Компенсация низкой освещённости и контуража в системах распознавания образов
Аннотация
Представленная работа посвящена решению частных проблем, возникающих в информационно-измерительных системах распознавания образов. В данной работе рассмотрены, проблемы, связанные с обеспечением работы систем распознавания образов в условиях наличия недостаточной освещенности на наблюдаемой сцене, которые наиболее часто выражаются в наличии низкого контраста объект – фон и приводят к возникновению эффекта контуража, на видеопоследовательностях, что существенно ограничивает область применения систем распознавания образов. В работе приведён анализ типовых причин возникновения рассмотренных проблем, включая технологические ограничения и методов борьбы с подобными эффектами. Предложены с методы, основанные на слиянии изображений, которые позволят частично компенсировать влияние упомянутых эффектов, способные работать на различных классах сцен. Предложенные методы используют специальные методы обработки изображений, отличающиеся различной производительностью. Представлено теоретическое обоснование предложенных методов. Показано что они позволят компенсировать влияние указанных эффектов, и как следствие этого, повысить качество работы промышленных систем распознавания образов, что может послужить основанием для расширения сферы их применения.
Литература
2. Li P., Prieto L., Mery D., Flynn P. Face Recognition in Low Quality Images: A Survey. arXiv:1805.11519. 2019. https://doi.org/10.48550/arXiv.1805.11519
3. Kruegle H., Abram F. CCTV Surveillance: Analog and Digital Video Practices and Technology. Second Ed. Elsevier Inc.; 2006. 673 p. https://doi.org/10.1016/B978-0-7506-7768-4.X5000-X
4. Ren Z., Fang F., Yan N., et al. State of the Art in Defect Detection Based on Machine Vision. International Journal of Precision Engineering and Manufacturing-Green Technology. 2022;9:661-691. https://doi.org/10.1007/s40684-021-00343-6
5. Kodanev A.V., Polyakov M.V., Sorokina I.K. Calculation of video surveillance camera parameters on the example of a typical object. In: Proceedings of the 2020 Conference on New impulses of development: questions of scientific research. Part 1. Saratov: Digital science Publ.; 2020. p. 77-80. (In Russ., abstract in Eng.) EDN: TTSLUM
6. Sivasubramanian A., Prakash J.A., Kumar K.S.D., Prashanth V.R., Sowmya V., Variyar V.V.S. Object Detection Under Low-Lighting Conditions Using Deep Learning Architectures: A Comparative Study. In: Chakraborty B., Biswas A., Chakrabarti A. (eds.) Advances in Data Science and Computing Technologies. ADSC 2022. Lecture Notes in Electrical Engineering. Vol. 1056. Singapore: Springer; 2023. p. 269-276. https://doi.org/10.1007/978-981-99-3656-4_27
7. Konstantinova Yu.A., Gubanova L.A. Antireflection multilayer coatings with thin metal layers. Scientific and Technical Journal of Information Technologies, Mechanics and Optics. 2016;16(2):375-378. (In Russ., abstract in Eng.) https://doi.org/10.17586/2226-1494-2016-16-2-375-378
8. Shoshin A.V., Shvets E.A. Veiling glare removal: synthetic dataset generation, metrics and neural network architecture. Computer Optics. 2021;45(4):615-626. https://doi.org/10.18287/2412-6179-CO-883
9. Aliev M.A., Kunina I.A., Kazbekov A.V., Arlazarov V.L. Algorithm for choosing the best frame in a video stream in the task of identity document recognition. Computer Optics. 2021;45(1):101-109. https://doi.org/10.18287/2412-6179-CO-811
10. Stetsyuk V.B. Methods for eliminating noise in images. In: International Conference on Current problems of aviation and astronautics. Vol. 2. Krasnoyarsk: Reshetnev University Publ.; 2019. p. 176-178. (In Russ., abstract in Eng.)
11. Saikumar T., Venkatesh S., Uddin Md.A. Comparison Techniques of Image Fusion in Image Segmentation. International Journal of Advances in Computer and Electronics Engineering. 2014;3(1):378-381.
12. Mirzaev M.A., Dyshekov A.I. Effect of recording device parameters on the operation of the sugar beet recognition algorithm in the early stages of growth. In: International Conference of Young Scientists and Students "Topical Problems of Mechanical Engineering" (TOPME-2024). M.: IMASH RAS; 2021. p. 474-481. (In Russ., abstract in Eng.) EDN: PHVWSK
13. Malyuka A.A. Using HDR-Technology in Criminal Proceedings. Aktualʹnye problemy rossijskogo prava = Actual Problems of Russian Law. 2011;(2):424-433. (In Russ., abstract in Eng.) EDN: OFATOR
14. Gracheva I.A., Kopylov A.V. Dynamic range compression algorithm of HDR images on the basis of the structure-preserving filtering. News of the Tula state university. Technical sciences. 2018;(10):83-93. (In Russ., abstract in Eng.) EDN: YRBHET
15. Korobeinikov A.G., Fedosovskii M.E., Aleksanin S.A. Development of an automated procedure for solving the problem of reconstructing blurry digital images. Cybernetics and programming. 2016;(1):270-291. (In Russ., abstract in Eng.) https://doi.org/10.7256/2306-4196.2016.1.17867
16. Finogeev A.G., Chetvergova M.V. Algoritm scene recognition for augmented reality systems. University proceedings. Volga region. Technical sciences. 2013;(2):23-33. (In Russ., abstract in Eng.) EDN: RBRJZF
17. Tokarev V.L., Abramov D.A. Tracking in the problems of safety. News of the Tula state university. Technical sciences. 2013;(9-2):215-223. (In Russ., abstract in Eng.) EDN: RVSUVR
18. Moseva M.S., Kharrasov K.R. On existing methods for removing noise from an image. Engineering Journal of Don. 2023;(8):48-67. (In Russ., abstract in Eng.) EDN: ZZCBZW
19. Tokarev V.L., Abramov D.A. Methods of allocation abnormal situations in the information-measuring system surveillance. News of the Tula state university. Technical sciences. 2015;(11-1):258-265. (In Russ., abstract in Eng.) EDN: VLQLTL
20. Abramov D.A. Metod avtomaticheskogo vyyavleniya neshtatnyh situacij po rezul'tatam videonablyudenij [The method of automatic detection of emergency situations based on the results of video surveillance]. In: Proceedings of the International Conference Mathematical Methods in Technique and Technologies ‒ MMTT-27. 2014;(4):118-120. (In Russ., abstract in Eng.) EDN: UMPZOX
21. Arkhipova E.A., Polyanichko K.S. Development Tendencies of Videoanalytics in the World. International Journal of Humanities and Natural Sciences. 2019;(7-2):69-72. (In Russ., abstract in Eng.) https://doi.org/10.24411/2500-1000-2019-11420
22. Abramov D.A., Tokarev V.L. Methodology for Automatic Detection of Emergency Situations at Public Transport Objects. Modern Information Technologies and IT-Education. 2022;18(4):878-888. (In Russ., abstract in Eng.) https://doi.org/10.25559/SITITO.18.202204.878-888
23. Anstädt T., Keller I., Lutz H. Intelligente Videoanalyse: Handbuch für die Praxis. John Wiley & Sons, Inc.; 2010. 164 p.
24. Tokarev V.L., Abramov D.A. Algorithms video analytics for detection and classification of emergency situations. News of the Tula state university. Technical sciences. 2016;(11-1):72-80. (In Russ., abstract in Eng.) EDN: XDYLKD
25. Tokarev V.L., Abramov D.A. Creation of System of Video Analytics. News of the Tula state university. Technical sciences. 2013;(9-1):270-276. (In Russ., abstract in Eng.) EDN: RVRWST
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.
