Компенсація динамічних похибок відеозображень з вимірювальною інформацією на основі штучних нейронних мереж

Автор(и)

  • Юрій Олександрович Подчашинський Житомирський державний технологічний університет вул. Черняховського, 103, м. Житомир, Україна, 10005, Україна https://orcid.org/0000-0002-8344-6061
  • Оксана Олександрівна Шаповалова Житомирський державний технологічний університет вул. Черняховського, 103, м. Житомир, Україна, 10005, Україна https://orcid.org/0000-0001-6138-8991
  • Юрій Олександрович Шавурський Житомирський державний технологічний університет вул. Черняховського, 103, м. Житомир, Україна, 10005, Україна https://orcid.org/0000-0002-4590-4156

DOI:

https://doi.org/10.15587/1729-4061.2014.26274

Ключові слова:

геометричні параметри, відеозображення, динамічні похибки, компенсація похибок, штучна нейронна мережа

Анотація

Розглянуто алгоритмічні методи компенсації динамічних похибок відеозображень з вимірювальною інформацією. Наприклад, це можуть бути відеозображення виробів з природного каменю, для яких потрібно контролювати геометричні параметри. Запропоновано використовувати адаптивну лінійну нейронну мережу для компенсації динамічних похибок. Це забезпечує підвищення точності визначення геометричних параметрів в робочих умовах вимірювань на виробництві.

Біографії авторів

Юрій Олександрович Подчашинський, Житомирський державний технологічний університет вул. Черняховського, 103, м. Житомир, Україна, 10005

Доктор технічних наук, доцент

Кафедра комп’ютеризованих систем управління та автоматики

Оксана Олександрівна Шаповалова, Житомирський державний технологічний університет вул. Черняховського, 103, м. Житомир, Україна, 10005

Асистент

Кафедра комп’ютеризованих систем управління та автоматики

Юрій Олександрович Шавурський, Житомирський державний технологічний університет вул. Черняховського, 103, м. Житомир, Україна, 10005

Кандидат технічних наук

Кафедра автоматизованого управління технологічними процесами та комп’ютеризованих технологій

Посилання

  1. Krivoruchko, A., Kupkіn, E., Podchashinsky, Yu., Remezova, O. (2005). Application of information and computer technology of the working of videoimages in mining and geological industry. Visnyk ZDTU. Tehnіcal science, 1 (32), 107–116.
  2. Smirnov, A. (1990). Extraction and processing of natural stone: a handbook. Moscow, USSR: Nedra, 445.
  3. Karasev, Yu. G., Bakka, N. T. (1997). Natural stone. Mining block and stone wall. St. Petersburg, Russian Federation: Univ. Mining of St. Petersburg, 412.
  4. Sychev, Yu. I., Berlin, Yu. Ya. (1989). Cut Stone. Moscow, USSR: Stroyizdat, 320.
  5. Osovskiy, S. (2002). Neural networks for information processing. Moscow, Russian Federation: Finance and Statistics, 344.
  6. Rudenko, O. G., Bodyanskiy, E. V. (2006). Artificial neural networks : a tutorial. Kharkov, Ukraine: Company SMІT, 404.
  7. Ornatskiy, P. P. (1983). Theoretical foundations of information and measuring equipment. Kyiv, USSR, Higher School, 455.
  8. Polіschuk, E. S., ed. (2003). Metrology and measuring technics: textbook. Lviv, Ukraine, Beskid Bіt, 544.
  9. Kozheshkurt, V. I., Yuzefovich, V. V. (2010). Research of schemes en-route filtering algorithms processing of information in systems for monitoring of dynamic objects. Recording, storage and processing of data (Ukraine), 12 (4), 3–12.
  10. Kononov, V. I., Fedorovskiy, A. D., Dubinskiy, G. P. (1981). Optical imaging systems. Kyiv, USSR, Technics, 134.
  11. Press, F. P. (1991). Photosensitive charge-coupled devices. Moscow, USSR: Radio and Communication, 264.
  12. Jähne, B. (2004). Practical Handbook on Image Processing for Scientific and Technical Applications, Second Edition, 571. doi:10.1201/9780849390302
  13. Gonzalez, R., Woods, R. (2005). Digital image processing. Moscow, USSR: Technosphere, 1072.
  14. Acharya, T., Ray, A. K. (2005). Image processing: Principles and applications. John Wiley & Sons, Inc, 448.
  15. Bertero, M., Boccacci, P. (1998). Introduction to inverse problems in imaging Bristol, Institute of Physics Publishing Ltd, 370.
  16. Jain, A. K. (1989). Fundamentals of digital image processing. Cliffs, NJ, Prentice Hall, 590.
  17. Vasilenko, G. I., Taratorin, A. M. (1986). Image restoration. Moscow, USSR, Radio and Communications, 304.
  18. Sіlagіn, S. V., Mesyura, V. I. (2010). Adaptive quality assessment bitmap graphics. Optoelectronic information and energy technologies, Ukraine, 20(2), 119-121.
  19. Rіznik, O. M. (2009). Dynamic recurrent neural networks. Mathematical Machines and Systems (Ukraine), 3, 3–26.
  20. Aleksandrov, A. G. (1989). Optimal and adaptive systems: a tutorial. Moscow, USSR, Higher School, 263.
  21. Dadzhion, D., Mersereau, R. (1988). Digital processing of multidimensional signals. Мoscow, USSR, Mir, 488.

##submission.downloads##

Опубліковано

2014-07-18

Як цитувати

Подчашинський, Ю. О., Шаповалова, О. О., & Шавурський, Ю. О. (2014). Компенсація динамічних похибок відеозображень з вимірювальною інформацією на основі штучних нейронних мереж. Eastern-European Journal of Enterprise Technologies, 4(9(70), 26. https://doi.org/10.15587/1729-4061.2014.26274

Номер

Розділ

Інформаційно-керуючі системи