bsuirДоклады БГУИРDoklady BGUIR1729-76482708-0382БГУИР10.35596/1729-7648-2024-22-2-55-69bsuir-3905Research ArticleЭЛЕКТРОНИКА, РАДИОФИЗИКА, РАДИОТЕХНИКА, ИНФОРМАТИКАELECTRONICS, RADIOPHYSICS, RADIOENGINEERING, INFORMATICSПерспективные результаты исследований и разработки в области обработки изображений и речевых сигналовPromising Research and Development Results in the Field of Image and Speech Signal ProcessingЛихачёвД. С.LikhachovD. S.

канд. техн. наук, доц., доц. каф. электронных вычислительных средств

Cand. of Sci., Associate Professor, Associate Professor at Computer Engineering Department

МаЦ.MaJ.

ассист. каф. инфокоммуникационных технологий

Assistant at the Department of Infocommunication Technologies

ПетровскийН. А.PetrovskyN. A.

канд. техн. наук, доц., доц. каф. электронных вычислительных средств

Cand. of Sci., Associate Professor, Associate Professor at Computer Engineering Department

АзаровИ. С.AzarovI. S.

д-р техн. наук, проф., зав. каф. электронных вычислительных средств

Dr. of Sci. (Tech.), Associate Professor, Head of Computer Engineering Department

ЦветковВ. Ю.TsviatkouV. Yu.

Цветков Виктор Юрьевич, д-р техн. наук, проф., зав. каф. инфокоммуникационных технологий

220013, г. Минск, ул. П. Бровки, 6

Тел.: +375 17 293-84-08

Dr. of Sci. (Tech.), Professor, Head of the Department of Infocommunica tion Technologies

220013, Minsk, P. Brovki St., 6

Tel.: +375 17 293-84-08

vtsvet@bsuir.byБелорусский государственный университет информатики и радиоэлектроникиBelarusian State University of Informatics and Radioelectronics2024160420242225569Copyright © Лихачёв Д.С., Ма Ц., Петровский Н.А., Азаров И.С., Цветков В.Ю., 20242024Лихачёв Д.С., Ма Ц., Петровский Н.А., Азаров И.С., Цветков В.Ю.Likhachov D.S., Ma J., Petrovsky N.A., Azarov I.S., Tsviatkou V.Y.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://doklady.bsuir.by/jour/article/view/3905

Представлен анализ перспектив развития технологий обработки изображений и речевых сигналов. Приведены основные результаты по данным направлениям, полученные за последние годы в соответствующих научных школах Белорусского государственного университета информатики и радиоэлектроники. Показано, что использование технологий машинного обучения в сочетании с методами цифровой обработки изображений и речевых сигналов позволяет существенно повысить эффективность систем их распознавания и классификации.

An analysis of the prospects for the development of technologies for processing images and speech signals is presented. The main results in these areas obtained in recent years in the relevant scientific schools of Belarusian State University of Informatics and Radioelectronics are presented. It is shown that the use of machine learning technologies in combination with methods of digital processing of images and speech signals can significantly increase the efficiency of systems for their recognition and classification.

классификация изображенийскелетизация изображенийклассификация речевых сигналовоценка огибающей спектра авторегрессионного процессаimage classificationimage skeletonizationspeech signal classificationestimation of the spectrum envelope of an autoregressive processReferencesGII. Global Information [Электронный ресурс]. Режим доступа: https://www.giiresearch.com/. Дата доступа: 29.01.2024.GII. Global Information. Available: https://www.giiresearch.com/ (Accessed 29 January 2024).Fortune Business Insights Information [Электронный ресурс]. Режим доступа: https://www.fortunebusinessinsights.com/. Дата доступа: 29.01.2024.Fortune Business Insights Information. Available: https://www.fortunebusinessinsights.com/ (Accessed 29 January 2024).Blum, H. A Transformation for Extracting New Descriptors of Shape / H. Blum. Cambridge: MIT Press, MA, 1967. P. 362–380.Blum H. (1967). A Transformation for Extracting New Descriptors of Shape. Cambridge, MIT Press, MA. 362–380.Saha, P. K. A Survey on Skeletonization Algorithms and Their Applications / P. K. Saha, G. Borgefors, G. Sanniti di Baja // Pattern Recognition Letter. 2016. Vol. 76. P. 3–12. DOI: 10.1016/j.patrec.2015.04.006.Saha P. K., Borgefors G., Sanniti di Baja G. (2016) A Survey on Skeletonization Algorithms and Their Applications. Pattern Recognition Letter. 76, 3–12. DOI: 10.1016/j.patrec.2015.04.006.Ogniewicz, R. L. Hierarchic Voronoi Skeletons / R. L. Ogniewicz, O. Kübler // Pattern Recognition. 1995. Vol. 28. P. 343–359.Ogniewicz R. L., Kübler O. (1995) Hierarchic Voronoi Skeletons. Pattern Recognition. 28, 343–359.Leymarie, F. Simulating the Grassfire Transform Using an Active Contour Model / F. Leymarie, M. D. Levine // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1992. Vol. 14. P. 56–75.Leymarie F., Levine M. D. (1992) Simulating the Grassfire Transform Using an Active Contour Model. IEEE Transactions on Pattern Analysis and Machine Intelligence. 14, 56–75.Saha, P. K. Skeletonization: Theory, Methods, and Applications / P. K. Saha, G. Borgefors, G. Sanniti di Baja // Academic Press. London. 2017.Saha P. K., Borgefors G., Sanniti di Baja G. (2017) Skeletonization: Theory, Methods, and Applications. Academic Press. London.Bai, X. Skeleton Pruning by Contour Partitioning with Discrete Curve Evolution / X. Bai, L. J. Latecki, W. Y. Liu // IEEE Trans. Pattern Anal. Mach. Intell. 2007. Vol. 29, No 3. P. 449–462. DOI: 10.1109/TPAMI.2007.59.Bai X., Latecki L. J., Liu W. Y. (2007) Skeleton Pruning by Contour Partitioning with Discrete Curve Evolution. IEEE Trans. Pattern Anal. Mach. Intell. 29 (3), 449–462. DOI: 10.1109/TPAMI.2007.59.Skeleton Pruning as Trade-Off Between Skeleton Simplicity and Reconstruction Error / S. Wei [et al.] // Sci. China Inf. Sci. 2013. Vol. 56. P. 1–14. DOI: 10.1007/s11432-012-4715-3.Wei S., Xiang B. A. I., Xingwei Y., Jan L. L. (2013) Skeleton Pruning as Trade-Off Between Skeleton Simplicity and Reconstruction Error. Sci. China Inf. Sci. 56, 1–14. DOI: 10.1007/s11432-012-4715-3.A Skeleton Pruning Algorithm Based on Information Fusion / H. Liu [et al.] // Pattern Recognit. Lett. 2013. Vol. 34, No 10. P. 1138–1145. DOI: 10.1016/j.patrec.2013.03.013.Liu H., Wu Z. H., Zhang X., Hsu D. F. (2013) A Skeleton Pruning Algorithm Based on Information Fusion. Pattern Recognit. Lett. 34 (10), 1138–1145. DOI: 10.1016/j.patrec.2013.03.013.A Skeleton Pruning Method Based on Saliency Sorting / G. Siyu [et al.]// 14th IEEE International Conference on Electronic Measurement & Instruments, Changsha, China. 2019. P. 593–599. DOI: 10.1109/ICEMI46757.2019.9101710.Siyu G., Pingping H., Zhigang L., He W., Min L. (2019) A Skeleton Pruning Method Based on Saliency Sorting. 14th IEEE International Conference on Electronic Measurement & Instruments. Changsha, China. 593–599. DOI: 10.1109/ICEMI46757.2019.9101710.Latecki, L. J. Convexity Rule for Shape Decomposition Based on Discrete Contour Evolution / L. J. Latecki, R. Lakämper // Comput. Vis. Image Underst. 1999. Vol. 73, No 3. P. 441–454. DOI: 10.1006/cviu.1998.0738.Latecki L. J., Lakämper R. (1999) Convexity Rule for Shape Decomposition Based on Discrete Contour Evolution. Comput. Vis. Image Underst. 73 (3), 441–454. DOI: 10.1006/cviu.1998.0738.Latecki, L. J. Polygon Evolution by Vertex Deletion / L. J. Latecki, R. Lakämper // Lect. Notes Comput. Sci. (Including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), Springer, Berlin, Heidelberg. 1999. Vol. 1682. P. 398–409. DOI: 10.1007/3-540-48236-9_35.Latecki L. J., Lakämper R. (1999) Polygon Evolution by Vertex Deletion. Lect. Notes Comput. Sci. (Including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), Springer, Berlin, Heidelberg. 1682, 398–409. DOI: 10.1007/3-540-48236-9_35.Latecki, L. J. Shape Similarity Measure Based on Correspondence of Visual Parts / L. J. Latecki, R. Lakämper // IEEE Trans. Pattern Anal. Mach. Intell. 2000. Vol. 22, No 10. P. 1185–1190. DOI: 10.1109/34.879802.Latecki L. J., Lakämper R. (1999) Shape Similarity Measure Based on Correspondence of Visual Parts. IEEE Trans. Pattern Anal. Mach. Intell. 22 (10), 1185–1190. DOI: 10.1109/34.879802.Ma, J. A Novel Fast Iterative Parallel Thinning Algorithm / J. Ma, X. H. Ren, V. Yu. Tsviatkou // Proceedings of the 2020 4th International Conference on Vision, Image and Signal Processing, New York, NY, USA. 2020. Article 7. P. 1–5. DOI: 10.1145/3448823.3448836.Ma J., Ren X. H., Tsviatkou V. Yu. (2020) A Novel Fast Iterative Parallel Thinning Algorithm. Proceedings of the 2020 4th International Conference on Vision, Image and Signal Processing, New York, NY, USA. Article 7, 1–5. DOI: 10.1145/3448823.3448836.Choi, W. Extraction of the Euclidean Skeleton Based on a Connectivity Criterion / W. Choi, K. Lam, W. Siu // Pattern Recognition. 2003. Vol. 36. P. 721–729. DOI: 10.1016/S0031-3203(02)00098-5.Choi W., Lam K., Siu W. (2003) Extraction of the Euclidean Skeleton Based on a Connectivity Criterion. Pattern Recognition. 36, 721–729. DOI: 10.1016/S0031-3203(02)00098-5.Novel Fully Parallel Skeletonization Algorithm / J. Ma [et al.] // Pattern Analysis and Applications. 2021. P. 1–20. DOI: 10.1007/s10044-021-01039-y.Ma J., Ren X., Tsviatkou V. Yu., Kanapelka V. K. (2021) A Novel Fully Parallel Skeletonization Algorithm. Pattern Analysis and Applications. 1–20. DOI: 10.1007/s10044-021-01039-y.Noise-Against Skeleton Extraction Framework and Application on Hand Gesture Recognition / J. Ma [et al.] // IEEE Access. 2023. Vol. 11. P. 9547–9559. DOI: 10.1109/ACCESS.2023.3240313.Ma J., Ren X., Li H., Li W., Tsviatkou V. Y., Boriskevich A. A. (2023) Noise-Against Skeleton Extraction Framework and Application on Hand Gesture Recognition. IEEE Access. 11, 9547–9559. DOI: 10.1109/ACCESS.2023.3240313.A One-Pass Thinning Algorithm and Its Parallel Implementation / R. T. Chin [et al.]// Computer Vision, Graphics and Image Processing. Vol. 40. P. 30–40. DOI: 10.1016/0734-189X(87)90054-5.Chin R. T., Wan H. K., Stover D., Iverson R. (1987) A One-Pass Thinning Algorithm and Its Parallel Implementation. Computer Vision, Graphics and Image Processing. 40, 30–40. DOI: 10.1016/0734-189X(87)90054-5.Ma, J. Hand Gesture Recognition Based on Skeletal Image Properties / J. Ma, V. Y. Tsviatkou, A.A. Boriskevich // Open Semantic Technologies for Intelligent Systems: Collec. of Sci. Pap. Minsk, 2023. Iss. 7. Р. 247–256.Ma J., Tsviatkou V. Y., Boriskevich A. A. (2023) Hand Gesture Recognition Based on Skeletal Image Properties. Open Semantic Technologies for Intelligent Systems: Collection of Scientific Papers. (7), 247–256.Петровский, Н. А. Двумерные неразделимые банки фильтров на основе кватернионов / Н. А. Петровский, Е. В. Рыбенков, А. А. Петровский // Algorithms, Architectures, Arrangements, and Applications (SPA): тр. Междунар. науч.-техн. конф. Signal Processing, 2018. С. 120–125.Petrovsky N. A., Rybenkov E. V., Petrovsky A. A. (2018) Two-Dimensional Non-Separable Quaternionic Paraunitary Filter Banks. Signal Processing: Algorithms, Architectures, Arrangements, and Applications (SPA). 120–125.Рыбенков, Е. В. 2D неразделимая целочисленная реализация параунитарных банков фильтров на основе блочно-лестничной структуры / Е. В. Рыбенков, Н. А. Петровский // 27th European Signal Processing Conference (EUSIPCO): тр. Междунар. науч.-техн. конф., 2019. С. 1494–1499.Rybenkov E. V., Petrovsky N. A. (2019) 2D Non-Separable Integer Implementation of Paraunitary Filter Bank Based on the Quaternionic Multiplier Block-Lifting Structure. 27th European Signal Processing Conference (EUSIPCO). 1494–1499.Рыбенков, Е. В. Проектирование неразделимых многомерных банков фильтров в алгебре кватернионов / Е. В. Рыбенков, Н. А. Петровский // Цифровая обработка сигналов и ее применение (DSPA’2019): тр. 21-й Междунар. конф., 2019., T. 2. C. 368–373.Rybenkov E. V., Petrovsky N. A. (2019) Design of Non-Separable Multidimensional Filter Banks in Quaternionic Algebra. Digital Signal Processing and its Applications: Proc. of 21 International Conference (DSPA’2019). 2, 368–373.Малоразмерные спектральные признаки для машинного обучения в задачах анализа и классификации голосового сигнала / Д. С. Лихачёв [и др.] // Информатика. 2023. T. 20, № 1. С. 102–112. DOI: 10.37661/1816-0301-2023-20-1-102-112.Likhachov D. S., Vashkevich M. I., Petrovsky N. A., Azarov E. S. (2023) Small-Size Spectral Features for Machine Learning in Voice Signal Analysis and Classification Tasks. Informatics. 20 (1), 102–112. DOI: 10.37661/1816-0301-2023-20-1-102-112 (in Russian).Генеративный метод получения спектральных огибающих в контексте задачи анализа состояния голосовой функции человека / Д. С. Лихачёв [и др.] // Медэлектроника-2022. Средства медицинской электроники и новые медицинские технологии: сб. науч. ст. XI Междунар. науч.-тех. конф., г. Минск, 8–9 декабря 2022 г. Минск: Белор. гос. ун-т информ. и радиоэл., 2022. С. 281–283.Likhachov D. S., Vashkevich M. I., Petrovsky N. A., Azarov I. S. (2022) Generative Method of Obtaining Spectral Envelopes for Speech Signal Analysis and Processing Tasks. Medelectronics-2022. Means of Medical Electronics and New Medical Technologies: Collection of Scientific Articles XI Intern. Scientific and Technical Conference, Minsk, Dec. 8–9. Minsk, Belarusian State University of Informatics and Radioelectronics. 281–283 (in Russian).Комбинированный метод отбора информативных признаков для выявления речевых патологий по голосу / Д. С. Лихачёв [и др.] // Доклады БГУИР. 2023. Т. 21, № 4. C. 110–117. DOI: 10.35596/1729-7648-2023-21-4-110-117.Likhachov D. S., Vashkevich M. I., Petrovsky N. A., Azarov E. S. (2023) Combined Method for Informative Feature Selection for Speech Pathology Detection. Doklady BGUIR. 21 (4), 110–117. DOI: 10.35596/1729-7648-2023-21-4-110-117 (in Russian).

The authors declare that there are no conflicts of interest present.