Остання редакція: 2022-11-17
Анотація
Для вирішення задачі апріорного оцінювання ймовірності виявлення об’єктів розвідки на аерокосмічних знімках за умови недостатності апріорної інформації про умови зйомки та характеристики знімальної апаратури запропоновано використання теоретико-множинних моделей прийняття рішення на основі операцій алгебри логіки та нечітких множин. Побудовано систему нечіткого висновку, яка дозволяє визначати апріорну ймовірність виявлення об’єкта на основі експертних знань стосовно різниці колірних характеристик та яскравості об’єкта та фона. Наводиться приклад розрахунку апріорної ймовірності виявлення ракети на асфальтовому полотні на знімках з роздільною здатністю 0,5 м.
USE OF THEORETICAL MULTIPLE DECISION-MAKING MODELS BASED ON LOGIC ALGEBRA OPERATIONS AND Fuzzy Sets FOR PRIOR ASSESSMENT OF THE PROBABILITY OF DETECTION OF INTELLIGENCE OBJECTS ON AEROSPACE PHOTOGRAPHS
Abstract.
To solve the task of a priori estimation of the detection probability of surveillance objects in aerial images for the case of unknown a priori information about surveillance conditions and characteristics of the surveying equipment it is suggested using the set-theoretic models of decision-making based on operations of logic algebra and fuzzy sets. A new fuzzy inference system is built. It allows determining the a priori probability of object detection on the basis of expert knowledge regarding the differences in color characteristics and brightness of the object and the background. An example of calculating the a priori probability of detecting a missile on an asphalt surface in images with a resolution of 0.5 m is given.
Ключові слова
Посилання
Braga-Neto U. Fundamentals of pattern recognition and machine learning / U. Braga-Neto. – Springer International Publishing, 2021. – 357 p.
Pang Y. Robust satellite image classification with Bayesian deep learning / Y. Pang, S. Cheng, J. Hu, Y. Liu // 2022 Integrated Communication, Navigation and Surveillance Conference, 05–07 April 2022, Dulles, VA, USA. – P. 1–8. – DOI: 10.1109/ICNS54818.2022.9771496.
Ali H. Supervised classification for object identification in urban areas using satellite imagery / H. Ali, A.A. Awan, S. Khan, O. Shafique, A. ur Rahman, S. Khan // 2018 International Conference on Computing, Mathematics and Engineering Technologies, 03–04 March 2018, Sukkur, Pakistan. – P. 1–4. – DOI: 10.1109/ICOMET.2018.8346383.
Wang Y. A camouflaged object detection model based on deep learning / Y. Wang, L. Li, X. Yang, X. Wang, H. Liu // 2020 IEEE International Conference on Artificial Intelligence and Information Systems, 20–22 March 2020, Dalian, China. – P. 150–153. – DOI: 10.1109/ICAIIS49377.2020.9194881.
Berezina S. An information technique for segmentation of military assets in conditions of uncertainty of initial data / S. Berezina, O. Solonets, K. Lee, M. Bortsova // Information Processing Systems. – 2021. – No. 4. – P. 6–18. – DOI: 10.30748/soi.2021.167.01.
Castillo O. Recent advances in intelligent information systems and applied mathematics / O. Castillo, D. Kumar Jana, D. Giri, A. Ahmed. – Springer Nature, 2020. – 903 p.