Пошуковий запит: (<.>A=Гороховатский А$<.>) |
Загальна кількість знайдених документів : 10
Представлено документи з 1 до 10
|
1. |
Гороховатский А. В. Распознавание изображений символов на основе линейного описания структурных характеристик [Електронний ресурс] / А. В. Гороховатский, Е. О. Передрий // Системи обробки інформації. - 2012. - Вип. 7. - С. 203-206. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2012_7_45
|
2. |
Гороховатский А. В. Автоматизация выделения заголовка по изображению документа [Електронний ресурс] / А. В. Гороховатский, Е. О. Передрий // Системи обробки інформації. - 2013. - Вип. 1. - С. 150-154. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2013_1_35 Разработан метод локализации заголовка на изображении документа. Предложено использование эмпирических признаков, которые выделяют заголовок среди основного текста, и в комбинации с применением проекционного преобразования дают возможность выделить область расположения заголовка. Экспериментальные исследования подтвердили эффективность предложенного метода и позволили определить области его применимости.
|
3. |
Гороховатский А. В. Классификация текстовых и графических областей на фрагменте изображения документа [Електронний ресурс] / А. В. Гороховатский // Электротехнические и компьютерные системы. - 2014. - № 13. - С. 120-124. - Режим доступу: http://nbuv.gov.ua/UJRN/etks_2014_13_17
|
4. |
Гороховатский А. В. Детектирование текстовых областей на изображении документа методом слияния [Електронний ресурс] / А. В. Гороховатский // Системи обробки інформації. - 2014. - Вип. 1. - С. 75- 81. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2014_1_18 Представлен метод автоматического детектирования текстовых областей на изображении документа с помощью слияния областей. Предложенный метод комбинирует простоту реализации алгоритма слияния с анализом и отсечением графических областей, которые не несут текстовой информации. Проведено моделирование работы предложенного метода, выделены классы практических задач и условия наиболее эффективного его применения.
|
5. |
Гороховатский А. В. Облачные технологии в образовании [Електронний ресурс] / А. В. Гороховатский, Е. О. Передрий // Системи обробки інформації. - 2011. - Вип. 7. - С. 140. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2011_7_70
|
6. |
Гороховатский А. В. Применение робастных методов анализа данных при обработке структурных описаний [Електронний ресурс] / А. В. Гороховатский, В. А. Гороховатский // Збірник наукових праць Харківського університету Повітряних сил. - 2011. - Вип. 1. - С. 132-135. - Режим доступу: http://nbuv.gov.ua/UJRN/ZKhUPS_2011_1_31 Обосновано применение робастной обработки данных в структурно-иерархических методах классификации изображений. Робастные методы обеспечивают устойчивость анализа видеоданных при действии пространственных помех. Обсуждены результаты экспериментальных исследований.
|
7. |
Гороховатский А. В. Автоматический анализ и оценка параметров объектов микроскопических изображений [Електронний ресурс] / А. В. Гороховатский, Е. О. Передрий // Збірник наукових праць Харківського університету Повітряних сил. - 2010. - Вип. 3. - С. 100-102. - Режим доступу: http://nbuv.gov.ua/UJRN/ZKhUPS_2010_3_25 Предложен многоэтапный подход к обработке цифровых изображений на основе использования последовательности методов улучшения, бинаризации и сегментации. Исследовано влияние отдельных этапов на результат обработки, компьютерные эксперименты подтвердили эффективность подхода.
|
8. |
Гороховатский А. В. Методы улучшения производительности процедуры сравнения признаков при распознавании изображений символов [Електронний ресурс] / А. В. Гороховатский // Системи обробки інформації. - 2015. - Вип. 1. - С. 20-22. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2015_1_7 Предложен метод сравнения линейных описаний объекта на изображении. Описание строится на основе интерпретации структурных связей элементов объекта и обладает устойчивостью к изменениям масштаба и смещений объекта. Рассмотрены методы улучшения производительности сравнения входного набора описаний изображений со всеми описаниям эталонных изображений. С помощью компьютерного моделирования показано, что предложенные модификации сравнения признаков позволяют достичь ускорения процедуры распознавания до 60 %.
|
9. |
Гороховатский В. А. Структурное распознавание изображений с применением моделей интеллектуальной обработки и самоорганизации признаков [Електронний ресурс] / В. А. Гороховатский, А. В. Гороховатский, А. Е. Берестовский // Радіоелектроніка, інформатика, управління. - 2016. - № 3. - С. 39-46. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2016_3_7 Исследованы проблемы распознавания изображений в компьютерном зрении на основе множества структурных SURF-признаков. В пространстве структурных признаков выполнена самоорганизация с целью увеличения быстродействия процесса распознавания. В качестве аппарата самоорганизации использована нейронная сеть Кохонена. Цель работы - построение метода структурного распознавания с применением входных данных в виде множества кластеров структурных признаков, полученных в результате самоорганизации. Задача исследования - изучение особенностей и анализ моделей для вычисления характеристик кластеров, построение модифицированных мер структурного подобия, экспериментальное оценивание качества распознавания для разных способов сопоставления описаний в прикладной базе визуальных образцов. Предложено построение метода распознавания изображений на основе эталонных описаний в кластерном виде, а распознавание базируется на классификации структурных признаков объекта в пространстве кластеров с дальнейшим вычислением и оптимизацией подобия векторных описаний. Проведено моделирование и экспериментальные исследования предложенного метода распознавания на тестовом множестве изображений с применением признаков SURF. Подтверждена работоспособность и эффективность метода в плане быстродействия, получены оценки качества распознавания для разнообразия вариантов обработки.
|
10. |
Гороховатский А. В. Нечеткая направленная цветовая кластеризация c-means для решения задачи поиска изображения по образцу [Електронний ресурс] / А. В. Гороховатский // Електротехнічні та комп’ютерні системи. - 2015. - № 20. - С. 88-96. - Режим доступу: http://nbuv.gov.ua/UJRN/etks_2015_20_14 Предложены модификации классического метода кластеризации FCM для решения задачи поиска изображения по образцу. Рассмотрена процедура стабилизации кластеров, которая делает кластеризацию независимой от начальной инициализации. Предложены критерии досрочной остановки кластеризации при сравнении с образцом, экспериментальные исследования показали возможность сокращения времени обработки до 50 % без ухудшения качества.Запропоновано модифікації класичного методу кластеризації FCM для розв'язання задачі пошуку зображення за зразком. Розглянуто процедуру стабілізації кластерів, яка робить кластеризацію незалежною від початкової ініціалізації. Запропоновано критерії дострокової зупинки кластеризації при порівнянні зі зразком, експериментальні дослідження показали можливість скорочення часу обробки до 50 % без погіршення якості.The modifications of classical FCM clustering to solve the image searching problem after the sample are proposed. The procedure of cluster stabilization, which makes clustering independent on the starting initialization, is considered. The criteria ofanticipatory clustering stop in comparing to the sample are proposed; the experimental research has confirmed the possibility to reduce the processing time up to 50% without quality degradation.
|