Оцінка якості передавання і комп'ютерна обробка даних образів
The state-of-art of computer vision based on perceptions and data transfers for different pattern domains of information infrastructures is examined. The urgency of a problem is explained by the prompt increase of using the video information and the implementation of intelligence systems. Especially...
Saved in:
| Date: | 2008 |
|---|---|
| Main Author: | |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Видавничий дім "Академперіодика" НАН України
2008
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/5823 |
| 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: | Оцінка якості передавання і комп'ютерна обробка даних образів / В.В. Грицик // Доп. НАН України. — 2008. — № 9. — С. 44-48. — Бібліогр.: 6 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860223222382854144 |
|---|---|
| author | Грицик, В.В. |
| author_facet | Грицик, В.В. |
| citation_txt | Оцінка якості передавання і комп'ютерна обробка даних образів / В.В. Грицик // Доп. НАН України. — 2008. — № 9. — С. 44-48. — Бібліогр.: 6 назв. — укр. |
| collection | DSpace DC |
| description | The state-of-art of computer vision based on perceptions and data transfers for different pattern domains of information infrastructures is examined. The urgency of a problem is explained by the prompt increase of using the video information and the implementation of intelligence systems. Especially, it is important to estimate the quality, authenticity, and efficiency of transfer and image data processing for recognition and decision making in real time. Future trends in computer vision developments are shown for different application areas.
|
| first_indexed | 2025-12-07T18:18:53Z |
| format | Article |
| fulltext |
УДК 681.62:655
© 2008
В.В. Грицик
Оцiнка якостi передавання i комп’ютерна обробка
даних образiв
(Представлено членом-кореспондентом НАН України В.В. Грициком)
The state-of-art of computer vision based on perceptions and data transfers for different pattern
domains of information infrastructures is examined. The urgency of a problem is explained by
the prompt increase of using the video information and the implementation of intelligence
systems. Especially, it is important to estimate the quality, authenticity, and efficiency of
transfer and image data processing for recognition and decision making in real time. Future
trends in computer vision developments are shown for different application areas.
1. Комп’ютерне бачення зору (комп’ютерний зiр). Комп’ютерне бачення зору та
сприйняття i передавання даних для рiзних предметних областей iнформацiйної iнфра-
структури у сучасному свiтi стрiмко зростає у зв’язку iз збiльшенням використання вiдео-
iнформацiї та вiдеобачення, а також реалiзацiї iнформацiйно-аналiтичних систем [1–3]. Тут
можна проводити дослiдження, розробки та застосування найрiзноманiтнiших систем мо-
нiторингу, спостереження одно-, дво- i тривимiрних зображень, технiчний зiр i технiчне ба-
чення, вiдеотелефонiю, що здiйснює вiдбiр, реєструє i передає величезнi обсяги вiдеоданих,
рiзнi автономнi режими — роботи, якi приймають рiшення на основi аналiзу вiдеозобра-
жень, персональне телевiзiйне бачення, полiграфiю, медицину, бiологiчнi структури, Iнтер-
нет тощо. Особливо важливу роль комп’ютерний зiр вiдiграє для дослiдження та розробки,
сприйняття i передавання даних у реальному часi в розпiзнаваннi та обробцi зображень.
На рис. 1. наведено iнформацiйну предметну область, основнi напрямки застосування
технiки обробки зображень у рiзних галузях науки i предметних областей знань.
Прикладом складних зображень для оцiнки, обробки, розпiзнавання, класифiкацiї є об-
раз бiологiчних клiтин, який показано на рис. 2.
Рис. 1. Основнi напрямки розвитку та застосування систем i технiки обробки зображень (комп’ютерний зiр)
44 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2008, №9
Рис. 2. Приклад поля уваги з рiзними класами об’єктiв на ньому
2. Основнi напрямки систем i технiки обробки зображень. На рис. 1 представ-
лено основнi напрямки дослiдження та застосування розробок зображень у рiзних галузях
науки i предметних областей знань.
3. Проблема. Проблема полягає у розробцi методiв, алгоритмiв, критерiїв iнформа-
цiйної оцiнки та показникiв якостi комп’ютерного зору для обробки вiдео даних зображень
при вiдборi та передаваннi iнформацiї а також алгоритмiв розпiзнавання складних зобра-
жень в умовах афiнних перетворень та завад на складному фонi рецепторного поля. Ви-
ходячи з показника достовiрностi передавання-вiдтворення даних зображення, визначають
найкращу iнформацiйну ефективну в сенсi максимального значення функцiї iнформацiйну
питому ємнiсть.
4. Оцiнка якостi передачi i вiдтворень зображень. Iнформацiйний пiдхiд та
показники якостi. Одним iз пiдходiв до оцiнки якостi i ефективностi обробки зображень
може бути вiрогiдна оцiнка якостi використання як iнформацiйний пiдхiд на основi процесу
цифрового перетворення i передачi даних зображення, де здiйснена втрата iнформацiї [4–6],
за умови, коли iнтенсивнiсть зображення f(x, y) представлена на рецепторному полi m× n
у виглядi пiкселiв.
Розглянемо функцiю f0(x, y), що представляє цифрове зображення цього образу у вигля-
дi перетворення та передачi образу. Однiєю з об’єктивних оцiнок мiри якостi передавання
даних x̃ та прийнятих даних ỹ може бути iнформацiйний пiдхiд передачi та обробки даних
зображення у рiзних умовах завад. При цьому прийнята iнформацiя I = H(x̃) − Hỹ(x̃),
де H(x̃) — ентропiя; Hỹ(x̃) — умовна ентропiя. Оцiнку якостi можна охарактеризувати як
показник µ = I/V , де I — отримана iнформацiя; V — необхiдне здiйснення затрат при пере-
даваннi та обробцi даних зображень [3, 5]. Тут можна зауважити, що порiвняльний показник
та оцiнка якостi вiдтворення зображень µ дає кращий показник об’єктивностi вiдтворення
зображення, нiж мiра ймовiрностi помилки, оскiльки враховує значення помилки завад. По-
казник µ є також функцiєю показника достовiрностi передачi i обробки зображень, методiв
передачi даних зображення. Виходячи з iнформацiйного показника µ, можна порiвняти сис-
теми i передачi даних зображення, розпiзнавання як за потенцiальними можливостями, так
i за конкретними умовами їх застосування, за ефективнiстю використання в найрiзноманiт-
нiших умовах реалiзацiї iнформацiйно-аналiтичних систем при отриманнi цiнної iнформацiї
про складнi об’єкти, розпiзнавання, прийняття рiшень та керування. Потрiбно було б вiд-
значити також важливiсть пiдходу до iнформацiйного показника передавання та обробки,
розпiзнавання даних зображень як об’єктивнiсть, загальнiсть та унiверсальнiсть цiнностi
даних про розпiзнавання iнформацiї даних зображення.
ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2008, №9 45
Зобразимо вхiднi данi у виглядi слiв vi ∈ x̃, vi = (ai1, ai2, ai3, . . . , ain). Множина vj =
= (ãj1, ãj2, ãj3, . . . , ãjn), vj ∈ ỹ — як вихiднi данi при передаваннi (обробцi) зображення.
Буква ais, s = 1, . . . n, належить скiнченному алфавiту, Ã = {ẽ1, ẽ2, ẽ3, . . . , ẽã} — алфавiт
на виходi зображення.
5. Достовiрнiсть методу передавання-вiдтворення зображення. Нехай пiдмно-
жину VN (n) потужностi N елементiв множини V (n) називатимемо кодом KN (n) даних
зображення. Метод декодування даних зображення назвемо DN (n) як набiр функцiй r1(ṽ),
r2(ṽ), . . . , rN (ṽ), де ṽ ∈ Ṽ (n), таких, що 0 6 ri(ṽ) 6 1, 1 6 i 6 N ,
∑
ri(ṽ) = 1. Метод
передавання зображень задається довiльною парою KN (n), DN (n). Далi розглядатимемо
канал передавання даних стацiонарних зображень без пам’ятi — незалежнiсть переходiв ais
вiд ãjs в рiзнi моменти часу. Тодi набiр iмовiрностей для довiльних n, i, j Pij =
∏
s
Pais ãjs
як канал передавання даних зображень буде стацiонарним без пам’ятi.
Розглядатимемо також рiвномiрне кодування даних зображення (Pi = 1/N). Метод пе-
редавання даних зображення назвемо {KN (n),DN (n)}, де KN (n) — кодоване зображення;
DN (n) — декодоване зображення. Тодi метод передавання даних зображень при рiвномiр-
ному розподiлi даних зображень (Pi = 1/N) запишемо
P [KN (n),DN (n)] =
1
N
∑
vi∈KN (n)
∑
ṽj∈Ṽ (n)
Pij [1 − ri(ṽj)],
а оптимальну ймовiрнiсть помилки передавання (нижня границя) —
Pn(N) = inf
{KN (n),DN (n)}
P [KN (n),DN (n)].
Будемо розглядати нерандомiзоване симетричне кодування, де
ri(ṽj) =
{
1, якщо max Pij = Pij , 1 6 i 6 N,
0 — в iнших випадках.
Операцiя декодування даних зображення полягає у визначеннi множини Ω̃i для кожно-
го vi, тодi всi v̂j ∈ Ω̃i будуть правильно декодованi у vi. Середню ймовiрнiсть правильного
декодування зображення vi ∈ KN (n) подамо у такому виглядi:
Pпр[KN (n),DN (n)] =
1
N
∑
vi∈KN (n)
∑
ṽj∈Ṽ (n)
Pijri(vj) =
1
N
∑
vi∈KN (n)
∑
ṽj∈Ω̃i
Pij .
Оцiнка Pпр[KN (n),DN (n)] визначає достовiрнiсть методу передавання — вiдтворення даних
зображень M [KN (n),DN (n)], i має важливе значення для iнформацiйної оцiнки ефектив-
ностi методiв передавання — вiдтворення даних зображень. Виходячи iз показника досто-
вiрностi передавання — вiдтворення даних зображення, можна визначити найкращу ефек-
тивнiсть у сенсi максимального значення функцiї iнформацiйної питомої ємностi.
6. Об’єктивна оцiнка якостi обробки зображень. Одну з об’єктивних оцiнок мiри
якостi обробки зображення у перетвореннях апроксимацiї та передачi даних зображення
можна представити таким чином [3, 6]:
середнє значення перетворення зображення:
46 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2008, №9
µ1 =
m∑
x=1
n∑
y=1
[f(x, y) − f0(x, y)]
mn
;
структурний пiдхiд:
µ2 =
m∑
x=1
n∑
y=1
[f(x, y)]2
m∑
x=1
n∑
y=1
[f0(x, y)]2
;
взаємна кореляцiя, нормалiзована крос-кореляцiя (normalized cross-correlation):
µ3 =
m∑
x=1
n∑
y=1
[f(x, y)f0(x, y)]
m∑
x=1
n∑
y=1
[f(x, y)]2
;
якiсть кореляцiї:
µ4 =
m∑
x=1
n∑
y=1
[f(x, y)f0(x, y)]
m∑
x=1
n∑
y=1
[f(x, y)]
;
максимальне значення:
µ5 = max{|f(x, y) − f0(x, y)|};
середньоквадратична помилка:
µ6 =
1
mn
m∑
x=1
n∑
y=1
[f(x, y) − f0(x, y)]2;
Таким чином, у роботi розглянуто методи оцiнки та показники якостi передавання та
обробки зображень комп’ютерного зору.
1. Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход. – Москва; Санкт-Петербург; Ки-
ев, 2004. – 930 с.
2. Джордж Ф. Люгер. Искусственный интелект. Стратегии и методы решения сложных проблем. –
Москва; Санкт-Петербург: Вильямс, 2005. – 860 с.
3. Грицик В.В. Новаторськi iдеї штучного iнтелекту. Iнформацiйно-аналiтичнi системи. ДНДIII. – Пре-
принт № 1. – Львiв, 2006. – 65 с.
4. Грицик В.В. Iнформацiйно-аналiтична система обробки та розпiзнавання i управлiння складними
зображеннями у заданому полi уваги. – Матерiали мiжнар. наук. конф. “Iнтелектуальнi системи
прийняття рiшень та прикладнi аспекти iнформацiйних технологiй” (ISDMIT’2006). – Т. 4, ч. 2. –
С. 30–33.
ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2008, №9 47
5. Hrytsyk V., Hrytsyk V. Determining validity and amount of received information under information transfer
methods using corrective codes. – V Symp. modelowanie i symylacja komputerova w technice. – Lodz,
2005. – P. 99–108.
6. Woznicki J. Podstatowe techniki przetwarzania obrazu. – Warszawa: Wydawnictwo komunikacji i Lacznosci,
1996. – P. 261.
Надiйшло до редакцiї 13.03.2008Державний науково-дослiдний iнститут
iнформацiйної iнфраструктури НАН України, Львiв
УДК 519.85
© 2008
Т.Е. Романова, А.В. Кривуля
Средства математического моделирования задач
покрытия
(Представлено членом-корреспондентом НАН Украины Ю.Г. Стояном)
The article considers theorems which are useful for the mathematical and computer modeling
of the covering problems of a compact canonical multiconnected polygonal set with a finite
family of convex polygons. Based on peculiarities of a rectangular cover, theorems concerning
a partition of the translation vector space and an upper bound of the number of local extrema
of the Γ-function are formulated.
Основой математического моделирования задач геометрического проектирования (зада-
чи покрытия [1] и упаковки [2]) является аналитическое описание отношений точечных
множеств в евклидовых пространствах. С этой целью используется метод Φ-функций [3–
5]. Однако при математическом моделировании отношений двумерных ϕ-объектов [3], по
крайней мере один из которых получен в результате пересечения базовых двухсвязных
ϕ-объектов, возникает необходимость построения Φ-функций в виде композиций Φ-функ-
ций базовых объектов [4]. Конструктивным средством аналитического описания отноше-
ний области покрытия и семейства покрывающих объектов является Γ-функция [6]. Вид
Γ-функции зависит от пространственных форм и метрических характеристик покрываю-
щих объектов. В этой связи актуальны исследования такой зависимости для конечного се-
мейства покрывающих прямоугольников, имеющих не обязательно различные метрические
характеристики.
Пусть имеется компактное многосвязное каноническое многоугольное множество Ω ⊂
⊂ R2 и множество P =
τ⋃
s=1
Ps ⊂ R2, где R2 — двухмерное арифметическое евклидово
пространство; Ps =
ns⋃
i=1
Psi, ns 6 n, Psi — выпуклый многоугольник; τ — число компонент
связности множества P . Пусть H =
τ⋂
s=1
Hs, Hs = R2 \ int Ps, int Ps — внутренность Ps. При
этом Hs =
λs⋃
j=1
Csj , где Csj — выпуклое, многоугольное, канонически замкнутое, в общем
случае неограниченное множество.
48 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2008, №9
|
| id | nasplib_isofts_kiev_ua-123456789-5823 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1025-6415 |
| language | Ukrainian |
| last_indexed | 2025-12-07T18:18:53Z |
| publishDate | 2008 |
| publisher | Видавничий дім "Академперіодика" НАН України |
| record_format | dspace |
| spelling | Грицик, В.В. 2010-02-08T15:06:12Z 2010-02-08T15:06:12Z 2008 Оцінка якості передавання і комп'ютерна обробка даних образів / В.В. Грицик // Доп. НАН України. — 2008. — № 9. — С. 44-48. — Бібліогр.: 6 назв. — укр. 1025-6415 https://nasplib.isofts.kiev.ua/handle/123456789/5823 681.62:655 The state-of-art of computer vision based on perceptions and data transfers for different pattern domains of information infrastructures is examined. The urgency of a problem is explained by the prompt increase of using the video information and the implementation of intelligence systems. Especially, it is important to estimate the quality, authenticity, and efficiency of transfer and image data processing for recognition and decision making in real time. Future trends in computer vision developments are shown for different application areas. uk Видавничий дім "Академперіодика" НАН України Інформатика та кібернетика Оцінка якості передавання і комп'ютерна обробка даних образів Article published earlier |
| spellingShingle | Оцінка якості передавання і комп'ютерна обробка даних образів Грицик, В.В. Інформатика та кібернетика |
| title | Оцінка якості передавання і комп'ютерна обробка даних образів |
| title_full | Оцінка якості передавання і комп'ютерна обробка даних образів |
| title_fullStr | Оцінка якості передавання і комп'ютерна обробка даних образів |
| title_full_unstemmed | Оцінка якості передавання і комп'ютерна обробка даних образів |
| title_short | Оцінка якості передавання і комп'ютерна обробка даних образів |
| title_sort | оцінка якості передавання і комп'ютерна обробка даних образів |
| topic | Інформатика та кібернетика |
| topic_facet | Інформатика та кібернетика |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/5823 |
| work_keys_str_mv | AT gricikvv ocínkaâkostíperedavannâíkompûternaobrobkadanihobrazív |