Метод автоматичного визначення порогу градієнтного фільтра для швидкої обробки об’єктів динамічних сцен

Автор(и)

  • Leonid Timchenko Державний економіко-технологічний університет транспорту вул. М. Лукашевича, 19, м. Київ, Україна, 03049, Україна
  • Oleksandr Poplavskyi Державний економіко-технологічний університет транспорту вул. М. Лукашевича, 19, м. Київ, Україна, 03049, Україна
  • Natalia Kokryatskaya Державний економіко-технологічний університет транспорту вул. М. Лукашевича, 19, м. Київ, Україна, 03049, Україна
  • Anna Poplavska Державний економіко-технологічний університет транспорту вул. М. Лукашевича, 19, м. Київ, Україна, 03049, Україна

DOI:

https://doi.org/10.15587/1729-4061.2015.51766

Ключові слова:

центр мас, сегментація, контур об’єкта, поріг градієнтного фільтру, системи штучного інтелекту

Анотація

Дана стаття присвячена новому методу знаходження порогового значення градієнтних фільтрів, для розв’язання задач визначення геометричних параметрів об’єктів з підвищеною точністю. Алгоритм заснований на використанні даних отриманих після обробки зображення градієнтними фільтрами, а також реагує на найменші зміни контурів об’єктів зображень динамічних сцен.

Біографії авторів

Leonid Timchenko, Державний економіко-технологічний університет транспорту вул. М. Лукашевича, 19, м. Київ, Україна, 03049

Доктор технічних наук, професор

Завідувач кафедри

Кафедра телекомунікаційних технологій і автоматики

 

Oleksandr Poplavskyi, Державний економіко-технологічний університет транспорту вул. М. Лукашевича, 19, м. Київ, Україна, 03049

Кандидат технічних наук, доцент

Кафедра телекомунікаційних технологій і автоматики

Natalia Kokryatskaya, Державний економіко-технологічний університет транспорту вул. М. Лукашевича, 19, м. Київ, Україна, 03049

Доктор технічних наук, професор

Кафедра телекомунікаційних технологій і автоматики

Anna Poplavska, Державний економіко-технологічний університет транспорту вул. М. Лукашевича, 19, м. Київ, Україна, 03049

аспірант

Кафедра телекомунікаційних технологій і автоматики

Посилання

  1. Stroganov, A. I. (1972). Information Technology. Moscow, USSR: Metallurgy, 288.
  2. Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer-Verlag New York, 567–571.
  3. Canny, A. (1986). Computational Approach to Edge Detection. IEEE Trans on Pattern Analysis and Machine Intelligence, 8 (6), 679–698. doi: 10.1109/tpami.1986.4767851
  4. Smith, S. M., Brady, J. M. (1997). SUSAN - a new approach to low level image processing. International Journal of Computer Vision, 23 (1), 45–78, doi: 10.1023/a:1007963824710
  5. Otsu N., (1979). A threshold selection method from gray-level histogram. IEEE Transactions on Systems, Man, and Cybernetics, 9 (1), 62–66. doi: 10.1109/tsmc.1979.4310076
  6. Breiman, L. (2001). Random Forests. Machine Learning, 45 (1), 5–32.
  7. Hans van, Assen, Vrooman, H. A., Bosch, J. G., Koning, G., Linden, L., Goedhart, B. (2002). Accurate object localization in gray level images using the center of gravity measure: accuracy versus precision. IEEE Transactions on Image Processing, 11 (12), 1379–1384. doi: 10.1109/tip.2002.806250
  8. Hlushakou, S. V., Klevtsov, A. L. (2003). Programming in Delphi7.0. Folio, 1, 415.
  9. Timchenko, L. I., Poplavskyy, A., Petrovskyi, N., Kokriatskaia, N. I. (2011). Method of reference tunnel formation for improving forecast results of the laser beams spot images behavior. Optical Engineering, 50 (11), 117007. doi: 10.1117/1.3655502
  10. Arbeláez, P., Maire, M., Fowlkes, C., Malik, J. (2011). Contour detection and hierarchical image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 33 (5), 898–916. doi: 10.1109/tpami.2010.161
  11. Maire, M. R. (2009). Contour Detection and Image Segmentation. University of California, Berkeley Fall, 10, 253.
  12. Comaniciu, D., Meer, P. (2002). Mean shift: A robust approach toward feature space analysis. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24 (5), 603–619. doi: 10.1109/34.1000236
  13. Cremers, D., Rousson, M., Deriche, R. (2007). A review of statistical approaches to level set segmentation: integrating color, texture, motion and shape. International Journal of Computer Vision, 72 (2), 195–215. doi: 10.1007/s11263-006-8711-1
  14. Felzenszwalb, P. F., Huttenlocher, D. P. (2004). Efficient graph-based image segmentation. International Journal of Computer Vision, 59 (2), 167–181. doi: 10.1023/b:visi.0000022288.19776.77
  15. Shi, J., Malik, J. (2000). Normalized cuts and image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22 (8), 888–905. doi: 10.1109/34.868688
  16. Mitchell, T. (1997). Machine Learning. McGraw Hill, 2–21.
  17. Florack, L., Assen, H. (2012). Mathematical Imaging and Vision. Multiplicative calculus in biomedical image analysis. Springer US, 64–75. doi: 10.1007/s10851-011-0275-1
  18. Cheng, X., Thornberg, B., Malik, W., Lawal, N. (2010). Hardware Centric Machine Vision for High Precision Center of Gravity Calculation. World Academy of Science, Engineering and Technology, 40, 576–583.
  19. Rencher, A. C., William, F., Alvin, C. (2012). Multivariate regression. Wiley Series in Probability and Statistics 709, John Wiley & Sons, 3, 19.

##submission.downloads##

Опубліковано

2015-10-23

Як цитувати

Timchenko, L., Poplavskyi, O., Kokryatskaya, N., & Poplavska, A. (2015). Метод автоматичного визначення порогу градієнтного фільтра для швидкої обробки об’єктів динамічних сцен. Eastern-European Journal of Enterprise Technologies, 5(4(77), 55–58. https://doi.org/10.15587/1729-4061.2015.51766

Номер

Розділ

Математика та кібернетика - прикладні аспекти