Стохастичні методи та моделі в обробці зображень та відео
No Thumbnail Available
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
Київський національний економічний університет імені Вадима Гетьмана
Abstract
Сучасні інформаційні технології значно розширили можливості обробки зображень та відео, що знайшло широке застосування в меди цині, транспорті, безпеці та інших галузях. Особливе значення мають математичні моделі, зокрема випадкові процеси, які дозволяють ефективно моделювати природний шум, реконструювати зображення та сегментувати їх. Марковські випадкові поля (MRF), фільтри Калмана та байєсівські методи відіграють ключову роль у фільтрації шуму та аналізі відео. У статті аналізуються існуючі методи обробки зображень та відео на основі випадкових процесів. Розглянуто застосування марковських випадкових полів для моделювання залежностей між пікселями та використання байєсівського підходу в сегментації та шумозаглушенні. Особлива увага приділяється методам стиснення відео, які дозволяють оптимізувати обсяг даних без суттєвої втрати якості, зокрема за допомогою дискретного косинусного перетворення (DCT). Дослідження підтверджує ефективність використання випадкових процесів у задачах фільтрації шуму, реконструкції зображень та аналізу відео, а також висвітлює перспективи інтеграції машинного навчання для підвищення точності обробки даних. Отримані результати можуть бути корисними для розробки більш надійних та продуктивних алгоритмів, які знайдуть застосування в медицині, робототехніці, системах безпеки та мультимедійних технологіях.
Modern information technologies have significantly expanded the capabilities of image and video processing, which has found wide application in medicine, transport, security, and other industries. Of particular importance are mathematical models, in particular random processes, which allow for efficient modeling of natural noise, image reconstruction, and segmentation. Markov random fields (MRF), Kalman filters, and Bayesian methods play a key role in noise filtering and video analysis. The paper analyzes the existing methods of processing images and videos based on random processes. The application of Markov random fields for modeling dependencies between pixels and the use of the Bayesian approach in segmentation and noise reduction are considered. Special attention is paid to video compression methods, which allow you to optimize the amount of data without significant loss of quality, in particular by using the discrete cosine transform (DCT). The study confirms the effectiveness of using random processes in noise filtering, image reconstruction, and video analysis tasks, and highlights the prospects for integrating machine learning to improve data processing accuracy. The results obtained can be helpful in developing more reliable and productive algorithms that will find applications in medicine, robotics, security systems, and multimedia technologies.
Description
Keywords
обробка зображень, обробка відео, стохастичні процеси, випадкові поля Маркова, оптичний потік, фільтр Калмана, баєсівські методи, шумозаглушення, сегментація, аналіз руху, стиснення даних, штучний інтелект, машинне навчання, комп'ютерний зір, відеоспостереження, автономні системи, медична візуалізація, програмне забезпечення для відеомонтажу, обробка в режимі реального часу, image processing, video processing, stochastic processes, Markov Random Fields, optical flow, Kalman filter, Bayesian methods, noise reduction, segmentation, motion analysis, data compression, artificial intelligence, machine learning, computer vision, video surveillance, autonomous systems, medical imaging, video editing software, real-time processing
Citation
Мамонова Г. В. Стохастичні методи та моделі в обробці зображень та відео / Мамонова Г. В., Гензерська С. Я., Гриб С. О. // Моделювання та інформаційні системи в економіці : зб. наук. пр. / М-во освіти і науки України, Київ. нац. екон. ун-т ім. Вадима Гетьмана ; голов. ред. О. Є. Камінський. – Київ : КНЕУ, 2024. – Вип. 104. – С. 125–134.