Перейти до вмісту
Наукові вісті КПІ
ISSN 2617-5509 · e‑ISSN 2663-7472 Відкритий доступ
Т. · № 2 · 2020 лип 2, 2020 статті

КОМПЛЕКСУВАННЯ МУЛЬТИСПЕКТРАЛЬНИХ ЗОБРАЖЕНЬ ЯК МЕТОД ПІДВИЩЕННЯ ЇХ ІНФОРМАТИВНОСТІ ПРИ БІНАРНІЙ СЕГМЕНТАЦІЇ

DS
Denys V. Storozhyk Відповідальний КПІ ім. Ігоря Сікорського, Україна
OM
Oleksandr V. Muraviov КПІ ім. Ігоря Сікорського, Україна
AP
Anatoliy G. Protasov КПІ ім. Ігоря Сікорського, Україна
VB
Viktor G. Bazhenov КПІ ім. Ігоря Сікорського, Україна
GB
Galina A. Bohdan КПІ ім. Ігоря Сікорського, Україна
Сторінки82-87 Опублікованолип 2, 2020
PDF
НВКПІ 2 ТОМ · 2
ТОМ · № 2 · 2020 № 2 (2020) Переглянути випуск

Анотація

Проблематика. Однією з найбільш інтенсивних тенденцій на виробництві та при проектуванні різної техніки на сьогодні є прагнення до автоматизації процесів з метою підвищення їх ефективності та мінімізації впливу людського фактора. Перспективним напрямом реалізації цієї концепції видаються методи комп’ютерного зору, засновані на автоматизації обробки й аналізу зображень. Машинне навчання дає можливість 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 завдяки використанню алгоритму мультиспектрального комплексування, що своєю чергою дасть змогу підвищити ефективність роботи систем машинного зору й автоматизованої обробки зображень.

Мета дослідження. Дослідження можливості застосування методів комплексування мультиспектральних зображень для підвищення інформативності та якості результату обробки даних на основі бінарної сегментації.

Методика реалізації. Для дослідження методів комплексування зображень було використано програмне середовище, реалізоване на основі мови програмування C# із застосуванням математичного апарату бінарної сегментації. Аналіз отриманих результатів проводився з використанням методів статистичної обробки даних.

Результати дослідження. Отримано оцінки ефективності застосування таких методів комплексування мультиспектральних зображень для підвищення якості бінарної сегментації: усереднення, максимуму, черезрядкового комплексування та черезрядкового комплексування максимумів. Дослідження проведено для зображень, отриманих як у сприятливих умовах, так і за наявності різноманітних перешкод, що зумовило зниження інформативності знімків у різних спектральних діапазонах.

Ключові слова

Посилання

  1. G. Tolias et al. , “Image search with selective match kernels: aggregation across single and multiple images”, Int . J . Comput . Vis . , vol. 116, pp. 247–261, 2016. doi: 10.1007/s11263-015-0810-4
  2. O.B. Zhukov et al. , “Artificial intelligence in medicine: from hybrid studies and clinical validation to the development of application models”, Andrologija i Genital'naja Hirurgija , vol. 20, no. 3, pp. 15–19, 2019. doi: 10.17650/2070-9781-2019-20-3-15-19
  3. L. Galli and D. de Candia, “Multispectral image segmentation via multiscale weighted aggregation method”, in Proc. SPIE 5982, Image and Signal Processing for Remote Sensing XI , 2005. doi: 10.1117/12.627534
  4. Y. Yuan et al. , “Specific light-up bioprobe with aggregation‐induced emission and activatable photoactivity for the targeted and image‐guided photodynamic ablation of cancer cells”, Angew. Chem. Int. Ed. , vol. 54, pp. 1780–1786, 2015. doi: 10.1002/anie.201408476
  5. A. Protasov, “Reconstruction of the thermal field image from measurements in separate points”, in Proc. IEEE Int. Conf. Microwaves, Radar and Remote Sensing Symposium (MRRS) , 2017, pp. 89–92. doi: 10.1109/MRRS.2017.8075035
  6. K. Rokni et al. , “A new approach for surface water change detection: Integration of pixel level image fusion and image classification techniques”, Int. J. of Appl. Earth Observ. Geoinform. , vol. 34, pp. 226–234, 2015. doi: 10.1016/j.jag.2014.08.014
  7. D. Paternain et al. , “Construction of image reduction operators using averaging aggregation functions”, Fuzzy Sets and Systems , vol. 261, pp. 87–111, 2015. doi: 10.1016/j.fss.2014.03.008
  8. E. Ricchetti, “Multispectral satellite image and ancillary data integration for geological classification”, Photogrammetric Engineering and Remote Sensing , vol. 66, pp. 429–435, 2000.
  9. A.S. Vasilev et al. , “Quality assessment criteria for image fusion in multispectral optical-electronic systems”, J . Instrument Eng . , vol. 60, no. 7, pp. 647–653, 2017. doi: 10.17586/0021-3454-2017-60-7-647-653
  10. A.V. Zakharov et al. , “Criteria for assessing the quality of image segmentation”, Trudy NIISI RAN , vol. 2, no. 2, pp. 87–99, 2012.
  11. M.S. Mamuta, “Effectiveness of the complex of optical and electronic systems”, PhD dissertation, NTUU KPI, Kyiv, 2013.
  12. G. Hong et al. , “A wavelet and IHS integration method to fuse high resolution SAR with moderate resolution multispectral images”, Photogrammetric Engineering and Remote Sensing , vol. 75, pp. 1213–1223, 2009. doi: 10.14358/PERS.75.10.1213
  13. C. Zhu et al. , “Multi-image aggregation for better visual object retrieval”, in Proc. IEEE Int . Conf . Acoustics, Speech and Signal Processing (ICASSP) , Florence, 2014, pp. 4304–4308. doi: 10.1109/ICASSP.2014.6854414
  14. A.V. Muravyov and E.A. Nazarchuk, “Thermal stabilization of image quality of an optical thermograph system”, Visnyk Inzhenernoi Akademii Ukrainy , no. 4, pp. 195–199, 2016.
  15. A. Momot and R. Galagan, “Influence of architecture and training dataset parameters on the neural networks efficiency in thermal nondestructive testing”, Sciences of Europe , vol. 1, no. 44, pp. 20–25, 2019.
§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.
Усі випуски

МЕТОДИКА ПАРАМЕТРИЧНОГО СИНТЕЗУ ЗУМ-АФОКАЛЬНИХ СИСТЕМ НА ОСНОВІ НЕРУХОМИХ ВАРІОЛІНЗ

Ігор Г. Чиж

Проблематика Зум-оптичні системи, в яких використовуються механічно нерухомі електрично керовані варіолінзи, не можуть вважатися такими, що мають нерухомі оптичні…

#зум-афокальні системи #головні точки варіолінз #синтез зум-афокальних систем #стабільна афокальність зум-системи
10.20535/kpisn.2026.3.351645

МОДИФІКАЦІЯ НЕЙРОМЕРЕЖЕВОГО МЕТОДУ SPINN ДЛЯ НАБЛИЖЕНОГО РОЗВ'ЯЗАННЯ МІШАНОЇ ЗАДАЧІ ДЛЯ РІВНЯННЯ ТЕПЛОПРОВІДНОСТІ В ЕЛІПТИЧНІЙ ОБЛАСТІ

Валерій Лось, Олександр Ряхін

Проблематика. Параболічні диференціальні рівняння є математичними моделями інженерії, призначеними для дослідження широкого кола прикладних задач. Це приводить до…

#рівняння теплопровідності #мішана параболічна задача #еліптична область #фізико-інформативна нейронна мережа
10.20535/kpisn.2026.3.367316

ДВОЕТАПНИЙ ПІДХІД ДО СЕГМЕНТАЦІЇ СУПУТНИКОВИХ ЗНІМКІВ ДЛЯ ОЦІНЮВАННЯ ПЛОЩІ АСФАЛЬТОВАНОГО ПОКРИТТЯ ПАРКОВОК

Олександр Гончарук, Надія Недашківська

Проблематика. Точна оцінка площі асфальтованих парковок є важливою для містобудування та екологічного моніторингу. Однак спектральна подібність асфальту паркувальних…

#семантична сегментація #супутникові знімки #паркінг #нейронна мережа
10.20535/kpisn.2026.3.367540

Схожі статті

Ви також можете розпочати розширений пошук схожих статей для цієї статті.