Automated System for Evaluating 2D-Image Compositional Characteristics: Mathematical Model (original) (raw)
Related papers
Two-dimensional variation as an image complexity assessment
Machine Learning and Data Analysis, 2015
Исследованы вопросы оценки сложности изображения, которая интерпретируется как характеристика, отражающая число, размеры и заметность его деталей. Исследованы возможности использования для этого двумерных вариаций. Рассмотрены модификации известных двумерных вариаций в применении к дискретным изображениям. Предложена оценка, названная показатель размеров объектов. Теоретические выводы подтверждены экспериментальными исследованиями. Проведен анализ изменения значений двумерных вариаций изображения при увеличении шума, а также при сглаживании и декомпозиции. Показано, что предложенная комбинация двумерных вариаций отражает морфологическую структуру изображения и может служить оценкой его сложности.
Out-of-focus region segmentation of 2D surface images with the use of texture features
Scientific and Technical Journal of Information Technologies, Mechanics and Optics, 2015
Аннотация Предложен метод сегментации несфокусированных областей изображений обработанных металлических поверхностей, основанный на использовании фокусных текстурных признаков. В таких областях содержится незначительное количество полезной информации. Объектом исследования является металлическая поверхность, имеющая форму конуса. На фотографии отдельные части изображения получаются нерезкими вследствие ограниченности глубины резкости промышленной камеры. Одним из возможных решений данной задачи является автоматическое удаление нерезких областей на таких изображениях. Для расчета характеристик, описывающих размытость конкретной области изображения, в работе использованы фокусные текстурные признаки. Такие признаки используются в системах автоматической фокусировки микроскопов и фотокамер, и их применение для сегментирования нерезких областей изображений нетипично. На изображениях металлических поверхностей, имеющих размытые участки, протестированы 34 текстурных признака. Наиболее информативными признаками, способными сегментировать изображение наиболее точно, оказались средний уровень серого и пространственная частота. Предложенный метод сегментации размытых областей на изображениях металлических поверхностей может быть применен на практике для оценки качества обработки материалов с использованием промышленных камер. Метод отличается простотой реализации и высокой скоростью работы. Ключевые слова обработка изображений, сегментация, резкость изображения, текстурные признаки, фокусные признаки, поверхность, промышленная камера. Благодарности Работа поддержана Германской службой академических обменов (DAAD), Тюрингским Министерством экономики, технологий и работы и Европейским Социальным Фондом (ESF).
Radio industry, 2016
Актуальность в разработке интеллектуальных систем классификации сложноструктурируемых изображений возникает при обработке снимков с видеокамер беспилотных летательных аппаратов, используемых в навигационных целях при отсутствии связи с искусственными спутниками Земли или при анализе снимков оператором в режиме реального времени. Разработанный метод обеспечивает высокие требования к качеству классификации объектов на снимках, а также быстродействию выделения и классификации исследуемых сегментов изображения. Для классификации таких изображений предложены компьютерные технологии, основанные на методологии бустинга. Пространство информативных признаков формируется посредством спектральных окон, полученных в результате сканирования исходного изображения. Спектральные окна, принадлежащие к различным классам, располагаются в виде кластеров на плоскости Кохонена. Для формирования кластеров применяются правила коррекции векторов весов, позволяющие снизить величины незначащих компонент векторов, и определяются координаты центров кластеров. На основе кластерной структуры плоскости Кохонена строятся сильные классификаторы. Разработана и приведена структура сильного классификатора на нейронных сетях прямого распространения блочного типа, реализованная для задачи классификации рентгенограмм грудной клетки.
Статистичне оброблення та аналіз даних у структурних методах класифікації зображень (монографія)
монография, 2020
Монографія містить матеріали досліджень у сфері проблем комп'ютерного зору задля створення інтелектуальних систем розпізнавання зображень на основі використання структурних методів. Основна увага приділяється впровадженню апарату статистичного аналізу даних, що є фундаментальною основою функціонування сучасних систем розпізнавання. Запропоновано новітні методи класифікації зображень на підгрунті опису у вигляді множини дескрипторів ключових точок, проведено їх статистичне обгрунтування. Впроваджено ефективні підходи просторового аналізу даних описів із використанням фрагментного оброблення. Розроблено ряд нових перспективних просторів даних для систем розпізнавання, де досягається суттєве поліпшення показників швидкодії та достовірності, вивчені статистичні підходи до оптимізації параметрів запропонованих методів. Детально описано результати експериментальних досліджень і застосування розроблених методів при вирішенні задач класифікації для прикладних баз зображень. Для науковців, викладачів, аспірантів, студентів та всіх читачів, хто цікавиться проблемами створення новітніх інформаційних технологій та інтелектуальних методів аналізу чи оброблення даних, а також їх впровадженням у системах комп'ютерного зору.
2017
The conventional system of the central (Renaissance) perspective is based on the angular values of the apparent objects in the picture. Thus, we habituated to the angular reception of the picture plane and usually neglect its apparent linear sizes. However, the linear sizes, having various semantics (social, sacral or narrative value of depicted objects, their size or distance to them), played an important role not only in the pre-Renaissance systems of perspective, but in the Renaissance system too. The linear cultural reception is presented in this system both in rudiments of antecedent systems and in original forms. Among the original forms the point of special interest is so-called foreground composition where foreground objects have strong scale contrast with objects in the background. This type of composition (especially, its reverse version, when the background has exaggerated scale), probably, objectivates some properties of human visual space. // Привычная нам центральная (ренессансная) перспектива основана на угловых размерах изображённых объектов. Поэтому линейные размеры изображений мы склонны считать несущественными. Однако они, обладая разнообразной семантикой (социальная, сакральная или повествовательная значимость объектов, их величина, расстояние до них), играли важную роль не только в доренессансных системах перспективы, но даже и в самой ренессансной системе, в которой рудиментарные элементы линейной рецепции сочетаются также и с оригинальными элементами. Среди последних особый интерес представляет т.н. первопланная композиция, в которой объекты на первом плане резко контрастируют по масштабу со вторым планом. Такая композиция (и особенно её реверсивный вариант с преувеличенным вторым планом), по всей видимости, прямо выражает особенности нашего внутреннего зрительного пространства.
Determination of Recipes Constituent Elements Based on Image
2020
Image recognition is used to retrieve, analyse, understand, and process images from the real world to convert them into digital information. In this area involved data mining, machine learning, pattern recognition, knowledge extension. Developments in the image recognition area have resulted in computers and smartphones becoming capable of mimicking human eyesight. Improved cameras in modern devices can take pictures of very high quality, and with the help of new software, they receive the necessary information and on the basis of the received data is processed images. However, food recognition challenges modern computer vision systems and needs to go beyond just an visible image. Compared to understanding the natural image, visual prediction of ingredients requires high-level solutions and previous knowledge. This creates additional problems, because food components have high variability between the class, when cooking, you have to convert components and the ingredients are often i...
Алгоритми контурного аналізу зображень
Scientific Bulletin of UNFU
Порівняно основні властивості нелінійних методів контурного аналізу за вимогами у використанні обмеженості обчислювальних ресурсів апаратних засобів. Для цього було проаналізовано загальні поняття про нелінійні алгоритми пошуку контурів на зображеннях та було обрано 4 методи для проведення подальшого аналізу. З них 3 методи з ковзною маскою 3´3, а саме: оператор Прюітта; оператор Собеля; оператор Кірша та метод з маскою 5´5 – оператор Лапласа. Усі методи протестовано на однаковому зображенні роздільною здатністю 6016´4000 пікселів. Під час порівняння методів особливу увагу приділено використанню обчислювальних ресурсів апаратних засобів, тобто оперативної пам'яті та завантаженості процесора, а також швидкості виконання алгоритму. Оператор Кірша є найбільш ресурсно-витратним методом серед розглянутих, але при цьому його перевага в дуже чутливій масці, що виділяє цей метод для використання навіть за найнижчій загальній яскравості зображення. Оптимальним методом щодо обчислювальної...
2-D images classification based on "in terms of level" normalization
Visnyk NTUU KPI Seriia - Radiotekhnika Radioaparatobuduvannia, 2015
Proposed algorithms. Normalization algorithm of 2D reference image based on orthogonal transformation and estimation algorithm of similarity between tested and reference 2D images are proposed. Conclusions. The main advantages of the proposed method of 2D image classification are presented in conclusions. Minimization of some disadvantages is proposed.
Разработка метода оптического анализа изображения поверхности образца древесно-цементного композита
Resources and Technology, 2014
Аннотация: Отходы окорки сырья на целлюлозно-бумажном комбинате можно использовать для изготовления строительных материалов. В работе приводятся принципы построения методики оценки свойств древесно-цементных композитов на основе анализа изображений их поверхности. Установлено, что изображения боковых граней образцов древесно-цементного композита, полученные при определенных параметрах освещения, характеризуются анизотропией оптической плотности. Анализ фрактальных размерностей изображений поверхностей верхней, нижней, а также боковых граней показывает, что их структура зависит от способа формования образцов древесно-цементного композита. Полученные результаты позволяют надеяться на то, что в дальнейшем удастся разработать методику неразрушающего контроля прочности образцов данного класса.