ПІДВИЩЕННЯ ТОЧНОСТІ АНАЛІЗУ ТА ОБРОБКИ СКЛАДНОСТРУКТУРНИХ ЗОБРАЖЕНЬ
DOI:
https://doi.org/10.26906/SUNZ.2025.2.137Ключові слова:
складноструктурне зображення, точковий об’єкт, площинний об’єкт, сегментаціяАнотація
Актуальність. Складноструктурні зображення (ССЗ) тяжіють до консолідації графіків різного типу та гетерархічності семантичних планів, що призводить до того, що необхідно використовувати гібридні та ітеративні алгоритми, специфічні для такого типу зображень. Об'єктом дослідження є процес аналізу та обробки растрових ССЗ. Предметом дослідження є моделі та підвищення точності та продуктивності алгоритмів аналізу та обробки ССЗ. Мета дослідження полягає у підвищенні точності та продуктивності алгоритмів аналізу та обробки ССЗ. Результати дослідження. У ході роботи було проведено аналіз сучасного стану аналізу та обробки растрових складноструктурних зображень. Проведені дослідження підходів до локалізації та визначення типів сегментованих об'єктів. Проведені дослідження підходів до розпізнавання образів та їх угруповання. Удосконалений та досліджений метод підвищення точності аналізу та обробки ССЗ. Висновок. Запропонований підхід дозволив підвищити точність аналізу та обробки складноструктурних зображень за рахунок сегментації, локалізації, розпізнавання та групування точкових, лінійних і площинних об'єктів, що засновані на комплексному використанні відомих методівЗавантаження
Посилання
1. Zhang, Zh. MKANet: An Efficient Network with Sobel Boundary Loss for Land-Cover Classification of Satellite Remote Sensing Imagery. Remote Sens. 2022. No. 18:4514. doi: https://doi.org/10.3390/rs14184514
2. Li, H. Intelligent Map Reader: A Framework for Topographic Map Understanding With Deep Learning and Gazetteer. IEEE Access. 2018. V. 6. P. 25363-25376. doi: https://doi.org/10.1109/ACCESS.2018.2823501
3. Petrovska, I., Kuchuk, H. (2023). Adaptive resource allocation method for data processing and security in cloud environment. Advanced Information Systems, 7(3), 67–73. doi: https://doi.org/10.20998/2522-9052.2023.3.10
4. Zakharchenko, A., Stepanets, O. (2023). Digital twin value in intelligent building development. Advanced Information Systems, 7(2), 75–86. doi: https://doi.org/10.20998/2522-9052.2023.2.11
5. Li, G., Liu, Y., Wu, J., Lin, D., Zhao, Sh. (2019). Methods of Resource Scheduling Based on Optimized Fuzzy Clustering in Fog Computing. Sensors, MDPI, 19(9). doi: https://doi.org/10.3390/s19092122
6. Кучук Н. Г., Мерлак В. Ю., Скородєлов В. В. Метод зменшення часу доступу до слабкоструктурованих даних. Сучасні інформаційні системи. 2020. Т. 4, № 1. С. 97-102. doi: https://doi.org/10.20998/2522-9052.2020.1.14
7. Zuev, A., Karaman, D., Olshevskiy, A. (2023). Wireless sensor synchronization method for monitoring short-term events. Advanced Information Systems, 7(4), 33–40. doi: https://doi.org/10.20998/2522-9052.2023.4.04
8. Moreno-Garcia C. F., Elyan E., Jayne C. New trends on digitisation of complex engineering drawings. Neural Computing and Applications. 2019. V. 31(6). P. 1695-1712. doi: https://doi.org/10.1007/s00521-018-3583-1
Downloads
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Andriy Kovalenko, Vazha Chkheidze, Olena Sevostianova, Oleksandr Fomichov
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
