Метод ройового інтелекту (штучної бджолиної колонії) тематичного сегментування багатомасштабної послідовності зображень, що отримані з бортової системи оптико-електронного спостереження
Наукові видання Харківського національного університету Повітряних Сил
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Метод ройового інтелекту (штучної бджолиної колонії) тематичного сегментування багатомасштабної послідовності зображень, що отримані з бортової системи оптико-електронного спостереження
Метод роевого интеллекта (искусственной пчелиной колонии) тематической сегментации многомасштабной последовательности изображений, полученных с бортовой системы оптико-электронного наблюдения Swarm method (artificial bee colony) thematic segmentation of the multiplic sequence of images received from the optical-electronic surveillance system |
|
| Creator |
І.А. Хижняк
И.А. Хижняк I. Khizhnyak |
|
| Subject |
Кібернетика та системний аналіз
УДК 004.932 метод сегментування, ройовий метод, штучна бджолина колонія, оптико-електронне зображення, багатомасштабна послідовність, цільова функція, бортова система спостереження, поріг сегментування, ітераційний процес метод сегментации, роевой метод, искусственная пчелиная колония, оптико-электронное изображение, многомасштабная последовательность, целевая функция, бортовая система наблюдения, порог сегментации, итерационный процесс segmentation method, swarm method, artificial bee colony, optic-electronic image, multi-scale sequence, fitness function, on-board surveillance system, segmentation threshold, iterative process |
|
| Description |
В статті для підвищення якості дешифрування зображення, що отримано з бортової системи оптико-електронного спостереження запропоновано проводити тематичне сегментування багатомасштабної послідовності таких зображень. Проаналізовано відомі підходи до аналізу багатомасштабної інформації, їх переваги та недоліки. У якості методу тематичного сегментування багатомасштабної послідовності зображень запропоновано обрати метод ройового інтелекту (штучної бджолиної колонії), наведено математичне формулювання завдання сегментування багатомасштабної послідовності зображень. У якості параметру, що оптимізується, обрано поріг сегментування, а оптимізація полягає у мінімізації цільової функції. Наведені результати ітераційного процесу визначення порогу на етапах ітерації та удосконалено метод ройового інтелекту (штучної бджолиної колонії) тематичного сегментування багатомасштабної послідовності зображень, що отримані з бортової системи оптико-електронного спостереження.
В статье для повышения качества дешифрации изображения, полученного с бортовой системы оптико-электронного наблюдения, предложено проводить тематическую сегментацию многомасштабной последовательности таких изображений. Проанализированы известные подходы к анализу многомасштабной информации, их преимущества и недостатки. В качестве метода тематической сегментации многомасштабной последовательности изображений выбран метод роевого интеллекта (искусственной пчелиной колонии), приведена математическая формулировка задачи сегментации многомасштабной последовательности изображений. В качестве оптимизационного параметра выбран порог сегментации, а оптимизация заключается в минимизации целевой функции. Приведены результаты итерационного процесса определения порога на этапах итерации и усовершенствован метод роевого интеллекта (искусственной пчелиной колонии) тематической сегментации многомасштабной последовательности изображений, полученных с бортовой системы оптико-электронного наблюдения. In the article work to improve the quality of decoding the image obtained from the on-board system of optic-electronic observation proposed to conduct a thematic segmentation of a large-scale sequence of the same image. Well-known approaches to the analysis of large-scale information have been analyzed and it has been established that in the case where small objects with sharp boundaries are present in the image, the exact definition of the boundaries of these objects is complicated. As a method of thematic segmentation of the large-scale sequence of images, it is proposed to select a swarm method intelligence (artificial bee colony). The mathematical formulation of the segmentation of a large-scale sequence of images is presented. It has been established that segmentation threshold is chosen as the optimized parameter, and optimization is to minimize or maximize the target function. As a fitness function, the amount of dispersion is selected within each image segment, while optimizing the segmentation process and defining the threshold is to minimize the fitness function. It has been established that the segmentation process is an iterative process and the results of the iterative process of determining the threshold at some stages of the iteration are given. At each iteration stage, for each agent (bee) the value of the target function is calculated, a comparison of these values is made, a minimum value choice that corresponds to the optimal threshold according to which the sequence of images is segmented. It has been established that the improved swarm method (artificial bee colony) for the thematic segmentation of the large-scale sequence of images obtained from the on-board system of optic-electronic observation is as follows: carrying out each of the images of a large-scale sequence using the artificial bee colony, which consists in determining the optimal threshold, the value of which corresponds to the minimum of the target function; re-scaling of each segmented image to the original scale; calculation of image-filter, calculated as a result of averaging of scalable images for each pixel; finding the pixel product of the image of the filter and the original image with a scale factor (t = 1) and making such a pixel product as a segmented image. |
|
| Publisher |
Харківський національний університет Повітряних Сил ім. І. Кожедуба
Харьковский национальный университет Воздушных Сил им. И. Кожедуба Kharkiv national Air Force University named after I. Kozhedub |
|
| Date |
2018
|
|
| Type |
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion Рецензована стаття |
|
| Format |
application/pdf
|
|
| Identifier |
http://www.hups.mil.gov.ua/periodic-app/article/18721
|
|
| Source |
Збірник наукових праць Харківського національного університету Повітряних Сил. — 2018. — № 2(56). 105-112
Сборник научных трудов Харьковского национального университета Воздушных Сил. — 2018. — № 2(56). 105-112 Scientific Works of Kharkiv National Air Force University. — 2018. — № 2(56). 105-112 2073-7378 |
|
| Language |
ukr
|
|
| Relation |
http://www.hups.mil.gov.ua/periodic-app/article/18721/zhups_2018_2_17.pdf
|
|