Моделі критеріальної оцінки ефективності систем обробки зображень
DOI:
https://doi.org/10.32703/2617-9059-2023-41-12Ключові слова:
Критерій ефективності, система обробки зображень, нормована середньоквадратична помилка.Анотація
В статті досліджуються критерії, які застосовуються для оцінки ефективності систем обробки зображень. Проаналізовані вимоги, які пред’являються до критеріїв ефективності. Проведено вибір і обґрунтування приватних критеріїв, які застосовуються для систем обробки зображень. Такі параметри як швидкодія, вартість системи, апаратурні витрати характеризують в більшій мірі саму систему і залежать від її конкретного виду. Показано, що критеріями, які характеризують якість методу обробки являються інформаційна здатність, імовірність виконання задачі, точність алгоритму оброблення зображень. Показано, що такий критерій вірності як нормована середньоквадратична помилка найбільше відповідає вимогам до критеріїв ефективності. Досліджені моделі критеріїв ефективності, які основані на нормованій середньоквадратичній помилці стосовно дискретних зображень. Приведені результати моделювання і отримані залежності функцій вартості від швидкості обробки інформації в системі. Наведено методику вибору узагальненого критерію, якій характеризує не лише систему обробки інформації, а й методи, що застосовуються для реалізації цієї системи. Одержано узагальнений критерій вартості, аргументами якого є точність роботи системи, швидкодія, вартісні витати. Запропоновано алгоритм застосування узагальненого критерію для системи обробки зображення.
Посилання
Kuzmin, I.V., Trotsychyn, I.V., Kuzmin, A.I., Kedrus, V.O., & Lubchik. V.R. (2009). Osnovy teorii infocii ta coduvanya. [Fundamentals of Information Theory and encrypting]. In: Kuzmin I.V. (eds.) Teaching book. Khmelnitskiy National University, Khmelnitskiy. [in Ukrainian].
Zwirowicz-Rutkowska, A. (2017). A multi-criteria method for assessment of spatial data infrastructure effectiveness. Earth Science Informatics, volume 10, 369–382. https://doi.org/10.1007/s12145-017-0292-8.
Fernandez, E., Navarro, J., Covantes, E., & Rodriguez, J. (2017). Analysis of the effectiveness of the theseus multi-criteria sorting method: theoretical remarks and experimental evidence. Journal of the Spanish Society of Statistics and Operations, volume 25, 314–339. https://doi.org/10.1007/s11750-016-0433-0.
Jamróz, D. (2020). The examination of the effect of the criterion for neural network’s learning on the effectiveness of the qualitative analysis of multidimensional data. Knowl Inf Syst, 62, 3263–3289. https://doi.org/10.1007/s10115-020-01441-8.
Xu, L., & Yang, J.-B. (2001). Introduction to multi-criteria decision making and the evidential reasoning approach. Manchester School of Management, Manchester, 23.
Kuzmin I.V., Golyachenko A.O., Kilivnik V.S., et al. (2015). Matematychne modelyuvannya protcesiv upravlinnya okhoronoyu zdorov'ya. [Mathematical modeling of health management]. Ternopil: Lileya, 96. [in Ukrainian].
Hochbaum, D.S., Lyu, C., & Bertelli, E. (2013). Evaluating performance of image segmentation criteria and techniques. EURO Journal on Computational Optimization, 1, 155–180. https://doi.org/10.1007/s13675-012-0002-8.
Kuzmin, I.V., & Rudyk, S.L. (2014). Entropy and information of control, chaos and catastrophes. 1st International Scientific-Practical Conference Problems of Infocommunications, Science and Technology (PIC S&T-2014). IEEE, 15-16. https://doi.org/10.1109/INFOCOMMST.2014.6992282.
Kuzmin, I.V., Robotko, S.F., & Rudyk, S.L. (2015). Definition of the period of control for the condition of technical means of infocommunication systems in MRP II manufacturing execution systems. 2nd International Scientific-Practical Conference Problems of Infocommunications Science and Technology (PIC S&T-2015). IEEE, 12–14. https://doi.org/10.1109/INFOCOMMST.2015.7357255.
Russ, J.C. (2016). The Image Processing Handbook. CRC Press, 7th edition.
Gonzalez, R.C., & Woods, R.E.. (2017). Digital Image Processing. Pearson, New York, 4 editions.
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning - with Applications in R. Springer, New York.
Otto, S.A., Kadin, M., Casini, M., Torres, M.A., & Blenckner, T. (2018). A quantitative framework for selecting and validating food web indicators. Ecological Indicators, 84, 619-631, https://doi.org/10.1016/j.ecolind.2017.05.045.
Kuzmin, I.V., Rudyk, S.L, Gertsiy, A.A. & Seleznova, R.V. (2017). Principles of construction of applied cybernetic systems. 4th International Scientific-Practical Conference Problems of Infocommunications Science and Technology (PIC S&T-2017). IEEE, 237–240. https://doi.org/10.1109/INFOCOMMST.2017.8246387.
Menegaz, H. M. T. Ishihara, J. Y., Borges, G. A. & Vargas, A. N. (2015). A Systematization of the Unscented Kalman Filter Theory. IEEE Transactions on Automatic Control, 60(10), 2583-2598. https://doi.org/10.1109/TAC.2015.2404511.
Gertsiy, A.A. (2015). Kriterialna ocinka yakosti funkcionuvannya multiservisnyh merezh [Criterial evaluation of the quality of functioning of multi-service networks]. Collection of scientific works of the State University of Economics and Technology of Transport “Transport Systems and Technologies”, 26-27, 206-215. [in Ukrainian]
Gertsiy, A.A., & Botvin, M.M. (2018). Analiz grafichnyh formativ ta algoritmiv koduvannya cifrovyh zobrazhen. [Analysiys of graphic formats and algorithms of coding of digital images]. Collection of Scientific Papers of the State University of Infrastructure and Technologies “Transport Systems and Technologies”, 32(2), 102-112. [in Ukrainian] https://doi.org/10.32703/2617-9040-2018-32-2-102-112.
Vedantam, R., Lawrence-Zitnick, C., & Parikh, D. (2015). Cider: Consensus-based image description evaluation. Proceedings of the IEEE conference on computer vision and pattern recognition, 4566–4575. https://doi.org/10.1109/CVPR.2015.7299087.
Jamroz, D (2014) Application of multidimensional data visualization in creation of pattern recognition systems. In Man-Machine Interactions 3, 242, 443–450. Springer International Publishing.. https://doi.org/10.1007/978-3-319-02309-0_48.
Wang, Z., Wang ,E., & Zhu, Y. (2020). Image segmentation evaluation: a survey of methods. Artif Intell Rev, volume 53, 5637–5674. https://doi.org/10.1007/s10462-020-09830-9.
Timchenko, L. I., Kokriatskaia, N. I., Pavlov, S. V., Stepaniuk, D. S., Kutaev, Y. F., Kotyra, A., Sagymbai, A, & Abdihanov, A. (2020, October). Q-processors for real-time image processing. In Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2020 (Vol. 11581, pp. 116-123). SPIE. https://doi.org/10.1117/12.2580230.
Orazayeva, A., Wójcik, W., Pavlov, S., Tymchenko, L., Kokriatska, N., Tverdomed, V., Tussupov, J., Abdikerimova, G., V., & Semenova, L. (2022, December). Biomedical image segmentation method based on contour preparation. In Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2022 (Vol. 12476, pp. 21-26). SPIE. https://doi.org/10.1117/12.2657929.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ліцензійні умови: Це стаття з відкритим доступом, поширювана за умовами Ліцензії Creative Commons Attribution License, яка дозволяє необмежено використовувати, розповсюджувати та відтворювати на будь-якому носії за умови представлення автора та джерела оригіналу.
