CYFROWA REKONSTRUKCJA OBRAZÓW Z WYKORZYSTANIEM ALGORYTMU SURF
##plugins.themes.bootstrap3.article.sidebar##
Open full text
Numer Tom 14 Nr 1 (2024)
-
JESZCZE O CAŁKOWANIU LOGARYTMICZNYCH OSOBLIWOŚCI W METODZIE ELEMENTÓW BRZEGOWYCH
Tomasz Rymarczyk, Jan Sikora5-10
-
RÓWNANIA POLA ELEKTROMAGNETYCZNEGO W ŚRODOWISKU NIELINIOWYM
Viktor Lyshuk, Vasyl Tchaban, Anatolii Tkachuk, Valentyn Zablotskyi, Yosyp Selepyna11-16
-
OPTYCZNE ZMNIEJSZANIE WIDOCZNOŚCI POLA PLAMKOWEGO POPRZEZ REDUKCJĘ SPÓJNOŚCI CZASOWEJ
Mikhaylo Vasnetsov, Valeriy Voytsekhovich, Vladislav Ponevchinsky, Nataliia Kachalova, Alina Khodko, Oleksanr Mamuta, Volodymyr Pavlov, Vadym Khomenko, Natalia Manicheva17-20
-
WSKAŹNIKI JAKOŚCI DO WYKRYWANIA SYGNAŁÓW PROMIENIOWANIA BOCZNEGO Z EKRANÓW MONITORÓW PRZEZ WYSPECJALIZOWANE ŚRODKI TECHNICZNE WYWIADU WROGA
Dmytro Yevgrafov, Yurii Yaremchuk21-26
-
WPŁYW UDERZENIA PIORUNA NA HYBRYDOWĄ LINIĘ WYSOKIEGO NAPIĘCIA NAPOWIETRZNA LINIA PRZESYŁOWA – IZOLOWANA LINIA GAZOWA
Samira Boumous, Zouhir Boumous, Yacine Djeghader27-31
-
EFEKTYWNOŚĆ ENERGETYCZNA PANELI FOTOWOLTAICZNYCH W ZALEŻNOŚCI OD ROZDZIELCZOŚCI KROKU ŚLEDZENIA UKŁADU NADĄŻNEGO
Kamil Płachta32-36
-
CYFROWA REKONSTRUKCJA OBRAZÓW Z WYKORZYSTANIEM ALGORYTMU SURF
Shanmukhaprasanthi Tammineni, Swaraiya Madhuri Rayavarapu, Sasibhushana Rao Gottapu, Raj Kumar Goswami37-40
-
PODEJŚCIE TENSOROWE I WEKTOROWE DO ROZPOZNAWANIA OBIEKTÓW ZA POMOCĄ FILTRÓW CECH ODWROTNYCH
Roman Kvуetnyy, Yuriy Bunyak, Olga Sofina, Volodymyr Kotsiubynskyi, Tetiana Piliavoz, Olena Stoliarenko, Saule Kumargazhanova41-45
-
ARCHITEKTONICZNE, STRUKTURALNE I FUNKCJONALNE CECHY RÓWNOLEGŁO-HIERARCHICZNEJ ORGANIZACJI PAMIĘCI
Leonid Timchenko, Natalia Kokriatska, Volodymyr Tverdomed, Iryna Yepifanova, Yurii Didenko, Dmytro Zhuk, Maksym Kozyr, Iryna Shakhina46-52
-
SYMULACJA I MODELOWANIE KOMPUTEROWE DYNAMIKI KONSTRUKCJI MOSTÓW Z WYKORZYSTANIEM ANSYS
Anzhelika Stakhova, Adrián Bekö53-56
-
POPRAWA ZDROWIA UPRAW DZIĘKI CYFROWEMU BLIŹNIAKOWI DO MONITOROWANIA CHORÓB I RÓWNOWAGI SKŁADNIKÓW ODŻYWCZYCH
Sobhana Mummaneni, Tribhuvana Sree Sappa, Venkata Gayathri Devi Katakam57-62
-
PRZEGLĄD PODEJŚĆ DO MODELOWANIA PRZEWIDYWAŃ ZWIĄZANYCH Z WITRYNAMI INTERNETOWYMI
Patryk Mauer63-66
-
TWORZENIE WYSOCE WYSPECJALIZOWANYCH CHATBOTÓW DO ZAAWANSOWANEGO WYSZUKIWANIA
Andrii Yarovyi, Dmytro Kudriavtsev67-70
-
METODA OBLICZANIA WSKAŹNIKA BEZPIECZEŃSTWA INFORMACJI W MEDIACH SPOŁECZNOŚCIOWYCH Z UWZGLĘDNIENIEM DŁUGOŚCI ŚCIEŻKI MIĘDZY KLIENTAMI
Volodymyr Akhramovych, Yuriy Pepa, Anton Zahynei, Vadym Akhramovych, Taras Dzyuba, Ihor Danylov71-77
-
DOPASOWANIE ZGODNOŚCI W MODELACH 3D DLA DOPASOWANIA DŁONI 3D
Maksym Tymkovych, Oleg Avrunin, Karina Selivanova, Alona Kolomiiets, Taras Bednarchyk, Saule Smailova78-82
-
OPTYMALIZACJA DRZEWA DECYZYJNEGO OPARTA NA ALGORYTMIE GENETYCZNYM DO WYKRYWANIA DEMENCJI POPRZEZ ANALIZĘ MRI
Govada Anuradha, Harini Davu, Muthyalanaidu Karri83-89
-
MEDYCZNY ROZMYTY SYSTEM EKSPERCKI DO PRZEWIDYWANIA STOPNIA WSZCZEPIENIA IMPLANTÓW DENTYSTYCZNYCH U PACJENTÓW Z PRZEWLEKŁĄ CHOROBĄ WĄTROBY
Vitaliy Polishchuk, Sergii Pavlov, Sergii Polishchuk, Sergii Shuvalov, Andriy Dalishchuk, Natalia Sachaniuk-Kavets’ka, Kuralay Mukhsina, Abilkaiyr Nazerke90-94
-
POMIAR TEMPERATURY POWIERZCHNI KORZENIA PODCZAS OBTURACJI KANAŁÓW KORZENIOWYCH
Les Hotra, Oksana Boyko, Igor Helzhynskyy, Hryhorii Barylo, Pylyp Skoropad, Alla Ivanyshyn, Olena Basalkevych95-98
-
OCENA WYDAJNOŚCI OBRAZÓW TERMOGRAFICZNYCH DO PRZEWIDYWANIA STOPNIA GUZA PIERSI PRZY UŻYCIU DCNN
Zakaryae Khomsi, Mohamed El Fezazi, Achraf Elouerghi, Larbi Bellarbi99-104
-
KOMPLEKSOWE BADANIE: WYKRYWANIE TĘTNIAKA WEWNĄTRZCZASZKOWEGO ZA POMOCĄ HYBRYDOWEGO GŁĘBOKIEGO UCZENIA SIĘ VGG16-DENSENET NA OBRAZACH DSA
Sobhana Mummaneni, Sasi Tilak Ravi, Jashwanth Bodedla, Sree Ram Vemulapalli, Gnana Sri Kowsik Varma Jagathapurao105-110
-
DEFORMACJE MASY GLEBY POD DZIAŁANIEM CZYNNIKÓW CZŁOWIEKA
Mykola Kuzlo, Viktor Moshynskyi, Nataliia Zhukovska, Viktor Zhukovskyy111-114
-
OBLICZANIE PRZEPŁYWÓW PRACY BEZ PRZEPŁYWÓW PRACY: PODSTAWOWY ALGORYTM DYNAMICZNEGO KONSTRUOWANIA I PRZESZUKIWANIA NIEJAWNEGO SKIEROWANEGO GRAFU ACYKLICZNEGO W ŚRODOWISKU NIEDETERMINISTYCZNYM
Fedir Smilianets, Oleksii Finogenov115-118
-
INTELIGENTNA ANALIZA DANYCH NA PLATFORMIE ANALITYCZNEJ
Dauren Darkenbayev, Arshyn Altybay, Zhaidargul Darkenbayeva, Nurbapa Mekebayev119-122
Archiwum
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 12 Nr 4
2022-12-30 16
-
Tom 12 Nr 3
2022-09-30 15
-
Tom 12 Nr 2
2022-06-30 16
-
Tom 12 Nr 1
2022-03-31 9
-
Tom 10 Nr 4
2020-12-20 16
-
Tom 10 Nr 3
2020-09-30 22
-
Tom 10 Nr 2
2020-06-30 16
-
Tom 10 Nr 1
2020-03-30 19
##plugins.themes.bootstrap3.article.main##
DOI
Authors
prashanthitammineni.rs@andhrauniversity.edu.in
madhurirayavarapu.rs@andhrauniversity.edu.in
Abstrakt
We współczesnych czasach utrwalanie dorobku naukowego i twórczego często opiera się na wykorzystaniu archiwów filmowych i obrazowych, co podkreśla znaczenie przetwarzania obrazu jako przedsięwzięcia krytycznego. Inpainting odnosi się do procesu cyfrowej zmiany obrazu w sposób, który sprawia, że korekty są niezauważalne dla widza nie znającego oryginalnego obrazu. Inpainting to technika stosowana najczęściej w celu przywracania uszkodzonych obszarów obrazu poprzez wykorzystanie informacji uzyskanych na podstawie dopasowania cech odpowiednich obrazów. Proces ten polega na wypełnieniu uszkodzonych obszarów i usunięciu niepożądanych obiektów. Rozważany algorytm SURF (Speeded Up Robust Feature) dzieli się na trzy główne fazy. Po pierwsze, identyfikowane są podstawowe cechy obrazu zaburzonego i obrazu istotnego. W drugim etapie określa się relację pomiędzy obrazem uszkodzonym a obrazem odpowiednim pod względem translacji, skalowania i rotacji. Ostatecznie zniszczony obszar rekonstruuje się poprzez zastosowanie transformacji odwrotnej. Ocenę jakości renowacji obrazów można ocenić za pomocą wskaźników, takich jak wskaźnik podobieństwa strukturalnego (SSIM), szczytowy stosunek sygnału do szumu (PSNR) i błąd średniokwadratowy (MSE). Wyniki eksperymentów dostarczają dowodów na to, że sugerowana technika renowacji jest skuteczna zarówno pod względem szybkości, jak i jakości.
Słowa kluczowe:
Bibliografia
Bay H., Tuytelaars T., Van Gool L.: Surf: Speeded up robust features. 9th European Conference on Computer Vision–ECCV 2006, Austria, 2006. DOI: https://doi.org/10.1007/11744023_32
Bertalmio M. et al.: Image inpainting. Proceedings of the 27th annual conference on Computer graphics and interactive techniques, 2000. DOI: https://doi.org/10.1145/344779.344972
Bertalmio M. et al.: Simultaneous structure and texture image inpainting. IEEE transactions on image processing 12(8), 2003, 882–889. DOI: https://doi.org/10.1109/TIP.2003.815261
Birajdar G. K., Vijay H. M.: Digital image forgery detection using passive techniques: A survey. Digital investigation 10(3), 2013, 226–245. DOI: https://doi.org/10.1016/j.diin.2013.04.007
Cheng W. H. et al.: Robust algorithm for exemplar-based image inpainting. Proceedings of International Conference on Computer Graphics, Imaging and Visualization, 2005.
Criminisi A., Pérez P., Toyama K.: Region filling and object removal by exemplar-based image inpainting. IEEE Transactions on image processing 13(9), 2004, 1200–1212. DOI: https://doi.org/10.1109/TIP.2004.833105
Drori I., Cohen-Or D., Yeshurun H.: Fragment-based image completion. ACM SIGGRAPH 2003 Papers, 2003, 303–312. DOI: https://doi.org/10.1145/1201775.882267
Jia J., Tang C. K.: Image repairing: Robust image synthesis by adaptive and tensor voting. IEEE Computer Society Conference on Computer Vision and Pattern Recognition 1, 2003.
Kakar P.: Passive approaches for digital image forgery detection. Thesis, 2015.
Prasanthi T. S. et al.: Performance analysis of different applications of image inpainting based on exemplar technique. International Journal on Recent and Innovation Trends in Computing and Communication 11(4), 2023, 113–117. DOI: https://doi.org/10.17762/ijritcc.v11i4.6393
Wong A., Orchard J.: A nonlocal-means approach to exemplar-based inpainting. 15th IEEE International Conference on Image Processing, 2008. DOI: https://doi.org/10.1109/ICIP.2008.4712326
Wu J., Ruan Q.: Object removal by cross isophotes exemplar-based inpainting. 18th International Conference on Pattern Recognition (ICPR'06) 3, 2006.
Yogesh Laxman Tonape V.: Faster and Efficient Method for Robust Exemplar Based Inpainting Using Block Processing. International Journal of Computer Science and Information Technologies 6(3), 2015.
##plugins.themes.bootstrap3.article.details##
Abstract views: 259

