Семин А. В.

МЕТОДИКА ВЕРИФИКАЦИИ ОБУЧАЮЩЕЙ ВЫБОРКИ ПРИ ОГРАНИЧЕННЫХ РЕАЛЬНЫХ ДАННЫХ

Резюме: В статье рассматривается проблема ограниченной доступности реальных оптических изображений космических аппаратов, получаемых наземными средствами слежения, и предлагается методика генерации синтетических данных для преодоления данного ограничения. Основой подхода служит 3D-моделирование в среде Blender с последующей имитацией атмосферных и оптических эффектов, таких как размытие, шум и турбулентность, с индивидуальной настройкой параметров для спутников Starlink, Keyhole и SPOT-5. Ключевая роль отводится процедуре верификации, включающей метрики структурного сходства (SSIM), пикового отношения сигнал/шум (PSNR) и метрика Вассерштейна (EMD), которые позволяют количественно оценить сходство синтетических и реальных изображений. Результаты анализа подтверждают применимость метода, но указывает на необходимость его дальнейшего совершенствования. Работа подчёркивает актуальность предложенного подхода для создания реалистичных дата сетов, пригодных для обучения алгоритмов классификации КА, и определяет перспективы развития.

Ключевые слова: верификация данных, синтетические изображения, космические аппараты, оптическое слежение, 3D-моделирование, метрики сходства.

A.V. Semin

METHOD FOR VERIFYING TRAINING DATASET UNDER LIMITED REAL DATA CONDITIONS

Summary: The article addresses the problem of limited availability of real optical images of spacecraft obtained by ground-based tracking systems and proposes a methodology for generating synthetic data to overcome this limitation. The core of the approach is 3D modeling in the Blender environment followed by simulation of atmospheric and optical effects, such as blur, noise, and turbulence, with individual parameter tuning for Starlink, Keyhole, and SPOT-5 satellites. The key role is assigned to the verification procedure, which includes metrics of structural similarity (SSIM), peak signal-to-noise ratio (PSNR), and Wasserstein metric (EMD), enabling quantitative assessment of the similarity between synthetic and real images. The analysis results confirm the applicability of the method but indicate the need for its further improvement. The work emphasizes the relevance of the proposed approach for creating realistic datasets suitable for training spacecraft classification algorithms.

Keywords: data verification, synthetic images, spacecraft, optical tracking, 3D modeling, similarity metrics.

DOI: 10.34219/2078-8320-2025-16-4-38-43