Local difference threshold learning in filtering normal white noise

• Autorzy: Timchenko Leonid , Kokriatskaia Natalia , Tverdomed Volodymyr , Kalashnik Natalia , Shvarts Iryna , Plisenko Vladyslav , Zhuk Dmytro , Kumargazhanova Saule

Identyfikatory

DOI

10.35784/iapgos.3664

Warianty tytułu

PL

Proces uczenia względem lokalnego progu różnicy w filtrowaniu normalnego szumu białego

• Języki publikacji: EN

Abstrakty

EN

The article was aimed at studying the process of learning by the local difference threshold when filtering normal white noise. The existing learning algorithms for image processing were analyzed and their advantages and disadvantages were identified. The influence of normal white noiseon the recognition process is considered. A method for organizing the learning process of the correlator with image preprocessing by theGQP methodhas been developed. The dependence of the average value of readings of the rank CCF (RCCF) of GQPs of the reference andcurrent images, representing realizations of normal white noise, on the probability of formation of readings of zero GQP is determined. Two versions of the learning algorithm according to the described learning method are proposed. A technique for determining the algorithm efficiency estimate is proposed.

PL

Celem pracybyło zbadanie procesu uczenia za pomocą lokalnego progu różnicy podczas filtrowania normalnego białego szumu. Przeanalizowano istniejące algorytmy uczenia do przetwarzania obrazu oraz zidentyfikowano ich zalety i wady. Uwzględniono wpływ normalnego białego szumu na proces rozpoznawania. Opracowano metodę organizacji procesu uczenia korelatora z przetwarzaniem wstępnym obrazu przyużyciu metody GQP. Określono zależność średniej wartości próbek rangi CCF (RCCF) GQP obrazów referencyjnego i bieżącego, reprezentujących realizacje normalnego białego szumu, od prawdopodobieństwa utworzenia zerowych próbek GQP. Zaproponowano dwie wersje algorytmu uczenia opartegona opisanej metodologii uczenia. Zaproponowano metodę określania szacunkowej skuteczności algorytmu.

Słowa kluczowe

EN

training; local difference threshold; filtering normal white noise

PL

uczenie; lokalny próg różnicy; filtrowanie normalnego białego szumu

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2023
• Tom: T. 13, nr 2
• Strony: 69--73
• Opis fizyczny: Bibliogr. 16 poz., tab., wykr.

Twórcy

autor

Timchenko Leonid

• State University of Infrastructure and Technology, Kyiv, Ukraine

• https://orcid.org/0000-0001-5056-5913

autor

Kokriatskaia Natalia

• State University of Infrastructure and Technology, Kyiv, Ukraine

• https://orcid.org/0000-0003-0090-3886

autor

Tverdomed Volodymyr

• State University of Infrastructure and Technology, Kyiv, Ukraine

• https://orcid.org/0000-0002-0695-1304

autor

Kalashnik Natalia

• National Pirogov Memorial Medical University, Vinnytsia, Ukraine

• https://orcid.org/0000-0001-5312-3280

autor

Shvarts Iryna

• Vinnytsia National Technical University, Vinnytsia, Ukraine

• https://orcid.org/0000-0003-4344-5213

autor

Plisenko Vladyslav

• State University of Infrastructure and Technology, Kyiv, Ukraine

• https://orcid.org/0000-0002-5970-2408

autor

Zhuk Dmytro

• State University of Infrastructure and Technology, Kyiv, Ukraine

• https://orcid.org/0000-0001-8951-5542

autor

Kumargazhanova Saule

• D.SerikbayevEastKazakhstanStateTechnical University Ust-Kamenogorsk, Kazakhstan

• https://orcid.org/0000-0002-6744-4023

Bibliografia

• [1] Bochkarev A. M.: Correlation-Navigation Navigation Systems. Foreign radio electronics 9, 1981, 12–16.
• [2] Dougherty E. R.: Digital Image Processing Methods. CRC Press, Boca Raton 2020) [http://doi.org/10.1201/9781003067054].
• [3] Gan Woon Siong: Signal Processing and Image Processing for Acoustical Imaging. Springer Singapore, 2020 [http://doi.org/10.1007/978-981-10-5550-8].
• [4] Kondratiuk S., Kruchynin K., Krak I., Kruchinin S.: Information technology for security system based on cross platform software, NATO Science for Peace and Security Series A: Chemistry and Biology, 2018, 331–339.
• [5] Kondratiuk S., Krak I.: Dactyl Alphabet Modeling and Recognition Using Cross Platform Software. Proceedings of the 2018 IEEE 2nd International Conference on Data Stream Mining and Processing, 8478417, 2018, 420–423.
• [6] Kozlovska T., Pavlov S.: Optoelectronic Means of Diagnosing Human Pathologies Associated with Peripheral Blood Circulation. Academic Publishing, Beau Bassin 71504, Mauritius 2019.
• [7] Krak I. V., Kryvonos I. G., Kulias A. I.: Applied aspects of the synthesis and analysis of voice information. Cybernetics and Systems Analysis 49(4), 2013, 89–596.
• [8] Kutaev Y. F.: Systemic correlation-extreme measurement of coordinates with generalized Q-preparation of images: Ph.D. thessis. Vinnitsa, 1989.
• [9] Pogrebnoy V. A.: Airborne signal processing systems. Scientific thought, Kiev 1984.
• [10] Pratt W.: Digital image processing. In 2 books. John Wiley & Sons, Inc., 1982.
• [11] Sacerdoti F. M.: Digital Image Processing. In: Sacerdoti, F., Giordano, A., Cavaliere, C. (eds): Advanced Imaging Techniques in Clinical Pathology. Current Clinical Pathology. Humana Press, New York 2016 [http://doi.org/10.1007/978-1-4939-3469-0_2].
• [12] Timchenko L. I., Kokriatskaia N. I., Nakonechna S., Poplavskaia A. A., Stepaniuk D. S., Gromaszek K. and Rakhmetullina S.: Analysis of computational processes of pyramidal and parallel-hierarchical processing of information, Proc. SPIE 10808, 2018, 1080822.
• [13] Timchenko L. I., Kutaev Y. F., Chepornyuk S. V., Grudin M. A., Harvey D. M., Gertsiy A. A.: A Brain Like Approach to Multistage Hierarchial Image, Lecture Notes in Computer Sciense. Image Analysis and Processing 1311, 1997, 246–253.
• [14] Trishch R., Nechuiviter O., Vasilevskyi O., Dyadyura K., Tsykhanovska I., Yakovlev M.: Qualimetric method of assessing risks of low quality products, MM Science Journal 4, 2021, 4769–4774.
• [15] Tulbure A., Tulbure A.: The use of image recognition systems in manufacturing processes. IEEE International Conference on Automation, Quality and Testing, Robotics 2018.
• [16] Wójcik W., Pavlov S., Kalimoldayev M.: Information Technology in Medical Diagnostics II. Taylor & Francis Group, CRC Press, Balkema book, London 2019

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).