АНАЛІЗ МЕТОДІВ РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ ТА ЇХ КЛАСИФІКАЦІЯ
DOI:
https://doi.org/10.46972/2076-1546.2024.27.08Ключові слова:
радіоелектронна розвідка, радіочастотний спектр, сигнал, розпізнавання сигналів, методи розпізнавання зображеньАнотація
В умовах російсько-української війни виникають нові складнощі для ведення радіоелектронної розвідки. Радіочастотний спектр насичений різноманітними типами сигналів, а сучасні засоби зв’язку мають високий рівень захищеності. Більшість зразків озброєння автоматично розпізнають сигнали за рахунок вимірювання їх параметрів, однак через низьке відношення сигнал-шум цей процес може бути ускладненим. Крім того, майже усі сучасні засоби радіоелектронної розвідки відображають спектрограми, на яких можна чітко визначити сигнал. З урахуванням широкого застосування технологій розпізнавання зображень у різних галузях важливо вивчити наявний досвід, розглянути методи та способи цього процесу й дослідити можливість їх використання для розв’язання проблеми розпізнавання сигналів.
Сучасні алгоритми штучного інтелекту забезпечують аналіз великих обсягів даних із використанням методів машинного навчання. Особливу увагу приділено можливостям глибоких нейронних мереж, які демонструють високі результати у вирішенні складних завдань. Це відкриває нові перспективи для їх застосування у військовій сфері. Підходи, що ґрунтуються на аналізі даних із використанням спектрограм, дозволяють досягати високої точності розпізнавання навіть у складних умовах. Розробка інноваційних методів обробки сигналів є важливою складовою зміцнення обороноздатності держави.
У статті досліджено можливості штучного інтелекту з особливим акцентом на ролі комп’ютерного зору в цій сфері. Проведено класифікацію методів розпізнавання зображень за схемою, розробленою на основі відомих підходів. Крім того, проаналізовано основні етапи комп’ютерного зору, їх функціональні складові та зміст. Окрему увагу приділено методам розпізнавання образів, зокрема їх трьом основним типам, проаналізовано їх переваги та недоліки. У публікації наведено практичні приклади реалізації зазначених методів. Завершальним етапом дослідження став вибір методу для подальших експериментальних і теоретичних досліджень.
Посилання
Woods, R. E., & Gonzalez, R. C. (2017). Digital Image Processing. Pearson.
Forsyth, D. A., & Ponce, J. (2015). Computer Vision: A Modern Approach. Pearson Education, Limited.
Mozghovenko, A. A., & Zinov’ieva, O. H. (2023). Analiz metodiv komp’iuternoho zoru v zadachakh identyfikatsii osib u videopototsi [Analysis of Computer Vision Methods in the Tasks of Face Identification in Video Streams]. Tavriiskyi naukovyi visnyk [Tavriysky Scientific Bulletin], 3, 56–62 [in Ukrainian].
Yarovyi, A., & Vlasiuk, R. (2009). Analiz metodyky neiromerezhevoho rozpiznavannia kolorovykh zobrazhen u konteksti yii universalnosti [Analysis of Neural Network Recognition Methodology for Color Images in the Context of its Universality]. Vinnytsia [in Ukrainian].
Mohylevych, D., & Khmil, R. (2023). Analiz metodiv rozpiznavannia obraziv na osnovi neironnykh merezh [Analysis of Methods of Image Recognition Based on Neural Networks]. Vcheni zapysky TNU im. V. I. Vernadskoho [Scientific Notes of TNU Named After V. I. Vernadsky], Vol. 34 (73), Tekhn. Nauky [Technical Sciences], 46–52. https://doi.org/10.32782/2663-5941/2023.5/09 [in Ukrainian].
Samusko, B. M., & Maidaniuk, V. P. (2021). Klasyfikatsiia metodiv dlia rozpiznavannia zobrazhen [Classification of Methods for Image Recognition]. Vinnytsia [in Ukrainian].
Harp, G. R., et al. (2019). Machine Vision and Deep Learning for Classification of Radio SETI Signals.
Savchenko, A. S., & Synelnikov, O. O. (2017). Metody ta systemy shtuchnoho intelektu [Methods and Systems of Artificial Intelligence]. Kyiv [in Ukrainian].
Davies, E. R. (2017). Computer Vision: Theory, Algorithms, Practicalities. Elsevier Science & Technology Books.
Tou J., & Gonzalez R. (1974). Pattern Recognition Principles. Addison-Wesley Publishing Company.
Vov, S., Hnatushenko, V., & Bondarenko, M. (2016). Metody obrobky zobrazhen ta komp’iuternyi zir [Image Processing Methods and Computer Vision]. Dnipropetrovsk [in Ukrainian].
Template matching. (n.d.). Wikipedia, the free encyclopedia. Retrieved from https://en.wikipedia.org/wiki/Template_matching
Vykorystannia komp’iuternoho zoru dlia rozpiznavannia obraziv [Using Computer Vision for Pattern Recognition]. (2021). In Materialy 2-i Mizhnar. stud. nauk. konf. [Proceedings of the 2nd International Student Scientific Conference], Vol. 1. (pp. 108–110) [in Ukrainian].
Kvietnyi, R., et al. (2013). Komp’iuterne modeliuvannia system ta protsesiv. Metody obchyslen [Computer Modeling of Systems and Processes. Methods of Calculations]. Part 2. Vinnytsia [in Ukrainian].
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
