Receipt date: 
01.03.2019
Year: 
2019
Journal number: 
УДК: 
621.397
DOI: 

10.26731/2658-3704.2019.1(2).107-114

Article File: 
Pages: 
107
114
Abstract: 

Рассматривается моделирование процесса выделения воздушных объектов по графическим изображениям на основе выделения характерных признаков цветовой гистограммы в системе трехцветового отображения RGB – красный, зеленый, синий. Обнаружение признаков возможно непосредственно по каналам высокоскоростной съемки. Из анализа границ диапазонов цветовых гистограмм и их последующей трансформации следует возможность определения первичных и вторичных областей изображений, характерных для искусственных воздушных объектов, - следы двигателей или его пламя. Показано, что из-за зашумленности  фотоснимков необходим переход в цветовое пространство цветоразностных сигналов YCrCb – суммарная (яркостная), красная и синяя цветоразностные компоненты. Это влечет изменение границ диапазонов гистограмм распределений яркости, а также красной и синей цветоразностной компонент в зависимости от степени зашумленности снимка.

List of references: 
  1. Анисимов Б.В., Курганов Д.В., Злобин В.К. Распознавание и цифровая обработка изображений. – М.: Высшая школа, 1983. – 295 c.
  2. Визильтер Ю.В., Желтов С.Ю., Бондаренко А.В., Ососков М.В., Моржин А.В. Обработка и анализ изображений в задачах машинного зрения: Курс лекций и практических занятий. – М.: Физматкнига, 2010. – 672 с.
  3. Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера, 2005.
  4. Форсайт, Д. А. Компьютерное зрение. Современный подход  – М.: Вильямс, 2004. – 928 с.
  5. Хайкин С. Нейронные сети: полный курс, 2-е издание: Пер. с англ. – М.: Издательский дом «Вильямс», 2006.- 1104 с.
  6. Cheng, M.-M. SalientShape: Group Saliency in Image Collections [Text] / M.-M. Cheng, N. J. Mitra, X. Huang, S. M. Hu // The Visual Computer. – 2014. – Vol. 30(4). – pp. 488-495.