Информационно-аналитическая система сегментации изображений с помощью нейро-нечеткого подхода
https://doi.org/10.26907/1562-5419-2025-28-3-601-621
Аннотация
Представлена информационно-аналитическая система (ИАС) для высокоскоростной сегментации изображений в градациях серого, основанной на модифицированном методе дефаззификации с использованием треугольных функций принадлежности. Цель исследования заключается в анализе влияния упрощения формулы дефаззификации на точность и контрастность выделения объектов. Предложенный подход включает адаптивное обучение весового коэффициента, позволяющее динамически корректировать процесс дефаззификации в зависимости от целевых значений. Проведено сравнение базового метода усреднения значений принадлежности и модифицированного варианта с учетом нелинейных весов. Эксперименты, проведенные на изображениях формата 1024x720, продемонстрировали, что разработанная ИАС обеспечивает высокую точность сегментации и улучшенную контрастность объектов при минимальных вычислительных затратах. Результаты подтверждают превосходство предложенного метода над традиционными подходами, подчеркивая перспективы применения искусственного интеллекта в задачах компьютерного зрения.
Об авторах
Максим Владимирович Бобырь
Юго-Западный государственный университет
Россия
Россия
Богдан Андреевич Бондаренко
Юго-Западный государственный университет
Россия
Россия
Список литературы
1. Bobyr M.V., Milostnaya N.A., Bulatnikov V.A. The fuzzy filter based on the method of areas’ ratio // Applied Soft Computing, Volume 117, 2022, 108449, ISSN 1568-4946. https://doi.org/10.1016/j.asoc.2022.108449
2. Bobyr' M.V., Arkhipov A.Ye., Milostnaya N.A. Metod rascheta karty glubin na osnove myagkikh operatorov // Sistemy i sredstva informatiki. 2019. T. 29. № 2. S. 71–84. https://doi.org/10.14357/08696527190207
3. Lee D.H., Chen P.Y., Yang F.J. et al. “High-Efficient Low-Cost VLSI Implementation for Canny Edge Detection” // Journal of Information Science & Engineering, 2020. Vol. 36, No. 3. P. 34–57.
4. Koohi H., Kiani K. User Based Collaborative Filtering Using Fuzzy C-Means // Measurement. 2016. V. 91. P. 134–139. https://doi.org/10.1016/j.measurement. 2016.05.058
5. Yang Q., Sun L. A Fuzzy Complementary Kalman Filter Based on Visual and IMU Data for UAV Landing // Intern. Journal for Light and Electron Optics. 2018. V. 173. P. 279–291. https://doi.org/10.1016/j.ijleo.2018.08.011.
6. S. Eti, S. Yüksel, H. Dinçer. A machine learning and fuzzy logic model for optimizing digital transformation in renewable energy: Insights into industrial information integration // Journal of Industrial Information Integration. 2024. Vol. 42. P. 100734. https://doi.org/10.1016/j.jii.2024.100734. EDN MFEAPI.
7. Romanov A.A., Filippov A.A., Yarushkina N.G. Adaptive Fuzzy Predictive Approach in Control // Mathematics. 2023. Vol. 11, No. 4. P. 875. https://doi.org/10.3390/math11040875. EDN LRGVQT.
8. Bobyr M., Bondarenko B., Malyshev A. High-speed Fuzzy Inference Machine Learning Device Based on Single-Layer Area Ratio Defuzzifier // Intelligence Enabled Research: Proceedings of the 2024 Sixth Doctoral Symposium on Intelligence Enabled Research (DoSIER 2024), Dhupguri, Jalpaiguri, West Bengal, India, November 28–29, 2024. Jalpaiguri, West Bengal, India, 2025. P. 15–25. EDN FXFCKM.
9. Zimichev E.A., Kazanskiy N.L., Serafimov P.G. Prostranstvennaya klassifikatsiya putem integratsii izobrazheniy s ispol'zovaniyem metoda klasterizatsii k-means ++ // Komp'yuternaya optika. 2014. T. 38, No. 2. S. 281–286. https://doi.org/10.18287/01342452-2014-38-2-281-286
10. Pereyra M., McLaughlin S. Fast Unsupervised Bayesian Image Segmentation with Adaptive Spatial Regularisation // IEEE Transactions on Image Processing, 2017. Vol. 26, No. 6. P. 2577–2587. https://doi.org/10.1109/TIP.2017.2675165
Рецензия
Для цитирования:
Бобырь М.В., Бондаренко Б.А. Информационно-аналитическая система сегментации изображений с помощью нейро-нечеткого подхода. Электронные библиотеки. 2025;28(3):601-621. https://doi.org/10.26907/1562-5419-2025-28-3-601-621
For citation:
Bobyr M.V., Bondarenko B.A. Neuro-Fuzzy Image Segmentation with Learning Function. Russian Digital Libraries Journal. 2025;28(3):601-621. (In Russ.) https://doi.org/10.26907/1562-5419-2025-28-3-601-621
Просмотров:
12
Послать статью по эл. почте 