Оцінка якості зображення - Статья

Грицик1, В.В.Грицик2 1Національний університет “Львівська політехніка”, кафедра інформаційних систем та мереж 2Тернопільський національний технічний університет ім. ОЦІНКА ЯКОСТІ ЗОБРАЖЕННЯ © Грицик В В., Грицик В.В., 2014 Досліджено можливості застосування вірогіднісного методу для оцінки якості зображення.Одним із підходів до такої оцінки можна вважати вірогідну оцінку якості використання як інформаційний підхід виходячи із процесу цифрового перетворення і передавання даних зображення, де втрачено інформацію [11-13] за умови, якщо інтенсивність зображення f (x, y) представлена на рецепторному полі m?n у вигляді пікселів. Основа інформаційно-аналітичної системи для управління складними процесами, перетворення та оброблення зображень визначається так: ІАС> {О, П, З, Р, К, У}, де О - обєкт, П - перетворення, З - зображення, Р - розпізнавання, К - класифікація, У - управління. У роботах [10, 14] наведено оцінку методів якості передавання та обробки зображень, а також подано оцінки достовірності обробки зображень у різних умовах передавання даних і відповідних завад, а також досліджено методи передавання оброблення інформації в умовах завад зображень. При цьому якість відтворення зображень m дає кращий показник якості відтворення зображення, ніж міра імовірності помилки, оскільки враховує значення помилки завад, оскільки показник m є також функцією достовірності передавання і оброблення зображень, методів передавання даних. Дослідження показників оцінки якості зображення дасть змогу визначити їх практичну корисність, дослідити характеристики їх зміни при зміні характеристик шуму, ступінь їх ефективності.Застосування автоматизованої оцінки образу, що надходить на аналіз до системи розпізнавання та ідентифікації, дасть змогу реалізувати гнучкий підхід до підбору коефіцієнтів (чинників впливу) при виборі похибки і допусків в алгоритмі розпізнавання. Особливо важливою ця оцінка є для проблеми розпізнавання, бо залежно від розпізнаного системою контуру обєкта робот отримує різні образи на класифікаторі або системі верифікації. Information-quality assessment of data process and transfer in condition of noise and distortion of messages in computer vision tasks. Information-quality assessment of data process and transfer in condition of noise and distortion of messages in Computer Vision tasks. Information-quality assessment of data process and transfer in condition of noise and distortion of messages in Computer Vision tasks.Використання наукових методів для добору операторського персоналу сприяє підвищенню загальної безпеки та психологічної стійкості як окремого оператора, так і цілого колективу.

Дослідження проводилися під системи автоматичного моніторингу поля уваги. Описаний підхід є ефективним апаратом для аналізу якості зображень при побудові автоматизованих систем розпізнавання. Розроблений метод є достатньо простим, інтуїтивно зрозумілим і зручним для програмної реалізації. Мінімальна кількість керуючих параметрів і практично повна незалежність від типу опрацьовуваних обєктів дає змогу розширювати сферу застосування запропонованого підходу. У роботі досліджено актуальність напряму, грунтуючись на звітах Європейської дослідної програми FP7 [14-17].

У роботі показано ефективність вірогіднісної метрики при опрацюванні зображень.

Для створення досконалого компютерного зору потрібно розробити технологію автоматизованої оцінки того, що бачить робот. Ця задача передбачає оцінку сили впливу факторів на якість зображення. У роботі досліджено як індустріальні фактори, так і фактори освітлення.

Застосування автоматизованої оцінки образу, що надходить на аналіз до системи розпізнавання та ідентифікації, дасть змогу реалізувати гнучкий підхід до підбору коефіцієнтів (чинників впливу) при виборі похибки і допусків в алгоритмі розпізнавання. Це зробить компютерний зір більш адаптивним до зовнішнього впливу. Особливо важливою ця оцінка є для проблеми розпізнавання, бо залежно від розпізнаного системою контуру обєкта робот отримує різні образи на класифікаторі або системі верифікації.

1. Форсайд Д., Понс Ж. Компьютерное зрение; Современный подход. - М., СПБ., К.: Изд. “Вильямс”, 2004. - 926 с. 2. Грицик В.В., Влах М.А. Технічні та програмні засоби розпізнавання та аналізу зображень складних біологічних обєктів. - Львів / ІТІС, 2005. - Т.8. - №1. - С. 17-28. 3. Bucki R., Modelling Flexible Production Systems, Artificial Intelligence, No. 4, Doneck, 2009, pp. 113-118, ISSN 1561-5359. 4. Буцкі Р., Цєсьля П. Управління процесами виконання замовлень в автоматизованих складських системах // Моделювання та інформаційні технології. - К., 2009. - Вип. 54. - С. 36-43. 5. Bucki R., Information Linguistic Systems, Network Integrators Associates, Parkland, Florida, USA, 2007, p. 102, ISBN 9780978860646. 6. Bucki R., Thorough Analysis of the Technological Case Control, Management & Informatics, Network Integrators Associates, Parkland, Florida, Volume 1, No. 1, 2007, pp. 68-112, ISSN 1939-4187. 7. Буцкі Р., Марецький Ф., Компютерне моделювання процесів управління виробничими лініями, Державний комітет звязку та інформатизації України, Національна академія наук України, Державний науково-дослідний інститут інформаційної інфраструктури, Львів - 2006, C. 112, ISBN 9788360716168. 8. Грицик В. (1973р.н.), Пелих Н. Задача класифікації біологічних обєктів // Вісник Нац. ун-ту “Львівська політехніка” “Компютерні науки та інформаційні технології”. - 2009. - №650. - С. 100-103. 9. Взаємодія аналізаторів при прийомі інформації людиною. - http://slada.in.ua/2008/49. 10. Грицик В. В. Оцінка якості передавання і компютерна обробка даних образів / Грицик В. В. // Доповіді НАН України. - 2008. - № 9 : Інформатика та кібернетика. - С. 43-48. 11. Hrytsyk V. V. (sen). Information-quality assessment of data process and transfer in condition of noise and distortion of messages in computer vision tasks.

91

Determination of the probability and quantity of received information is in problems of informatin - analytial systems / V. V. Hrytsyk (sen), V. V. Hrytsyk (jun). // Інформаційні технології і системи. - 2007. - Т. 10, № 1. - С. 179-190. 12. Hrytsyk (sen) V. V. Information-quality assessment of data process and transfer in condition of noise and distortion of messages in Computer Vision tasks. The probability (confidence) of transmission and processing of information method / V. V. Hrytsyk (sen), V. V. Hrytsyk (jun) // Інформаційні технології і системи. -2007. - Т. 10, № 2. - С. 161-170. 13. Hrytsyk V. V. (sen). Information-quality assessment of data process and transfer in condition of noise and distortion of messages in Computer Vision tasks. General expression for entropy H X Y / V. V. Hrytsyk (sen), V. V. Hrytsyk (jun) // Інформаційні технології і системи. - 2008. - Т. 11, № 2. - С. 165-174. 14. Complex software systems - heal thyself. Reasearch*eu results supplement/ - №25/ - June 2010. - P.28. 15. Find a digital partner to trust .- Reasearch*eu results supplement/ - №25/ - June 2010. - P.34. 16. Seeing understands - using artificial intelligence to analyse multimedia content. .- Reasearch*eu results supplement/ - №25/ - June 2010. - P.36. 17. Software: running commentary for smarter surveillance? .- Reasearch*eu results supplement. - №24. - May 2010. - P.29.

(

~

)

УДК 519.238.8:331.546

Р.М. Камінський, Л.Я. Нич Національний університет “Львівська політехніка”, кафедра інформаційних системи та мережі”

ІЄРАРХІЧНИЙ АГЛОМЕРАТИВНИЙ КЛАСТЕРНИЙ АНАЛІЗ ОДНОВИМІРНИХ АСИМЕТРИЧНО РОЗПОДІЛЕНИХ ДАНИХ У СЕРЕДОВИЩІ MS EXCEL

© Камінський Р.М., Нич Л.Я., 2014

Наведено інформаційну технологію ієрархічного агломеративного кластерного аналізу обєктів, поданих вибірками одновимірних даних різних обсягів. Ця технологія реалізована в середовищі MSEXCEL-2003. Вона містить: перетворення одновимірних даних на багатовимірні за допомогою показників описової статистики та параметрів індивідуальних розподілів, формування таблиці “обєкт-властивість”, побудову матриці близькостей, визначення структури дендрограми та інтерпретації кластерів.

Ключові слова: кластерний аналіз, таблиця “обєкт-властивість”, матриця близькостей, дендрограма, кластери.

Hietrialical anglomerative information technology cluster analysis of objects onedimensional data samples of different volumes is presented. This technology is implemented in an environment MSEXCEL-2003. It includes: the transformation of onedimensional data in multidimensional indexes, using descriptive statistics and distributions of individual parameters, the formation of the table “object- property”, build proximity matrix, defining the structure and interpretation of the dendrogram clusters. Used as an example of individual data from 13 operators. As a result of the cluster analysis three clusters were identified and their average parameters were shown. Work is of practical importance in systems training personnel carrier.

Key words: cluster analysis , the table object-property, proximity matrix, dendrohrama, clusters.