LOCAL DIFFERENCE THRESHOLD LEARNING IN FILTERING NORMAL WHITE NOISE

Celem pracy było 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 przy użyciu 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 opartego na opisanej metodologii uczenia. Zaproponowano metodę określania szacunkowej skuteczności algorytmu.

Słowa kluczowe:

uczenie, lokalny próg różnicy, filtrowanie normalnego białego szumu

Bibliografia

Bochkarev A. M.: Correlation-Navigation Navigation Systems. Foreign radio electronics 9, 1981, 12–16.

Dougherty E. R.: Digital Image Processing Methods. CRC Press, Boca Raton 2020) [http://doi.org/10.1201/9781003067054]. DOI: https://doi.org/10.1201/9781003067054

Gan Woon Siong: Signal Processing and Image Processing for Acoustical Imaging. Springer Singapore, 2020 [http://doi.org/10.1007/978-981-10-5550-8]. DOI: https://doi.org/10.1007/978-981-10-5550-8

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. DOI: https://doi.org/10.1007/978-94-024-1304-5_25

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. DOI: https://doi.org/10.1109/DSMP.2018.8478417

Kozlovska T., Pavlov S.: Optoelectronic Means of Diagnosing Human Pathologies Associated with Peripheral Blood Circulation. Academic Publishing, Beau Bassin 71504, Mauritius 2019.

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. DOI: https://doi.org/10.1007/s10559-013-9545-9

Kutaev Y. F.: Systemic correlation-extreme measurement of coordinates with generalized Q-preparation of images: Ph.D. thessis. Vinnitsa, 1989.

Pogrebnoy V. A.: Airborne signal processing systems. Scientific thought, Kiev 1984.

Pratt W.: Digital image processing. In 2 books. John Wiley & Sons, Inc., 1982.

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]. DOI: https://doi.org/10.1007/978-1-4939-3469-0

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.

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. DOI: https://doi.org/10.1007/3-540-63508-4_129

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. DOI: https://doi.org/10.17973/MMSJ.2021_10_2021030

Tulbure A., Tulbure A.: The use of image recognition systems in manufacturing processes. IEEE International Conference on Automation, Quality and Testing, Robotics 2018.

Wójcik W., Pavlov S., Kalimoldayev M.: Information Technology in Medical Diagnostics II. Taylor & Francis Group, CRC Press, Balkema book, London 2019. DOI: https://doi.org/10.1201/9780429057618

Timchenko, L., Kokriatskaia, N., Tverdomed, V., Kalashnik, N., Shvarts, I., Plisenko, V., Zhuk, D., & Kumargazhanova, S. (2023). PROCES UCZENIA WZGLĘDEM LOKALNEGO PROGU RÓŻNICY W FILTROWANIU NORMALNEGO SZUMU BIAŁEGO. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 13(2), 69-73. https://doi.org/10.35784/iapgos.3664

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 13 Nr 2 (2023)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja