Метод структурного синтеза и параметрической идентификации системы машинного зрения

Обложка

Цитировать

Полный текст

Аннотация

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.

Об авторах

Алмаз Раилевич Исхаков

Башкирский государственный педагогический университет им. М. Акмуллы

Автор, ответственный за переписку.
Email: intellab@mail.ru

Кандидат физико-математических наук, доцент

Россия, Уфа

Рамиль Фарукович Маликов

Башкирский государственный педагогический университет им. М. Акмуллы

Email: rfmalikov@mail.ru

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

Россия, Уфа

Список литературы

  1. 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.
  2. Исхаков А. Р. Методы математического моделирования обработки и анализа изображений в модифицированных дескриптивных алгебрах изображений. Дисс. ... канд. физ.-мат. наук. Челябинск. 2017. 164 с.
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. 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. 389-403.
  8. 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.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. 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.
  14. 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.
  15. Поляков О. М., Рудницкий С. Б. О связи модели знаний и задачи распознавания образов // Искусственный интеллект и принятие решений. 2023. № 3. С. 16-22.
  16. 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.
  17. Исхаков А. Р. Метод структурного синтеза системы технического зрения для задачи измерения площади // Прикладная информатика. 2022. Т. 17. № 6(102). С. 122-134.
  18. Куликов Л.Я. Алгебра и теория чисел: учеб. пособие для педагогических институтов. М.: Высш. Школа. 1979. 559 с.
  19. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. Под общ. ред. В.Г. Потемкина. М.: ДИАЛОГ-МИФИ. 2001. 630 с.
  20. Пантелеев А.В., Летова Т.А. Методы оптимизации в примерах и задачах: Учеб. пособие. 2-е изд., исправл. М.: Высш. шк. 2005. 544 с.
  21. Рейзлин В.И. Численные методы оптимизации: учебное пособие. Томский политехнический университет. Томск: Изд-во Томского политехнического университета. 2011. 105 с.
  22. Гателюк О. В., Манюкова Н.В. Проверка статистических гипотез: учебное пособие для вузов. Санкт-Петербург: Лань. 2022. 112 с.
  23. Зенков А. В. Математическая статистика в задачах и упражнениях: учебное пособие. Вологда: Инфра-Инженерия. 2022. 108 c.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

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».