Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции

Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции

Рассмотрены информационные возможности метода анализа слабоконтрастных изображений. Суть метода основана на разделении анализируемых компонент многопараметрового (мультиспектрального) изображения на ортогональные составляющие, при этом в составляющих высокого порядка выделяются области, первоначальн...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2010
Автори: Ахметшин, А.М., Ахметшин, К.А.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2010
Назва видання:Штучний інтелект
Теми:
Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
Онлайн доступ:http://dspace.nbuv.gov.ua/handle/123456789/58374
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции / А.М. Ахметшин, К.А. Ахметшин // Штучний інтелект. — 2010. — № 4. — С. 133-139. — Бібліогр.: 7 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id irk-123456789-58374
record_format dspace
spelling irk-123456789-583742014-03-24T03:01:13Z Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции Ахметшин, А.М. Ахметшин, К.А. Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений Рассмотрены информационные возможности метода анализа слабоконтрастных изображений. Суть метода основана на разделении анализируемых компонент многопараметрового (мультиспектрального) изображения на ортогональные составляющие, при этом в составляющих высокого порядка выделяются области, первоначально неразличимые на исходных изображениях. Представлены результаты численного моделирования и реальной проверки работоспособности метода. Розглянуто інформаційні можливості нового методу аналізу низькоконтрастних зображень. Суть методу полягає у розділенні аналізованих компонент багатопараметрового зображення на ортогональні складові, при цьому на складових більш високого порядку виділяються ділянки, невидимі на первісних зображеннях. Представлені результати реальної перевірки працездатності методу. Information possibilities of a new method low contrast images analysis are considered. The main idea of the method is founded on separation of analyzed image on orthogonal components. For solution of this problem in the article were used two approaches: the first one is based on using the singular value decomposition (it is an algebraic method) and the second one is based on independent component method. The last provides the stochastic orthogonalization. Hidden domains of analyzed image are separated on orthogonalyzed image of high order. The results of real testing of the method possibilities are presented. The ones had shown that both methods are complement each other. 2010 Article Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции / А.М. Ахметшин, К.А. Ахметшин // Штучний інтелект. — 2010. — № 4. — С. 133-139. — Бібліогр.: 7 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/58374 004.93 ru Штучний інтелект Інститут проблем штучного інтелекту МОН України та НАН України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language Russian
topic Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
spellingShingle Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
Ахметшин, А.М.
Ахметшин, К.А.
Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции
Штучний інтелект
description Рассмотрены информационные возможности метода анализа слабоконтрастных изображений. Суть метода основана на разделении анализируемых компонент многопараметрового (мультиспектрального) изображения на ортогональные составляющие, при этом в составляющих высокого порядка выделяются области, первоначально неразличимые на исходных изображениях. Представлены результаты численного моделирования и реальной проверки работоспособности метода.
format Article
author Ахметшин, А.М.
Ахметшин, К.А.
author_facet Ахметшин, А.М.
Ахметшин, К.А.
author_sort Ахметшин, А.М.
title Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции
title_short Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции
title_full Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции
title_fullStr Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции
title_full_unstemmed Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции
title_sort выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции
publisher Інститут проблем штучного інтелекту МОН України та НАН України
publishDate 2010
topic_facet Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
url http://dspace.nbuv.gov.ua/handle/123456789/58374
citation_txt Выделение скрытых областей слабоконтрастных изображений методом ортогональной декомпозиции / А.М. Ахметшин, К.А. Ахметшин // Штучний інтелект. — 2010. — № 4. — С. 133-139. — Бібліогр.: 7 назв. — рос.
series Штучний інтелект
work_keys_str_mv AT ahmetšinam vydelenieskrytyhoblastejslabokontrastnyhizobraženijmetodomortogonalʹnojdekompozicii
AT ahmetšinka vydelenieskrytyhoblastejslabokontrastnyhizobraženijmetodomortogonalʹnojdekompozicii
first_indexed 2023-10-18T18:32:00Z
last_indexed 2023-10-18T18:32:00Z
_version_ 1796144466845761536

Схожі ресурси