Методика определения требуемого значения показателя качества изображения для алгоритмов обнаружения в условиях искажений
https://doi.org/10.35596/1729-7648-2022-20-3-69-75
Аннотация
В статье представлена усовершенствованная методика определения требуемого значения показателя качества изображения для систем обнаружения, функционирующих в условиях искажений. Вычисленный уровень показателя качества следует использовать для определения факта искажения изображения. На основе предложенной методики разработан способ корреляционного обнаружения в условиях искажений типа «смаз» и «расфокусировка». Разработанный способ корреляционного обнаружения отличается введением трех этапов: идентификации искажений на текущем изображении; формирования ядра свертки на основе типа и параметров искажений; расчета количества итераций, исходя из требуемого и текущего значения показателя качества изображения. Это позволило обеспечить работу корреляционного способа обнаружения в условиях искажений.
Об авторах
А. Ю. Липлянин
Военная академия Республики Беларусь
Беларусь
Беларусь
Липлянин Антон Юрьевич, преподаватель кафедры автоматизированных систем управления
220057, Минск, пр. Независимости, 220
тел: +375-29-504-68-59
А. В. Хижняк
Военная академия Республики Беларусь
Беларусь
Беларусь
Хижняк А.В., к. т. н. , доцент, ведущий научный сотрудник 2 группы научно-исследовательской лаборатории факультета Связи и автоматизированных систем управления
220057, Минск, пр. Независимости, 220
Список литературы
1. Липлянин А.Ю., Хижняк А.В., Сергеенко А.В. Универсальный инструментарий для исследования работы алгоритмов обнаружения в оптическом диапазон. Вестник Полоцокого государственного университета. 2020;12(116):103-108.
2. Липлянин А.Ю Хижняк А.В., Сергеенко А.В., Царенков Н.В. Обоснование критерия оценки качества восстановления искаженных изображений для итерационного алгоритма в системах корреляционного обнаружения. Докл. БГУИР. 2019;4(122):64-71.
3. Липлянин А.Ю., Хижняк А.В., Сергеенко А.В. Исследование работы алгоритмов обнаружения оптически наблюдаемых объектов с учетом воздействия внешних возмущающих факторов. Известия Гомельского государственного университета имени Ф. Скорины. 2021;6(129);77-83.
4. Липлянин А.Ю., Хижняк А.В. Способ восстановления изображений на основе автоматического расчета типа, параметров функции искажения и требуемого количества итераций. Проблемы инфокоммуникаций. 2019;1(9);83-90.
5. Bishop C.M. Pattern Recognition and Machine Learning. Springer. 2006.
6. Redmon J., Farhadi A. YOLOv3: An Incremental Improvement. Washington: University of Washington; 2018.
7. Diaz-Ramirez V.H. Picos К., Kober V. Target tracking in nonuniform illumination conditions using locally adaptive correlation filters. Optics Communications. 2014;323;32-43.
8. Wong S. Advanced Correlation Tracking of Objects in Cluttered Imagery // The Proceedings of SPIE: Acquisition, Tracking and Pointing. 2005;19.
Рецензия
Для цитирования:
Липлянин А.Ю., Хижняк А.В. Методика определения требуемого значения показателя качества изображения для алгоритмов обнаружения в условиях искажений. Доклады БГУИР. 2022;20(3):69-75. https://doi.org/10.35596/1729-7648-2022-20-3-69-75
For citation:
Liplianin A.Y., Khiznia A.V. Methodology for Determining the Required Value of the Image Quality Index for Detection Algorithms under Distortion Conditions. Doklady BGUIR. 2022;20(3):69-75. (In Russ.) https://doi.org/10.35596/1729-7648-2022-20-3-69-75
Просмотров: 289
Послать статью по эл. почте 