Отрывок: 6. Произведём заполнение лакун разными методами. И в заключение вычислим объективные показатели ка- чества восстановленных разными методами изобра- жений в смоделированных лакунах – среднеквадра- тичное отклонение (СКО) и меру структурного подо- бия (МСП). МСП (или в английском варианте SSIM) рассчитывается по формуле [16]: SSIM 2 2 2 2 2 2XY X Y X Y X Y XY X Y , г...
Название : | Реконструкция функций и цифровых изображений по их знаковым представлениям |
Другие названия : | Reconstruction of functions and digital images using sign representations |
Авторы/Редакторы : | Мясников, В.В. |
Ключевые слова : | парные сравнения знаковое представление функция полезности функция предпочтения выявление предпочтений принятие решений машинное обучение цифровое изображение |
Дата публикации : | Дек-2019 |
Издательство : | Самарский национальный исследовательский университет имени акад. С.П. Королева |
Библиографическое описание : | Мясников, В.В. Реконструкция функций и цифровых изображений по их знаковым представлениям / В.В. Мясников // Компьютерная оптика. – 2019. – Т. 43, № 6. – С. 1041-1052. – DOI: 10.18287/2412-6179-2019-43-6-1041-1052. |
Серия/номер : | 43;6 |
Аннотация : | В работе рассматриваются вопросы реконструкции неявно заданных функций или цифровых изображений. Функции задаются с использованием наблюдений, каждое из которых представляет собой результат парного сравнения значений функции для двух случайных аргументов. Представлен анализ современного состояния исследований для частных постановок указанной проблемы: метод парных сравнений, используемый при принятии решений в случае конечного множества альтернатив; реконструкции предпочтений пользователей в многокритериальных задачах анализа; знаковых представлений изображений, используемых в качестве аппарата описания и анализа цифровых изображений. Предлагается унифицированный подход к реконструкции функций и изображений по их знаковым представлениям, основанный на переходе в пространство высокой размерности и построения линейного (для случая реконструкции функции и изображений) или нелинейного (в т.ч. непараметрического) классификатора (для реконструкции предпочтений). Для ряда алгоритмов классификации проведены экспериментальные исследования по оценке эффективности предложенного подхода на примере задачи реконструкции функции полезности в теории принятия решений и реконструкции функции яркости реальных изображений. |
URI (Унифицированный идентификатор ресурса) : | https://dx.doi.org/10.18287/2412-6179-2019-43-6-1041-1052 http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Rekonstrukciya-funkcii-i-cifrovyh-izobrazhenii-po-ih-znakovym-predstavleniyam-81103 |
Другие идентификаторы : | Dspace\SGAU\20191230\81103 |
ГРНТИ: | 28.23.15 |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
430614.pdf | 1.07 MB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.