dc.contributor.author | Павлов, С. В. | uk |
dc.contributor.author | Салдан, Й. Р. | uk |
dc.contributor.author | Злепко, С. М. | uk |
dc.contributor.author | Азаров, О. Д. | uk |
dc.contributor.author | Тимченко, Л. І. | uk |
dc.contributor.author | Абраменко, Л. В. | uk |
dc.contributor.author | Pavlov, S. V. | en |
dc.contributor.author | Saldan, Y. R. | en |
dc.contributor.author | Zlepko, S. M. | en |
dc.contributor.author | Azarov, O. D. | en |
dc.contributor.author | Tymchenko, L. I . | en |
dc.contributor.author | Abramenko, L. V. | en |
dc.contributor.author | Павлов, С. В. | ru |
dc.contributor.author | Салдан, И. Р. | ru |
dc.contributor.author | Злепко, С. М. | ru |
dc.contributor.author | Азаров, А. Д. | ru |
dc.contributor.author | Тимченко, Л. И. | ru |
dc.contributor.author | Абраменко, Л. В. | ru |
dc.date.accessioned | 2020-09-18T13:02:51Z | |
dc.date.available | 2020-09-18T13:02:51Z | |
dc.date.issued | 2019 | |
dc.identifier.citation | Методи попередньої обробки томографічних зображень очного дна [Текст] / С. В. Павлов, Й. Р. Салдан, С. М. Злепко [та ін.] // Інформаційні технології та комп'ютерна інженерія. – 2019. – № 2. – С. 4-12. | uk |
dc.identifier.citation | Павлов С. В., Салдан Й. Р., Злепко С. М., Азаров О. Д., Тимченко Л. І., Абраменко Л. В. Методи попередньої обробки томографічних зображень очного дна. Інформаційні технології та комп'ютерна інженерія. 2019. № 2. С. 4-12. | uk |
dc.identifier.issn | 1999-9941 | |
dc.identifier.issn | 2078-6387 | |
dc.identifier.uri | http://ir.lib.vntu.edu.ua//handle/123456789/30520 | |
dc.description.abstract | В статті розглянутий ряд сучасних методів та алгоритмів обробки зображень, а саме: фільтра Кирша, нелінійних філь-трів Роберта та Собела, методів Уолесса та SUSAN, а також реалізовано програмне забезпечення для застосування цих методів на прикладі аналізу томографічних зображень макулярних змін сітківки ока. Найбільш інформативним для сегментації зображень є метод на основі фільтра Кирша та метод на основі нелінійного фільтра Собела. На відміну від так званих детермінованих спотво-рень, які часто описуються поелементними функціональними перетвореннями вхідного зображення, для опису випадкових впливів використовують моделі адитивного, імпульсного і мультиплікативного шумів. Для покращення якості оброблення біомедичних зображень застосовують, як правило, алгоритми Кірша, Робертса, Собела. Розглянуто особливості побудови високопродуктивних експертних систем та пристроїв оброблення та розпізнавання зображень шляхом створення нейроподібних методів та алгоритмів паралельно-ієрархічного перетворення, мережевих методів попереднього оброблення зображень, розроблення та створення апарат-них спеціалізованих образних комп’ютерів на їх базі, що у поєднанні із відомими перевагами око-процесорної обробки відеоданих (наприклад, використання ЛЧФ, Q-перетворення, метод паралельно-ієрархічного кодування зображень, просторово-часові матричні моделі організації обчислювальних процесів, паралельні алгоритми та структури, що їх відображають, для паралельної обробки зображень) є досить актуальним завданням. Таким чином, на відміну від так званих детермінованих спотворень, які часто опису-ються поелементними функціональними перетвореннями вхідного зображення, для опису випадкових впливів доцільно використо-вувати моделі адитивного, імпульсного і мультиплікативного шумів. Показано, що для покращення якості оброблення біомедич-них зображень застосовують, як правило, алгоритми Кірша, Робертса, Собела. | uk |
dc.description.abstract | В статье рассмотрен ряд современных методов и алгоритмов обработки изображений, а именно: фильтра Кирша, не-линейных фильтров Роберта и Собела, методов Уолесса и SUSAN, а также реализовано программное обеспечение для применения этих методов на примере анализа томографических изображений макулярных изменений сетчатки глаза. Наиболее информативным для сегментации изображений является метод на основе фильтра Кирша и метод на основе нелинейного фильтра Собела. В отличие от детерминированных искажений, которые часто описываются поэлементно функциональными преобразованиями входного изоб-ражения, для описания случайных воздействий используют модели аддитивного, импульсного и мультипликативного шумов. Для улучшения качества обработки биомедицинских изображений применяют, как правило, алгоритмы Кирша, Робертса, Собела. Рас-смотрены особенности построения высокопроизводительных экспертных систем и устройств обработки и распознавания изобра-жений путем создания нейроподобных методов и алгоритмов параллельно-иерархического преобразования, сетевых методов пред-варительной обработки изображений, разработки и создания аппаратных специализированных образных компьютеров на их базе, в сочетании с известными преимуществами око-процессорной обработки видеоданных (например, использование ЛЧФ, Q-преобразования, метод параллельно-иерархического кодирования изображений, пространственно- временные матричные модели организации вычислительных процессов, параллельные алгоритмы и структуры для параллельной обработки изображений) являет-ся весьма актуальной задачей. Таким образом, в отличие от называемых детерминированных искажений, которые часто описыва-ются поэлементно функциональными преобразованиями входного изображения, для описания случайных воздействий целесооб-разно использовать модели аддитивного, импульсного и мультипликативного шумов. Показано, что для улучшения качества обработки биомедицинских изображений применяют, как правило, алгоритмы Кирша, Робертса, Собела. | ru |
dc.description.abstract | The paper deals with a number of modern methods and algorithms for image processing, namely: Kirsch filter, nonlinear filters Robert and Sobel, Wallace and SUSAN methods, as well as software for application of these methods on the example of analysis of tomo-graphic images of macular changes of the retina. The most informative for image segmentation is the Kirsch filter based method and the Sobel nonlinear filter method. In contrast to the so-called deterministic distortions, which are often described by elemental functional trans-formations of the input image, models of additive, impulse and multiplicative noise are used to describe the random effects. As a rule, Kirsch, Roberts, Sobel algorithms are used to improve the quality of biomedical image processing. Features of construction of high-performance expert systems and devices of image processing and recognition by creation of neural-like methods and algorithms of parallel-hierarchical transformation, network methods of image pre-processing, development and creation of hardware specialized image computers based on them, which are combined with the eye, are considered. video processing (for example, the use of PCF, Q-conversion, parallel-hierarchical image encoding method, space-time ve matrix model of computing processes, parallel algorithms and structures that they reflect for parallel imaging) is a fairly urgent task. Thus, in contrast to the so-called deterministic distortions, which are often described by elemental functional transformations of the input image, it is advisable to use additive, pulse, and multiplicative noise models to describe the random effects. It is shown that, as a rule, the Kirsch, Roberts, Sobel algorithms are used to improve the quality of biomedical image processing. | en |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.relation.ispartof | Інформаційні технології та комп'ютерна інженерія. № 2 : 4-12. | uk |
dc.relation.uri | https://itce.vntu.edu.ua/index.php/itce/article/view/727 | |
dc.subject | біомедичні зображення | uk |
dc.subject | макулярні зміни | uk |
dc.subject | нелінійна фільтрація | uk |
dc.subject | биомедицинские изображения | ru |
dc.subject | макулярные изменения | ru |
dc.subject | нелинейная фильтрация | ru |
dc.subject | biomedical images | en |
dc.subject | macular changes | en |
dc.subject | nonlinear filtration | en |
dc.title | Методи попередньої обробки томографічних зображень очного дна | uk |
dc.title.alternative | Method of pre-processing tomografic images of the fundus | en |
dc.title.alternative | Методы предварительной обработки томографических изображений глазного дна | ru |
dc.type | Article | |
dc.identifier.udc | 681.5:613 | |
dc.relation.references | Яне Б. Цифровая обработка изображений / Б. Яне. – М.: Техносфера, 2007. – 584 с. | ru |
dc.relation.references | Dougherty G. Digital Image Processing for Medical Applications / Geoff Dougherty – 2009. – 462 р. | en |
dc.relation.references | Гонсалес Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. –
М.: Техносфера, 2006. – 616 с. | ru |
dc.relation.references | Lim, Jae S. Two-Dimensional Signal and Image Processing / S. Jae Lim. – 1989. – 694р. | en |
dc.relation.references | Павлов С. В. Оброблення біомедичних зображень із застосуванням швидкого перетворення Фур’є /
С. В. Павлов, Д. В. Вовкотруб, Р. Ю. Довголюк // Оптико-електронні інформаційно-енергетичні те-
хнології. –2011. – №2. – С. 96-101. | uk |
dc.relation.references | Yosyp R. Saldan, Sergii V. Pavlov, Dina V. Vovkotrub, Yulia Y. Saldan, Valentina B. Vassilenko, Nadia I.
Mazur, Daria V. Nikolaichuk, Waldemar Wójcik, Ryszard Romaniuk, Batyrbek Suleimenov, Ulan
Bainazarov, "Efficiency of optical-electronic systems: methods application for the analysis of structural
changes in the process of eye grounds diagnosis", Proc. SPIE 10445, Photonics Applications in Astronomy,
Communications, Industry, and High Energy Physics Experiments 2017, 104450S (7 August 2017); doi:10.1117/12.2280977 | en |
dc.relation.references | Romanyuk O.N. Microfacet distribution function for physically based bidirectional reflectance distribution functions / O. N. Romanyuk, S. V. Pavlov, R. Yu. Dovhaliuk, N. P. Babyuk, M. D. Obidnyk, P. Kisala, B. Suleimenov Proceedings of SPIE - The International Society for Optical Engineering. 10.1117/12.2019338. | en |
dc.relation.references | Pavlov S.V. Using of fuzzy expert method for diagnostic glaucoma / S.V. Pavlov, A.O. Rozhman, N.P. Babyuk, I.D. Ivasyuk // “Вимірювальна та обчислювальна техніка в технологічних процесах”. Між-народний науково-технічний журнал №2(43), 2013.– С.152-157. | en |
dc.relation.references | Pavlov S.V. Fuzzy expert opto-electronic system for the analysis of biomedical images (for example diagnosing glaucoma) / S.V. Pavlov, O.D. Azarov, I.R. Saldan, A.O. Rozhman, N.P. Babyuk // “Інфор-маційні технології та комп’ютерна інженерія”. Міжнародний науково-технічний журнал №1(26), 2013. –– С.8-14. | en |
dc.relation.references | Тимченко Л.І., Кокряцька Н.І., Герцій О.А., Петровський М.С., Степанюк Д.С., Паралельно-ієрархічні мережі для оброблення зображень.Теоретичні дослідження — Полтава : АСМІ, 2017. – 469 с. | uk |
dc.relation.references | Pavlov S. V. Information Technology in Medical Diagnostics //Waldemar Wójcik, Andrzej Smolarz, July 11, 2017 by CRC Press - 210 Pages. | en |
dc.relation.references | Wójcik W., Pavlov S., Kalimoldayev M. Information Technology in Medical Diagnostics II. London: (2019). Taylor & Francis Group, CRC Press, Balkema book. – 336 Pages. | en |
dc.relation.references | Yosyp R. Saldan, Sergii V. Pavlov, Dina V. Vovkotrub, Waldemar Wójcik, and etc. Efficiency of optical-electronic systems: methods application for the analysis of structural changes in the process of eye grounds diagnosis // Proc. SPIE 10445, Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2017, 104450S; doi: 10.1117/12.2280977; https://doi.org/10.1117/12.2280977. Стаття надійшла 01.06.2019. | en |
dc.identifier.doi | https://doi.org/10.31649/1999-9941-2019-45-2-4-12 | |