СРАВНЕНИЕ ЭФФЕКТИВНОСТИ КЛАССИФИКАЦИИ МЕТОДОВ ВЫДЕЛЕНИЯ КОНТУРОВ НА ПРИМЕРЕ ИЗОБРАЖЕНИЙ ДОРОЖНОГО ПОКРЫТИЯ

Jazyk: ruština
Rok vydání: 2023
Předmět:
DOI: 10.5281/zenodo.7777938
Popis: Качество дорожного покрытия является одной из самых популярных проблем во всем мире, поскольку жизнь современного человека практически невозможно представить без транспорта. Для решения данной проблемы существует множество технологий. Однако, они работают на основе различных алгоритмов, к которым относятся методы выделения контуров. Каждый алгоритм обладает своими особенностями. Одной из важных характеристик таких методов является точность распознавания образов (классов) на изображении. Чтобы иметь приблизительное представление, на сколько точен конкретный алгоритм, необходимо провести сравнительный анализ. В качестве методов для исследования выбраны: Оператор Кэнни, Оператор Кирша, Алгоритм Марра-Хилдрета, Оператор Прюитта, Оператор Собеля. Для эксперимента используется всего 140 изображений (все фотографии разные, хранятся в соответствующих папках на жестком диске, размер каждой 200x100/20000 пикселей). Используется 4 категории изображений дорожного покрытия: без повреждений, с трещинами, с ямами, с колеями. На каждый вид выделено по 35 фотографий. Для каждой категории, в свою очередь, происходит разбиение на две группы: шаблонные (10 изображений, с ними проводится сопоставление) и тестовые (25 изображений). Более детально этапы проведения эксперимента описаны в разделе «Методология». В качестве сравнительной характеристики выбран показатель верных ответов для каждого из выбранных алгоритмов выделения контуров. Наилучшее значение имеет Оператор Кирша (46,2%), самое низкое – Оператор Прюитта (38,2%). Однако показатель среднего процента верных ответов для каждого из методов довольно небольшой – меньше 50%. Появляется следующий вопрос: «Можно ли разработать (или уже существует) такой метод, который обрабатывает изображение один раз и при этом имеет средний показатель точности, отличный от 50%». Ответ на него можно будет получен в ходе дальнейших исследований.
{"references":["Труды ИСА РАН: Математические модели социально-экономических процессов. Динамические системы. Управление рисками и безопасностью. Оптимизация, идентификация, теория игр. Обработка и анализ изображений и сигналов. Интеллектуальный анализ данных и распознав / Под ред. С.В. Емельянова. – М.: Красанд, 2013. – 128 c.","Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес. – М.: Техносфера, 2012. – 1101 c.","Ерош, И.Л. Обработка и распознавание изображений в системах превентивной безопасности: Учебное пособие / И.Л. Ерош, М.Б. Сергеев, Н.В. Соловьев. – СПб.: ГОУ ВПО СПбГУАП, 2012. – 154 c.","Кравченко, В.Ф. Цифровая обработка сигналов и изображений в радиофизических приложениях / В.Ф. Кравченко. – М.: Физматлит, 2007. – 544 c.","Красильников, Н.Н. Цифровая обработка 2D- и 3D-изображений: Учебное пособие. / Н.Н. Красильников. – СПб.: BHV, 2011. – 608 c.","Красильников, Н.Н. Цифровая обработка 2D- и 3D-изображений: Учебное пособие / Н.Н. Красильников. – СПб.: BHV, 2011. – 608 c.","Селянкин, В.В. Компьютерное зрение. Анализ и обработка изображений: Учебное пособие / В.В. Селянкин. – СПб.: Лань, 2019. – 152 c.","Визильтер, Ю.В. Обработка и анализ изображений в задачах машинного зрения / Ю.В. Визильтер и др. – М.: ФИЗМАТКН, 2010. – 672 c.","Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. – М.: Техносфера, 2012. – 1104 c.","Костяшкин, Л.Н. Обработка изображений в авиационных системах технического зрения / Л.Н. Костяшкин, М.Б. Никифоров. – М.: Физматлит, 2016. – 240 c.","Кравченко, В.Ф. Цифровая обработка сигналов и изображений в радиофизических приложениях / В.Ф. Кравченко и др. – М.: Физматлит, 2007. – 544 c.","Красильников, Н.Н. Цифровая обработка изображений / Н.Н. Красильников. – М.: Вузовская книга, 2001. – 320 c.","Прохоренок, Н.А. OpenCV и Java. Обработка изображений и компьютерное зрение / Н.А. Прохоренок. – СПб.: BHV, 2018. – 320 c.","Яне, Б. Цифровая обработка изображений / Б. Яне. – М.: Техносфера, 2007. – 584 c.","Kirsch Compass Mask [В интернете] // URL: https://www.tutorialspoint.com/dip/ krisch_compass_mask. htm","Canny Edge Dector [В интернете] // URL: https://justin-liang.com/tutorials/canny/","Laplacian & Marr Hildreth Edge Detection [В интернете] // URL: https://www.southampton.ac.uk/~msn/ book/new_demo/laplacian/","Prewitt Operator [В интернете] // URL: https://www.tutorialspoint.com/dip/prewitt_operator.htm","Sobel Operator [В интернете] // URL: https://www.tutorialspoint.com/dip/sobel_operator.htm","EMGU CV Tutorial [В интернете] // URL: http://bias.csr.unibo.it/vr/Esercitazioni/Tracce/Emgu%20CV% 20Tutorial%20Skander.pdf"]}
Databáze: OpenAIRE
Externí odkaz: