Statistical Optical Image Analysis for Information System

Ryazantsev, Oleksandr; Khoroshun, Anna; Riazantsev, Andrii; Vitalii, Ivanov; Aleksandr, Baturin

doi:10.1109/ficloudw.2019.00036

Cited by 3 publications

(1 citation statement)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…В сучасному світі для обробки зображень використовуються різні алгоритми та моделі машинного навчання [1][2][3]. Інтерферометрія, підтримана сучасними методами обробки даних та аналізу [4,5], відіграє ключову роль у великому спектрі дисциплін, де вимагається високоточне та динамічне вимірювання фізичних параметрів. Застосування моделей машинного навчання додає нові можливості до аналізу інтерферометричних даних, роблячи їхнє використання більш ефективним та точним.…”

unclassified

Результати Первинної Обробки Інтерферограми Для Побудови Моделей Машинного Навчання

Шопін,

Хорошун,

Барбарук

et al. 2023

VisnikSNU

View full text Add to dashboard Cite

Робота присвячена обробці інтерферометричних відео та зображень для дисциплін, де вимагається високоточне та динамічне вимірювання фізичних параметрів. Застосування моделей машинного навчання додає нові можливості до аналізу інтерферометричних даних, роблячи їхнє використання більш ефективним та точним. Інтерферометрія застосовується для різноманітних вимірювань, які базуються на інтерференційних явищах для визначення статистичних та динамічних параметрів об'єктів. Вимірювання статичних параметрів за допомогою інтерферометрії може включати: висоту поверхні, деформацію поверхні, товщину шару матеріалу, оптичні властивості, такі як коефіцієнти пропускання чи відбивання світла, напруження та деформацію матеріалу, розташування об’єктів та кутові виміри. Інтерферометри можуть вимірювати динамічні параметри, такі як швидкість та напрямок руху об'єктів в транспортних системах та біологічних клітинах. Інтеграція методів машинного навчання в аналіз інтерферограм може значно покращити ефективність та точність отриманих результатів, особливо в умовах великого обсягу даних та складних паттернів. Основні задачі, які можна виділити для застосування методів машинного навчання це фільтрація шумів, сегментація об'єктів, прогнозування змін, корекція артефактів, оптимізація обробки даних. Для того, щоб побудувати модель машинного навчання необхідно дослідити реальні інтерференційні картини, визначити основні параметри моделі, реалізувати методи автоматичної обробки зображення. Отже, в роботі досліджено реальні інтерференційні картини, надано їх опис, проведена автоматизація процесу визначення їх якості та надання рекомендацій щодо застосування. В даній роботі ми аналізуємо відео експерименту отримання інтерференційної картини, з використанням інтерферометра Маха-Цендера. Досліджено реальні інтерференційні картини отриманні з відеозапису зйомки роботи інтерферометра Маха-Цендера. Проведено аналіз поведінки інтерференційних смуг вздовж осі Х та вздовж осі У. Визначені особливі ділянки та характеристики реального сигналу в перерізі інтерферограми. Згідно до отриманих результатів проведено сегментацію зображення. Визначена характерна поведінка в часі світла в цих сегментах. Визначили які сегменти найкращі та найгірші для аналізу та в який проміжок часу.

show abstract

unclassified

Результати Первинної Обробки Інтерферограми Для Побудови Моделей Машинного Навчання

Шопін,

Хорошун,

Барбарук

et al. 2023

VisnikSNU

View full text Add to dashboard Cite

show abstract

Decision support methods in optical research

Khoroshun¹

2020

A.I.S.

View full text Add to dashboard Cite

Informational Model of Optical Signals and Images in Machine Vision Systems

Ryazantsev

Khoroshun

Riazantsev

et al. 2021

Examining Optoelectronics in Machine Vision and Applications in Industry 4.0

View full text Add to dashboard Cite

The rapid development and use of optical systems in measurement, navigation, and space technology to obtain accurate and detailed information about an object of observation is accompanied by the problems of transmitting high quality information through the optical system and processing of the obtained data. Integration of artificial intelligence systems in industry requires the creation and improvement of objective assessment and self-assessment systems. This is especially designed for automated recognition and classification systems. The problem of the object movement registration also contains some peculiarities such as background and main signal separation, noise influence and main objects selecting. Information about data quality is a set of properties that reflects the degree of suitability of specific information. It contains the data about objects and their relationship to achieve the goals of user requirements.

show abstract

Statistical Optical Image Analysis for Information System

Cited by 3 publications

References 6 publications

Результати Первинної Обробки Інтерферограми Для Побудови Моделей Машинного Навчання

Результати Первинної Обробки Інтерферограми Для Побудови Моделей Машинного Навчання

Decision support methods in optical research

Informational Model of Optical Signals and Images in Machine Vision Systems

Contact Info

Product

Resources

About