Оптимизация идентификации микрообъектов на основе использования дескрипторов коррекции искаженных точек изображений
Боковая панель статьи
Основное содержимое статьи
Аннотация
Исследован широкий спектр дескрипторных моделей идентификации микрообъектов с механизмами, обнаружения и коррекции искаженных точек на изображениях. Дескрипторные модели исследованы в условиях внутренних и внешних воздействий, присутствия помех, смази точек, априорной ограниченности и неопределенности. Разработан дескрипторный механизм идентификации на основе вложения графа поиска точек и представления изображения в виде числовых, спектральных характеристик, декомпозиции матрицы Лапласа. Решены уравнения, определены собственные значения и вектора матрицы Лапласа. Реализованы вычислительные схемы параболических, ортогонально-алгебраических полиномов, нелинейных авторегрессий, интерполяционного полинома Добеши 4, кубической интерполяционной сплайн-функций, трехслойной нейронной сети. Реализован программный комплекс идентификации, распознавания и классификации, который протестирован на примере изображений пыльцевых зерен.
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Гонсалес Р., Вудс Р. (2005). Цифровая обработка изображений //М.: Техносфера, – С. 1072.
Jumanov, Isroil, and Rustam Safarov. (2022). "Optimization of the processing of images of pollen grains based on the use of their specific characteristics and geometric features." AIP Conference Proceedings. Vol. 2637. No. 1. AIP Publishing. https://doi.org/10.1063/5.0118857.
Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И. (2000). Цифровая обработка изобра-жений в информационных системах //Новосибирск: изд-во НГТУ, -168 с.
Семин Л.А. (2013). О построении дескрипторов и настройки системы для распознавания об-разов // «Актуальные проблемы естественных и математических наук»: материалы междуна-родной заочной научно-практической конференции (04.03.2013г.). Новосибирск: Издательство СибАК», С. 31–35.
Jumanov I., Safarov R. (2023). Optimization of recognition of microorganisms based on histological information structures of images //2023 International Conference on Industrial Engineering, Appli-cations and Manufacturing (ICIEAM). – IEEE. – С. 679-684. DOI: 10.1109/ICIEAM57311.2023.10139033.
Л. Шапиро, Дж. Стокман. (2006).Компьютерное зрение, Издательство: Бином. Лаборатория знаний, 752 с.
Jumanov I.I., Djumanov O.I., Safarov R.A. (2021). Mechanisms for optimizing the error control of micro-object images based on hybrid neural network models //AIP Conference Proceedings. – AIP Publishing, – Т. 2402. – №. 1. https://doi.org/10.1063/5.0074019.
Кухаренко Б.Г. (2011). Алгоритмы анализа изображений для определения локальных особен-ностей и распознавания объектов и панорам//Информационные технологии: Научно-технический и научно-производственный журнал. - №2. - 32 с.
Jumanov I.I., Djumanov O.I., Safarov R.A. (2021). Methodology of optimization of identification of the contour and brightness-color picture of images of micro-objects //2021 International Russian Automation Conference (RusAutoCon). – IEEE,– Pp. 190-195.
Голубев А.С. (2013). Особенности распознавания методом ближайшего элемента в алгорит-мах вычисления оценок // Прикладная информатика. № 1. С. 18–25.
Jumanov I.I., Safarov R.A. (2022). Optimization of recognition of micro-objects based on reducing excessive information structures of images //Journal of Physics: Conference Series. – IOP Publish-ing,– Vol. 2373. – №. 7. – Pp. 072030. DOI 10.1088/1742-6596/2373/7/072030.
Рожков М.М. (2011). Система неадаптивного распознавания образов в условиях ограничен-ного количества информации: монография. Владимир: Издательство Владимирского государственного университета, - 120 с.
Jumanov I.I., Safarov R.A. (2023). Optimization of identification of micro-objects with blurring of image points //2023 International Russian Automation Conference (RusAutoCon). – IEEE,– С. 549-554. DOI: 10.1109/RusAutoCon58002.2023.10272756.
Astola J., Kuosmanen P. (1997). Fundamentals of nonlinear digital filtering // Boca Raton (USA): CRC Press LLC, – p. 276.
Jumanov I.I., Safarov R.A., Djumanov O.I. (2022). Detection of distorted points on images of micro-objects based on the properties and peculiarities of the wavelet-transformation //2022 International Russian Automation Conference (RusAutoCon). – IEEE,– С. 794-799. DOI: 10.1109/RusAutoCon54946.2022.9896243.
Petrou M., Garcia P. (2011). Image Processing: Dealing With Texture. John Wiley,– 631 p.
Борисенко Д.И. Методы поиска угловых особенностей на изображениях / Д.И.Боросенко // Молодой учёный. - №5. Т.1. - С. 120-123.
Jumanov I., Djumanov O., Safarov R. (2021). Improving the quality of identification and filtering of micro-object images based on neural networks //E3S Web of Conferences. – EDP Sciences, – Т. 304. – P. 01007. https://doi.org/10.1051/e3sconf/202130401007.
Jumanov, I.I., Safarov, R.A. (2024). Control of Distorted Image Points Based on the Mechanism of Identification of a Micro-object with a Cosine Transform. In: Aliev, R.A., et al. 12th World Confer-ence “Intelligent System for Industrial Automation” (WCIS-2022). WCIS 2022. Lecture Notes in Networks and Systems, vol 912. Springer, Cham. https://doi.org/10.1007/978-3-031-53488-1_24.
Триангуляция Делоне и её применение. – Томск: Изд-во Том. ун-та, 2002. – 128 с.