Preview

Вестник Дагестанского государственного технического университета. Технические науки

Расширенный поиск

Компаративный анализ основных методов фильтрации кадров для повышения спектрального разрешения видеопотока

https://doi.org/10.21822/2073-6185-2024-51-3-145-153

Аннотация

Цель. В настоящее время актуальной является задача повышения спектральной разрешимости видеопотока с использованием современных методов фильтрации кадров. В работе рассмотрены и проанализированы различные методы фильтрации кадров, проведен их детальный сравнительный анализ. Полученные данные способствуют дальнейшей разработке различных материалов по повышению спектрального разрешения видеопотока. Метод. В научной литературе разработано большое количество различных подходов для повышения спектральной разрешимости видеопотока с использованием современных методов фильтрации кадров. В данной работе проанализированы самые основные: линейная пространственная фильтрация; нелинейная пространственная фильтрация; пространственно-частотная фильтрация; фильтрация с использованием Фурье-анализа; фильтрация на основе вейвлет-анализа. Результат. В ходе рассмотрения и сравнительного анализа методов фильтрации кадров были решены следующие задачи: проведена предварительная систематизация характеристик рассматриваемых методов с целью разработки новых алгоритмов и их реализации для улучшения качества изображения, увеличения детализации и четкости видеопотока; проанализированы различные методы фильтрации кадров, способствующие повышению спектральной разрешимости видеопотока, рассмотрено их влияние на качество видеоконтента; установлено, что для повышения спектральной разрешимости видеопотока необходимо использование комбинированного фильтра. Вышеперечисленные факты позволят в дальнейшем разработать методические рекомендации по повышению спектральной разрешимости видеопотока. Вывод. Рассмотренные подходы повышения спектральной разрешимости видеопотока с использованием современных методов фильтрации кадров являются предпочтительными при повышении спектральной разрешимости изображений, так как используют все положительные стороны линейной, нелинейной и пространственно-частотной фильтрации.

Об авторах

А. Ф. Сальников
Пермский национальный исследовательский политехнический университет
Россия

Сальников Алексей Федорович, доктор технических наук, профессор кафедры ракетно-космической техники и энергетических систем

114990, г. Пермь, Комсомольский проспект, д. 29



К. В. Иванова
Пермский национальный исследовательский политехнический университет
Россия

Иванова Ксения Вячеславовна, аспирант 

114990, г. Пермь, Комсомольский проспект, д. 29



Н. И. Меркулова
Воронежский институт МВД России
Россия

Меркулова Наталья Ивановна, кандидат технических наук, доцент кафедры радиотехнических систем и комплексов охранного мониторинга

394065, г. Воронеж, пр. Патриотов, 53



Список литературы

1. Ярышев, С. Н. Видеоанализ в цифровых видеоинформационных системах безопасности : Учебное пособие / С. Н. Ярышев, В. А. Рыжова, В. В. Коротаев. – Санкт-Петербург : Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, 2021. – 110 с.

2. Прэтт, У. Цифровая обработка изображений / У. Прэтт. - Москва : Мир, 1982.– 790 с.

3. Обработка изображений [Электронный ресурс]: учеб. пособие. В 2 ч. Ч. 2. Цифровая обработка изображений / [cост.: Б.Н. Грудин, В.С. Плотников, С.В. Полищук]; Дальневосточный федеральный университет. – Электрон. дан. – Владивосток: Издательский дом Дальневост. федерал. ун-та, 2013.

4. Akhlyustin, S. B. Prediction of the Integrated Indicator of Quality of a New Object Under the Conditions of Multicollinearity of Reference Data / S. B. Akhlyustin, A. V. Melnikov, R. A. Zhilin // Bulletin of theSouth Ural State University. Series: Mathematical Modelling, Programming and Computer Software. – 2020. – Vol. 13, No. 4. – P. 66-80. – DOI 10.14529/mmp200406.

5. Перспективы разработки и внедрения технологий искусственного интеллекта в войсках национальной гвардии Российской Федерации. Успаленко В.Б., Мироманов Д.В.,Греков А.В.,Жуков Д.С., Суворов А.О., Бибик А.В., Тарутин А.В., Горячев С.Н., Минченко Д.А., Костарев С.Н., Мормуль Р.В.: Пермь: ПВИ ВНГ РФ, 2021. – 333 с.

6. Жилин, Р. А. Обоснование критерия корректности исходных данных при моделировании оценки эффективности слабоструктурированных альтернатив систем безопасности объектов органов внутренних дел / Р. А. Жилин, А. В. Мельников, Ю. Н. Гарусов // Вестник Воронежского института МВД России. – 2022. – № 2. – С. 28-36.

7. Моделирование оценки эффективности функционирования систем безопасности объектов органов внутренних дел / Р. А. Жилин, А. В. Мельников, С. Б. Ахлюстин, В. В. Горлов. – Воронеж : Воронежский институт Министерства внутренних дел Российской Федерации, 2023. – 104 с.

8. Мормуль, Р. В. Вейвлет-анализ - современный подход цифровой обработки сигналов и изображений применительно к новейшим образцам военной техники / Р. В. Мормуль, С. Н. Горячев, В. В. Михалев // Генерал от инфантерии Е.Ф. Комаровский - первый командир отдельного корпуса внутренней стражи России : Межвузовская научно-практическая конференция, Пермь, 23 октября 2019 года / под общ. ред. В.Ф. Купавского. – Пермь: Пермский военный институт войск национальной гвардии Российской Федерации, 2019. – С. 200-208.

9. Воскобойников, Ю. Е. Фильтрации сигналов и изображений: фурье и вейвлет алгоритмы (с примерами в Mathcad): монография / Ю. Е. Воскобойников, А. В. Гочаков, А. Б. Колкер ; Новосиб. гос. архитектур.-строит. ун-т (Сибстрин). – Новосибирск : НГАСУ (Сибстрин), 2010. – 188 с.

10. Жилин, Р. А. Анализ различных подходов к количественной и качественной оценке эффективности функционирования систем безопасности объектов органов внутренних дел / Р. А. Жилин, Ю. А. Дудкин // Охрана, безопасность, связь. – 2023. – № 8-3. – С. 96-100.

11. Буй, Т.Т.Ч. Разложение цифровых изображений с помощью двумерного дискретного вейвлетпреобразования Хаара / Буй Т.Т.Ч.,Спицын В.Г. // Известия Томского политехнического университета, 2011. – Т. 318. – № 5. – С. 73–76.

12. Буй, Т.Т.Ч. Алгоритмическое и программное обеспечение для классификации цифровых изображений с помощью вейвлет-преобразования Хаара и нейронных сетей / Буй Т.Т.Ч., Фан Н.Х., В.Г. Спицын // Известия Томского политехнического университета, 2011. – Т. 319. – № 5. – С. 103–106.

13. Обработка изображений [Электронный ресурс]: учеб. пособие. В 2 ч. Ч. 2. Цифровая обработка изображений / [cост.: Б.Н. Грудин, В.С. Плотников, С.В. Полищук]; Дальневосточный федеральный университет. – Электрон. дан. – Владивосток: Издательский дом Дальневост. федерал. ун-та, 2013.– Режим доступа: Computer university network. – Загл. с экрана.

14. Мормуль, Р. В. Повышение спектральной разрешимости видеопотока с использованием оператора Лапласа и вейвлет- преобразований кадров / Р. В. Мормуль, Р. Х. Ханмагомедов // Альманах Пермского военного института войск национальной гвардии. – 2023. – № 2(10). – С. 95-99.

15. Жилин, Р. А. О некоторых аспектах обеспечения безопасности охраняемого объекта / Р. А. Жилин // Охрана, безопасность, связь. – 2022. – № 7-1. – С. 27-32.


Рецензия

Для цитирования:


Сальников А.Ф., Иванова К.В., Меркулова Н.И. Компаративный анализ основных методов фильтрации кадров для повышения спектрального разрешения видеопотока. Вестник Дагестанского государственного технического университета. Технические науки. 2024;51(3):145-153. https://doi.org/10.21822/2073-6185-2024-51-3-145-153

For citation:


Salnikov A.F., Ivanova K.V., Merkulova N.A. Analysis of the main approaches to modeling management processes for special-purpose organizational and technical systems. Herald of Dagestan State Technical University. Technical Sciences. 2024;51(3):145-153. (In Russ.) https://doi.org/10.21822/2073-6185-2024-51-3-145-153

Просмотров: 123


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2073-6185 (Print)
ISSN 2542-095X (Online)