Группа исследований эволюционных алгоритмов

Switch to English


Разработка технологии автоматизированного улучшения качества цифровых изображений на основе применения эволюционирующей нейронной сети (выполняется при поддержке РФФИ, проект № 06-08-00840)



Актуальность темы проекта
Аннотация
Публикации по теме проекта


Актуальность темы проекта:

Целью разрабатываемого в проекте программного комплекса по обработке изображений является повышение качества изображений в реальном режиме времени. Он может применяться при обработке изображений, получаемых в приборах и устройствах медицинской диагностики, обнаружении мин, распознавании движущихся полупрозрачных объектов, дефектоскопии, осуществлении поддержки принятия решений при выполнении полетов в сложных погодных условиях, а также в связи с бурным развитием средств цифровой фотографии. Несмотря на большое количество работ в данном направлении проблема улучшения качества цветных изображений остается открытой. Трудности ее решения обусловлены как отсутствием единого общепризнанного критерия оценки качества цветных изображений, ввиду субъективности такой оценки, так и несовершенством существующих алгоритмов обработки изображений, не позволяющих работать с высоким качеством в реальном режиме времени. Предлагаемые авторами проекта оригинальные методы улучшения качества изображений соответствует мировому уровню, и дают возможность существенно продвинуться вперед в решении указанной проблемы.

В начало страницы


Аннотация:

Предложен метод улучшения качества полутоновых и цветных изображений, использующий искусственную нейронную сеть (ИНС), настраиваемую и обучаемую с помощью генетического алгоритма. Для этого разработан адаптивный нейроэволюционный алгоритм, реализующий эволюционный подход к настройке и обучению нейронной сети, предназначенной для улучшения качества изображений. Структура ИНС настраивается одновременно с весами межнейронных связей. При реализации нейроэволюционного алгоритма использованы оригинальные адаптивные операторы скрещивания (рекомбинации) и мутации (вариации), учитывающие структуру ИНС, а также оригинальная стратегия адаптации размера популяции, позволяющая настраивать количество особей в популяции в зависимости от характеристик процесса эволюционного поиска. Предложен способ обучения ИНС для улучшения качества изображений с использованием локально-адаптивного подхода. Разработаны альтернативные методы улучшения качества изображений на основе применения вейвлет-преобразования и генетического алгоритма.

Проведен цикл численных экспериментов по улучшению качества полутоновых и цветных изображений на основе предложенных методов обработки. Полученные авторами проекта результаты показывают, что скорость обработки изображений двухэтапным методом с использованием ИНС возрастает на один порядок по сравнению с методом, основанным на применении только генетического алгоритма. Результаты обработки изображений сопоставимы с результатами применения более сложной технологии ("Multi-Scale Retinex", NASA), основанной на модели цветовосприятия человека, при этом скорость работы предлагаемого двухэтапного метода предположительно выше.

Планируется дальнейшее развитие предлагаемых методов и подходов, а также реализация способа нейросетевой оценки качества изображений, адаптирующегося к субъективным предпочтениям и особенностям восприятия пользователя. Также предполагается использование разработанных подходов к обработке изображений для цветокоррекции изображений и выделения контуров объектов. На основе разрабатываемой авторами проекта технологии планируется создание программного комплекса для осуществления автоматизированной обработки цифровых изображений в реальном режиме времени.

В начало страницы


Публикации по теме проекта:

  1. Цой Ю.Р., Спицын В.Г., Чернявский А. В. Способ улучшения качества монохромных и цветных изображений, основанный на применении эволюционирующей нейронной сети // Информационные технологии, 2006, № 7, C. 27-33.
  2. Цой Ю.Р., Спицын В.Г. Эволюционный подход к настройке и обучению искусственных нейронных сетей // Нейроинформатика, Т. 1, № 1, 2006, C. 31-58. (Электронный рецензируемый журнал http://www.ni.iont.ru/Journal/N1/).
  3. Белоусов А.А., Спицын В.Г., Сидоров Д.В. Применение генетических алгоритмов и вейвлет-преобразований для повышения качества изображений // Известия Томского политехнического университета, Т. 309. № 7. 2006. С. 21-26.
  4. Чернявский А.В., Спицын В.Г. Применение эволюционирующей нейронной сети для улучшения качества изображений // Известия Томского политехнического университета, Т. 309. № 7. 2006. С. 26-31.
  5. Цой Ю.Р., Спицын В.Г. Нейроэволюционный подход // Нейрокомпьютеры: разработка и применение. 2005. № 6. С. 15-25.
  6. Редько В.Г., Цой Ю.Р. Оценка эффективности эволюционных алгоритмов // Доклады РАН. Т. 404. 2005. № 3. С. 312-315.
  7. Tsoy Yu.R., Spitsyn V.G. Using genetic algorithm with adaptive mutation mechanism for neural networks design and training // Optical memory and neural networks. 2004. Vol. 13. No 4. P. 225-232.
  8. Spitsyn V.G. Stochastic model of interaction of electromagnetic signal with oscillator neural network // Journal of Applied Electromagnetism. 1998. Vol. 1. No 3. P. 12 - 19.
  9. Спицын В.Г. Моделирование рассеяния радиоволн на возмущениях ионосферной плазмы, создаваемых космическим аппаратом. М.: ФИЗМАТЛИТ. 2003. 176 с.
  10. Tsoy Yu.R., Spitsyn V.G. Digital images enhancement with use of evolving neural networks, Proceedings of the IX International Conference Parallel Problems Solving from Nature(PPSN-IX), Reykjavik, Iceland, September 9-13, 2006. Lecture Notes in Computer Science, Vol. 4193. Berlin: Springer-Verlag, 2006. pp. 593-602. http://www.springerlink.com/content/m20qx311u75p5937/.
  11. Спицын В.Г., Цой Ю.Р. Трехэтапная обработка цифровых изображений с использованием эволюционирующих искусственных нейронных сетей // Труды Всероссийской научной конференции "Нечеткие системы и мягкие вычисления" НСМВ-2006. Тверь, 20-22 сентября 2006 г. М.: Физматлит, 2006. С. 231-244.
  12. Spitsyn V.G., Tsoy Yu. R. Application of Evolving Artificial Neural Network for Image Processing // USNC/URSI National Radio Science and AMEREM Meetimgs, 9-14 July 2006, Albuquerque, New Mexico, USA, P. 745
  13. Цой Ю.Р., Спицын В.Г., Чернявский А.В. Нейроэволюционное улучшение качества изображений // Сборник научных трудов VIII Всероссийской научно-технической конференции "Нейроинформатика - 2006". М.: Изд-во МИФИ. 2006. ч. 1. С. 181-189.
  14. Белоусов А.А., Спицын В.Г. Применение генетических алгоритмов для повышения качества полутоновых изображений // Сборник трудов IV Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых "Молодежь и современные информационные технологии". Томск. 2006, Изд-во ТПУ, С. 83-85.
  15. Спицын В.Г., Цой Ю.Р. Эволюционирующие искусственные нейронные сети // Сборник трудов IV Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых "Молодежь и современные информационные технологии". Томск. 2006 г., Изд-во ТПУ, С. 411-413.
  16. Belousov A.A., Sidorov D.V., Spitsyn V.G. Applying wavelets and evolutionary algorithms to automatic image enhancement // XIII International Symposium "Atmospheric and Ocean Optics. Atmospheric Physics", Tomsk, July 2-6, 2006, pp. 104.
  17. Chernyavskii A.V., Tsoy Yu.R, Spitsyn V.G. Image processing using evaluative neural network // XIII International Symposium "Atmospheric and Ocean Optics. Atmospheric Physics", Tomsk, July 2-6, 2006, pp. 104.
  18. Чернявский А.В., Цой Ю.Р., Спицын В.Г. Нейроэволюционное улучшение качества изображений // Труды XII Международной научно-практической конференции студентов, аспирантов и молодых ученых "Современная техника и технологии". Т. 2. Томск. 2006, Изд-во ТПУ, С. 213-215.
  19. Belousov A.A., Spitsyn V.G. Colour image enhancement using evolutionary algorithm Proceedings of the 12th international Scientific and Practical Conference of Students, Post-graduates and Young Scientist. Tomsk. 2006, P. 111-113.
  20. Цой Ю.Р., Спицын В.Г., Чернявский А.В. Нейроэволюционное улучшение качества изображений // Сборник научных трудов VIII Всероссийской научно-технической конференции "Нейроинформатика - 2006". М.: Изд-во МИФИ. 2006. ч. 1. С. 181-189.
  21. Цой Ю.Р., Спицын В.Г. Применение генетического алгоритма для решения задачи адаптивного нейроуправления // Сборник научных трудов VII Всероссийской научно-технической конференции "Нейроинформатика - 2005". М.: Изд-во МИФИ. 2005. ч. 1. С. 35-43.
  22. Цой Ю.Р., Спицын В.Г. Применение нейроэволюционного подхода для решения задач классификации и аппроксимации // Материалы XIII Всероссийского семинара "Нейроинформатика и ее приложения". Красноярск. 2005. C. 123-124.
  23. Цой Ю.Р., Спицын В.Г. Исследование генетического алгоритма с динамически изменяемым размером популяции // Труды Международной научно-технической конференции ""Интеллектуальные системы (IEEE AIS'05)". Научное издание. М.: Изд-во физико-математической литературы. 2005. С. 241-246.
  24. Tsoy Yu.R., Spitsyn V.G. Using genetic algorithm with adaptive mutation mechanism for neural networks design and training // Proceedings of the 9-th Korea - Russia International Symposium on Science and Technology "Korus-2005". Novosibirsk. Russia. June 26-July 2. 2005. Vol. 1. P. 237-241.
  25. Цой Ю.Р., Спицын В.Г. Адаптивный оператор мутации для нейроэволюционного алгоритма // Труды XI Международной научно-практической конференции студентов, аспирантов и молодых учёных "Современные техника и технологии". Томск : Изд. ТПУ. 2005. C. 263-264.
  26. Цой Ю.Р., Спицын В.Г. К выбору размера популяции // Труды Международной научно-технической конференции "Интеллектуальные системы (IEEE AIS'04)". Научное издание. М.: Изд-во физико-математической литературы. 2004. Т. 1. С. 90-96.
  27. Tsoy Yu. R., Spitsyn V.G. Using design patterns for design of software environment for researches in genetic algorithms // Proceedings of the 8-th Korea - Russia International Symposium on Science and Technology "Korus-2004". Tomsk. Russia. June 28-July 6. 2004. Vol. 1, P. 166-168.
  28. Цой Ю.Р. Генетический алгоритм настройки искусственной нейронной сети // Тезисы докладов конференции-конкурса работ студентов, аспирантов и молодых ученых "Технологии MICROSOFT в информатике и программировании". Новосибирск. 2004. С. 131-133.
  29. Spitsyn V.G., Tsoy Y.R., Fedotov I.V. Application of optimization methods for modeling of nonlinear electromagnetic wave interaction with random discrete media // 2004 USNC/ URSI National Radio Science Meeting Digest, Monterey, California. USA. June 20-26. 2004. P. 364.
  30. Spitsyn V.G. Stochastic model of electromagnetic wave propagation in periodic and stratified absorbing media inclusive a semitransparent object // IEEE Antennas and Propagation Society International Symposium Digest. Monterey. California. USA. June 20-26. 2004. Vol. 1. P. 930-933.

В начало страницы

Начальная страница

Проекты

Публикации

Сотрудники

Контакты

Ссылки:

  • Кафедра вычислительной техники
  • Институт "Кибернетический центр"
  • Томский политехнический университет
    • Copyright © EARes Group. 2006.

    Сайт создан в системе uCoz