Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 3.235.145.108
    [SESS_TIME] => 1709159865
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => cb8f811f3c4ca4ff987daed2c5332bf7
    [UNIQUE_KEY] => da19f822620499d6c56b4e3f8e88b43c
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2006 год, номер 2

Сравнительный анализ методов нейронных сетей и иерархической аппроксимации в задачах фильтрации изображений

В. В. Сергеев1, В. Н. Копенков2, А. В. Чернов1
1Институт систем обработки изображений РАН, Самара
E-mail: vserg@smr.ru
2Самарский государственный аэрокосмический университет,
E-mail: vkop@smr.ru
Страницы: 100-106
Подраздел: АНАЛИЗ И СИНТЕЗ СИГНАЛОВ И ИЗОБРАЖЕНИЙ

Аннотация

Рассмотрены два различных нелинейных метода аппроксимации многомерной регрессии: нейронные сети и иерархическая аппроксимация функции, которые применяются к задачам фильтрации изображений в условиях существования априорной информации в виде пары изображений, интерпретируемых как «идеальное» и «искаженное». Представлена методология построения иерархической функции аппроксимации, и проведено сравнение эффективности рассмотренных методов аппроксимации на различных системах признаков, полученных в результате обработки изображения в режиме «скользящего окна».