Стохастичні методи та моделі в обробці зображень та відео

Simple item page
dc.contributor.authorМамонова, Ганна Валеріївна
dc.contributor.authorMamonova, Hanna
dc.contributor.authorГензерська, С. Я.
dc.contributor.authorHenzerska, S.
dc.contributor.authorГриб, С. О.
dc.contributor.authorHryb, S.
dc.date.accessioned2025-11-12T12:19:22Z
dc.date.available2025-11-12T12:19:22Z
dc.date.issued2024
dc.description.abstractСучасні 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.
dc.identifier.citationМамонова 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.
dc.identifier.doi10.33111/mise.104.11
dc.identifier.issn2616-6437
dc.identifier.urihttps://ir.kneu.edu.ua/handle/2010/52946
dc.language.isouk
dc.publisherКиївський національний економічний університет імені Вадима Гетьмана
dc.subjectобробка зображень
dc.subjectобробка відео
dc.subjectстохастичні процеси
dc.subjectвипадкові поля Маркова
dc.subjectоптичний потік
dc.subjectфільтр Калмана
dc.subjectбаєсівські методи
dc.subjectшумозаглушення
dc.subjectсегментація
dc.subjectаналіз руху
dc.subjectстиснення даних
dc.subjectштучний інтелект
dc.subjectмашинне навчання
dc.subjectкомп'ютерний зір
dc.subjectвідеоспостереження
dc.subjectавтономні системи
dc.subjectмедична візуалізація
dc.subjectпрограмне забезпечення для відеомонтажу
dc.subjectобробка в режимі реального часу
dc.subjectimage processing
dc.subjectvideo processing
dc.subjectstochastic processes
dc.subjectMarkov Random Fields
dc.subjectoptical flow
dc.subjectKalman filter
dc.subjectBayesian methods
dc.subjectnoise reduction
dc.subjectsegmentation
dc.subjectmotion analysis
dc.subjectdata compression
dc.subjectartificial intelligence
dc.subjectmachine learning
dc.subjectcomputer vision
dc.subjectvideo surveillance
dc.subjectautonomous systems
dc.subjectmedical imaging
dc.subjectvideo editing software
dc.subjectreal-time processing
dc.subject.udc519.2, 771
dc.titleСтохастичні методи та моделі в обробці зображень та відео
dc.title.alternativeStochastic methods and models in image and video processing
dc.typeArticle
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
mod_104_11.pdf
Size:
609.97 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Кафедра системного аналізу та кібербезпеки