Комплексування мультиспектральних зображень, як метод підвищення їх інформативності при бінарній сегментації

Скорочена інформація про документ
dc.contributor.authorСторожик, Денис Володимирович
dc.contributor.authorМуравйов, Олександр Володимирович
dc.contributor.authorПротасов, Анатолій Георгійович
dc.contributor.authorБаженов, Віктор Григорович
dc.contributor.authorБогдан, Галина Анатоліївна
dc.date.accessioned2020-07-07T11:06:29Z
dc.date.available2020-07-07T11:06:29Z
dc.date.issued2020
dc.description.abstractenOne of the biggest tech trends in manufacture and equipment engineering today is the desire to automate processes in order to increase their efficiency and minimize the influence of the human factor. A promising direction for the implementation of this concept is computer vision methods based on the automation of image processing and analysis. Machine learning allows systems, such as artificial neural networks, to detect, recognize and classify objects. All this has become possible due to the development of image processing methods, which include binary segmentation. The information content increase of the result with this data processing method is possible using the multispectral complexing algorithm, which will improve the efficiency of machine vision systems and automated image processing. Effectiveness estimates of the following multispectral image combining methods applying to improve the quality of binary segmentation: averaging, maximum, interlaced combining and interlaced combining of maxima are obtained. The investigation were made both for images obtained at favorable conditions and in the presence of various types of noises, which decrease the information content of images in different spectral ranges.uk
dc.description.abstractruОдной из наиболее интенсивных тенденций на производстве и при проектировании различной техники на сегодняшний день является стремление к автоматизации процессов с целью повышения их эффективности и минимизации влияния человеческого фактора. Перспективным направлением реализации этой концепции представляются методы компьютерного зрения, основанные на автоматизации обработки и анализа изображений. Машинное обучение позволяет системам, таким как, например, искусственные нейронные сети, обнаруживать, распознавать и классифицировать объекты. Все это стало возможным благодаря развитию методов обработки изображений, к коим относится и бинарная сегментация. Повышение информативности результата при данном методе обработки данных возможно при использовании алгоритма мультиспектрального комплексирования, что, в свою очередь, позволит повысить эффективность работы систем машинного зрения и автоматизированной обработки изображений. Получены оценки эффективности применения следующих методов комплексирования мультиспектральных изображений для повышения качества бинарной сегментации: усреднения, максимума, чересстрочного комплексирования и чересстрочного комплексирования максимумов. Исследования проведены как для изображений, полученных в благоприятных условиях, так и при наличии различного вида помех, что обусловило снижение информативности снимков в разных спектральных диапазонах.uk
dc.description.abstractukОднією з найбільш інтенсивних тенденцій на виробництві та при проектуванні різної техніки на сьогоднішній день є прагнення до автоматизації процесів з метою підвищення їх ефективності та мінімізації впливу людського фактору. Перспективним напрямом реалізації цієї концепції видаються методи комп'ютерного зору, засновані на автоматизації обробки і аналізу зображень. Машинне навчання дозволяє системам, таким як, наприклад, штучні нейронні мережі, виявляти, розпізнавати та класифікувати об'єкти. Все це стало можливим завдяки розвитку методів обробки зображень, до яких відноситься і бінарна сегментація. Підвищення інформативності результату при цьому методі обробки даних можливе при використанні алгоритму мультиспектрального комплексування, що, в свою чергу, дозволить підвищити ефективність роботи систем машинного зору і автоматизованої обробки зображень. Отримано оцінки ефективності застосування таких методів комплексування мультиспектральних зображень для підвищення якості бінарної сегментації: усереднення, максимуму, черезрядкового комплексування та черезрядкового комплексування максимумів. Дослідження проведені як для зображень, отриманих в сприятливих умовах, так і при наявності різноманітних перешкод, що зумовило зниження інформативності знімків в різних спектральних діапазонах.uk
dc.format.pagerangeС. 82-87uk
dc.identifier.citationСторожик, Д. В. Комплексування мультиспектральних зображень, як метод підвищення їх інформативності при бінарній сегментації / Д. В. Сторожик, О. В. Муравйов, А. Г. Протасов, В. Г. Баженов, Г. А. Богдан // Наукові вісті КПІ. – 2020. – № 2. – С. 82-87.uk
dc.identifier.doihttps://doi.org/10.20535/kpi-sn.2020.2.197955
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/34836
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceНаукові вісті КПІ, Вип. 2 (2020)uk
dc.subjectбінарна сегментаціяuk
dc.subjectобробка зображеньuk
dc.subjectметоди комплексуванняuk
dc.subjectмультиспектральні зображенняuk
dc.subjectbinary segmentationuk
dc.subjectimage processinguk
dc.subjectimage combining methodsuk
dc.subjectmultispectral imagesuk
dc.subjectбинарная сегментацияuk
dc.subjectобработка изображенийuk
dc.subjectметоды комплексированияuk
dc.subjectмультиспектральные изображенияuk
dc.subject.udc004.932uk
dc.titleКомплексування мультиспектральних зображень, як метод підвищення їх інформативності при бінарній сегментаціїuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
NV-KPI_2020-2_82-87.pdf.pdf
Розмір:
752.21 KB
Формат:
Adobe Portable Document Format
Опис:
NV-KPI_2020-2_82-87
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Наукові вісті КПІ: міжнародний науково-технічний журнал, № 2(129)