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

Videokuzatuvda texnik sabab fokusli buzilgan yoki surkalgan tasvirlar sifatini tiklash algoritmi

Мамарауфов О.A.

Бегимкулов Ф.Х.

МЕЖДУНАРОДНЫЙ ЖУРНАЛ ТЕОРЕТИЧЕСКИХ И ПРИКЛАДНЫХ ВОПРОСОВ ЦИФРОВЫХ ТЕХНОЛОГИЙ

  • № 1 (1) 2022

Страницы: 

94

 – 

102

Язык: узбекский

Открыть файл статьи
Открыть страницу статьи в Интернет

Аннотация

Обработка видеоданных об угрозах безопасности на основе видео-наблюдения, разработка и совершенствование методов и алгоритмов получения доказательной информации всегда актуальны. В данной статье рассматривается проблема улучшения и восстановления качества изображения кадров в видеоданных по техническим причинам аддитивных и мультипликативных шумов, в том числе «расфокусированных» или «смазанных»дефектов. Исследовано усовершенствование алгоритма случайной обратной свертки для уменьшения «смазанных» дефектов путем выполнения расчетов спектров Фуре с операцией прямой и обратной свертки с использованием настраиваемого обратного фильтра.

Videokuzatuv asosida хavfsizlikka tahdidlarga oid video ma’lumotlarni qayta ishlash, daliliy aхborotlarni olish usul va algoritmlarini ishlab chiqish, takomillashtirish masalalari doimo dolzarb bo‘lib qolmoqda. Ushbu maqolada video ma’lumotda teхnik sabablarga ko‘ra additiv va multiplikativ хarakterdagi nuqsonlar, jumladan, “fokuslangan” yoki “surkalgan” nuqsonlardagi kadrlar tasvirlari sifatini oshirish va tiklash masalasi qaralgan. Bunda sozlanuvchan inversli filtr yordamida to‘g‘ri va teskari konvolyutsiya amali bilan Furye spektrlari hisoblarini yuritish orqali “surkalgan” nuqsonlarni kamaytirishning tasodifiy teskari konvolyutsiya algoritmini takomillashtirish tadqiq qilingan.

Processing of video data on security threats based on video surveillance,development and improvement of methods and algorithms for obtaining evidence-based information are always relevant. This article discusses the problem of improving and restoring the image quality of frames in video data due to technical reasons of additive and multiplicative noise, including «defocused» or «smeared» defects. An improvement of the random inverse convolution algorithm to reduce «smeared» defects by performing calculations of the Fouret spectra with the forward and inverse convolution operation using a tunable inverse filter is investigated.

Список использованных источников

  1. Дамьяновски В. CCTV. Библия видеонаблюдения. Цифровые и сетевые технологии/Пер, с англ.–М.: ООО «Ай-Эс-Эс Пресс», 2006, — 480 с: ил.
  2. Дуда Р., Харт П. Распознавание образов и анализ сцен. –М.: Мир, 1976. 511c.
  3. Интеллектуальная система видеонаблюдения ViewMAX компании HUAWEI на основе технологии WiMAX. //журнал infocom.uz
  4. Ким Д.П. Методы поиска и преследования подвижных объектов. – М.:Наука, 1989. –336 с.
  5. Компания ISS. http://www.iss.ru/
  6. КОРПОРАЦИЯ ПЕНТАКОН.http://www.cctv.ru/
  7. Лукьяница А.А., Шишкин А.Г. Цифровая обработки видеоизображений. – М.:«Ай-Эс-Эс Пресс», 2009. – 518 с.
  8. Мамарауфов О.А. Видеомаълумотда ҳаракатдаги объектлар модели ва уларни аниқлаш алгоритми //ТАТУ хабарлари. Илмий-техника ва ахборот таҳлилий журнал. –Ташкент, 2012. –№2. 68-72 бб.
  9. Мамарауфов О.А. Кесишувчан йўналтирилган икки камерали тизимда ҳаракат траекториясининг координаталарини аниқлаш //Замонавий фан ва техника ривожида ахборот ва телекоммуникацияларининг ўрни: Респ. илмий-техник конф. мат.тўп. –Самарқанд, 2016. 37-42 бб.
  10. Потапов А.А. и др. Новейшие методы обработки изображений. – М.: ФИЗМАТ ЛИТ, 2008. – 496 с.
  11. Рыбаков Д.. Видеоаналитика -мифы и реальные возможности. //"Алгоритм безопасности" №5, 2010.
  12. Содиқов С.С., Маликов М.Н.Тасвирларга сонли ишлов бериш асослари, –Тошкент,1994.
  13. Сизиков В.С. Обратные прикладные задачи и Matlab:Учебное пособие. – СПб.:“Лань”, 2011. –256 С.:ил.
  14. Фозилов Ш.Х., Мамарауфов О.А. Интеллектуальная система видео-наблюдения для контроля и оптимизации потоков движения автомобилей //Узбекский журнал «Проблемы информатики и энергетики». –Ташкент, 2012. –№2-3. –С.2-7.
  15. Форсайт Д.А., Понс Ж. Компьтерное зрение.Современный подход.:Пер. с англ. – М.: Издательский дом «Вильямс», 2004. – 928 с.
  16. Шапиро Л., Стокман Дж. Компьютерное зрение. Пер. с англ. – М.:БИНОМ. Лаборатория знаний, 2006. -752 с., 8 с. ил.:ил.
  17. Яне Б. Цифровая обработка изображений. –М.:Техносфера, 2007. 584 с.
  18. Koo Kim, Muzaffar Djalalov, Nguyen Khac Cuong, Ho-Youl Jung, and Ju H. Park. Construction of virtual lane and distinction of vehicle position for driver assistance system.http://www.iceecon.org/papers/2009/pdf/3.02_I9F
  19. Liu J., Sridharan S., Fookes C.Recent Advances in Camera Planning for Large Area Surveillance: A Comprehensive Review. –ACM Computing Surveys, Vol. 49, No. 1, Article 6, 2016. Pp.6:1-37
  20. Rafael C. Gonsales, Richard E. Woods, Steven L. Eddins. Digital image processing using MATLAB. Published by Pearson Education, Inc, publishing as Prentice Hall. 2004.
  21. Rosenfeld A., Doermann D., DeMenthon D. Video Mining.//Spinger science+Busness media New York, 2003.
  22. Фазылов Ш.Х., Мамарауфов О.А., Дадаханов М.Х., Асраев М.С. Алгоритмы обработки изображений динамических объектов в системах видео-наблюдения // Проблемы вычислительной и прикладной математики. — 2019. — № 1(19). — С. 44–56.
  23. Tsytsulin A.K., Fahmi Sh.S. Crystal-Based Video Systems:New Architectural Solutions in Problems of Video InformationProcessing. Automation and remote control. Vol.74 No.4,2013. pp.684-689.
  24. Video IQ. http://www.videoiq.com/company/Management-Team
  25. www.topazlabs.com/infocus
  26. www.github.com/YVladimir/SmartDeblur

Список всех публикаций, цитирующих данную статью

Copyright © 2025 UzScite | E-LINE PRESS