Quality assessment criteria for image fusion in multispectral optical-electronic systems

Vasiliev, Alexander S.; Timofeev, A.N.; Vasilieva, Anastasia; Ryaposov, S.A.

doi:10.17586/0021-3454-2017-60-7-647-653

Cited by 1 publication

(1 citation statement)

References 2 publications

(2 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Критерії якості сегментації, які використовуються в контрольованих методиках оцінки алгоритмів, дають кількісну міру відмінності результату роботи алгоритму з еталонною сегментацією, створеною експертом вручну або отриманою автоматично при генерації синтетичного зображення [9]. Ці критерії підходять і для оцінки якості сегментації зображень після комплексування.…”

Section: оцінка якості сегментації зображеньunclassified

Multispectral Image Combining as a Method of Information Content Increasing at Binary Segmentation

Storozhyk¹,

Muraviov²,

Protasov³

et al. 2020

KPI SN

View full text Add to dashboard Cite

Проблематика. Однією з найбільш інтенсивних тенденцій на виробництві та при проектуванні різної техніки на сьогодні є прагнення до автоматизації процесів з метою підвищення їх ефективності та мінімізації впливу людського фактора. Перспективним напрямом реалізації цієї концепції видаються методи комп'ютерного зору, засновані на автоматизації обробки й аналізу зображень. Машинне навчання дає можливість системам, таким як, наприклад, штучні нейронні мережі, виявляти, розпізнавати та класифікувати об'єкти. Все це стало можливим завдяки розвитку методів обробки зображень, до яких відноситься і бінарна сегментація. Підвищення інформативності результату при цьому методі обробки даних можливе завдяки використанню алгоритму мультиспектрального комплексування, що своєю чергою дасть змогу підвищити ефективність роботи систем машинного зору й автоматизованої обробки зображень. Мета дослідження. Дослідження можливості застосування методів комплексування мультиспектральних зображень для підвищення інформативності та якості результату обробки даних на основі бінарної сегментації. Методика реалізації. Для дослідження методів комплексування зображень було використано програмне середовище, реалізоване на основі мови програмування C# із застосуванням математичного апарату бінарної сегментації. Аналіз отриманих результатів проводився з використанням методів статистичної обробки даних. Результати дослідження. Отримано оцінки ефективності застосування таких методів комплексування мультиспектральних зображень для підвищення якості бінарної сегментації: усереднення, максимуму, черезрядкового комплексування та черезрядкового комплексування максимумів. Дослідження проведено для зображень, отриманих як у сприятливих умовах, так і за наявності різноманітних перешкод, що зумовило зниження інформативності знімків у різних спектральних діапазонах. Висновки. Використання методів комплексування мультиспектральних зображень дає змогу підвищити інформативність результату бінарної сегментації до 15 %. Особливо суттєве поліпшення якості спостерігається за наявності завад на зображеннях різних спектральних діапазонів, таких як засвічення або низька освітленість. Ключові слова: бінарна сегментація; обробка зображень; методи комплексування; мультиспектральні зображення.

show abstract

Section: оцінка якості сегментації зображеньunclassified