Класифікація зображень, отриманих методом текстурної сегментації з використанням характеристик Лавса
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
Запропоновано метод класифікації зображень, в основу якого покладено виявлення ключових ознак, притаманних таким методам стиснення як RLE і фрактальний метод. Даний метод застосовується до отриманих попередньо сегментів зображення з метою виявлення найбільш доцільного методу стиснення для кожного з них. Це дасть змогу підвищити коефіцієнт стиснення і забезпечити прийнятну якість відтвореного цілісного зображення.
The image classification method based on the RLE and fractal method main features detection is offered. This method is used to the previously received segments of the image in order to detect the most appropriate image compression method for each of them. The use of the offered method will allow to increase the image compression ratio and achieve an appropriate quality of the decompressed image.
The image classification method based on the RLE and fractal method main features detection is offered. This method is used to the previously received segments of the image in order to detect the most appropriate image compression method for each of them. The use of the offered method will allow to increase the image compression ratio and achieve an appropriate quality of the decompressed image.
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Олесенко А. В. Класифікація зображень, отриманих методом текстурної сегментації з використанням характеристик Лавса [Електронний ресурс] / А. В. Олесенко, Р. Н. Квєтний, О. Ю. Софина // Матеріали XLVI науково-технічної конференції підрозділів ВНТУ, Вінниця, 22-24 березня 2017 р. - Електрон. текст. дані. - 2017. - Режим доступу : https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2017/paper/view/1912.