ARTIFICIAL INTELLIGENCE AND DECISION MAKINGARTIFICIAL INTELLIGENCE AND DECISION MAKINGИскусственный интеллект и принятие решений2071-859427830610.14357/20718594240409AAHDXLAnalysis of Signals, Audio and Video InformationАнализ сигналов, аудио и видео информацииResearch ArticleMethod of structural synthesis and parametric identification of machine vision systemМетод структурного синтеза и параметрической идентификации системы машинного зренияIskhakovAlmaz R.ИсхаковАлмаз Раилевич
Russian Federation

Candidate of Physical and Mathematical Sciences, Associate Professor

Кандидат физико-математических наук, доцент

intellab@mail.ruMalikovRamil F.МаликовРамиль Фарукович
Russian Federation

Doctor of Physical and Mathematical Sciences, Professor, Head of the Laboratory "System Analysis and Mathematical Modeling"

Доктор физико-математических наук, профессор, заведующий лабораторией «Системный анализ и математическое моделирование»

rfmalikov@mail.ruM. Akmulla Bashkir State Pedagogical UniversityБашкирский государственный педагогический университет им. М. Акмуллы1012202441111222801202528012025Copyright ©; ,Copyright ©; ,https://journals.rcsi.science/2071-8594/article/view/278306

The paper presents research materials on the development of mathematical models of machine vision systems using the theory of modified descriptive image algebras. The basic definitions of mathematical objects and operations over them, which are used in structural synthesis of models, are formulated. The general formulation of parametric identification of the machine vision system model is given. Mathematical models of machine vision systems for three tasks of measuring the area of objects of different nature are described. Recommendations on statistical estimation of values of variation parameters of the model at processing of set of images are given.

В статье представлены материалы исследований по разработке математических моделей систем машинного зрения с применением теории модифицированных дескриптивных алгебр изображений. Сформулированы основные определения математических объектов и операций над ними, которые используются в структурном синтезе моделей. Приведена общая постановка параметрической идентификации модели системы машинного зрения. Описаны математические модели систем машинного зрения для трех задач по измерению площади объектов различной природы. Даются рекомендации по статистической оценке значений вариационных параметров модели при обработке множества изображений.

machine vision systemmathematical modelmodified descriptive image algebrasstructural synthesisparametric identificationarea measurementсистема машинного зренияматематическая модельмодифицированные дескриптивные алгебры изображенийструктурный синтезпараметрическая идентификацияизмерение площадиIskhakov A. R., Malikov R. F. Modelirovanie sistem tekhnicheskogo zreniya v modifitsirovannykh deskriptivnykh algebrakh izobrazheniy [Modeling of technical vision systems in modified descriptive image algebras]. Ufa: BSPU named after M. Akmully, 2015.Исхаков А. Р., Маликов Р. Ф. Моделирование систем технического зрения в модифицированных дескриптивных алгебрах изображений. Уфа: Башкирский государственный педагогический университет им. М. Акмуллы. 2015. 159 с.Iskhakov A. R. Metody matematicheskogo modelirovaniya obrabotki i analiza izobrazheniy v modifitsirovannykh deskriptivnykh algebrakh izobrazheniy: Dissertatsiya …kandidata fiziko-matematicheskikh nauk [Methods of mathematical modeling of image processing and analysis in modified descriptive image algebras. Dissertation for the degree of Candidate of Physical and Mathematical Sciences]. Chelyabinsk, 2017.Исхаков А. Р. Методы математического моделирования обработки и анализа изображений в модифицированных дескриптивных алгебрах изображений. Дисс. ... канд. физ.-мат. наук. Челябинск. 2017. 164 с.Iskhakov A. R., Akbashev V. R. Structural Synthesis of the Computer Vision and Its Parametric Identification with Statistical Estimation of Variational Parameters // Journal of Computational and Engineering Mathematics. 2023. V. 10. No 1. P. 56-63.Iskhakov A. R., Malikov R. F. Calculation of Aircraft Area on Satellite Images by Genetic Algorithm // Bulletin of the South Ural State University. Series: Mathematical Modelling, Programming and Computer Software. 2016. V. 9. No 4. P. 148-154.Gurevich I. B., Yashina V. V. Descriptive Image Analysis: Genesis and Current Trends // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2017. V. 27. No 4. P. 653-674.Gurevich I. B., Yashina V. V. Descriptive Image Analysis: Part II. Descriptive Image Models // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2019. V. 29. No 4. P. 598-612.Gurevich I. B., Yashina V. V. Algebraic Interpretation of Image Analysis Operations // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2019. V. 29. No 3. P. 389-403Gurevich I. B., Yashina V. V. Algebraic Interpretation of Image Analysis Operations // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2019. V. 29. No 3. P. 389-403.Gurevich I. B., Yashina V. V. Descriptive Image Analysis: Part III. Multilevel Model for Algorithms and Initial Data Combining in Pattern Recognition // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2020. V. 30. No 3. P. 328-341.Gurevich I. B., Yashina V. V. Descriptive Image Analysis: Part IV. Information Structure for Generating Descriptive Algorithmic Schemes for Image Recognition // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2020. V. 30. No 4. P. 638-654.Gurevich I. B., Yashina V. V. Descriptive Models of Information Transformation Processes in Image Analysis // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2021. V. 31. No 3. P. 402-420..Gurevich I. B., Yashina V. V. Descriptive Models of Information Transformation Processes in Image Analysis // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2021. V. 31. No 3. P. 402-420.Gurevich I. B., Yashina V. V. On Modeling Descriptive Image Analysis Procedures on a Specialized Turing Machine // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2022. V. 32. No 3. P. 469-476.Matorin S. I., Mikhelev V. V. Sistemno-obektnyy determinantnyy analiz. Postroenie geneticheskoy i partitivnoy klassifikatsiy predmetnoy oblasti [System-object determinant analysis. The construction of genetic and partitive classifications of the subject area] // Iskusstvennyy intellekt i prinyatie resheniy [Artificial intelligence and decision making]. 2022. No 1. P. 26-34.Маторин С. И., Михелев В. В. Системно-объектный детерминантный анализ. Построение генетической и партитивной классификаций предметной области // Искусственный интеллект и принятие решений. 2022. № 1. С. 26-34.Matorin S. I., Mikhelev V. V. Sistemno-obektnyy determinantnyy analiz. Partitivnaya klassifikatsiya s pomoshchyu formalno-semanticheskoy normativnoy sistemy [System-object determinant analysis. Portable classification using a formal semantic normative system] // Iskusstvennyy intellekt i prinyatie resheniy [Artificial intelligence and decision making]. 2022. No 2. P. 17-26.Маторин С. И., Михелев В. В. Системно-объектный детерминантный анализ. Партитивная классификация с помощью формально-семантической нормативной системы // Искусственный интеллект и принятие решений. 2022. № 2. С. 17-26.Zaboleeva-Zotova A. V., Petrovsky A. B. Formalizatsiya strukturnogo sinteza tekhnicheskikh sistem na nachalnom etape proektirovaniya [Formalization of the structural synthesis of technical systems at the initial design stage] // Iskusstvennyy intellekt i prinyatie resheniy [Artificial intelligence and decision making]. 2022. No 4. P. 44-54.Заболеева-Зотова А. В., Петровский А. Б. Формализация структурного синтеза технических систем на начальном этапе проектирования // Искусственный интеллект и принятие решений. 2022. № 4. С. 44-54. 15.Polyakov O. M., Rudnitskiy S. B. O svyazi modeli znaniy i zadachi raspoznavaniya obrazov [On the relationship between the knowledge model and the problem of pattern recognition] // Iskusstvennyy intellekt i prinyatie resheniy [Artificial intelligence and decision making]. 2023. No 3. P. 16-22.Поляков О. М., Рудницкий С. Б. О связи модели знаний и задачи распознавания образов // Искусственный интеллект и принятие решений. 2023. № 3. С. 16-22.Kochurov B. I., Malikov R. F., Iskhakov A. R. i dr. Issledovanie dinamiki ploshchadi ozera Aslykul (Yuzhnoe Predurale) metodom obrabotki izobrazheniy kosmicheskikh snimkov na osnove algebraicheskogo podkhoda [Investigation of the dynamics of the area of Lake Aslykul (Southern Urals) by the method of image processing of satellite images based on an algebraic approach] // Teoreticheskaya i prikladnaya ekologiya [Theoretical and applied ecology]. 2021. No 1. P. 58-64.Кочуров Б. И., Маликов Р. Ф., Исхаков А. Р. и др. Исследование динамики площади озера Аслыкуль (Южное Предуралье) методом обработки изображений космических снимков на основе алгебраического подхода // Теоретическая и прикладная экология. 2021. № 1. С. 58-64.Iskhakov A. R. Metod strukturnogo sinteza sistemy tekhnicheskogo zreniya dlya zadachi izmereniya ploshchadi [A method of structural synthesis of a vision system for the task of measuring an area] // Prikladnaya informatika [Applied Computer Science]. 2022. V. 17. No 6 (102). P. 122-134.Исхаков А. Р. Метод структурного синтеза системы технического зрения для задачи измерения площади // Прикладная информатика. 2022. Т. 17. № 6(102). С. 122-134.Kulikov L.Ya. Algebra i teoriya chisel: ucheb. posobie dlya pedagogicheskikh institutov [Algebra and number theory: a textbook for pedagogical institutes]. M.: Vyssh. Shkola [Higher Education], 1979.Куликов Л.Я. Алгебра и теория чисел: учеб. пособие для педагогических институтов. М.: Высш. Школа. 1979. 559 с.Medvedev V.S., Potemkin V.G. Neyronnye seti. MATLAB Pod obshch. Red. V.G. Potemkina [Neural networks. MATLAB 6. Under the general Editorship of V.G. Potemkin]. M.: DIALOG-MIFI, 2001.Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. Под общ. ред. В.Г. Потемкина. М.: ДИАЛОГ-МИФИ. 2001. 630 с.Panteleev A.V., Letova T.A. Metody optimizatsii v primerakh i zadachakh: Ucheb. Posobie [Optimization methods in examples and tasks: textbook]. 2-e izd., ispravl. M.: Vyssh. shk. [Higher Education], 2005.Пантелеев А.В., Летова Т.А. Методы оптимизации в примерах и задачах: Учеб. пособие. 2-е изд., исправл. М.: Высш. шк. 2005. 544 с.Reyzlin V.I. Chislennye metody optimizatsii: uchebnoe posobie [Numerical optimization methods: a textbook]. Tomskiy politekhnicheskiy universitet. Tomsk: Izd-vo Tomskogo politekhnicheskogo universiteta [Publishing House of Tomsk Polytechnic University], 2011.Рейзлин В.И. Численные методы оптимизации: учебное пособие. Томский политехнический университет. Томск: Изд-во Томского политехнического университета. 2011. 105 с.Gatelyuk O. V., Manyukova N.V. Proverka statisticheskikh gipotez: uchebnoe posobie dlya vuzov [Statistical hypothesis testing: a textbook for universities]. Sankt-Peterburg: Lan, 2022.Гателюк О. В., Манюкова Н.В. Проверка статистических гипотез: учебное пособие для вузов. Санкт-Петербург: Лань. 2022. 112 с.Zenkov A. V. Matematicheskaya statistika v zadachakh i uprazhneniyakh: uchebnoe posobie [Mathematical statistics in tasks and exercises: a textbook]. Moskva, Vologda: Infra-Inzheneriya [Moscow, Vologda: Infra-Engineering], 2022.Зенков А. В. Математическая статистика в задачах и упражнениях: учебное пособие. Вологда: Инфра-Инженерия. 2022. 108 c.