У статті розглянуто проблему ідентифікації об’єктів за тепловими портретами в умовах сильної зашумленості, зумовленої атмосферними явищами, що є критичною для багатьох галузей, включаючи військову справу, безпеку, пошуково-рятувальні операції та промисловість. Основна увага приділяється аналізу сучасних методів компенсації впливу атмосферних факторів, таких як туман, дощ, пил і температурні коливання, які значно знижують якість теплових зображень. Проаналізовано основні підходи до компенсації зашумленості, включаючи методи фільтрації зображень, математичні моделі теплопереносу, мультиспектральні сенсори, алгоритми на основі машинного навчання та гібридні системи. Особливий акцент зроблено на алгоритмах атмосферна компенсація в межах сцени та розширення фільтра Калмана, які дозволяють ефективно адаптуватися до змінних умов і забезпечувати високу точність аналізу. Описано основні переваги та недоліки кожного методу, акцентуючи увагу на їхній практичній реалізації.
- Chen, Y., Nasrabadi, N. M., & Tran, T. D. (2021). Hyperspectral image classification using dictionary-based sparse representation. IEEE Transactions on Geoscience and Remote Sensing, 49(10), 3973–3985. https://doi.org/10.1109/TGRS.2011.2128325
- Gao, B.-C., Montes, M. J., Davis, C. O., & Goetz, A. F. H. (2023). Atmospheric correction algorithms for hyperspectral remote sensing data of land and ocean. Remote Sensing of Environment, 113, S17–S24. https://doi.org/10.1016/j.rse.2007.12.015
- Gao, L., & Zhang, B. (2023). A novel method for automatic noise reduction in hyperspectral images using spectral derivatives. IEEE Transactions on Geoscience and Remote Sensing, 48(6), 2981–2987. https://doi.org/10.1109/TGRS.2009.2038905
- Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82(1), 35–45. https://doi.org/10.1115/1.3662552
- Li, S., Kwok, J. T., & Wang, Y. (2022). Using the discrete wavelet frame transform to merge Landsat TM and SPOT panchromatic images. Information Fusion, 3(1), 17–23. https://doi.org/10.1016/S1566-2535(01)00037-9
- Pashkov, R. A., & Balakhonova, N. O. (2019). Resolution of thermal imaging devices according to Johnson's criteria. A look into the future of instrumentation: materials of the XII All-Ukrainian scientific and practical conference of students, postgraduates and young scientists, Kyiv, May 5–16, 2019, 117–120.
- Pustovietov, V. M., & Dobrovolskyi, A. B. (2022). Research on the effectiveness of thermal imaging observation tools in different climatic conditions. Bulletin of Khmelnytskyi National University, 2(187), 205–207.
- Richards, J. A., & Jia, X. (2023). Remote sensing digital image analysis: An introduction (4th ed.). Springer.
- Rodgers, C. D. (2023). Inverse methods for atmospheric sounding: Theory and practice. World Scientific Publishing Company.
- Schott, J. R. (2022). Remote sensing: The image chain approach (2nd ed.). Oxford University Press.
- Young, S. J., Johnson, B. R., & Hackwell, J. A. (2022). An in-scene method for atmospheric compensation of thermal hyperspectral data. Journal of Geophysical Research: Atmospheres, 107(D24), ACH 16-1–ACH 16-14. https://doi.org/10.1029/2001JD001266
- Zhu, X., & Milanfar, P. (2024). Automatic parameter selection for denoising algorithms using a no-reference measure of image content. IEEE Transactions on Image Processing, 19(12), 3116–3132. https://doi.org/10.1109/TIP.2010.2052823
- Vettori, S., Di Lorenzo, E., Peeters, B., Luczak, M. M., & Chatzi, E. (2023). An adaptive-noise augmented Kalman filter approach for input-state estimation in structural dynamics. Mechanical Systems and Signal Processing, 184, 109654. https://doi.org/10.1016/j.ymssp.2022.109654