Отрывок: Всего 160х28=4480 картинок. IX Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2023) Секция 3. Распознавание, обработка и анализ изображений 032692 Рис. 2. Примеры изображений для разных классов из тестового набора данных К изображениям из тестового набора применялась сглаживающая фильтрация с различными параметрами. Для каждого варианта фильтрации производилась оценк...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorМакиенко Д. О.ru
dc.contributor.authorСелезнев И. А.ru
dc.coverage.spatialгистограммыru
dc.coverage.spatialкерныru
dc.coverage.spatialизображения полноразмерных керновru
dc.coverage.spatialтекстура изображенийru
dc.coverage.spatialматрицы совместной встречаемостиru
dc.coverage.spatialполноразмерные керныru
dc.creatorМакиенко Д. О., Селезнев И. А.ru
dc.date.accessioned2023-10-05 09:28:40-
dc.date.available2023-10-05 09:28:40-
dc.date.issued2023ru
dc.identifierRU\НТБ СГАУ\541907ru
dc.identifier.citationМакиенко, Д. О. Построение профилей текстурных признаков по изображениям полноразмерного керна / Д. О. Макиенко, И. А. Селезнев // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Распознавание, обработка и анализ изображений / под ред. В. В. Сергеева. - 2023. - С. 032692.ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Postroenie-profilei-teksturnyh-priznakov-po-izobrazheniyam-polnorazmernogo-kerna-106012-
dc.description.abstractИсследование изображений полноразмерного керна востребовано в современной геофизике. Предметная область определяет специфику процессов обработки изображений керна и форму представления результатов. Обычным способом представления скважинных данных являются упорядоченные по глубине значения измерений. Образцы керна также упорядочены по глубине, а изображения образцов представляют собой набор отдельныхфотографий или томографических сканов, часто с отсутствием данных на некоторых глубинах. Типичное изображение одного фрагмента керна содержит метровый участок породы. При этом на практике часто требуется оценивать характеристики и сантиметровых интервалов. В работе предложен подход к созданию ансамбля текстурных признаков изображений керна, представленных как упорядоченные по глубине профили, что позволяет использовать полученные результаты совместно с другими геолого-геофизическими данными.ru
dc.language.isorusru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2023). - Т. 3 : Распознавание, обработка и анализ изображенийru
dc.titleПостроение профилей текстурных признаков по изображениям полноразмерного кернаru
dc.typeTextru
dc.citation.spage032692ru
dc.citation.volume3ru
dc.textpartВсего 160х28=4480 картинок. IX Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2023) Секция 3. Распознавание, обработка и анализ изображений 032692 Рис. 2. Примеры изображений для разных классов из тестового набора данных К изображениям из тестового набора применялась сглаживающая фильтрация с различными параметрами. Для каждого варианта фильтрации производилась оценк...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
978-5-7883-1919-3_2023-032692.pdf372.59 kBAdobe PDFПросмотреть/Открыть



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.