Перейти к содержимому
UzScite
  • НСИ
    • Новости События
    • Методическая информация
    • Нормативные документы
  • Каталог журналов
  • Указатель авторов
  • Список организаций

Анализ нечеткой обработки изображений

Салиев Э.А.

Проблемы вычислительной и прикладной математики

  • № 3(9) 2017

Страницы: 

110

 – 

116

Язык: русский

Открыть файл статьи
Открыть страницу статьи в Интернет

Аннотация

Концепция нечеткой обработки и идентификации изображений предполагает использование подходов проблемно-ориентированной предварительной обработки, сохраняющей информационные признаки объектов. Она позволяет упростить и ускорить процесс обучения и выделения (идентификации) объекта на изображении для нечеткой обработки за счет использования информации об иерархии признаков, что сокращает затраты времени на обработку. В статье рассматривается нечеткое описание повышения контраста при нечеткой исходной информации.

The concept of fuzzy processing and identification of images involves the use of problem-oriented approaches pretreatment, which preserves information attributes of objects. It allows to simplify and speed up the learning process and separation (identification) of an object in the image for fuzzy processing by using information about attributes of the hierarchy, which reduces the time required for processing. The article deals with the description of the fuzzy contrast enhancement with fuzzy initial information.

Норавшан қайта ишлаш концепцияси ва тасвирларнинг идентификацияси объектларнинг информацион белгиларини сақловчи муаммоли-йўналтирилган дастлабки қайта ишлашни талаб қилади.У белгилар иерархияси ҳақидаги ахборотдан фойдаланиш ҳисобига норавшан қайта ишлаш учун тасвирда объектларни ажратиш (идентификация) ва ўқитиш жараёнини тезлаштириш ва соддалаштириш имконини беради, бу қайта ишлаш учун вақтни қисқартиради. Мақолада норавшан кирувчи ахборотда контрастни оширишнинг норавшан тавсифи кўриб чиқилган.

Список использованных источников

  1.  Zadeh L.A. Fuzzy sets. Inf. Control. – 1965. – Vol. 8. – Рp. 338-353.
  2.  Mendel J.M. and John R.I.B. Type-2 fuzzy sets made simple. IEEE Trans. Fuzzy Syst. - 2002. - Vol. 10. – Рp. 117-127.
  3.  Atanassov K.T. Intuitionistic Fuzzy Sets: Theory and Applications. Studies in Fuzziness and Soft C omputing.Physica-Verlag, Heidelberg, 1999.
  4.  Nikolova M., Nikolov N., Cornelis C., and Deschrijver G. Survey of the research on intuitionistic fuzzy sets. Advanced Studies in Contemporary Mathematics. – 2002. – Vol. 4. – Рp. 127-157.
  5.  Nikolova M., Nikolov N., Cornelis C., and Deschrijver G. Survey of the research onintuitionitsic fuzzy sets. In: Proc. of the 6th Joint Conference on Information Science, (JCIS’02). - 2002. - Рp. 117-120.
  6.  Мухамедиева Д.Т., Салиев Э.А., Атаханов М.Х. Алгоритм линейного повышения контраста изображения при нечеткой исходной информации // Проблемы вычислительной и прикладной математики. – Ташкент, 2015. - № 1(1). - С. 102-105.
  7.  Dubois D., Gottwald S., Hajek P., Kacprzyk J., and Prade H. Terminological difficulties in fuzzy set theory—The case of «Intuitionistic Fuzzy Sets». Fuzzy Sets Syst. 2005. – Vol. 156. - Рp. 485-491.
  8.  Takeuti G. and Titani S. Intuitionistic fuzzy logic and intuitionistic fuzzy set theory. J. Symb. Log. - 1984. - Vol. 49. - Рp. 851-866.
  9.  Gau W.L. and Buehrer D.J. Vague sets. IEEE Trans. Syst. Man Cybern. - 1993. - Vol. 23. - Рp. 610-614.
  10.  Bustince H. and Burillo P. Vague sets are intuitionistic fuzzy sets. Fuzzy Sets Syst. - 1996. - Vol. 79. – Рp. 403405.
  11.  Atanassov K.T. and Gargov G. Interval valued intuitionistic fuzzy sets. Fuzzy Sets Syst. - 1989. – Vol. 31. – Рp. 343-349.
  12. Szmidt E. and Kacprzyk J. A fuzzy set corresponding to an intuitionistic fuzzy set. Int. J. Uncertainty
  13.  Pal S.K. and King R.A. Image enhancement using smoothing with fuzzy sets. IEEE Trans. Syst. Man Cybern. - 1981. - Vol. 11. - Рp. 495-501.
  14.  Luca A.D. and Termini S. A definition of a nonprobabilistic entropy in the setting of fuzzy sets theory. Inf. Control. – 1972. – Vol. 20. – Рp. 301-312.
  15.  Szmidt E. and Kacprzyk J. Entropy for intuitionistic fuzzy sets. Fuzzy Sets Syst. - 2001. - Vol. 118. - Рp. 467-477.
  16.  Jawahar C.V. and Ray A.K. Fuzzy statistics of digital images. IEEE Signal Process.Lett. - 1996. – Vol. 3. – Рp. 225-227.
  17.  Berkeley Segmentation Dataset. (http://www.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/ segbench)

Список всех публикаций, цитирующих данную статью

Copyright © 2025 UzScite | E-LINE PRESS