Remote sensing of the earth and monitoring of various phenomena have been and still remain an important task for solving various problems. One of them is the forest pathology dynamics determining. Assuming its dependence on various factors forest pathology can be either short-term or long-term. Sometimes it is necessary to analyze satellite images within a period of several years in order to determine the dynamics of forest pathology. So it is connected with some special aspects and makes such analysis in manual mode impossible. At the same time automated methods face the problem of identifying a series of suitable images even though they are not covered by clouds, shadows, turbulence and other distortions. Classical methods of nebulosity determination based either on neural network or decision functions do not always give an acceptable result, because the cloud coverage by itself can be either of cirrus intortus type or insignificant within the image, but in case of cloudiness it can be the reason for wrong analysis of the area under examination. The article proposes a new approach for the analysis and selection of images based on key point detectors connected neither with cloudiness determination nor distorted area identification, but with the extraction of suitable images eliminating those that by their characteristics are unfit for forest pathology determination. Experiments have shown that the accuracy of this approach is higher than of currently used method in GIS, which is based on cloud detector.
Введение. Масштабирование растровых изображений является одной из важнейших задач наряду с выполнениями поворотов, изменением контрастности и т.д. При этом акту-альна потеря качества изображения. В частности, возможны существенные искажения гео-метрии мелких деталей и появление ложных узоров, возникают некоторые негативные эф-фекты.1. Алиасинг -эффект «ступенчатости» линий. Связан с проблемами отображения ли-ний, не параллельных одной из осей координат. Ступенчатость возникает, когда точки на линиях пересекают строки или столбцы пикселей под небольшим углом. Часть линии шири-ной в один пиксель может попасть на один пиксель экрана, а часть -на другой. Возникает неопределенность: можно рисовать эту часть как один пиксель на одном ряду, один пиксель на другом ряду или закрашивать оба пикселя. К сожалению, все три способа вносят хорошо заметные дефекты в изображение [2].2. Размытие изображений. Данный эффект особо нежелателен там, где имеют место объекты с выраженными границами. Он связан с тем, что при увеличении изображений ряд методов приводят к тому, что граница становится размазанной, не четкой. В дальнейшем это может не только исказить изображение визуально, но и приведет к усложнению процедуры сегментации и распознавания [3].3. Эффект Гиббса. На изображениях проявляются ореолы возле резких перепадов ин-тенсивности. Незначительное искажение изображений человек может и не заметить, тогда как при больших потерях информации, например, при сильном изменении масштаба, данный артефакт может стать раздражающим. По негативному эффекту он соизмерим с потерей цветности [4].Существуют различные методы масштабирования изображений, характеризующиеся различным соотношением быстродействия и качества. В данной статье сравниваются неко-торые популярные методы увеличения изображений.Обзор исследуемых методов. Наиболее популярными методами увеличения масштаба изображений являются методы, основанные на интерполяции цветов пикселей. Принцип действия заключается в том, что для каждой точки конечного изображения берется фиксиро-ванный набор точек исходного и интерполируется в соответствии с его взаимным положени-ем и выбранным фильтром. Количество точек тоже зависит от фильтра.Вырожденным случаем интерполяционных методов является метод ближайшего со-седа. Для каждого пикселя конечного изображения выбирается один пиксель исходного, наиболее близкий к его положению с учетом масштабирования. В частности, если выполня-ется увеличение в целое число раз m, то одному пикселю исходного изображения соответ-ствуют m 2 пикселей увеличенного изображения, имеющих тот же цвет.
One of the difficult problems to solve has always been and still remains the problem of finding a path either in a graphic chart or a graphic maze of large size. The main problem is that traditional algorithms require a lot of time due to combinatorial complexity. At the same time, both classical algorithms based on the search of variants (such as Dijkstra's algorithm, A*, ARA*, D* lite), and stochastic algorithms (ant algorithm, genetic), alongside with algorithms based on morphology (wave) are not always able to achieve the goal. The article proposes a new modification of the path-finding algorithm, which is a hybrid of the following: the morphological operations on graphic chart approach and genetic algorithm having a useful property of elasticity in time. The experiments (both synthetic and real data) have shown the feasibility of the proposed idea and its comparison with the most commonly used algorithms of contemporaneity.
Изучено одно из актуальных направлений в области больших данных -обработка многомерной информации. Рассмотрена одна из возможных структур данных -многомерная пирамида, которая позволяет выполнять многие операции над данны-ми со сложностью O(1) либо O(logn). Приведены описание, анализ и оценка эффективности много-мерной пирамиды.Ключевые слова: многомерная пирамида, базовые операции, разновидности k-d пирамид, улучшение k-d пирамид, большая размерность дан-ных. ASSESSMENT OF MULTIDIMENSIONAL PYRAMID EFFICIENCYThe paper deals with one of the urgent trends in the field of big data -multidimensional information processing. One of possible data structures -multidimensional pyramid which allows fulfilling many operations with the complexity O(1) or O(logn) is under consideration. For basic operations there are given thorough examples. The description, analysis and assessment of multidimensional pyramid efficiency are shown. The assessments of operation complexity with these data depending upon their dimensionality are given. The analysis of multidimensional pyramid efficiency for its different modifications is shown.Key words: multidimensional pyramid, basic operations, sorts of k-d pyramids, k-d pyramid improvement, data large dimensionality. ВведениеВ настоящее время в мире активно ведутся работы по проблеме больших дан-ных (Big Data). Трудности связаны не только с большим объёмом данных, но и со сложностью объектов данных и их взаимоотношениями.Объекты с многочисленными пара-метрами далеко не всегда можно свести к одному параметру с помощью свёртки ли-бо уменьшения размерности объекта [2]. Альтернативой в этом случае является применение многомерной модели данных [1]. Отношения между данными сущест-венно влияют на время выполнения основ-ных операций над ними. Если алгоритм часто использует операции «вставить», «найти максимум/минимум», «удалить максимум/минимум», «удалить заданный элемент», «изменить заданный элемент» и некоторые другие, то здесь весьма удоб-ными являются пирамидальные структуры данных [3]. Они позволяют выполнять большинство операций за один шаг, т.е. практически не зависят от размерности за-дачи, либо имеют логарифмическую слож-ность (в худшем случае). Одной из таких структур является многомерная пирамида.Для эффективного представления многомерной приоритетной очереди ис-пользуется k-d пирамида [7]. Базовая фор-ма k-d пирамиды не использует дополни-тельного пространства, требует линейного времени на построение, логарифмического времени для вставки, удаления или изме-нения любого элемента очереди и обеспе-чивает постоянную сложность доступа к элементам, содержащим минимальный ключ любого измерения. Более того, струк-тура может быть расширена до многомер-ной двусторонней приоритетной очереди. Для некоторых приложений оптимальным вариантом будут многомерные приоритет-ные очереди.После разработки единой структуры отпала необходимость в дополнительной памяти для хранения связей, дополнитель-ных операциях для поддержки различных приоритетных отношений. При использо-вании неявного представления k-d пира-...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.