Все выпуски

Для решения задачи определения движения инфраструктурных объектов на земной поверхности применяется метод SAR-интерферометрии. Этот метод основан на получении серии детальных спутниковых снимков одного и того же участка земной поверхности в разные моменты времени. Каждый спутниковый снимок содержит амплитудную и фазовую составляющие. Для определения движения используется изменение фазовой компоненты с течением времени. Предлагается метод выделения устойчивых отражателей на серии изображений и оценивания относительного сдвига объектов, соответствующих устойчивым отражателям.

To determine movements of infrastructure objects on Earth surface, SAR interferometry is used. The method is based on obtaining a series of detailed satellite images of the same Earth surface area at different times. Each image consists of the amplitude and phase components. To determine terrain movements the change of the phase component is used. A method of persistent scatterers detection and estimation of relative shift of objects corresponding to persistent scatterers is suggested.

В работе исследовано совместное влияние формата аннотации объектов и разрешения входных изображений на качество бинарной детекции малоразмерных наземных объектов на радиолокационных изображениях. Выполнен сравнительный анализ моделей семейства YOLO (v5, v8, v11, v26) и специализированных архитектур ориентированного детектирования, включая Rotated RetinaNet, R3Det, ROI Transformer, Gliding Vertex и другие модели. Для исследования сформирован набор данных binMSTAR на основе открытой базы mixMSTAR, содержащий аннотации в форматах горизонтальных (HBB) и ориентированных (OBB) ограничивающих рамок для 9 вариантов разрешения входных кадров от 640 × 640 до 1408 × 1408 пикселей.

Статистическая значимость различий оценивалась с использованием непараметрического U-критерия Манна – Уитни. Установлено, что применение OBB обеспечивает статистически значимое преимущество по метрике mAP_50–95, в среднем на 6,5% выше по сравнению с HBB, за счет уменьшения влияния избыточного фонового шума в области разметки. Определен оптимальный диапазон размера входного кадра 896–1024 пикселя. Дальнейшее увеличение разрешения снижает точность локализации из-за перенасыщения признакового описания фоновыми областями. Наилучшие метрики показали модели семейства YOLO, а именно модель YOLOv11(m), для которой при разрешении 960 × 960 пикселей получено значение mAP_50–95 = 0,87. Специализированные OBB-детекторы при разрешении 1024 × 1024 пикселя продемонстрировали сопоставимую полноту обнаружения с Recall до 0,997. Полученные результаты обосновывают целесообразность использования ориентированных рамок и выбора входного разрешения в диапазоне 896–1024 пикселя для задач бинарной детекции малоразмерных объектов на РЛИ.

This study examines how object annotation format and input image resolution jointly affect the quality of binary detection of small objects in radar images. The study aims to compare YOLO family models, including YOLOv5, YOLOv8, YOLOv11, and YOLOv26, with specialized oriented object detection architectures such as Rotated RetinaNet, R3Det, ROI Transformer, Gliding Vertex, and related models in the task of binary detection of small ground objects in radar imagery. The study also aims to identify data preparation parameters that improve object localization accuracy.

For the experimental analysis, we formed a new binMSTAR dataset from the open mixMSTAR database. The dataset contains annotations in horizontal bounding box (HBB) and oriented bounding box (OBB) formats for nine input frame resolutions ranging from 640 × 640 to 1408 × 1408 pixels. We assessed the statistical significance of the observed differences using the nonparametric Mann – Whitney U test. The results show that OBB annotation provides a statistically significant advantage in terms of mAP_50–95, with an average improvement of 6.5%, because it reduces the influence of redundant background noise. The experiments also reveal an optimal input frame size range of 896–1024 pixels. Further resolution growth decreases localization accuracy, since excessive background content weakens the object-related feature representation. YOLO models demonstrate the best overall balance of detection quality, with YOLOv11(m) reaching a peak mAP_50–95 of 0.87 at a resolution of 960 pixels. At the same time, specialized OBB detectors at a resolution of 1024 pixels achieve comparable recall values, reaching up to 0.997. These results support the use of oriented bounding boxes and input resolutions within the 896–1024 pixel range for binary detection tasks in radar imagery.