СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ И РАСПОЗНАВАНИЕ ОБЪЕКТОВ НА ОСНОВЕ ТЕХНОЛОГИИ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ 

Анатолий Иванович Годунов, доктор технических наук, профессор, профессор кафедры автоматики и телемеханики, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: Godunov@pnzgu.ru
Сергей Товмасович Баланян, кандидат технических наук, доцент, докторант кафедры авиационного вооружения и эффективности боевого применения, Военно-воздушная академия имени профессора Н. Е. Жуковского и Ю. А. Гагарина (Россия, г. Воронеж, ул. Старых Большевиков, 54А), E-mail: bst76@yandex.ru
Павел Сергеевич Егоров, адъюнкт кафедры авиационного вооружения и эффективности боевого применения, Военно-воздушная академия имени профессора Н. Е. Жуковского и Ю. А. Гагарина (Россия, г. Воронеж, ул. Старых Большевиков, 54А), E-mail: ahtuba.egor@mail.ru 

623.465.7 

DOI

10.21685/2307-4205-2021-3-8 

Актуальность и цели. Рассматривается процесс сегментации изображений и дается сравнительная оценка существующих методов с разработанным на основе сверточной нейронной сети. Материалы и методы. Исследуются различные методы, такие как пороговые методы сегментации: Оцу, Ниблэка, Бернсена, Савола, и метод сегментации изображений с помощью сверточной нейронной сети (разработанный метод).тПриведены примеры сегментации, их достоинства и недостатки. Представлены алгоритмические описания методов сегментации. Проведены эксперименты по исследованию сегментации кадров (изображений) из видеопоследовательности. Результаты и выводы. Представлены результаты проведенного эксперимента, показывающие работу того или иного метода сегментации. 

Ключевые слова

адаптивные методы, пороговые методы, сегментация, метод Оцу, метод Ниблэка, метод Бернсена, метод Савола, сверточная нейронная сеть 

 Скачать статью в формате PDF

1. Минченков М. В., Хельвас А. В., Юрин Д. В. Алгоритм автоматической сегментации изображений для систем технического зрения // Обработка информации и моделирование : сб. тр. М. : МФТИ, 2002.
2. Ramadevi Y., Sridevi T., Poornima B., Kalyani B. Сегментация изображения и распознавания объектов на основе технологии выделения контуров / пер. с англ. Е. В. Витковской // Международный журнал компьютерных наук и информационных технологий. 2010. Т. 2, № 6.
3. Каздорф С. Я., Першина Ж. С. Алгоритм семантической сегментации трехмерных сцен. Новосибирск : Новосиб. гос. техн. ун-т, 2019.
4. Горбачев В. А., Криворотов И. А., Маркелов А. О., Котлярова Е. В. Семантическая сегментация спутниковых снимков аэропортов с помощью сверточных нейронных сетей М. : Компьютерная оптика. 2020. Вып. 44 (4).
5. Патент RU 2349864 C2 Российская Федерация. Нашлемная разведывательная система пассивного дальнометрирования объектов / Пархоменко В. А., Устинов Е. М., Бестужев Л. В. [и др.]. № 2007103759/02 ; заявл. 31.01.2007 ; опубл. 20.03.2009.
6. Исрафилов Х. С. Исследование методов сегментации изображений // Вестник науки и образования. 2017. № 6. Т. 2.
7. Тужилкин А. С. Разработка и исследование алгоритма поиска положения особых точек в системах технического зрения летательных аппаратов // Вестник Концерна ВКО «Алмаз-Антей». 2018. № 1.
8. Канищев Д. С. Автоматическая сегментация речи методами кластеризации и с применением метода Оцу. Киров : Вятский государственный университет, 2019.
9. Приставка П. А. Рыбаков М. С. Исследование алгоритмов бинаризации в задачах машинного распознавания оптических меток : магистер. дис. Новосибирск : СибГУТИ, 2019.
10. Доррер Г. А., Корюкин М. С. Семантическая сегментация изображений с применением сверточных нейронных сетей // Актуальные проблемы авиации и космонавтики. 2017. Т. 2, № 13. С. 141–143.
11. Соболь Б. В., Соловьев А. Н., Васильев П. В., Подколзина Л. А. Модель глубокой сверточной нейронной сети в задаче сегментации трещин на изображениях асфальта // Вестник Донского государственного технического университета. 2019. Т. 19, № 1. C. 63–73.