Трудности алгоритмической имитации естественного мышления указывают на несовершенство используемых для этого форматов представления информации. В этом отношении перспективна кодировка информации кубитными состояниями квантовой теории, структура которых согласуется с крупными теориями когнитивной семантики. Представлено развитие этого подхода, связывающее кубитные состояния с цветом как самостоятельным носителем эмоционально-смысловых значений. Основой для этого стало геометрическое подобие цветовых тел и Гильбертова пространства кубитных состояний, позволившее установить между ними взаимооднозначное математическое отображение. Для этого использовано оригинальное разложение кубита по тройке неортогональных векторов, соответствующих красному, синему и зелёному цветам. Действительные коэффициенты такого разложения являются томограммами кубитного состояния по соответствующим направлениям, связанными с компонентами вектора Стокса операцией поворота. При этом композиционные соотношения чёрного, белого и шести основных цветов (красный, зелёный, синий, жёлтый, фиолетовый, голубой) выражаются аналогичными суперпозициями кубитных состояний. Чистые и смешанные цвета соответствуют чистым и смешанным состояниям на поверхности и внутри сферы Блоха, тогда как оттенки серого отображаются на вертикальный диаметр сферы. При этом светлость цвета соответствует вероятности базисного кубитного состояния «1», тогда как насыщенность цвета и цветовой тон кодируют когерентность и фазу кубитного состояния. Полученный результат открывает возможности для использования квантовой информатики в задачах семантического анализа данных, обработки изображений и создания природоподобных вычислительных архитектур.
В сфере современной обработки изображений упор часто делается на инженерные подходы, а не на научные решения разнообразных практических задач. Одна из распространенных задач в этой области включает скелетирование бинарных изображений. Скелетонизация — это мощный процесс извлечения скелета объектов, находящихся в цифровом бинарном изображении. Этот процесс широко используется для автоматизации многих задач в различных областях, таких как распознавание образов, техническое зрение, анимация и анализ изображений. Существующие методы скелетизации в принципе основаны на трех подходах: эрозии границ, дистанционном кодировании и диаграмме Вороного для идентификации приблизительного скелета. В работе представлены результаты эмпирического оценивания набора хорошо известных методов. Затем выполнен расчет скелетов в двумерном бинарном изображении c выбором различных подходов и оценкой их эффективности. Визуальная оценка – это основной метод, используемый для демонстрации производительности выбранных алгоритмов скелетирования. Из-за отсутствия окончательного определения «истинного» скелета цифрового объекта точная оценка эффективности алгоритмов скелетирования представляет собой серьезную исследовательскую задачу. Были попытки проведения количественной оценки, однако применяемые меры обычно адаптировали для конкретных областей. Экспериментальные результаты, показанные в этой работе, иллюстрируют эффективность трех основных подходов к скелетизации изображений в различных перспективных приложениях.
Мозг считается одним из наиболее эффективных органов, контролирующих организм. Развитие технологий сделало возможным раннее и точное обнаружение опухолей головного мозга, что существенно влияет на их лечение. Применение искусственного интеллекта значительно возросло в области неврологии. В этом систематическом обзоре сравниваются последние методы глубокого обучения (DL), машинного обучения (ML) и гибридные методы для обнаружения рака мозга. В статье дается оценка 36 недавних статей, посвященных этим методам, с учетом наборов данных, методологии, используемых инструментов, достоинств и ограничений. Статьи содержат понятные графики и таблицы. Обнаружение опухолей головного мозга в значительной степени опирается на методы машинного обучения, такие как метод опорных векторов (SVM) и метод нечетких C-средних (FCM). Рекуррентные сверточные нейронные сети (RCNN), плотная сверточная нейронная сеть (DenseNet), сверточные нейронные сети (CNN), остаточная нейронная сеть (ResNet) и глубокие нейронные сети (DNN) — это методы DL, используемые для более эффективного обнаружения опухолей головного мозга. Методы DL и ML объединяются для разработки гибридных методов. Кроме того, приводится краткое описание различных этапов обработки изображений. Систематический обзор выявляет нерешенные проблемы и будущие цели для методов на основе DL и ML для обнаружения опухолей головного мозга. С помощью систематического обзора можно определить наиболее эффективный метод обнаружения опухолей головного мозга и использовать его для улучшения.
Сельское хозяйство является одним из основных источников экономического роста в России; мировое производство яблок в 2019 году составило 87 миллионов тонн. Болезни листьев яблони являются основной причиной ежегодного сокращения производства яблок, что приводит к огромным экономическим потерям. Автоматизированные методы выявления болезней листьев яблони позволяют сократить трудоемкую работу по мониторингу яблоневых садов и раннему выявлению симптомов болезни. В этой статье предложена многослойная сверточная нейронная сеть (MCNN), которая способна классифицировать листья яблони по одной из следующих категорий: парша яблони, черная гниль и болезни яблоневой кедровой ржавчины, используя недавно созданный набор данных. В этом методе мы использовали методы аффинного преобразования и перспективного преобразования для увеличения размера набора данных. После этого операции предварительной обработки на основе метода кадрирования и выравнивания гистограммы OpenCV использовались для улучшения предлагаемого набора данных изображения. Экспериментальные результаты показывают, что система достигает точности обучения 98,40% и точности проверки 98,47% для предложенного набора данных изображения с меньшим количеством параметров обучения. Результаты предполагают более высокую точность классификации предложенной модели MCNN по сравнению с другими известными современными подходами. Эта предложенная модель может использоваться для обнаружения и классификации других типов болезней яблони из разных наборов данных изображений.
Рассмотрен подход к динамическому формированию (корректировке) расписаний распределенной фотограмметрической обработки изображений местности в сети наземных центров из состава Единой территориально-распределенной информационной системы приема и обработки данных дистанционного зондирования Земли из космоса. Имея целью наиболее полное удовлетворение требований потребителей к материалам космической съемки необходимых территорий, подход предусматривает формирование самоорганизующегося B2B-предприятия в указанной сети, обеспечивающего привлечение информационных, программных и аппаратных ресурсов наземных центров различной ведомственной и иной принадлежности для фотограмметрической обработки любого из поступивших в Единую территориально-распределенную информационную систему изображений местности. Показано, что поиск в узлах B2B-предприятия и заимствование требуемых ресурсов позволит наземным центрам гибко масштабировать физические и виртуальные средства фотограмметрической обработки данных дистанционного зондирования Земли, оперативно формировать их локальные структурно-функциональные организации в зависимости от текущих свойств потока заявок потребителей на получение данных дистанционного зондирования Земли в Единой территориально-распределенной информационной системе, характеристик потока материалов съемки местности от орбитальных средств мониторинга, а также учесть изобразительные и измерительные свойства изображений местности, подлежащих фотограмметрической обработке. Предложен способ усечения множества потенциальных исполнителей заявки в соответствии с имеющимися семантическими и другими ограничениями на состав искомого множества исполнителей. Также предложены механизмы стимулирования наземных центров к предоставлению простаивающих ресурсов узлам B2B-предприятия. Их основой является возможность получения денежного или иного вознаграждения того или иного наземного центра за участие в распределенном обслуживании заявки. Развитие известной модели самоорганизующегося B2B-предприятия формирует условия для более эффективной организации обслуживания потока заявок в Единой территориально-распределенной информационной системе за счет привлечения незадействованных программных, информационных и аппаратных ресурсов наземных центров различной ведомственной принадлежности.
Статья посвящена методу обработки данных дистанционного зондирования, предназначенному для векторизации прямоугольных объектов по их ориентировочным положениям с автоматическим определением ориентации и соотношения сторон.
В работе приведена формальная постановка задачи векторизации объекта заданной геометрической формы на изображении с использованием априорной информации о его пространственном положении. Метод позволяет создавать векторные представления прямоугольных геопространственных объектов по одной или нескольким устанавливаемым оператором опорным точкам и основан на кластеризации исходного изображения с использованием имеющихся спектральных каналов в качестве пространства признаков. Последующее преобразование Хафа использует локальное направление градиента яркости для оценки пространственной ориентации объекта и снижения вычислительной сложности преобразования, а также низкочастотную фильтрацию в процессе накопления значений для повышения робастности. Показана возможность модификации метода для обеспечения возможности векторизовать объекты любой аналитически задаваемой формы.
При разработке метода учтены требования по минимизации времени векторизации для повышения комфорта работы оператора и обеспечения возможности предсказуемого контроля размера создаваемого векторного представления.
Для экспериментального исследования разработанного метода использована тестовая выборка, содержащая более 700 объектов прямоугольной формы. В качестве критериев точности векторизации использованы средняя квадратическая ошибка позиционирования точек объекта, среднее угловое отклонение объекта в полярных координатах и коэффициент схожести площадных объектов Жаккара. Результаты эксперимента показывают снижение временных затрат на векторизацию на 2540% при использовании программной реализации разработанного метода без существенного снижения точности создаваемой картографической продукции.
1 - 6 из 6 результатов