Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания
Статья демонстрирует сравнительный анализ эффективности восстановления слабоконтрастных изображений, основанный на использовании методов самоорганизующегося нейросетевого синтеза и линейного предсказания. Оба метода позволяют повысить чувствительность и пространственное разрешение визуального анализ...
Saved in:
| Published in: | Штучний інтелект |
|---|---|
| Date: | 2017 |
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2017
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/132102 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания / А.А. Степаненко // Штучний інтелект. — 2017. — № 1. — С. 66-76. — Бібліогр.: 12 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862730679017537536 |
|---|---|
| author | Степаненко, А.А. |
| author_facet | Степаненко, А.А. |
| citation_txt | Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания / А.А. Степаненко // Штучний інтелект. — 2017. — № 1. — С. 66-76. — Бібліогр.: 12 назв. — рос. |
| collection | DSpace DC |
| container_title | Штучний інтелект |
| description | Статья демонстрирует сравнительный анализ эффективности восстановления слабоконтрастных изображений, основанный на использовании методов самоорганизующегося нейросетевого синтеза и линейного предсказания. Оба метода позволяют повысить чувствительность и пространственное разрешение визуального анализа низкоконтрастных яркостных (одномерных) и мультиспектральных изображений. Приведены практические примеры со сравнением эффективности для различных технологий (радиология, геоинформационные системы).
Article shows a comparative analysis of the efficiency of the recovery of low-contrast images, based on the use of self-organizing neural network methods of synthesis and linear prediction. Both methods allow to increase the sensitivity and spatial resolution of the visual analysis of low contrast luminance (one-dimensional) and multispectral images. The practical examples for comparing the effectiveness of different technologies (radiology, geographic information systems).
|
| first_indexed | 2025-12-07T19:21:42Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-132102 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-12-07T19:21:42Z |
| publishDate | 2017 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Степаненко, А.А. 2018-04-10T19:56:39Z 2018-04-10T19:56:39Z 2017 Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания / А.А. Степаненко // Штучний інтелект. — 2017. — № 1. — С. 66-76. — Бібліогр.: 12 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/132102 004.932 Статья демонстрирует сравнительный анализ эффективности восстановления слабоконтрастных изображений, основанный на использовании методов самоорганизующегося нейросетевого синтеза и линейного предсказания. Оба метода позволяют повысить чувствительность и пространственное разрешение визуального анализа низкоконтрастных яркостных (одномерных) и мультиспектральных изображений. Приведены практические примеры со сравнением эффективности для различных технологий (радиология, геоинформационные системы). Article shows a comparative analysis of the efficiency of the recovery of low-contrast images, based on the use of self-organizing neural network methods of synthesis and linear prediction. Both methods allow to increase the sensitivity and spatial resolution of the visual analysis of low contrast luminance (one-dimensional) and multispectral images. The practical examples for comparing the effectiveness of different technologies (radiology, geographic information systems). ru Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Системи розпізнавання і сприйняття образів Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания Analysis and recovery of low-contrast images by neural network synthesis in comparison with the linear prediction Article published earlier |
| spellingShingle | Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания Степаненко, А.А. Системи розпізнавання і сприйняття образів |
| title | Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания |
| title_alt | Analysis and recovery of low-contrast images by neural network synthesis in comparison with the linear prediction |
| title_full | Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания |
| title_fullStr | Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания |
| title_full_unstemmed | Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания |
| title_short | Анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания |
| title_sort | анализ и восстановление слабоконтрастных изображений методом нейросетевого синтеза в сравнении с методом линейного предсказания |
| topic | Системи розпізнавання і сприйняття образів |
| topic_facet | Системи розпізнавання і сприйняття образів |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/132102 |
| work_keys_str_mv | AT stepanenkoaa analizivosstanovlenieslabokontrastnyhizobraženiimetodomneirosetevogosintezavsravneniismetodomlineinogopredskazaniâ AT stepanenkoaa analysisandrecoveryoflowcontrastimagesbyneuralnetworksynthesisincomparisonwiththelinearprediction |