Засоби підвищення якості вихідних зображень систем мультиспектрального моніторингу

Скорочена інформація про документ
dc.contributor.advisorГордійко, Наталя Олександрівна
dc.contributor.authorГорбачов, Сергій Олександрович
dc.date.accessioned2026-02-23T12:47:57Z
dc.date.available2026-02-23T12:47:57Z
dc.date.issued2025
dc.description.abstractТемою роботи є розробка та аналіз засобів підвищення якості вихідних зображень у системах мультиспектрального моніторингу шляхом об’єднання інформації з видимого та інфрачервоного діапазонів. Метою дослідження є створення, реалізація та порівняльний аналіз методів комплексування видимих і ІЧ-зображень для покращення інформативності візуалізації в складних умовах — за низької освітленості, атмосферних викривлень або наявності теплових аномалій. Об’єктом дослідження є процес формування, декомпозиції та спектрального злиття зображень у мультиспектральних системах моніторингу. Предметом дослідження виступають алгоритми об’єднання даних: класичні методи (максимізація, вейвлет-декомпозиція), нейромережеві архітектури (ConvFusionNet) та фізично обґрунтовані моделі (TeVNet), що дозволяють розділити ІЧ-зображення на температурну, емісивну та відбиту компоненти. Методами дослідження є комп’ютерне моделювання з використанням мови Python та бібліотек PyTorch, OpenCV, PyWavelets, а також кількісний аналіз результатів за допомогою метрик SSIM, MSE, BRISQUE і FID. У роботі експериментально доведено, що використання фізично обґрунтованих підходів у поєднанні з вейвлет-перетворенням та нейронними мережами дозволяє значно підвищити якість результуючих зображень. Отримані результати свідчать про перевагу гібридних рішень над класичними методами за більшістю метрик якості. Визначено ефективні конфігурації моделей та типи вейвлетів, що забезпечують збереження структури сцен і точну реконструкцію температурних властивостей.
dc.description.abstractotherThe topic of this work is the development and analysis of methods for improving the quality of output images in multispectral monitoring systems by combining information from visible and infrared spectral ranges. The aim of the research is to design, implement, and compare image fusion methods for visible and infrared images to enhance visual informativeness under challenging conditions — such as low illumination, atmospheric distortions, or thermal anomalies. The object of the study is the process of image formation, decomposition, and spectral fusion in multispectral monitoring systems. The subject of the study includes data fusion algorithms: classical methods (maximum selection, wavelet decomposition), neural network architectures (ConvFusionNet), and physics-based models (TeVNet), which allow decomposition of infrared images into temperature, emissivity, and reflected radiation components. The research methods involve computer modeling using Python and libraries such as PyTorch, OpenCV, and PyWavelets, along with quantitative evaluation based on SSIM, MSE, BRISQUE, and FID metrics. The results of the study demonstrate that the use of physics-based models in combination with wavelet transforms and deep neural networks significantly improves the quality of fused images. Experimental results confirm the superiority of hybrid approaches over classical methods in terms of image structure preservation and accurate reconstruction of thermal characteristics. Effective model configurations and wavelet types have been identified to ensure reliable multispectral data integration.
dc.format.extent60 с.
dc.identifier.citationГорбачов, С. О. Засоби підвищення якості вихідних зображень систем мультиспектрального моніторингу : магістерська дис. : 105 Прикладна фізика та наноматеріали / Горбачов Сергій Олександрович. - Київ, 2025. - 60 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78972
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмультиспектральні зображення
dc.subjectінфрачервоне зображення
dc.subjectкомплексування зображень
dc.subjectвейвлет-декомпозиція
dc.subjectглибоке навчання
dc.subjectоцінка якості зображень
dc.subjectфізично обґрунтовані моделі
dc.subjectmultispectral images
dc.subjectinfrared imaging
dc.subjectimage fusion
dc.subjectwavelet decomposition
dc.subjectdeep learning
dc.subjectimage quality assessment
dc.subjectphysically based models
dc.subject.udc004.932.2, 519.682, 535.6
dc.titleЗасоби підвищення якості вихідних зображень систем мультиспектрального моніторингу
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Horbachov_mahistr.pdf
Розмір:
5.73 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ПФ)
Магістерські роботи