Онтологическая модель построения контуров объектов на изображении
Main Article Content
Аннотация
В настоящее время разработка онтологических моделей построения границ и их контуров по движущимся объектам в реальном времени или близком к нему является актуальной задачей. В связи с этим в статье приведена онтологическая модель реализации данного процесса. Рассмотрены основные алгоритмы детекции границ объектов на изображении, а также представлены программные коды для их реализации. Отмечено, что для распознавания контуров наиболее лучшим является алгоритм Канни. Вместе с этим определён и его серьезный недостаток, заключающий в том, что при незначительном движении объектов более 50% информации о контурах теряется.
Ключевые слова:
Article Details
Библиографические ссылки
2. Sanz P. Robotics: Modeling, Planning, and Control. IEEE Robotics and Automation Magazine. 2009. https://doi.org/10.1109/MRA.2009.934833
3. Reddy G.P.O. Geographic Information System: Principles and Applications. 2018.pp. 45–62. https://doi.org/10.1007/978-3-319-78711-4_3
4. Canny J. A Computational Approach to Edge Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. PAMI-8(6), pp. 679–698. DOI 10.1109/TPAMI.1986.4767851
5. Qin, X.A modified Canny edge detector based on weighted least squares. Computational Statistics. (2021). 36(1).pp.641–659.DOI10.1007/s00180-020-01017-8.
6. Бо Я., Неусыпин К.А. Совершенствование метода предварительной обработки звездной карты с использованием оператора Собеля // Автоматизация. Современные технологии. 2023. Т. 77. № 7. С. 308-314. DOI 10.36652/0869-4931-2023-77-7-308-314.
7. Tian R., Sun G., Liu X., Zheng B. Sobel edge detection based on weighted nuclear norm minimization image denoising. Electronics. 2021. 10(6), pp.1–15. DOI 10.3390/electronics10060655
8. Adlakha D., Tanwar R. Analytical Comparison between Sobel and Prewitt Edge Detection Techniques. International Journal of Scientific & Engineering Research. 2016. 7(1), pp. 1482–1485.
9. Karthick C. N., Nirmala P. Smart Edge Detection Technique in X-ray Images for Improving PSNR using Prewitt Edge Detection Algorithm with Gaussian Filter in Comparison with Laplacian Algorithm. Cardiometry. 2023. №25. Pp.1758–1762. DOI 10.18137/cardiometry.2022.25.17581762
10. Gong H.X., Hao, L. Roberts edge detection algorithm based on GPU. Journal of Chemical and Pharmaceutical Research. 2014. 6(7). Pp. 1308–1314.
11. Utama K.M.R.A., Umar R., Yudhana A. Edge detection comparative analysis using Roberts, Sobel, Prewitt, and Canny methods. Jurnal Teknologi Dan Sistem Komputer. 2022.10(2). Pp. 67–71. DOI 10.14710/jtsiskom.2021.14209
12. Qu Y., Tang W., Su, Cheng S. Web Inspection Algorithm of Low Contrast Paper Defects Using Gabor Filter. In Lecture Notes in Electrical Engineering. 2022. Vol. 920. pp. 371–378. Springer Science and Business Media Deutschland GmbH. DOI 10.1007/978-981-19-3927-3_36
13. Darwis D., Fernando Y., Trisnawati F., Marzuki D.H., Setiawansyah, S. Comparison of edge detection methods using Roberts and Laplacian operators on mango leaf objects. Barekeng: Jurnal Ilmu Matematika Dan Terapan. 2023.17(3). Pp. 1815–1824. DOI 10.30598/barekengvol17iss3pp1815-1824
14. Suzuki S., AbeK. Topological structural analysis of digitized binary images by border following. Computer Vision, Graphics and Image Processing. 1985. Vol. 30. P. 32–46. DOI 10.1016/0734-189X(85)90016-7
15. Mei L., Wang C., Zhao Y., Wei W., Li Y. Real-time detection method of landmark in UAV autonomous landing. Systems Engineering and Electronics. 2019. 41(10). Pp. 2157–2162. DOI 10.3969/j.issn.1001-506X.2019.10.01
16. Zhou Z., Zhang Y., Yuan X., Wang H. Compressing AIS Trajectory Data Based on the Multi-Objective Peak Douglas-Peucker Algorithm. IEEE Access. 2023. №11. Pp. 6802–6821. DOI 10.1109/ACCESS.2023.3234121
17. Liu J., Li H., Yang Z., Wu K., Liu Y., Liu R.W. Adaptive Douglas-Peucker Algorithm with Automatic Thresholding for AIS-Based Vessel Trajectory Compression. IEEE Access. 2019. №7. Pp. 150677–150692. DOI 10.1109/ACCESS.2019.2947111
18. Gunasekara S.R., Kaldera K., Dissanayake M.B. A Systematic Approach for MRI Brain Tumor Localization and Segmentation Using Deep Learning and Active Contouring. Journal of Healthcare Engineering, 2021. DOI 10.1155/2021/6695108
19. Çataloluk H., Çelebi F. V. A novel hybrid model for two-phase image segmentation: GSA based Chan–Vese algorithm. Engineering Applications of Artificial In-telligence. 2018. №73.Pp. 22–30. DOI10.1016/j.engappai.2018.04.027
20. Бобырь М.В., Храпова Н.И., Супрунова О.Г., Дородных А.А. Рекурсивный алгоритм закрашивания областей распознанных объектов // Известия Юго-Западного государственного университета. 2023. Т. 27, № 1. С. 126-139.
21. Бобырь М.В., Емельянов С.Г., Милостная Н.А. Оптимизация числа проходов в задаче логической фильтрации изображений // Искусственный интеллект и принятие решений. 2023. № 2. С. 98-107. DOI 10.14357/20718594230208.
22. Бобырь М.В., Кулабухов С.А. Моделирование процесса управления температурным режимом в зоне резания на основе нечеткой логики // Проблемы машиностроения и надежности машин. 2017. № 3. С. 76–82.DOI 10.3103/S1052618817030049.
23. Бобырь М.В., Храпова Н.И. Двухуровневая информационно-аналитическая система управления интеллектуальным светофором// Электронные библиотеки. 2024. №5. 20 с.
24. Бобырь М.В., Архипов А.Е., Горбачев С.В. Нечетко-логические методы в задаче детектирования границ объектов// Информатика и автоматизация. 2022. Т. 21, № 2.С. 376–404.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Представляя статьи для публикации в журнале «Электронные библиотеки», авторы автоматически дают согласие предоставить ограниченную лицензию на использование материалов Казанскому (Приволжскому) федеральному университету (КФУ) (разумеется, лишь в том случае, если статья будет принята к публикации). Это означает, что КФУ имеет право опубликовать статью в ближайшем выпуске журнала (на веб-сайте или в печатной форме), а также переиздавать эту статью на архивных компакт-дисках журнала или включить в ту или иную информационную систему или базу данных, производимую КФУ.
Все авторские материалы размещены в журнале «Электронные библиотеки» с ведома авторов. В случае, если у кого-либо из авторов есть возражения против публикации его материалов на данном сайте, материал может быть снят при условии уведомления редакции журнала в письменной форме.
Документы, изданные в журнале «Электронные библиотеки», защищены законодательством об авторских правах, и все авторские права сохраняются за авторами. Авторы самостоятельно следят за соблюдением своих прав на воспроизводство или перевод их работ, опубликованных в журнале. Если материал, опубликованный в журнале «Электронные библиотеки», с разрешения автора переиздается другим издателем или переводится на другой язык, то ссылка на оригинальную публикацию обязательна.
Передавая статьи для опубликования в журнале «Электронные библиотеки», авторы должны принимать в расчет, что публикации в интернете, с одной стороны, предоставляют уникальные возможности доступа к их материалам, но, с другой, являются новой формой обмена информацией в глобальном информационном обществе, где авторы и издатели пока не всегда обеспечены защитой от неправомочного копирования или иного использования материалов, защищенных авторским правом.
При использовании материалов из журнала обязательна ссылка на URL: http://rdl-journal.ru. Любые изменения, дополнения или редактирования авторского текста недопустимы. Копирование отдельных фрагментов статей из журнала разрешается для научных исследований, персонального использования, коммерческого использования до тех пор, пока есть ссылка на оригинальную статью.
Запросы на право переиздания или использования любых материалов, опубликованных в журнале «Электронные библиотеки», следует направлять главному редактору Елизарову А.М. по адресу: amelizarov@gmail.com
Издатели журнала «Электронные библиотеки» не несут ответственности за точки зрения, излагаемые в публикуемых авторских статьях.
Предлагаем авторам статей загрузить с этой страницы, подписать и выслать в адрес издателя журнала по электронной почте скан Авторского договора о передаче неисключительных прав на использование произведения.