Search academic texts

Information × Registration Number 2125U003973, Article popup.category Опубліковано, Стаття Title SEGMENTATION OF LOW-CONTRAST IMAGES IN THE BASIS OF EIGEN SUBSPACES OF TYPE-2 FUZZY MEMBERSHIP FUNCTIONS popup.author Ахметшина Л. Г.Єгоров А. О.Фомін А. А.Akhmetshina L. G.Yegorov А. А.Fomin А. А. popup.publication 10-04-2025 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/324511 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Розглянуто актуальне завдання автоматизації чутливого алгоритму сегментації зображень на основі методу нечіткої кластеризації типу-2. Об’єктом дослідження є слабкоконтрастні напівтонові зображення, які є результатомстандартних методів дослідження в різних галузях діяльності людини.Мета роботи – створення нового набору інформативних ознак на основі вихідних даних, виконання чутливої нечіткої сегментації на основі метода кластеризації з використанням нечіткості 2-го порядку, реалізація автоматичної дефаззифікації у власному підпросторі функцій приналежності.Метод. Запропоновано метод сегментації слабкоконтрастних зображень, який складається з наступних кроків: розширення простору ознак вхідних даних, застосування сингулярного розкладу до розширеного набору даних з наступним автоматичним відбором найбільш значущих компонентів, що є вхідними даними для нечіткої кластеризації з використаннямнечітких множин типу-2. Ця кластеризація відбувається за допомогою методу T2FCM, який дозволяє автоматично підбирати кількість нечітких кластерів на основі початкового задання гарантовано більшої кількості з наступним злиттям близькихкластерів (в роботі близькість визначалась на основі зваженої Евклідової відстані). Після виконання нечіткої кластеризації взапропонованому методі здійснюється об’єднання її результатів (нечіткої функції належності) з вхідними для нечіткої кластеризації даними, які попередньо оброблюються нечітким перетворенням. Результуюча матриця знов підлягає нечіткомуперетворенню, після чого до отриманих результатів застосовується сингулярний розклад з наступним автоматичним відбором найбільш значущих компонентів. На основі зваженої суми цих відібраних компонентів формується напівтонове зображення, до якого застосовується метод адаптивної еквалізації гістограми, в результаті чого і отримується кінцевий результатсегментації. Запропонований метод сегментації має невелику кількість керуючих параметрів: початкову кількість нечіткихкластерів, помилку методу T2FCM та максимальну кількість ітерацій, а також коефіцієнт використаних нечітких перетворень, причому їх налаштування на зображення, що оброблюються, не вимагають значних зусиль.Результати. Розроблений алгоритм реалізовано програмно, проведено експерименти на реальних зображеннях різноїьфізичної природи.Висновки. Проведені експерименти підтвердили працездатність запропонованого алгоритму та дозволяють рекомендувати його для використання на практиці при вирішенні задач візуального аналізу слабкоконтрастних напівтонових зображень. Перспективи подальших досліджень можуть полягати в аналізі інформативних можливостей алгоритму при використанні інших типів перетворень нечітких функцій належності та в модифікації запропонованого алгоритму для сегментаціїьзображень різного типу. popup.nrat_date 2026-02-26 Close