подальшої обробки у різних тематичних напрямках (сільське
господарство, картографія, лісове господарство, геологія, маркшейдерська справа,
дослідження океанів та льодовиків, метеорологія, розвідка для військових,
забруднення навколишнього середовища, виявлення пусків ракет, дослідження
магнітного поля Землі та інше).
Сукупність космічних та наземних технічних та інформаційних засобів, які
функціонально та організаційно пов’язані між собою і забезпечують дистанційне
зондування Землі (ДЗЗ) називають системою ДЗЗ з космосу. Апаратура
спостереження (сканер) КА створює зображення шляхом перетворення
прийнятого випромінювання електромагнітних хвиль оптичного
ультрафіолетового (УФ), видимого інфрачервоного (ІЧ), або радіолокаційного
діапазонів у електричні сигнали. Ці сигнали перетворюються у цифрову форму,
певним чином групуються, запам'ятовуються і передаються по радіоканалу на
наземний пункт прийому і обробки інформації.
Космічна система ДЗЗ у своєму складі має космічний комплекс
спостереження та наземний інформаційний комплекс (НІК). Структура космічного
комплексу ДЗЗ наведена на рис 1.1.

Рис. 1.1. Структура космічного комплексу ДЗЗ

 Тут КВП – командний вимірювальний пункт, ЦУП – центр управління
польотами. КВП приймає інформацію про стан КА, а також передає команди
управління на борт КА, які виробляються у ЦУП.
Наземний ракетно-технічний комплекс забезпечує вивід угрупування КА від
одного КА до кількох десятків (на рис. 1.1 показано комплекс ДЗЗ з двома КА) на
задані орбіти.
Група аналізу, розрахунків і оперативної підтримки слідкує за станом КА,
формує для ЦУП план забезпечення життєдіяльності КА на найближчі 3-5 діб,
який схвалюється або коригується ЦУП. Після цього на КВП надходить закладка
команд управління, яка передається на борт КА.
Операторський центр здійснює планування зйомок поверхні Землі.
Інформаційний центр здійснює попередню обробку зображень, отриманих з
борта КА та підтримує зв'язок з потенційними споживачами космічної інформації.
Подібні космічні системи наявні у всіх розвинених країн світу і , останнім
часом, у багатьох країнах, що розвиваються.
Для прикладу розглянемо космічні системи «Landsat» (США), «Sentinel»
(Франція, ЄС), «Eros» (Ізраїль), «Січ-2», «Січ-2-30» (Україна).
Система «Landsat» існує з 1972 року. На сьогодні використовуються КА цієї
системи «Landsat-8» та «Landsat-9» (запущений на орбіту 27.09.2021р).
Використання цих двох апаратів дозволяє проводити зйомку всієї Землі за 8 днів.
Космічна система Франції використовує в даний час КА «Sentinel-2В» та
«Sentinel-2А». «Sentinel-2А» був запущений на орбіту у 2015-му році, «Sentinel-
2В» у 2017-му році.
Ізраїльська система включає два КА, «Eros-А» (запущений на орбіту в 2000-
му році) та «Eros-В» (запущений у 2006-му).
Український КА «Січ-2» працював на орбіті у 2011-му та 2012-му роках.
Запущений 13.01.2022 року КА «Січ-2-30» проходить етап льотно-
конструкторських випробувань.
 Основні параметри наведених вище КА, включаючи рівні попередньої
обробки зведені у таблиці 1.1.
Таблиця 1.1. Основні параметри КА
Космічн Апаратура Просторова Радіометрична Поле Рівні
ий спостереження роздільна роздільна зору, попереднь
апарат здатність, здатність, біт км ої обробки
(проекція
пікселя, м)
1 2 3 4 5 6
Landsat- Сканер 15; 30 12 185 Рівень 0
8 оптичного
діапазону
(чотири смуги)
Сканер ІЧ 30÷100 12 185 Рівень 1А
діапазону (п'ять
смуг)
Landsat- Сканер 15; 30 14 185 Рівень 1
9 оптичного
діапазону 2шт
(чотири смуги)
Сканер ІЧ 30÷100 185 Рівень 1А
діапазону (п'ять
смуг)
Sentinel- Сканер 10 12 290 Рівень 0
2А оптичного
діапазону (три
смуги)
Сканер ІЧ 20÷60 12 290 Рівень 1А
діапазону
(дев'ять смуг)

Sentinel- Сканер 10 12 290 Рівень 0

2В оптичного
діапазону (три
смуги)
Сканер ІЧ 20÷60 12 290 Рівень 1А
діапазону
(дев'ять смуг)
Eros-A Сканер 1,8 11 14 Рівень 1А
панхроматично
го діапазону
Eros-В Сканер 0,7 10 7,14 Рівень 1А
 панхроматично
го діапазону
Січ-2 Сканер 7,9 8 48 Рівень 0
оптичного
діапазону
(чотири смуги)
Сканер ІЧ 37,0 8 Рівень
діапазону (одна 1А,1В,1С
смуга)

Січ-2-30 Сканер 6,08 м х 8 36,5 Рівень

оптичного 7,88 м 1А,1В,1С
діапазону
(чотири смуги)

Сканери проводять сканування у заданих спектральних діапазонах.

Наприклад, спектральний діапазон сканера МСУ КА Січ-2-30, Січ-2 розбитий на
чотири смуги 0,5-0,59 мкм (область зеленого кольору), 0,6-0,61 (область червоного
кольору), 0,79-0,89 мкм (ближній інфрачервоний (ІЧ) колір), 0,5-0,89 (панхром).
Дані по спектральних діапазонах КА Landsat, Sentinel, Eros доступні у Вікіпедії.
Просторова роздільна здатність визначається як проекція пікселя на земну
поверхню, тобто проекція розміру сторони квадрата фоточутливого елемента ПЗЗ-
лінійки, КМДН-лінійки на земну поверхню. У сканера МСУ КА Січ-2-30 не
квадратний, а прямокутний піксель. Розмір сторони пікселя поперек польоту 6,08
м, вздовж польоту – 7,88 м.
Поле зору – розмір кадру зображення поперек польоту.
Радіометрична роздільна здатність – це кількість рівнів квантування
значення яскравості пікселя. Виражається двійковим числом шляхом вказання
кількості біт цього числа. Найбільша радіометрична роздільна здатність у КА
Landsat-9.

Матеріали для оформлення наукової статті

 Мета: Отримати та розпакувати зображення, отримані з борту космічного
апарата, провести дослідження та аналіз фрагментів зображень, дослідити зміну
рівня яскравості на різних місцевостях та дослідити можливість розпізнавання
різних об’єктів на кожному з них.

Формулювання задачі: Отримати зображення з борту космічного апарата,

зчитати рівні яскравості різних фрагментів зображення, які будуть
досліджуватися. За допомогою аналізу рівня яскравостей на кожному з фрагментів
зображення провести аналіз та можливість розпізнавання різних об’єктів на
зображенні статистичним методом за допомогою використання гістограм та інших
параметрів, які використовуються для аналізу зображень.

Статистичний аналіз:

Для виконання даного завдання було отримано, розпаковано та

проаналізовано декілька зображень, отриманих з борту космічного апарата СІЧ-2
та виділено фрагменти, на основі яких і буде проводитись розпізнавання.

Рис. 1 – Зображення, отримане з борту КА

Рис. 2 – Фрагмент моря Рис. 3 – Фрагмент піску Рис. 4 – Фрагмент кварталів

Оберемо випадковий фрагмент зображення, до прикладу кусочок моря.

Зображення отримано з космічного апарата Січ-2, 03.09.2011 року. Цей фрагмент
буде розміром 15*15 точок, що відповідає розміру 120*120 м. Проведемо аналіз
даного фрагмента у спектральному діапазоні B1.

Ри
с. 5 – Фрагмент моря взятий для опрацювання
 Даний фрагмент було виділено за допомогою програми PONI, яка
використовується для розпаковки та аналізу зображень, отриманих з борта
космічного апарата.

PONI виділяє полосу, а сам фрагмент було витягнуто за допомогою

програми Total Commander, яка дала змогу відкрити потік даних в 16-вій системі
числення, який буде наведено нижче.

Після цього було переведено цифри в 10-ву систему числення та отримано

дані - рівень яскравості кожної точки (кожного пікселя), на основі яких було
проведено подальше дослідження.

В даній роботі було виділено статистичні характеристики зображень, які

використовуються для розпізнавання об’єктів на зображенні.

Зображення, яке ми зчитуємо має наступну структуру:

 ПВП - псевдо-випадкова послідовність, яка складається комбінації 16-ти

цифр та символів. Слугує для пошуку початку полоси зображення, і має, до
прикладу, такий вигляд: 0218A7A392DD9ABF. Далі йде 74 байти службової
інформації.
 Далі рядок, який складається з 6000 байт, що утворюють одну смугу
зображення в 16-вій системі числення.

Обраний мною фрагмент в 16-вій системі числення має такий вигляд:

54 55 57 55 55 53 50 51 53 54 55 54 54 32 33 17CB

55 54 54 54 56 53 52 51 52 54 54 55 53 32 31 2F99

55 55 56 56 55 52 53 55 53 53 53 56 57 33 32 475F

53 53 53 56 56 52 51 51 55 55 57 55 54 32 32 5F29

55 55 53 54 56 55 54 53 52 56 55 57 56 31 31 76F3
56 55 56 54 55 54 54 53 55 54 55 56 55 33 30 8EBD

53 55 56 56 55 52 53 53 55 56 54 54 53 31 32 A687

54 54 54 55 57 54 52 52 51 55 58 56 56 31 32 BE51

55 56 55 54 54 52 53 54 52 54 54 54 54 31 2F D61B

51 55 57 55 54 52 4F 53 54 55 55 52 54 32 32 EDE5

56 53 54 55 58 53 52 51 51 53 54 54 53 30 2F 105AF

53 56 56 55 55 53 52 50 52 4F 51 53 54 31 31 11D79

50 55 57 56 55 52 4F 4E 50 53 53 53 51 31 30 13543

52 53 55 55 58 54 52 52 4E 4F 51 54 54 30 2F 14D0D

51 56 57 55 55 53 53 52 51 4F 50 52 52 30 2E 164D7

Тепер переведемо усі ці значення фрагменту в 10-ву систему числення, щоб

отримати дані по рівнях яскравості кожної точки нашого фрагмента

море діапазон b1

84 85 87 85 85 83 80 81 83 84 85 84 84 50 51

85 84 84 84 86 83 82 81 82 84 84 85 83 50 49

85 85 86 86 85 82 83 85 83 83 83 86 87 51 50

83 83 85 86 86 82 81 81 85 85 87 85 84 50 50

85 85 83 84 86 85 84 83 82 86 85 87 86 49 49

86 85 86 84 85 84 84 83 85 84 85 86 85 51 48

83 85 86 86 85 82 83 83 85 86 84 84 83 49 50
84 84 84 85 87 84 82 82 81 85 88 86 86 49 47

85 86 85 84 84 82 83 84 82 84 84 84 84 49 48

81 85 87 85 84 82 79 83 84 85 85 82 84 50 50

86 83 81 85 88 83 82 81 81 83 84 84 83 48 47

83 86 86 85 85 83 82 80 82 79 81 83 84 49 49

80 85 87 86 85 82 79 78 80 83 83 83 81 49 48

82 83 85 85 88 84 82 82 78 79 81 84 84 48 47

81 86 87 85 85 83 83 82 81 79 80 82 82 48 46

Побудуємо гістограму на основі отриманих даних:

Рис. 6 – Гістограма (море) діапазон b1

На зображенні можемо спостерігати перепад значень, який може свідчити

про те, що невелика частина нашого фрагмента має нижчу яскравість, що може
свідчити про наявність косяка риби на зображенні, або будь-якого іншого об’єкта,
колір і яскравість якого не збігається з даними самого моря
 Рис. 7 – Пояснення до гістограми (море) діапазон b1

Тепер обчислимо розподіл частот першого порядку для кожного значення

нашої вибірки яскравостей фрагменту зображення:

M = 225 - число пікселів фрагменту зображення, N(b) - число пікселів з

яскравістю b.

P(46) = 1/225 = 0,0044

P(47) = 3/225 = 0,0133

P(48) = 6/225 = 0,0266

P(49) = 9/225 = 0,04

P(50) = 7/225 = 0,0311

P(51) = 3/225 = 0,0133

P(78) = 2/225 = 0,0089

P(79) = 5/225 = 0,0222

 P(80) = 6/225 = 0,0266

P(81) = 14/225 = 0,0622

P(82) = 22/225 = 0,098

P(83) = 33/225 = 0,147

P(84) = 39/225 = 0,173

P(85) = 44/225 = 0,196

P(86) = 20/225 = 0,089

P(87) = 8/225 = 0,036

P(88) = 3/225 = 0,0133

Далі обчислимо середнє ? значення, використовуючи формулу:

L= 256 - число рівнів яскравості

= 46*0,0044 +47*0,0133 + 48*0,0266 + 49*0,04 + 50*0,0311 +

+ 51* 0,0133 + 78* 0,0089 + 79* 0,0222 + 80* 0,0266 + 81* 0,0622 +

+ 82* 0,098 +83* 0,147 + 84* 0,173 + 85* 0,196 +86*0,089 +87* 0,036+

+ 88*0,013 = 71,636

= 71,636

Також обчислимо дисперсію за формулою:

 = (46-71,636)2*0,0044 + (47-71,636)2*0,0133 +(48-71,636)2*0,0266 +

(49-71,636)2*0,04 + (50-71,636)2*0,0311 +(51-71,636)2*0,0133 +

(78-71,636)2*0,0089 +(79-71,636)2*0,0222 + (80-71,636)2*0,0266 +

(81-71,636)2*0,0622 +(82-71,636)2*0,098 +(83-71,636)2*0,147 +

(84-71,636)2*0,173 +(85-71,636)2*0,196 +(86-71,636)2*0,089 +

(87-71,636)2*0,036 +(88-71,636)2*0,0133 =196,794

= 14,098

Обчислимо коефіцієнт асиметрії для нашої вибірки

( )
L−1
1
b S=
σ 3b
∑ ( b−b )3 ⋅ P ( b )
b =0

= 0,000357 (25,6363*0,0044+24,6363*0,0133+23,6363*0,0266+22,6363*0,04+

+21,6363*0,0311+20,6363*0,0133+6,6363*0,0089+7,6363*0,0222+

+8,6363*0,0266+9,6363*0,0622+10,6363*0,098+11,6363*0,147+12,6363*0,173

+13,6363*0,196+14,6363*0,089+15,6363*0,036+16,6363*0,0133) = 1,092

= 1,092

Коефіцієнт асиметрії додатній, якщо довша частина розподілу знаходиться

праворуч від математичного сподівання (моди), від’ємний у протилежному
випадку.
 Рис. 8 – Ілюстрація коефіцієнта асиметрії

Наступне значення, яке ми обчислимо - коефіцієнт ексцесу

Коефіцієнт ексцесу, характеризує “крутість” (стрімкість) підвищення кривої

розподілу у порівнянні з нормальною кривою.

= (1/14,0994)
(25,63643*0,0044+24,6364*0,0133+23,6364*0,0266+22,6364*0,04

+21,6364*0,0311+20,6364*0,0133+6,6364*0,0089+7,6364*0,0222+

+8,6364*0,0266+9,6364*0,0622+10,6364*0,098+11,6364*0,147+12,6364*0,173

+13,6364*0,196+14,6364*0,089+15,6364*0,036+16,6364*0,0133)-3 = -1,58

= - 1,58

Розподіл пологіший у порівнянні з нормальним (від’ємне значення).

Далі обчислимо енергію за наступною формулою:

= 0,00442=0,01332+0,02662+0,042+0,03112+0,01332+0,00892+0,02222+
+ 0,06222+0,0982+0,1472+0,1732+0,1962+0,0892+0,0362+ 0,01332 = 0,1185

= 0,1185

Ще одне значення, яке нам варто обчислити - ентропія

- усереднена швидкість, із якою продукує

інформацію стохастичне джерело даних.

= -(0,0044*ln 0,0044 + 0,0133*ln 0,0133 + 0,0266*ln 0,0266 +0,04*ln 0,04+

+0,0311*ln 0,0311 + 0,0133*ln 0,0133 +0,0089*ln 0,0089 +0,0222*ln 0,0222 +

+0,0266*ln 0,0266 + 0,0622*ln 0,0622 +0,098*ln 0,098 +0,147*ln 0,147 +

+0,173*ln 0,173 + 0,196*ln 0,196 +0,089*ln 0,089 +0,036*ln 0,036 +

+0,0132*ln 0,0132=3,423

= 3,423

Сумісний розподіл імовірностей пар елементів зображення.

Розподіл частот, що оцінює розподіл другого порядку, визначається

формулою:

M= 215 - повне число елементів у вікні

N(a, b) - число випадків, коли F(j, k)=a і F(m, n)= b,

F(j, k) та F(m, n) - два елементи вікна з координатами (j, k) i (m, n) відповідно.

 - автокореляція

Кореляція - це міра лінійної залежності двох сигналів.

Візьмемо наступні два елементи (найменший і найбільший) F(14, 14)=46,

F(10, 7)= 88, F(4, 10)= 88, F(3, 13)= 88

N(a, b)=3

P(a, b)=3/225=0,0133

= 46*88*0,0133*3=161,5

Коваріація:

= 46*0,0044 = 0,2

= 88*0,0133*3 = 3,5

= (46-0,2)(88-3,5)*0,0133*3 = 154,4

Вказані характеристики використовуються для первинного розпізнавання

об’єктів на зображенні.

Далі проведемо аналогічні дослідження для фрагменту, на якому зображено

пісок.
 Рис. 9 – Фрагмент піска взятий для опрацювання

Спочатку знову отримуємо дані з рівнями яскравості в 16-вій системі

числення та переводимо їх в 10-ву систему, що можна спостерігати нижче:

пісок діапазон r1

188 191 195 195 192 195 192 195 194 196 194 194 193 195 196

187 190 192 196 192 197 194 194 192 196 196 193 192 194 194

184 189 193 193 192 193 193 194 196 198 195 192 192 194 192
183 189 192 193 192 194 192 194 194 195 194 195 191 191 194

181 187 191 194 194 192 193 194 194 195 194 193 194 193 193

182 190 191 193 191 194 195 194 195 194 194 193 193 192 191

178 185 192 195 193 195 195 194 194 196 193 194 193 193 192

182 186 191 192 194 197 195 194 193 194 194 194 193 192 192

181 185 192 197 193 193 192 194 194 195 193 192 191 193 194

183 182 192 196 194 192 192 194 194 195 194 196 194 195 194

185 186 190 195 194 193 192 193 193 195 193 193 193 193 191

187 185 191 194 195 194 191 194 194 195 193 194 194 193 192

192 188 192 195 193 195 190 190 192 193 192 192 191 190 192

196 192 192 194 195 195 191 191 192 191 190 190 190 190 193

196 195 192 194 194 192 189 191 190 191 188 192 189 191 190

Тепер обчислимо розподіл частот першого порядку для кожного значення

нашої вибірки яскравостей фрагменту зображення:

P(178) = 1/225 = 0,0044

P(181) = 2/225 = 0,0088

P(182) = 3/225 = 0,0133

P(183) = 2/225 = 0,0088

P(184) = 1/225 = 0,0044

P(185) = 4/225 = 0,0178

P(186) = 1/225 = 0,0044

 P(187) = 3/225 = 0,0133

P(188) = 3/225 = 0,0133

P(189) = 2/225 = 0,0088

P(190) = 9/225 = 0,04

P(191) = 19/225 = 0,0844

P(192) = 39/225 = 0,1733

P(193) = 40/225 = 0,1778

P(194) = 51/225 = 0,2267

P(195) = 29/225 = 0,1289

P(196) = 13/225 = 0,0578

P(197) = 3/225 = 0,0133

Рис.10 – Гістограма (пісок) діапазон r1

Як можемо спостерігати з діаграми, наразі немає пікселів які б сильно

відрізнялись від середнього значення.

Пікселі:
 3,9 = 194; 4,8 = 193; 5,8 = 193; 6,6 = 195; 7,6 = 194; 8,5 = 195; 9,4 = 195; 10,3 =
194; 11,2 = 192; 12,1 = 193.

Замінимо на пікселі зі значенням меншим в середньому на 20 рівнів

яскравості. Цим самим зімітуємо ніявність, до прикладу, колони техніки. Розмір
кожної одиниці техніки в середньому приблизно 4,5м Х 8м (танки). Інтенсивність
відбитого випромінювання зменшиться в середньому на 10%.

Відповідно:

3,9 = 174; 4,8 = 173; 5,8 = 173; 6,6 = 175; 7,6 = 174; 8,5 = 175; 9,4 = 175; 10,3 =
174; 11,2 = 172; 12,1 = 173.

Тоді

p(172) = 1/225 = 0,0044;

p(173) = 3/225 = 0,0133;

p(174) = 3/225 = 0,0133;

p(175) = 3/225 = 0,0133;

Відповідно імовірності загального фрагмента у відмічених точках

зменшиться:

p(192) = 38/225 = 0,1689;

p(193) = 37/225 = 0,1644;

p(194) = 48/225 = 0,2133;

p(195) = 26/225 = 0,1156;

 Рис. 11 – Штучно змінена гістограма (пісок) діапазон r1

Наявність фрагменту, який навіть незначно відрізняється по яскравості від

основного фону призводить до поділу гістограми.

В результаті наявний простий спосіб розпізнавання (виявлення) "підозрілих"

областей на супутниковому зображенні у автоматичному режимі.

Усі наступні обчислення фрагментів зображення було проведено

аналогічним чином для всіх діапазонів. Було отримано наступні вибірки значень
та обчислено всі необхідні значення для аналізу зображень.

море діапазон r1

59 59 60 61 60 58 58 56 58 59 58 60 59 37 36

60 60 61 59 60 58 59 57 58 59 58 59 60 37 35

60 60 61 60 61 59 56 57 58 60 62 60 59 37 36

60 58 59 60 60 59 58 57 58 59 60 61 61 37 35

59 59 61 60 60 59 58 58 59 58 60 61 60 36 35

59 60 60 62 62 59 57 58 59 58 60 60 58 36 35

60 61 60 61 60 59 58 57 57 58 60 60 60 36 35
60 61 61 60 60 60 59 58 58 61 60 61 60 36 34

58 60 60 60 60 56 58 57 58 57 58 58 58 36 37

56 59 60 58 60 57 57 57 57 59 59 60 58 35 35

57 60 60 60 59 58 56 55 56 58 58 58 58 35 35

57 58 61 62 63 58 57 55 56 56 56 56 56 35 33

56 57 60 61 61 59 55 56 55 54 56 56 58 34 34

57 60 60 60 60 60 59 55 56 54 54 57 59 35 34

56 59 61 60 60 59 58 58 57 56 57 58 58 34 33

Рис. 12 – Гістограма (море) діапазон r1

море діапазон g1

74 74 75 74 71 71 68 69 73 72 69 73 73 44 44

72 72 75 75 75 71 69 70 71 72 74 74 73 44 42

72 73 73 74 75 70 71 71 71 73 75 75 75 45 43
71 75 76 73 71 71 72 72 71 72 74 73 75 44 43

70 75 75 74 74 73 70 71 72 72 75 75 73 44 42

76 75 72 75 75 71 73 71 70 71 73 74 73 44 41

73 75 76 74 71 72 72 71 73 73 73 73 73 43 42

71 74 76 75 76 72 70 70 71 72 77 76 71 43 43

73 74 72 72 72 70 72 71 68 72 74 74 72 43 41

71 74 74 74 73 71 68 71 72 73 71 72 74 43 43

69 74 75 73 76 72 67 67 70 70 73 71 70 42 41

72 73 72 74 74 71 69 67 69 70 69 70 72 42 40

70 72 74 74 72 70 69 68 68 68 69 70 70 42 41

68 72 75 75 75 73 70 68 69 66 70 71 70 41 40

70 74 72 74 74 72 73 70 68 69 69 69 70 41 39

Рис. 13 – Гістограма (море) діапазон g1

пісок діапазон g1
188 191 192 193 192 192 192 195 192 193 194 192 195 194 193

186 192 192 191 194 191 195 194 192 193 194 192 194 193 194

187 192 190 193 194 193 194 194 195 194 195 193 192 192 194

58 62 60 62 61 59 58 58 60 61 60 58 60 59 61

178 187 190 191 193 190 192 193 192 194 194 192 191 193 192

179 187 193 191 190 193 193 192 193 192 193 195 192 189 192

177 185 192 191 192 195 193 192 194 191 192 193 192 193 191

174 185 190 194 195 191 193 192 194 194 192 194 194 192 192

180 179 191 194 191 192 193 192 193 195 193 194 192 190 192

183 183 194 196 195 192 190 192 193 193 192 193 192 194 193

187 182 191 196 194 192 192 194 192 195 192 192 193 193 190

189 182 190 194 194 192 192 190 191 193 190 193 193 190 189

192 189 191 193 192 193 189 191 191 191 191 190 189 189 189

197 192 191 194 191 191 190 189 189 191 187 186 190 187 190

197 196 194 192 192 191 190 188 189 189 187 191 189 187 190
 Рис. 14 – Гістограма (пісок) діапазон g1

пісок діапазон b1

156 163 163 161 162 164 162 164 164 163 165 163 165 165 165

158 161 162 163 163 165 162 162 165 164 164 163 164 163 165

155 159 167 167 163 166 164 163 165 165 164 164 166 166 163

154 160 164 161 165 164 165 165 165 167 163 162 164 165 167

150 158 163 164 164 163 164 162 164 166 165 165 163 162 166

156 161 162 161 165 165 165 165 164 162 163 166 165 163 164

152 160 163 165 163 161 166 167 164 163 163 162 166 166 165

152 155 163 165 166 163 163 162 166 165 164 163 162 162 163

153 156 163 166 165 164 165 164 164 163 165 164 166 164 163

157 156 162 165 163 160 163 164 163 166 162 163 164 162 163

155 162 165 163 164 162 163 164 164 164 161 163 162 165 164

160 156 162 164 164 165 164 164 164 160 161 164 166 165 162

162 161 164 167 164 164 161 160 164 163 162 169 160 161 163
165 162 164 165 165 164 164 161 162 166 163 163 161 161 163

168 165 165 163 163 163 163 163 160 160 160 163 162 162 162

Рис. 15 – Гістограма (пісок) діапазон b1

Використаємо аналогічний фрагмент кварталу, для проведення аналізу:

 Рис. 16 – Фрагмент квартала взятий для опрацювання

квартал діапазон r1

147 190 138 138 144 151 154 151 150 154 149 140 146 152 153

156 151 145 139 142 150 154 152 153 151 146 141 143 148 153

158 155 152 146 140 150 154 152 147 144 142 150 151 142 137

160 155 156 150 141 147 148 146 141 141 140 144 141 148 148

161 156 157 149 139 145 139 132 132 134 140 142 144 147 148
164 159 158 148 137 140 132 128 127 130 136 142 141 144 148

162 158 157 147 136 138 134 129 127 128 129 138 142 141 144

163 158 161 153 138 136 133 132 132 130 130 138 139 134 140

161 161 164 157 138 133 131 134 135 133 132 135 138 135 137

163 161 162 161 147 134 131 132 136 134 132 133 135 136 133

163 162 161 161 154 140 130 131 135 134 133 132 136 139 133

163 164 160 163 158 142 136 130 130 132 133 137 144 146 139

161 164 162 164 161 148 134 126 130 135 139 144 148 152 144

159 160 162 164 164 156 136 131 130 137 142 146 149 151 146

158 165 161 161 165 159 141 130 127 136 143 147 148 151 145

Рис. 17 – Гістограма (квартал) діапазон r1

квартал діапазон g1

166 154 145 140 150 165 167 160 158 161 157 146 150 161 163

174 165 159 137 147 162 165 164 160 154 146 143 147 158 162

176 168 168 147 144 158 166 163 152 144 137 146 147 158 146

176 168 170 154 141 156 157 148 139 135 135 150 150 155 161

175 170 172 158 144 149 145 138 131 134 143 147 148 158 160
179 170 174 159 145 146 138 133 134 135 137 144 148 150 160

178 171 177 157 143 145 140 134 137 132 133 146 150 142 153

177 172 180 166 142 141 139 141 142 142 136 146 149 143 149

175 172 179 175 151 136 137 141 149 148 142 145 152 145 143

175 172 177 179 157 141 138 140 148 147 141 142 148 148 141

177 174 175 178 167 147 138 139 142 143 142 144 150 155 143

176 175 173 178 176 152 140 135 140 146 146 150 160 164 152

171 174 173 175 178 162 140 132 138 147 154 158 164 167 158

167 173 172 176 178 170 146 136 137 149 156 160 163 169 162

164 174 175 176 179 172 154 138 133 146 151 157 160 164 157

Рис. 18 – Гістограма (квартал) діапазон g1

квартал діапазон b1

151 146 142 136 148 157 160 156 149 148 144 145 141 149 154

160 157 148 138 139 148 155 152 148 150 140 140 141 147 152

162 156 154 143 140 149 152 151 149 143 137 139 145 149 138

163 161 160 146 139 148 152 148 140 131 133 139 142 148 148

163 163 162 150 140 143 144 137 129 128 132 138 142 147 149
165 161 163 155 139 140 137 128 128 131 132 140 141 139 146

164 161 162 153 140 140 136 133 131 130 130 137 142 139 144

164 164 169 157 139 134 136 135 134 135 132 135 141 140 141

160 159 168 163 146 136 135 134 141 141 137 137 144 140 139

162 161 165 162 150 139 135 136 142 143 138 142 147 145 138

162 161 167 165 158 140 134 136 143 142 140 139 147 148 141

160 161 165 166 163 147 137 134 138 141 142 142 150 152 144

160 162 164 165 166 156 142 133 134 134 143 149 153 157 147

157 163 164 163 169 157 143 133 133 139 149 148 156 160 152

153 162 163 167 169 166 145 133 130 140 148 153 152 155 153

Рис. 19 – Гістограма (квартал) діапазон b1

Таблиця основних значень, на основі всіх попередніх вибірок, обчислена за

всіма формулами, зазначеними при аналізі перших двох фрагментів з морем та
піском.

параметри b σB bS bk bN bE

море b1 71,64 14,1 -0,545 -1,58 0,1185 3,423

море g1 67,62 10,35 -1,83 -2,99 0,096 3,781
море r1 55,5 9,84 -1,94 1,33 0,1357 3,12
 Пісок b1 162,93 3,67 -0,87 -0,72 0,236 3,18
Пісок g1 181,4 3,82 -1,27 -1,24 0,252 2,98
Пісок r1 192,4 3,145 -1,67 4,58 0,276 2,83
Квартал b1 144,6 10,8 0,796 -2,33 0,0331 4,90
Кварталg1 107,5 7,64 0,356 -1,79 0,022 2,97
Квартал r1 145,8 8,12 0,174 -1,52 0,034 4,91

Опис результатів: Отже проаналізуємо усі отримані гістограми в різних

діапазонах та місцях зображення. Якщо звернути увагу на побудову гістограм, то
найлегше розпізнавати зміни та об’єкти за яскравістю на фрагменті моря.
Фрагмент моря дає нам невеликий розкид яскравостей і має приблизно
рівномірний колів і відповідно значення. Зважаючи на це коливання яскравостей,
як було наведено з прикладом (косяк риб) легко помітити на гістограмі.

Для фрагмента піска ситуація схожа до фрагмента моря, оскільки і там

коливання яскравостей є незначними, а отже будь-яке, навіть легке, відхилення від
загального рівня яскравостей буде помітне при переведенні зображення в
гістограму.

У випадку і моря і піска кожен з діапазонів дозволяє відрізняти об’єкти на

місцевості, та кожен з діапазонів дає приблизно однаковий результат.

У випадку, коли ми говоримо про фрагмент зображення кварталів, то як

можна спостерігати з усіх діапазонів і гістограм – розкид яскравостей настільки
великий, що помітити зміни у вигляді зображення шляхом використання цих
гістограм неможливо, отже можна зробити висновок, що для місць з великим
розкидом яскравостей подібний метод дослідження не є ефективним.

Використана література:
 [1] – Дослідження та використання космосу. Сьогодні й завтра/ За ред.
Берндта Феєрбахара та Хайнца Стоевера. – К.: Академперіодика. 2012. – 564 с.: іл.
– Пер. З англ.
[2] – Манойлов В.П., Омельчук В.В., Опанюк В.В. Дистанційне зондування
Землі із космосу: науково-технічні основи формування й обробки видової
інформації. Монографія. – Житомир: ЖДТУ, 2008. – 384 с.
[3] – Федоров О.П. Про космічну діяльність: підходи до розробки стратегії.
Why space for Ukraine? Київ, «Наукова думка НАН України», 2019. – 200 с.

Висновок до лабораторної роботи

Під час виконання лабораторної роботи було ознайомлено із формами
наукового викладу матеріалів досліджень. Засвоєно основні вимоги щодо
структури і порядку оформлення наукових документів. Набуто навички наукової
мови та стилю викладення думки. Здійснено підготовку та стислу систематизацію
результатів досліджень для подальшої наукової публікації.