Optimization of the Number of Passes in the Problem of Logical Image Filtering

Cover Page

Cite item

Full Text

Abstract

A method for optimization of the passes’ number is considered, which makes it possible to reduce the image processing time when implementing various operations, for example, logical filtering and/or depth mapping. A feature of this method is the use of two passes in the forward and reverse directions. The presented pseudocodes allow understanding the essence of the proposed passages. Evaluation of the method performance, confirmed by the results of simulation modeling, showed a noticeable decrease in the temporal characteristics of processing an image with a size of 3×3.

Full Text

Restricted Access

About the authors

Maxim V. Bobyr

Southwest State University

Author for correspondence.
Email: maxbobyr@gmail.com

Doctor of Technical Sciences, Professor of the Department of Computer Science

Russian Federation, Kursk

Sergey G. Emelyanov

Southwest State University

Email: fregat_mn@rambler.ru

Doctor of Technical Sciences, Professor of the Department of Unique Buildings and Structures

Russian Federation, Kursk

Natalya A. Milostnaya

Southwest State University

Email: nat_mil@mail.ru

Candidate of Technical Sciences, Leading Researcher of the Department of Computer Science

Russian Federation, Kursk

References

  1. Gurevich Yu.E. Robototehnicheskie ustrojstva [Robotic devices]. Staryj Oskol: Izdatel`stvo «Tonkie naukoemkie tehnologii» [Publishing House "Thin science-intensive technologies"], 2022. P. 328.
  2. Kolosov O.S., Esjutkin A.A., Prokof'ev N.A., Vershinin D.V., Balarev D.A. Avtomatizacija proizvodstva [Automation of Manufacturing]. Moskva: Yurayt [Moscow: Yurayt], 2018. P 291.
  3. Noskov V.P., Rubtsov V.I., Rubtsov I.V. Matematicheskie modeli dvizhenija i sistemy tehnicheskogo zrenija mo-bil'nyh robototehnicheskih kompleksov [Mathematical models of motion and vision systems of mobile robotic complexes]. Moskva: MGTU [Moscow: MGTU], 2015. 96p.
  4. Bobyr M., Arkhipov A., Emelyanov S., Milostnaya N. A method for creating a depth map based on a three-level fuzzy model // Engineering Applications of Artificial Intelligence. 2023. № 117. P. 105629.
  5. Yamashita H., Kobayashi E. Mechanism and design of a novel 8K ultra-high-definition video microscope for microsurgery. Heliyon. 2021. № 7(2). Р. 06244.
  6. Alam S. A. et al. Winograd convolution for deep neural networks: Efficient point selection //ACM Transactions on Embedded Computing Systems. 2022. Т.21. № 6. Р. 1-28.
  7. Arkhipov P.O., Trofimenkov A.K., Tsukanov M.V., Nosova N.Yu. Issledovanie metodov detektirovanija kljuchevyh tochek pri sozdanii panoramnyh izobrazhenij [Investigation of methods for detecting key points when creating panoramic images] // Sistemy i sredstva informatiki [Computer science systems and tools]. 2022. № 32(2). Р. 92-104.
  8. Maneckshaw B., Mahapatra G.S. Novel fuzzy matrix swap algorithm for fuzzy directed graph on image processing // Expert Systems with Applications. 2022. № 193. Р.116291.
  9. Zhang Z., Li Y., Yan X., Ouyang Z. A low-complexity AMP detection algorithm with deep neural network for massive MIMO systems // Digital Communications and Networks. 2022. November. Р. 11.
  10. Korchazhkina O.M. Optimizacija poiska pri reshenii perebornyh zadach v uglublennom kurse informatiki na urovne osnovnogo obshhego obrazovanija [Search optimization when solving iterative problems in an advanced computer science course at the level of basic general education] // Sistemy i sredstva informatiki [Computer science systems and tools]. 2022. № 32(4). Р. 145-156.
  11. Apanovich M.S., Lyapin A.P., Shadrin K.V. Primenenie metodov kompyuternoy algebry dlya vychisleniya resheniya zadachi Koshi dlya dvumernogo raznostnogo uravneniya v tochke [Application of computer algebra methods to calculate the solution of the Cauchy problem for a two-dimensional difference equation at a point] // Programmirovanie [Programming]. 2021. № 1. Р. 5-10.
  12. Robocraft // Electronic resource. URL: https://robocraft.ru/computervision/427 (accessed 25.01.2023).
  13. Habr // Electronic resource. URL: https://habr.com/ru/post/477718/ (accessed 25.01.2023)
  14. Bobyr M.V. Metod nelineynogo obucheniya neyronechetkoy sistemy vyvoda [The method of non-linear learning the neuro-fuzzy inference system] // Iskusstvenniy intellekt i prinyatie resheniy [Artificial intelligence and decision making]. 2018. № 1. P. 67-75.
  15. Nguyen T., Hefenbrock D., Oberg J., Kastner R., Baden S. A software-based dynamic-warp scheduling approach for load-balancing the Viola–Jones face detection algorithm on GPUs // Journal of Parallel and Distributed Computing. 2013. № 73(5). Р. 677–685.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Initial a) and preparatory b) arrays

Download (88KB)
Indexing metadata
3. Fig. 2. Preparatory a) and final b) arrays

Download (86KB)
Indexing metadata
4. Fig. 3. Programme interface for processing an image with a 3x3 window, where w = h = 10, n = 20000, n is the number of repetitions for calculating the total value, MapRand [y, x] = Random (0, 1)

Download (185KB)
Indexing metadata
5. Fig. 4. Graphs of the time spent to perform all iterations during the experiment: a - the first experiment; b - the second experiment. Upper line - direct convolution method with a single filter

Download (74KB)
Indexing metadata
6. Fig. 5. Programme interface for processing an image with a 3x3 window, with w = h = 10, n = 20000, MapRand [y, x] = Random (0, 255)

Download (335KB)
Indexing metadata
7. Fig. 6. Graph of the time taken to perform all iterations in the third experiment. Upper line - direct convolution method with a single filter

Download (42KB)
Indexing metadata

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».