• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Найдены 22 публикации
Сортировка:
по названию
по году
Статья
Nikitin M., Konushin V., Konushin A. Computer Optics. 2019. Vol. 43. No. 4. P. 618-626.
Добавлено: 31 октября 2019
Статья
Savchenko A. Computer Optics. 2013. Vol. 37. No. 2. P. 254-262.
Добавлено: 1 июля 2013
Статья
Konushin A., Nikitin M., Konushin V. Computer Optics. 2017.
Добавлено: 7 февраля 2018
Статья
Umnov A., Krylov A. S. Computer Optics. 2016. Vol. 40. No. 6. P. 895-903.
Добавлено: 21 октября 2017
Статья
Savchenko A. Computer Optics. 2012. Vol. 36. No. 1. P. 116-123.

The problem of the choice of algorithms parameters in automatic image recognition is put and solved by ensemble classifiers construction using the maximum posterior probability principle. The new criterion of parameters choice is strictly synthesized for Kullback-Leibler information discrimination and modern SIFT (Scale-Invariant Feature Transform) method of object recognition. The program and results of experimental research in a problem of face recognition with widely used databases (Yale, AT&T) are presented. It is shown that the proposed criterion allows to achieve recognition accuracy equal to the algorithm with the best parameters set, and not only for Kullback-Leibler information discrimination, but also for other popular distances (Euclidean metric, Kullback information divergence).

Добавлено: 4 февраля 2013
Статья
Pham Cong T., Копылов А. Computer Optics. 2018. P. 1-8.

We consider here image denoising procedures, based on computationally effective tree-serial parametric dynamic programming procedures, different representations of an image lattice by the set of acyclic graphs and non-convex regularization of a new type which allows to flexibly set a priori preferences. Experimental results in image denoising, as well as comparison with related methods, are provided. A new extended version of multi quadratic dynamic programming procedures for image denoising, proposed here, shows an improved accuracy for images of a different type.

Добавлено: 21 июля 2018
Статья
Евсютин О. О., Шелупанов А. А., Мещеряков Р. В. и др. Компьютерная оптика. 2017. Т. 41. № 3. С. 412-421.

В данной работе рассматривается одно из направлений цифровой стеганографии – встраивание информации в сжатые JPEG-изображения. Введена схема встраивания информации на основе операции замены ДКП-коэффициентов. Предложены и исследованы варианты алгоритмической реализации данной схемы. Для повышения качества встраивания, характеризуемого значением PSNR, использован генетический алгоритм. Основным результатом исследования является стеганографический алгоритм встраивания информации в сжатые JPEG-изображения, отличающийся возможностью неравномерного распределения битов сообщения по блокам ДКП-коэффициентов. Выбор оптимальной области встраивания осуществляется с помощью генетического алгоритма.

Добавлено: 4 сентября 2019
Статья
Козачок А. В., Копылов С. А., Мещеряков Р. В. и др. Компьютерная оптика. 2017. Т. 41. № 5. С. 743-755.

Развитие концепции интернета вещей привело к существенному росту объемов обрабатываемой информации. Значительную часть данных, циркулирующих в глобальной сети, при этом составляет мультимедиаконтент. Зачастую эта информация содержит персональные данные конкретного пользователя или является объектом интеллектуальной собственности и авторского права. Задача по защите авторских прав владельцев цифровых изображений на протяжении последних десятилетий не теряет актуальности. Классические средства защиты информации не обеспечивают требуемый уровень защищенности данных изображений от возможных угроз ввиду специфичности формата их представления. В работе произведен сравнительный анализ существующих исследований в области робастного хэширования изображений как одного из возможных механизмов защиты авторского права для цифровых изображений. Приведена классификация методов робастного хэширования изображений, определены их достоинства и недостатки, выявлены общие особенности, присущие классам. Определены направления дальнейших исследований.

Добавлено: 5 сентября 2019
Статья
Савченко А. В. Компьютерная оптика. 2012. Т. 36. № 1. С. 117-124.

Ставится и решается задача выбора параметров алгоритма автоматического распознавания изображений путём построения коллектива решающих правил на основе принципа максимума апостериорной вероятности. Выполнен строгий синтез критерия выбора параметров для информационного рассогласования Кульбака-Лейблера и современного алгоритма распознавания SIFT (Scale-Invariant Feature Transform). Представлены программа и результаты экспериментального исследования в задаче идентификации личности по фотографии лица для известных баз данных (Yale, AT&T). Показано, что применение предложенного критерия позволяет добиться точности распознавания, сравнимой с точностью наилучшего набора параметров, причём не только для рассогласования Кульбака-Лейблера, но и для других популярных расстояний (метрика Евклида, расхождение Кульбака).

Добавлено: 9 июня 2012
Статья
Евсютин О. О. Компьютерная оптика. 2014. Т. 38. № 2. С. 314-321.

В работе рассматривается получение семейств ортогональных базисов из состояний развития клеточного автомата. Предлагается методика сравнения соответствующих ортогональных преобразований относительно искажений, проявляющихся в результате потерь информации на восстанавливаемых элементах данных.

Добавлено: 5 сентября 2019
Статья
Умнов А. В., Крылов А. Компьютерная оптика. 2016. Т. 40. № 6. С. 895-903.

В статье предложен алгоритм решения задачи подавления эффекта ложного оконтуривания на изображениях на основе метода разреженных представлений. Предложенный метод включает в себя в качестве одного из этапов повышение резкости изображений методом деконволюции Винера-Ханта. Алгоритм подавления эффекта ложного оконтуривания построен на основе результатов анализа взаимной согласованности сигналов и разреженности представлений при работе с эффектом ложного оконтуривания в методе разреженных представлений. Проведен также анализ взаимной согласованности сигналов и разреженности представлений для размытых изображений и изображений с белым гауссовским шумом.

Добавлено: 19 октября 2016
Статья
Савченко А. В. Компьютерная оптика. 2017. Т. 41. № 3. С. 422-430.

Исследована задача распознавания изображений в условиях малых выборок наблюдений на основе метода ближайшего соседа, в котором сопоставляются векторы признаков высокой размерности, выделенные с помощью глубокой свёрточной нейронной сети. Предложен новый алгоритм распознавания на основе метода максимального правдоподобия (совместной плотности вероятности) рассогласований между входным и всеми эталонными изображениями. Для оценки правдоподобия используется известное асимптотически нормальное распределение рассогласования Йенсена-Шеннона между векторами значений признаков изображений, что согласовывается с известными экспериментальными оценками закона распределения мер близости между векторами высокой размерности. В рамках экспериментального исследования для базы данных фотографий лиц Labeled Faces in the Wild и набора видеоданных YouTube Faces показано, что предлагаемый алгоритм позволяет на 1-5% повысить точность распознавания изображений и видеопоследовательностей по сравнению с традиционными методами классификации.

Добавлено: 8 июля 2017
Статья
Евсютин О. О., Кокурина А. С., Мещеряков Р. В. Компьютерная оптика. 2019. Т. 43. № 1. С. 137-154.

Передача, обработка и хранение информации в инфраструктуре «интернета вещей» сопряжены с необходимостью решения ряда задач обеспечения информационной безопасности. Основная сложность заключается в том, что инфраструктура «интернета вещей» неоднородна и включает в себя множество различных устройств, в том числе с ограниченными вычислительными ресурсами. Одним из подходов к решению данных задач является встраивание дополнительной информации в передаваемые и хранимые цифровые объекты. В данной работе представлен обзор методов встраивания информации в цифровые данные для обеспечения безопасности в «интернете вещей», включающий методы стеганографического встраивания информации и методы встраивания цифровых водяных знаков. Рассмотрены методы встраивания информации в цифровые изображения, а также данные беспроводных сенсорных сетей, предлагаемые для использования в «интернете вещей». Выявлены достоинства и недостатки, присущие отдельным методам и группам методов, проведён анализ их применимости для защиты данных в «интернете вещей». Выявлены актуальные направления в данной области исследований.

Добавлено: 3 сентября 2019
Статья
Курочкин С. В. Компьютерная оптика. 2019. Т. 43. № 4. С. 611-617.

Предложен новый метод топологического анализа данных, позволяющий получить информацию о гомотопическом типе анализируемого объекта. В отличие от наиболее хо- рошо разработанных и широко применяемых методов, использующих понятие перси- стентных гомологий, данный метод основан на анализе дифференциальных инвариантов аппроксимирующего отображения. Таким образом, в противоположность комбинаторно- топологическому подходу, используются методы дифференциальной топологии и прямая аналогия с основным результатом теории Морса. При этом аппроксимирующее графиче- ский объект гладкое отображение может быть построено с использованием общедоступ- ного инструментария, например, нейронной сети. Доказано, в частности, что метод поз- воляет полностью распознать гомотопический тип объекта на плоскости: топологическая степень некоторого вспомогательного отображения и количество окружностей в гомото- пически эквивалентном представлении объекта в виде букета связаны соотношением. Ра- бота алгоритма продемонстрирована на примере символов из базы данных MNIST и их трансформаций. Рассмотрены обобщения и открытые вопросы, возникающие в случае бо- лее высоких размерностей.

Добавлено: 1 октября 2019
Статья
Савченко А. В. Компьютерная оптика. 2013. Т. 37. № 2. С. 254-262.

Предложено использование вероятностной нейронной сети с проверкой однородности в задаче распознавания изображений. Показано, что это решение является оптимальным в байесовском смысле, если задача рассматривается в терминах статистической проверки однородности выборок признаков входного и эталонных изображений.  Рассматривается проблема недостаточной вычислительной эффективности оптимального алгоритма при наличии многих альтернативных классов и большой размерности признакового пространства. Исследуется возможность её преодоления для случая дискретных признаков путём синтеза нового критерия, основанного на сопоставлении гистограмм признаков входного и эталонных изображений. Показано, что частным случаем такого критерия является правило ближайшего соседа с популярными мерами близости хи-квадрат и Йенсена-Шеннона. Приведены результаты экспериментального исследования в задаче идентификации личности по фотографии лица для популярных баз данных AT&T и JAFFE. Продемонстрировано, что предложенный подход существенно превосходит по качеству традиционное решение, основанное на сведении распознавания к задаче статистической классификации

Добавлено: 14 июля 2013
Статья
Фурсов В. А., Козин Н. Е. Компьютерная оптика. 2008. Т. 32. № 4. С. 400-402.
Добавлено: 7 февраля 2010
Статья
Шахуро В. И., Конушин А. С. Компьютерная оптика. 2016. Т. 40. № 2. С. 294-300.

Представлена новая открытая база изображений дорожных знаков. База предназначена для обучения и тестирования алгоритмов распознавания дорожных знаков. Описывается структура и правила работы с базой, проводится сравнение с другими базами дорожных знаков. На базе проведена экспериментальная оценка современных алгоритмов выделения и классификации дорожных знаков, которая показала, что существующие алгоритмы распознавания большого класса знаков не достигают требуемой для ряда практических приложений полноты и точности.

Добавлено: 8 июля 2016
Статья
Шахуро В. И., Конушин А. С. Компьютерная оптика. 2018. Т. 42. № 1. С. 105-112.

В работе исследуется применимость порождающих конкурирующих нейронных сетей для синтеза обучающих выборок на примере задачи классификации дорожных знаков. Рассматриваются порождающие нейронные сети, обучаемые с помощью метрики Васерштейна. В качестве базового метода для сравнения используется метод генерации синтетических изображений дорожных знаков по иконке. Проводится экспериментальное сравнение нейросетевых классификаторов, обученных на реальных данных, двух видах синтетических данных, а также смеси реальных и синтетических данных. Эксперименты показывают, что современные порождающие нейронные сети позволяют создавать реалистичные обучающие выборки для классификации автодорожных знаков, которые превосходят по качеству методы генерации знаков по иконкам, но немного уступают по качеству реальным данным.

Добавлено: 31 октября 2019
Статья
Фурсов В. А., Козин Н. Е. Компьютерная оптика. 2008. Т. 32. № 3. С. 307-310.
Добавлено: 7 февраля 2010
Статья
Савченко А. В. Компьютерная оптика. 2011. Т. 35. № 3. С. 385-394.

Ставится и решается задача автоматического распознавания изображений без учителя на основе метода направленного перебора. Исследована новая теоретико-вероятностная модель полутонового изображения. Её применение позволило синтезировать новый критерий распознавания с самообучением на основе оптимального байесовского правила проверки статистических гипотез. Представлены программа и результаты экспериментального исследования для идентификации личности по фотографии лица. Показано, что применение предложенной модели совместно с методом направленного перебора характеризуется существенным сокращением объёма вычислений при сохранении высоких показателей точности распознавания изображений.

Добавлено: 9 июня 2012
Статья
Савченко А. В. Компьютерная оптика. 2018. Т. 42. № 1. С. 149-158.

Исследована задача распознавания изображений, которые описываются векторами признаков высокой размерности, выделенными с помощью глубокой свёрточной нейронной сети и анализа главных компонент. Рассмотрена проблема высокой вычислительной сложности статистического подхода с непараметрическими оценками плотности вероятности векторов признаков, реализованного в вероятностной нейронной сети. Предложен новый метод статистической классификации на основе проекционных оценок плотности распределения с тригонометрической системой ортогональных функций. Показано, что такой подход позволяет преодолеть недостатки вероятностной нейронной сети, связанные с необходимостью обработки всех признаков всех эталонных изображений. В рамках экспериментального исследования для наборов изображений Caltech-101 и CASIA WebFaces показано, что предлагаемый подход позволяет на 1-5% снизить вероятность ошибки распознавания и в 1,5-6 раз повысить вычислительную эффективность по сравнению с исходной вероятностной нейронной сетью для малых выборок эталонных изображений.

Добавлено: 11 апреля 2018
1 2