@ARTICLE{26583204_325118730_2019, 
	author = {В. В. Алексеев and Д. В. Лакомов and А. А. Шишкин and Г. А. Маамари}, 
	keywords = {, распознавание, изображение, образ, контурный анализ, алгоритм, оператор, неопределенностьобъект},
	title = {<p class="text">Обработка графических изображений сосредоточенных и площадных объектов</p>},
	journal = {Бизнес-информатика},
	year = {2019},
	number = {4 Vol.13},
	pages = {49-59},
	url = {https://bijournal.hse.ru/2019--4 Vol.13/325118730.html},
	publisher = {},
	abstract = {&nbsp; &nbsp; &nbsp; В современных системах управления и обработки информации распознавание объектов на изображении затруднено тем, что воздействие негативных факторов вносит в этот процесс неопределенность, приводящую к размытости изображений. В связи с этим необходимо разработать модели и алгоритмы, которые позволили бы снизить степень неопределенности при обработке изображений. Эти модели необходимы, например, при мониторинге экологически опасных объектов, для поиска и обнаружения несанкционированных захоронений бытовых отходов, в сфере информационной безопасности, при анализе рентгеновских снимков и термограмм, при действиях беспилотных летательных аппаратов силовых ведомств в автономном режиме. В статье представлено описание информационной технологии для распознавания в автоматизированном режиме объектов на изображениях. Основу этой технологии составляет алгоритм контурного анализа изображений. Основной отличительной особенностью алгоритма является применение свертки изображения по четырем направлениям, а также процедуры трассировки, что позволяет точнее определять контуры объектов по сравнению с другими алгоритмами. Целью исследования являлась разработка алгоритмов высокоскоростной автоматизированной визуализации внешних объектов. Приведены результаты исследования работы разработанного алгоритма контурного анализа при обработке различных изображений в видимом и инфракрасном диапазонах волн. Сформулированы рекомендации по выбору значений параметров работы алгоритма контурного анализа, таких как среднее квадратичное отклонение при размытии изображения, минимальный и максимальный пороги при фильтрации. Результаты исследования целесообразно использовать в системах управления производством, жизнеобеспечения города, технического зрения, состояния окружающей среды, мониторинга протекания бизнес-процессов, а также при создании тренажеров для подготовки операторов сложных систем и др. Кроме того, показана целесообразность применения разработанного алгоритма в системах поддержки принятия решений.},
	annote = {&nbsp; &nbsp; &nbsp; В современных системах управления и обработки информации распознавание объектов на изображении затруднено тем, что воздействие негативных факторов вносит в этот процесс неопределенность, приводящую к размытости изображений. В связи с этим необходимо разработать модели и алгоритмы, которые позволили бы снизить степень неопределенности при обработке изображений. Эти модели необходимы, например, при мониторинге экологически опасных объектов, для поиска и обнаружения несанкционированных захоронений бытовых отходов, в сфере информационной безопасности, при анализе рентгеновских снимков и термограмм, при действиях беспилотных летательных аппаратов силовых ведомств в автономном режиме. В статье представлено описание информационной технологии для распознавания в автоматизированном режиме объектов на изображениях. Основу этой технологии составляет алгоритм контурного анализа изображений. Основной отличительной особенностью алгоритма является применение свертки изображения по четырем направлениям, а также процедуры трассировки, что позволяет точнее определять контуры объектов по сравнению с другими алгоритмами. Целью исследования являлась разработка алгоритмов высокоскоростной автоматизированной визуализации внешних объектов. Приведены результаты исследования работы разработанного алгоритма контурного анализа при обработке различных изображений в видимом и инфракрасном диапазонах волн. Сформулированы рекомендации по выбору значений параметров работы алгоритма контурного анализа, таких как среднее квадратичное отклонение при размытии изображения, минимальный и максимальный пороги при фильтрации. Результаты исследования целесообразно использовать в системах управления производством, жизнеобеспечения города, технического зрения, состояния окружающей среды, мониторинга протекания бизнес-процессов, а также при создании тренажеров для подготовки операторов сложных систем и др. Кроме того, показана целесообразность применения разработанного алгоритма в системах поддержки принятия решений.}
}