Метод розпізнавання об’єктів на зашумлених зображеннях

Abstract

Метою кваліфікаційної роботи є підвищення точності відновлення та розпізнавання об'єктів на зашумлених зображеннях шляхом дослідження та застосування сучасних методів обробки, включаючи традиційні, інтелектуальні та гібридні підходи. Об'єкт дослідження – процес розпізнавання цифрових зображень, які містять різні типи шумів, що спотворюють візуальну інформацію та ускладнюють автоматичне розпізнавання об'єктів. Предмет дослідження – методи та алгоритми обробки зашумлених зображень, включаючи традиційні фільтри, глибокі моделі та гібридні підходи. У роботі розглядається проблема зниження точності автоматизованих систем розпізнавання через наявність різних типів шумів на зображаннях. Шумові спотворення, такі як гауссівський шум, імпульсний шум, спекл-шум, шум Пуассона, значно ускладнюють виділення корисних ознак та погіршують якість класифікаці. Актуальність проблеми зумовлена широким використанням систем комп'ютерного зору в реальних умовах, де зашумленість даних є типовим явищем. Сфера використання розроблених методів охоплює відеоспостереження, медичну діагностику, дистанційне зондування Землі, системи безпеки, транспортні системи, промисловий моніторинг та інші галузі, де критичною є якість вхідних зображень. The aim of the qualification thesis is to improve the accuracy of restoration and recognition of objects in noisy images by investigating and applying modem processing methods, including traditional, intelligent, and hybrid approaches. Object of study – recognition process of the digital images that contain various types of noise which distort visual information and complicate automatic object recognition. Subject of study – methods and algorithms for processing noisy images, including traditional filters, deep learning models and hybrid approaches. The work addresses the problem of reduced accuracy in automatic recognition systems caused by the presence of various types of noise in images. Noise distortions, such as Gaussian noise, impulse noise, speckle noise, and Poisson noise, significantly complicate the extraction of meaningful features and deteriorate classification performance. The relevance of this problem is determined by the widespread use of computer vision systems in real-world conditions, where image degradation caused by noise is a common occurrence. The scope of application for the developed methods includes video surveillance, medical diagnostics, remote sensing of the Earth, security systems, transportation systems, industrial monitoring, and any other fields where the quality of input images is the critical factor.