Search

Робота складається з 4 розділів, містить 23 ілюстрації, 6 таблиць, 21 літературних посилань, обсяг роботи — 65 сторінок. Сучасне навчання поширює процес передачі інформації за допомогою знімків аркушів, що потребують швидкої обробки для комфортного візуального сприйняття. Частина зображень конспектів та письмових контрольних завдань зроблена камерою пересічного смартфона за слабкого освітлення та під несприятливим для зору кутом, тому потребує застосування методів покращення їх якості. Оскільки тема вирівнювання зображень не є новою, наразі існує досить багато комерційних застосунків, котрі дають змогу користувачам вирівнювати фотографії документів і робити їх цифрові скан-копії. Однак більша їх частина орієнтована на пошук аркушу паперу за спеціальних умов зйомки. У цій роботі пропонується метод вирівнювання зображень розлінованих у клітинку або косу лінію аркушів, що може бути доповненням до вже існуючих інструментів. Мета даної роботи — розробити метод вирівнювання зображень аркушів, які мають розмітку в клітинку або у косу лінію. Об’єкт дослідження — зображення розлінованих аркушів паперу. Предмет дослідження — вирівнювання зображень аркушів паперу. Методами дослідження є аналіз інформаційних джерел, новітніх публікацій за темою дослідження, дослідження методів обробки зображень та правил проективної геометрії. Актуальність роботи зумовлюється тим, що можливості редагування зображень документів є популярними та потрібними у повсякденному житті, зокрема у сучасній шкільній та університетській освіті, невід’ємною частиною якого є процес передачі інформації за допомогою знімків аркушів. Наукова новизна роботи полягає в тому, що запропоновано алгоритм вирівнювання аркушів, що мають розмітку. Алгоритми такої спеціалізації нам не відомі, так як інші у своїй роботі використовують границі аркушів або текст. Практичне застосування полягає в тому, що даний підхід дозволяє вирівнювати зображення, які не задовольняють умовам зйомки, що вимагають існуючі методи, що є їх якісним доповненням. Роботу оформлено за вимогами та подано на публікацію до міжнародного науково-теоретичного журналу “Кібернетика і системний аналіз”. The work consists of 4 sections, 23 illustrations, 6 tables, and 21 references, and the volume of the work is 65 pages. Modern education spreads the process of transferring information using images of sheets that require fast processing for comfortable visual perception. Some of the images of notes and written control tasks were taken by the camera of a general smartphone in low light and at an inconvenient angle for vision. Therefore, it is necessary to use methods to improve their quality. Since image alignment is not a new topic, currently, there are quite a lot of commercial applications that allow users to rectify photos of documents and make their digital scans. However, most focus on finding a sheet of paper under special shooting conditions. This work proposes a method for aligning images of sheets lined in a cell or diagonal line, which can be an extension of already existing tools. This work aims to develop a method for rectifying images of sheets with a grid or diagonal line marking. The object of research is images of lined sheets of paper. The subject of research is alignment of images of sheets of paper. The research methods are an analysis of information sources and the latest publications on the research topic, study of image processing methods and rules of projective geometry. The relevance of the work is determined by the fact that the ability to edit images of documents is prevalent and necessary in everyday life, particularly in modern school and university education, an integral part of which is the process of transmitting information using images of sheets. The scientific novelty of the work is that an algorithm for aligning sheets with markings is proposed. We do not know algorithms for such specialization, as others use sheet borders or text in their work. The practical application is that this approach allows you to rectify images that do not meet the shooting conditions required by existing methods, which could be their qualitative addition. The work has been designed according to the requirements and submitted for publication to the international scientific and theoretical journal "Cybernetics and System Analysis".

Завдання виявлення об’єктів на відеозображеннях характерна для сучасних систем технічого зору (СТЗ), орієнтованих на різні функціональні застосування. Виявляти об`єкти можна як на статичних відеозображеннях, так і на виділених з відеопотоку кадрах. За своєю суттю виявлення об’єктів на відеозображенні, як правило, означає виявлення яскравісних чи кольорових неоднорідностей, які на подальших етапах можна трактувати як фізичні об`єкти. Крім цього, ще можна виконувати операції визначення координат, лінійних розмірів та інших характеристик цих неоднорідностей, які надалі використовувати для розв’язання інших задач в СТЗ, наприклад, для ідентифікації об`єктів. Досліджено три алгоритми, які можна використати для виявлення об’єктів різної природи за різними підходами: виявлення кольорових неоднорідностей, визначення міжкадрової різниці, використання детектора особливих точок. Як вхідну інформацію використовують відеопотік, що вводиться з відеокамери або з файла типу “mp4”. Моделювали алгоритми на універсальному комп`ютері та на апаратній платформі з відкритим кодом, побудованій на базі процесора Broadcom BCM2711, quad-core Cortex-A72 (ARM v8) 64-bit SoC із робочою частотою 1,5 GHz. Програми моделювання підготовлено в середовищі Visual Studio 2019 з використанням бібліотек OpenCV4 для Windows 10 на універсальному ПК та Linux (ОС Raspbian Buster) для платформи з відкритим кодом. Здійснено порівняльний аналіз вибраних методів. Отримані результати можна використати в наукових дослідженнях та для проєктування реальних СТЗ різного функціонального призначення Detecting objects in a video stream is a typical problem in modern computer vision systems that are used in multiple areas. Object detection can be done on both static images and on frames of a video stream. Essentially, object detection means finding color and intensity non-uniformities which can be treated as physical objects. Beside that, the operations of finding coordinates, size and other characteristics of these non-uniformities that can be used to solve other computer vision related problems like object identification can be executed. In this paper, we study three algorithms which can be used to detect objects of different nature and are based on different approaches: detection of color non-uniformities, frame difference and feature detection. As the input data, we use a video stream which is obtained from a video camera or from an mp4 video file. Simulations and testing of the algoritms were done on a universal computer based on an open-source hardware, built on the Broadcom BCM2711, quad-core Cortex-A72 (ARM v8) 64-bit SoC processor with frequency 1,5 GHz. The software was created in Visual Studio 2019 using OpenCV 4 on Windows 10 and on a universal computer operated under Linux (Raspbian Buster OS) for an open-source hardware. In the paper, the methods under consideration are compared. The results of the paper can be used in research and development of modern computer vision systems used for different purposes.

Статья посвящена исследованию проблемы распознавания изображений в компьютерном зрении на основе множества структурных SURF-признаков. В пространстве структурных признаков выполнена самоорганизация с целью увеличения быстродействия процесса распознавания. В качестве аппарата самоорганизации использована нейронная сеть Кохонена. Объектом исследования есть метод вычисления подобия описаний и модели интеллектуальной обработки в новом пространстве признаков. Предметом исследования является систематизация и группирование множеств структурных признаков визуальных объектов. Цель работы – построение метода структурного распознавания с применением входных данных в виде множества кластеров структурных признаков, полученных в результате самоорганизации. Задачами исследования есть изучение особенностей и анализ моделей для вычисления характеристик кластеров, построение модифицированных мер структурного подобия, экспериментальное оценивание качества распознавания для разных способов сопоставления описаний в прикладной базе визуальных образцов. Предложено построение метода распознавания изображений на основе эталонных описаний в кластерном виде, а распознавание базируется на классификации структурных признаков объекта в пространстве кластеров с дальнейшим вычислением и оптимизацией подобия векторных описаний. Проведено моделирование и экспериментальные исследования предложенного метода распознавания на тестовом множестве изображений с применением признаков SURF. Подтверждена работоспособность и эффективность метода в плане быстродействия, получены оценки качества распознавания для разнообразия вариантов обработки., Paper describes an investigation about the problem of image recognition in computer vision based on a set of structural SURF-features. Self-organization process is proposed to be performed in space of structural features with a goal to increase recognition process performance. Kohonen neural network is used as self-organization method. The object of research is the method of similarity calculations and models of intelligent data processing in the new feature space. Thesubject of research is the systematization and grouping of sets of structural features of visual objects. Goal of a paper is to construct structural recognition method based on input data as a set of cluster structural features obtained as a result of self-organization. The objectives of the research are the investigation of the features and analysis of models to calculate clusters of features, the construction of the modified measures of structural similarity, the experimental evaluation of the recognition quality for different ways of descriptions comparison in the application-based visual image database.Construction of an image recognition method based on etalon descriptions as a cluster was proposed, recognition is based on theclassification of the structural features of an object in cluster space with further calculation and optimization of the similarity vector descriptions.Experimental investigations and simulations of the proposed recognition method on the test image set with the use of SURF characteristicfeatures were performed. Performance boost and efficiency of the method were confirmed, estimation of recognition quality for differentprocessing options was performed.

In recent years, aerial photography from unmanned aerial vehicles (UAVs) has attracted considerable attention due to its wide range of applications, including mapping, surveillance and environmental monitoring. This scientific article is devoted to the analysis of methods of object recognition and image compression. Accurate real-time object recognition improves situational awareness, facilitating rapid decision-making and response in various areas. Image compression techniques provide efficient data storage and transmission, eliminating and improving bandwidth and storage capacity limitations in UAV systems. Optimizing these processes can significantly improve the overall productivity and efficiency of UAV aerial photography. Theresults of this study have implications in the military field, where UAVs are widely used for reconnaissance, surveillance, and target identification. Accurate object recognition techniques can improve military intelligence by enabling rapid identification of potential threats, identification of critical objects or targets of interest, and facilitating effective tactical planning. Real-time object recognition can help identify enemy vehicles, equipment and personnel, increasing situational awareness on the battlefield. In addition, effective image compression techniques can optimize the storage and transmission of aerial imagery, enabling rapid data sharing and analysis during military operations. This can optimize communication channels and facilitate timely decision-making in the field of military intelligence. This scientific article contains a comprehensive analysis of existing methods of object recognition and image compression, which can potentially be used for effective aerial reconnaissance with UAVs. By critically evaluating these methods, the paper aims at identifying their strengths, limitations and potential areas for improvement. The article presents a holistic view of the current state of affairs in this field, allowing researchers and practitioners to gain a deeper understanding of available methods and their potential applications in this field., Останніми роками аерофотозйомка з безпілотних літальних апаратів (БПЛА) привернула значну увагу завдяки широкому спектру її застосувань, враховуючи картографування, спостереження та моніторинг навколишнього середовища. Ця наукова стаття присвячена аналізу методів розпізнавання об’єктів і стиснення зображень. Точне розпізнавання об’єктів у режимі реального часу покращує ситуаційну обізнаність, сприяючи швидкому прийняттю рішень і реагування в різних областях. Методи стиснення зображень забезпечують ефективне зберігання та передачу даних, усуваючи та покращуючи обмеження пропускної спроможності та ємності зберігання в системах БПЛА. Завдяки оптимізації цих процесів можна значно підвищити загальну продуктивність і ефективність аерофотозйомки за допомогою БПЛА. Результати цього дослідження мають значення у військовій сфері, де БПЛА широко використовуються для розвідки, спостереження та ідентифікації цілей. Точні методи розпізнавання об’єктів можуть покращити військову розвідку, забезпечуючи швидку ідентифікацію потенційних загроз, визначення критичних об’єктів або цілей, що становлять інтерес, і сприяючи ефективному тактичному плануванню. Розпізнавання об’єктів у реальному часі може допомогти у виявленні ворожих транспортних засобів, обладнання та особового складу, підвищуючи обізнаність про ситуацію на полі бою. Крім того, ефективні методи стиснення зображень можуть оптимізувати зберігання та передачу аерофотознімків, забезпечуючи швидкий обмін даними та аналіз під час воєнних операцій. Це може оптимізувати канали зв’язку та полегшити своєчасне прийняття рішень у військовій сфері розвідки. Наукова стаття містить комплексний аналіз існуючих методів розпізнавання об’єктів і стиснення зображень, які потеційно можуть бути використані для ефективної аеророзвідки з БПЛА. Критично оцінюючи ці методи, мета статті визначити їхні сильні сторони, обмеження та потенційні сфери для вдосконалення. Стаття дає цілісне уявлення про поточний стан справ у цій галузі, дозволяючи дослідникам і практикам отримати глибше розуміння доступних методів та можливості їх застосування у даній сфері.

The subject of the paper is the methods of image classification in computer vision systems. The goal is the further development of structural classification methods in terms of introducing a system of classification features based on the values of the distance matrix for multidimensional description components. Applied methods: AKAZE keypoint detector, set theory and vector spaces methods, metric models for determining relevance for a set of multidimensional vectors, theory of data distribution formation, elements of probability theory, software modeling. Results: modifications of the image classification method based on the implementation of the formalism of distance matrices for a set of description components have been developed, integration models for the formation of classification features and actions on sets of vectors based on the distance matrix have been proposed, metric features of a set of multidimensional vectors as classification features have been established. The effectiveness of the developed modifications of the classifier depends on the choice of a subset and the number of descriptors in the description, a measure for comparing descriptions. Based on the introduction of the distance matrix, it was possible to form built-in features in the form of one-dimensional data distributions and reduce computational costs while ensuring the effectiveness of classification on the training data set. The practical significance of the work is the formation of classification models based on the distance matrix, confirming the performance of the proposed modifications using image examples, and creating a software application that applies the proposed classifiers in computer vision., Предметом досліджень статті є методи класифікації зображень у системах комп’ютерного зору. Мета – розвинення структурних методів класифікації в аспекті впровадження системи класифікаційних ознак на підґрунті значень матриці відстаней для багатовимірних компонентів опису. Застосовувані методи: детектор ключових точок AKAZE, апарат теорії множин і векторних просторів, метричні моделі визначення релевантності для множин багатовимірних векторів, теорія формування розподілів даних, елементи теорії ймовірностей, програмне моделювання. Отримані результати: розроблено модифікації методу класифікації зображень на основі впровадження формалізму матриць відстаней для множини компонентів опису, запропоновано інтеграційні моделі для формування класифікаційних ознак та здійснення дій над множинами векторів на основі матриці відстаней, встановлено метричні особливості множин багатовимірних векторів як ознак класифікації. Результативність розроблених модифікацій класифікатора залежить від вибору підмножини та числа дескрипторів у описі, міри для зіставлення описів. На підставі впровадження апарату матриці відстаней вдалося сформувати інтегровані ознаки у вигляді одновимірних розподілів даних і скоротити обчислювальні витрати при забезпеченні результативності класифікації на навчальній вибірці даних. Практична значущість роботи полягає у побудові моделей класифікації на підставі матриці відстаней, підтвердженні працездатності запропонованих модифікацій на прикладах зображень, створенні програмного застосунку для впровадження розроблених класифікаторів у комп’ютерному баченні.

В статье предлагается метод адаптивной пороговой бинаризации растровых изображений технических чертежей.Проанализированы специфические особенности изображений технических чертежей и их влияние на результат бинаризацииизвестными универсальными методами. Выявлены артефакты, возникающие на результирующих бинарных изображениях и предложены способы их устранения. В основу предложенного метода положено соображение о том, что очень маленькие фрагменты изображения чертежа напоминают букву «С», которая в особых случаях вырождается в прямую линию. Дальнейшие рассуждения сводятся к выбору способа определения соответствия объекта на изображении форме «С». Отдельное влияние уделено вопросам настройки порога бинаризации в зависимости от яркости изображения. В работе представлена математическая модель предложенного метода, его алгоритмическое описание. Проведены эксперименты по исследованию качественных и количественных показателей эффективности. Качественная оценка выполнялась путем сравнения результата бинаризации с эталонным черно-белым изображением. В качестве критериев количественного оценивания рассмотрены такие критерии, как время выполнения алгоритма, полнота и f-мера. Представлены результаты проведенных экспериментов, показывающие превосходство предложенной в работе методики бинаризации растровых изображений технических чертежей, как количественно, так и качественно., The paper proposes a method of adaptive threshold binarization of technical drawings raster images. The specific image features oftechnical drawings and their influence on the result of binarization of known universal methods are analysed. The artifacts that arise on theresulting binary images are identified and ways to address them are suggested. The proposed method is based on the idea that very small parts of the image of the drawing resembles the letter «C», which in special cases degenerates into a straight line. Further arguments boil down to the choice of method for determining the conformity of the object in the image form «C». Separate effect given to the issues of binarization threshold settings depending on the brightness of the image. The paper presents a mathematical model of the proposed method, its algorithmic description and experimental qualitative and quantitative evidence of efficacy. The quantitative evaluation was performed by comparing the results with the reference binarization black and white image. As evaluation criteria considered criteria such as time of the algorithm, completeness and f-measure. The results of the conducted experiments demonstrating the superiority of the proposed methodology in the raster image binarization technical drawings, both quantitatively and qualitatively.

Магістерська дисертація виконана на 117 сторінках, містить 49 ілюстрацій, 20 таблиць 25 джерел та 1 додаток. Актуальність. Научно-технологічний прогрес призвів до активного використання безлічі інформаційних та кіберфізичних систем у повсякденному житті. Безліч систем в сфері астрономії, медицині, юриспруденції, промисловості, безпеки та інформаційних технологій використовують зображення отримані цифровими фото- та відеокамерами. Постає задача аналізу отриманих даних, а отже є необхідність в розробці системи, яка була б здатна покращувати якість зображень для подальшої їх обробки та інтерпретації. Об’єкт дослідження: задача поліпшення роздільної здатності цифрових зображень. Предмет дослідження: методи і моделі глибоких нейронних мереж а також генеративних нейронних мереж. Методи дослідження, застосовані у даній роботі, базуються на методах машинного навчання та експертної оцінки. Наукова новизна одержаних результатів — розроблено систему, що може генерувати зображення із збільшеною роздільною здатністю різними сучасними методами. The master's dissertation is made on 117 pages, contains 49 illustrations, 20 tables of 25 sources and 1 appendix. Topicality. Scientific and technological progress has led to the active use of many information and cyberphysical systems in everyday life. Many systems in the fields of astronomy, medicine, law, industry, security and information technology use images obtained with digital cameras and video cameras. The task is to analyze the data obtained, and therefore there is a need to develop a system that would be able to improve the quality of images for further processing and interpretation. Object of research: the task of improving the resolution of digital images. Subject of research: methods and models of deep neural networks and generative neural networks. The research methods used in this paper are based on methods of machine learning and expert evaluation. Scientific novelty of the obtained results - a system has been developed that can generate super resolution images with various state of the art methods.

Розмір пояснювальної записки – 103 аркуші, містить 25 ілюстрацій, 36 таблиць, 7 додатків. Актуальність теми. У роботі розглянуто проблему в галузі 3D моделювання для реконструкції зображень реального світу, показано основні особливості існуючих рішень проблеми реконструкції зображень, їх переваги та недоліки. Виявлено проблему в удосконаленні методів реконструкції зображень для отримання кращої якості утворених моделей, їх текстур, а також швидкості роботи алгоритмів для забезпечення можливості виконання реконструкцій в реальному часі. Метою цієї роботи є підвищення якості результуючої моделі об’єкту на основі нового алгоритму для перетворення 2D зображень в 3D моделі, прискорення алгоритму реконструкції 3D моделей на основі 2D зображень для забезпечення можливості відтворення в реальному часі з мінімальними втратами якості та покращення методів накладання текстур на 3D об’єкти для отримання кращої якості моделей та їх відповідність реальним об’єктам. Для досягнення мети необхідно виконати наступні завдання: - виконати аналіз основних методів перетворення 2D зображень в 3D моделі; - здійснити порівняльний аналіз зазначених методів; - розробити алгоритми перетворення 2D зображень в 3D моделі з високою швидкістю та якістю; - розробити алгоритми накладення текстур для моделей з високою якістю; - розробити програмне забезпечення, що реалізовуватиме розроблені алгоритми; - виконати аналіз результатів роботи створеного програмного забезпечення. Об’єкт дослідження – програмне забезпечення, що використовується для побудови тривимірних об’єктів. Предмет дослідження – Моделі, алгоритми та методи для обробки зображень та відеопотоків. Методи дослідження, застосовані в даній роботі базуються на підходах комп’ютерного зору, комп’ютерної графіки та машинного навчання. Наукова новизна одержаних результатів: запропоновано новий алгоритм, що утворений як комбінації алгоритмів виконання перетворення 2D зображень в 3D моделі. В результаті, алгоритм дозволяє отримувати моделі без видимих візуальних дефектів, що мають високий рівень схожості з реальним об’єктом. Практичне значення одержаних результатів: розроблений алгоритм та програмне забезпечення з підтримкою високої якості моделей дозволяє швидко генерувати 3D моделі порівняно з задіянням 3D дизайнерів в разі виникнення необхідності в генерації великого обсягу 3D моделей. Розроблений алгоритм та програмне забезпечення з підтримкою генерації моделей з високою швидкістю уможливлює ряд задач, таких як: відеорепортажі, VR конференції та інші. Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась на кафедрі інформатики та програмної інженерії Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» згідно з планом науково-дослідницьких робіт кафедри інформатики та програмної інженерії. Апробація. Наукові положення дисертації пройшли апробацію на Першій Всеукраїнській науково-практичній конференції молодих вчених та студентів «Інженерія програмного забезпечення і передові інформаційні технології» (SoftTech- 2021) – м. Київ. Публікації. Наукові положення дисертації опубліковані в: Линник В.В. Практичне застосування методу генерації текстур об’єктів в розрізі задачі тривимірної реконструкції/ В.В.Линник, О.П. Сирота // Матеріали першої всеукраїнської науково-практичної конференції молодих вчених та студентів «Інженерія програмного забезпечення і передові інформаційні технології» (SoftTech- 2021) – м. Київ: НТУУ «КПІ ім. Ігоря Сікорського», 22-26 листопада 2021 р. Explanatory note size – 103 pages, contains 25 illustrations, 36 tables, 7 applications. Topicality. Examines the problem of 3D modeling for the reconstruction of realworld images, shows the main features of existing solutions to the problem of image reconstruction, their advantages and disadvantages. The problem in improving the methods of image reconstruction to obtain the best quality of the formed models, their textures, as well as the speed of the algorithms to ensure the possibility of performing reconstructions in real time. The aim of the study. The main target is improving the quality of the resulting object model based on a new algorithm for converting 2D images to 3D models, accelerating the algorithm for reconstructing 3D models based on 2D images to provide real-time playback with minimal quality loss and improving methods of applying textures to 3D objects for obtaining the best quality models and their compliance with real objects. To achieve this goal, you must perform the following tasks: - perform an analysis of the main methods of converting 2D images into 3D models; - carry out the comparative analysis of the specified methods; - develop algorithms for high-speed converting 2D images into 3D models; - develop algorithms for converting 2D images into 3D models with high quality; - develop algorithms for texturing models with high quality; - develop software that will implement the developed algorithms; - perform analysis of the results of the created software. The object of research is software used to build three-dimensional objects. Subjects of research are models, algorithms and methods for processing images and video streams. The research methods used in this paper are based on the approaches of computer vision, computer graphics and machine learning. 10 The scientific novelty of the results is a proposing of a new algorithm, which is formed as a combination of algorithms for converting 2D images into 3D models. As a result, the algorithm allows to obtain models without visible visual defects that have a high level of similarity to real objects. The practical significance of the obtained results. The developed algorithm and software support high quality models and allows to quickly generate 3D models comparing to the use of 3D designers in case when a large volume of 3D models needs to be generated. The developed algorithm and software for high-speed model generation enables a number of tasks, such as: video reporting, VR conferencing etc. Relationship with working with scientific programs, plans, topics. The work was performed at the Department of Informatics and Software Engineering of the National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" according to the research works plan of informatics and software engineering department. Approbation. The scientific provisions of the dissertation were tested at the All- Ukrainian Scientific and Practical Conference of Young Scientists and Students “Software Engineering and Advanced Information Technologies” (SoftTech-2021) - Kyiv. Publications. Lynnyk V.V. Practical application of the method of generating textures of objects in the context of the problem of three-dimensional reconstruction / V.V. Lynnyk, O.P. Syrota // Proceedings of the All-Ukrainian Scientific and Practical Conference of Young Scientists and Students “Software Engineering and Advanced Information Technologies” (SoftTech-2021) - Kyiv: NTUU “KPI them. Igor Sikorsky”, November 22- 26, 2021.

The subject of research of the paper is the methods of image classification on a set of key point descriptors in computer vision systems. The goal is to improve the performance of structural classification methods by introducing indexed hash structures on the set of the dataset reference images descriptors and a consistent chain combination of several stages of data analysis in the classification process. Applied methods: BRISK detector and descriptors, data hashing tools, search methods in large data arrays, metric models for the vector relevance estimation, software modeling. The obtained results: developed an effective method of image classification based on the introduction of high-speed search using indexed hash structures, that speeds up the calculation dozens of times; the gain in computing time increases with an increase of the number of reference images and descriptors in descriptions; the peculiarity of the classifier is that not an exact search is performed, but taking into account the permissible deviation of data from the reference; experimentally verified the effectiveness of the classification, which indicates the efficiency and effectiveness of the proposed method. The practical significance of the work is the construction of classification models in the transformed space of the hash data representation, the efficiency confirmation of the proposed classifiers modifications on image examples, development of applied software models implementing the proposed classification methods in computer vision systems., Предметом досліджень статті є методи класифікації зображень за множиною дескрипторів ключових точок у системах комп’ютерного зору. Метою є підвищення продуктивності структурних методів класифікації шляхом впровадження індексованих хеш-структур на множині дескрипторів бази еталонних образів та узгодженого ланцюжкового поєднання кількох етапів аналізу даних у процесі класифікації. Застосовувані методи: детектор та дескриптори BRISK, засоби хешування даних, методи пошуку в об’ємних масивах даних, метричний апарат визначення релевантності векторів, програмне моделювання. Отримані результати: розроблено ефективний метод класифікації зображень на основі впровадження швидкісного пошуку із використанням індексованих хеш-структур, що прискорює обчислення в десятки разів; виграш у часі обчислень збільшується при зростанні числа еталонів та дескрипторів у описах; особливості класифікатора полягають у тому, що здійснюється не точний пошук, а із врахуванням допустимого відхилення даних від еталону; експериментально перевірена результативність класифікації, що вказує на працездатність та ефективність запропонованого методу. Практична значущість роботи– побудова моделей класифікації у трансформованому просторі хеш-подання даних, підтвердження працездатності запропонованих модифікацій класифікаторів на прикладах зображень, розроблення прикладних програмних моделей для впровадження запропонованих методів класифікації у системах комп’ютерного зору.

The paper considers the possibility of solving the problem of improving the quality of technical vision using the contour method, which is used to position objects in mobile computer vision systems. The hardware part of the object positioning system includes two video cameras, a Raspberry Pi 3 microcomputer, a depth contour map screen, and a motor control unit. The codes of programs based on the OpenCV library, the algorithm of the system and examples of the implementation of the contour method are given. The algorithm of the developed positioning technique includes the selection of the contours of objects on the frames of a stereopair, removal of all open contours, calculation of the moment (center of mass) of each closed contour, determination of the displacement along the x-axis of the moments of the corresponding contours, filling each closed contour with points with a brightness inversely proportional to the displacement of the moments. The presence of two video cameras, a Raspberry Pi 3 microcomputer, a contour depth map screen provides stereoscopic and panoramic "vision", that is, the ability to determine the presence of objects and their distance, as well as to get an overall picture in the "field of view" of the system. The engine control unit allows mobile devices to avoid obstacles. Based on the analysis of the research results, it was found that the proposed system provides an increase in the quality of positioning of objects and a decrease in the required computing resource, which gives a significant decrease in power consumption and ensures the autonomy of the system., В работе рассмотрена возможность повышения качества технического зрения с помощью метода контуров, который используется для позиционирования объектов в мобильных системах компьютерного зрения. Аппаратная часть системы позиционирования объектов включает две видеокамеры, микрокомпьютер RaspberryPi3, экран контурной карты глубин, блок управления двигателями. Приведены коды программ на основе библиотеки OpenCV, алгоритм работы системы и примеры реализации метода контуров. Алгоритм разработанной методики позиционирования включает выделение контуров объектов на кадрах стереопары, удаление всех незамкнутых контуров, вычисление момента (центра масс) каждого замкнутого контура, определение смещения по оси х моментов соответствующих контуров, заливку каждого замкнутого контура точками с яркостью, прямо пропорциональной смещению моментов. Наличие двух видеокамер, микрокомпьютера RaspberryPi3, экрана контурной карты глубин обеспечивает стереоскопичность и панорамность «зрения», т.е. возможность определить наличие объектов и их удаленность, а также получить общую картину в поле «зрения» системы. Наличие блока управления двигателями позволяет обеспечить обход препятствий мобильными устройствами. На основании анализа результатов исследований установлено, что предложенная система обеспечивает повышение качества позиционирования объектов и снижение необходимого вычислительного ресурса, что дает значительное уменьшение потребляемой мощности и обеспечивает автономность системы., В роботі розглянута можливість підвищення якості технічного зору за допомогою методу контурів, який використовується для позиціонування об'єктів в мобільних системах комп'ютерного зору. Апаратна частина системи позиціонування об'єктів включає дві відеокамери, мікрокомп'ютер Raspberry Pi 3, екран контурної карти глибин, блок управління двигунами. Наведено коди програм на основі бібліотеки OpenCV, алгоритм роботи системи і приклади реалізації методу контурів. Алгоритм розробленої методики позиціонування включає виділення контурів об'єктів на кадрах стереопари, видалення всіх незамкнутих контурів, обчислення моменту (центру мас) кожного замкнутого контуру, визначення зміщення по осі х моментів відповідних контурів, заливку кожного замкнутого контуру точками з яскравістю, прямо пропорційній зміщенню моментів. Наявність двох відеокамер, мікрокомп'ютера Raspberry Pi 3, екрану контурної карти глибин забезпечує стереоскопічність і панорамності «зору», тобто можливість визначити наявність об'єктів і їх віддаленість, а також отримати загальну картину в полі «зору» системи. Наявність блоку управління двигунами дозволяє забезпечити обхід перешкод мобільними пристроями. На підставі аналізу результатів досліджень встановлено, що запропонована система забезпечує підвищення якості позиціонування об'єктів і зниження необхідного обчислювального ресурсу, що дає значне зменшення споживаної потужності і забезпечує автономність системи.

Робота містить 70 сторінок, 27 рисунків, 4 формули та 5 таблиць. Використано 36 джерел. Мета роботи: зменшення кількості трафіку при передачі даних, отриманих за допомогою камер відеоспостереження, до центрального серверу, шляхом попереднього оброблення відеоданих на граничних пристроях - мікрокомп'ютерах. У роботі проведено аналіз існуючих детекторів, алгоритмів стеження за об’єктами, а також проблем, які можна вирішити шляхом введення автоматизованих систем стеження за транспортом. Запропоновано систему аналізу та обробки відеопослідовності на граничному пристрої. Програмно реалізовано алгоритм визначення інтенсивності трафіку. Зібрано експериментальну установку з мікрокомп’ютера, камери та додаткового модуля глибокого навчання Intel Movidius Neural Compute Stick2. Зроблені висновки та рекомендації за отриманими результатами. The work contains 70 pages, 27 figures, 4 formulas and 5 tables. 36 sources used. Purpose: reducing the amount of traffic when transmitting data obtained by video surveillance cameras to a central server, by pre-processing video data on edge devices - microcomputers. The paper analyzes the existing detectors, object tracking algorithms, as well as problems that can be solved by introducing automated vehicles tracking systems. The system of analysis and processing of video sequence on the boundary device is offered. Software algorithm for determining traffic intensity is implemented. An experimental setup was assembled from a microcomputer, a camera and an Intel Movidius Neural Compute Stick2. Conclusions and recommendations based on the obtained results are done.

Магістерська дисертація 149 с., 117 рис., 26 табл., 1 додатки, 21 джерел. Об'єктом дослідження є сегментаційні маски зображень. Предметом дослідження є алгоритми створення сегментаційних масок, методи глибокого навчання. Мета дослідження: 1. Розробити алгоритм генерації сегментаційних масок, використовуючи тільки класи зображень. 2. Використати даний алгоритм на датасеті зображень і оцінити його. Новизна: запропонований градієнтний алгоритм до цього не використовувався для генерації масок всього датасету. Також сама проблема генерації розмітки на сьогодні тільки набуває популярності. В даній роботі було розглянуто градієнтний алгоритм для генерації сегментаційних масок, оптимізуючи модель лише на класах зображень. Отримані результати свідчать про перспективність використання даного методу. Також було запропоновано можливі шляхи удосконалення алгоритму. В результаті було оптимізовано алгоритм, який згенерував розмітку для вибірки зображень з дефектними листами сталі. Master's Thesis 149 pp., 117 Fig., 26 tables, 1 supplements, 21 sources. The object of the study is segmentation image masks. The subject of the study is an algorithm that generates segmentation image masks, using deep neural nets. The aim of the study: 1. Develop algorithm, which generates segmentation masks, using image class labels. 2. Use developed algorithm on image dataset and evaluate performance. Novelty: proposed gradient algorithm was not used for segmentation labeling of the whole dataset previously. Also the overall problem of segmentation markup generation is only becoming popular nowadays. In this paper gradient algorithm for mask generation, which needs only image class labels for optimization, was studied. Results of research propose future perspectives of the usage of the proposed algorithm. Also possible ways for algorithm improvement were proposed. As a result of research, the algorithm, which generated segmentation markup for defected steel plates, was developed.

Актуальність теми. Протягом останніх років настільні 3D-принтери стали достатньо доступними та розповсюдженими. Однак, попри свою поширеність, експлуатація таких 3D принтерів є достатньо складною так як у процесі друку з великою вірогідністю може виникнути несправність. Залежно від розміру, складності моделі та обраної роздільної здатності під час генерації інструкцій для принтеру, процес 3D-друку може зайняти від пари годин до декількох днів. Це означає, що машина іноді працюватиме великий проміжок часу без людського контролю. За цей час багато речей може піти не так. Наприклад, сопло, через яке видавлюється матеріал, може бути закупоритись, або виріб може відлипнути від друкарського столу. Це може привести до марнування великої кількості матеріалу, значних часових затрати та до пошкодження принтеру. Якщо проблему виявлено на ранньому етапі, багатьох наслідків можна уникнути. Зараз єдиним способом виявлення цих помилок є ручна перевірка процесу друку людиною. Автоматизація цього процесу є необхідною для розширення сфери застосування 3D друку та полегшення роботи з цією технологією. Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» згідно з планом науководослідницьких робіт кафедри автоматизованих систем обробки інформації та управління . Метою цієї роботи є розроблення архітектури програмних засобів для автоматизації моніторингу процесу 3D друку, що в свою чергу дозволить спростити та зробити ефективнішою експлуатацію 3D принтерів. Також це дозволить мінімізувати необхідність присутності оператора 3D принтера, що більше не буде змушений періодично перевіряти стан об’єкта друку. Для досягнення мети необхідно виконати наступні завдання: виконати аналіз основних неполадок в процесі друку; провести огляд наявних методів визначення неполадок; здійснити порівняльний аналіз зазначених методів; формалізувати задачу моніторингу процесу 3D друку; розробити метод виявлення неполадок; реалізувати програмне забезпечення, що реалізовуватиме розроблений метод; виконати аналіз результатів роботи створеного програмного забезпечення. Об’єкт дослідження – моніторинг процесу 3D друку. Предмет дослідження – програмні методи та системні рішення для виявлення неполадок в процесі 3D друку. Методи дослідження, застосовані в даній роботі базуються на підходах комп’ютерного зору, комп’ютерної графіки та машинного навчання. Наукова новизна одержаних результатів полягає в унікальності розробленої системи, аналогів якої немає, та у застосуванні інноваційного методу виявлення неполадок 3D друку, що базується на поєднання методів комп’ютерного зору, комп’ютерної графіки та машинного навчання, що також відрізняється врахуванням властивостей моделі об’єкта, що друкується. Практичне значення одержаних результатів зумовлена реалізацією розробленого методу в системі для автоматичного моніторингу процесу 3D друку, яка може застосовуватись для спрощення експлуатації 3D принтерів. Публікації. Матеріали роботи опубліковані в збірнику тез ІV всеукраїнської науково-практичної конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2020). Actuality. In recent years, desktop 3D printers have become available and widespread. However, due to its widespread popularity, the use of such 3D printers is quite complex, as the printing process is more likely to malfunction. Depending on the size, complexity of the models and image resolution when generating printing instructions, the 3D printing process may depend on the pair. hours to several days. This means that the machine sometimes runs for a long time without human control. During this time, many things can go wrong. For example, the nozzle through which the material is removed may be purchased, or the solution may peel off the printing table. This can result in marking of large amounts of materials, significant time delays, and damage to the printer. If the problem is detected early, many consequences can be changed. Currently, the only way to detect these errors is to manually check the human printing process. Automation of this process is necessary to expand the scope of 3D-printing and selection of work on this technology. Relationship with working with scientific programs, plans, topics. The work was performed at the Department of Automated Information Processing and Control Systems of the National Technical University of Ukraine "Kyiv Polytechnic Institute. Igor Sikorsky” as part of the topic “Intelligent system for detecting problems in the process of 3D printing using real-time video series analysis”. The aim of this work is to automate the monitoring of the 3D printing process to simplify and reduce resources for the operation of 3D printers. As a result, you can significantly reduce the time to troubleshoot, which in turn will reduce the cost of wasted material and printer maintenance. It will also minimize the need for a 3D printer operator, who will no longer have to periodically check the condition of the print object, which will reduce both time and money to manufacture the product. To achieve this goal, you must perform the following tasks: perform an analysis of major problems in the printing process; review existing troubleshooting methods; carry out a comparative analysis of these methods; formalize the task of monitoring the 3D printing process; develop a method of detecting problems; implement software that will implement the developed method; perform analysis of the results of the created software. The object of research is monitoring of the 3D printing process. Subjects of research are methods for detecting problems in the process of 3D printing. The research methods used in this paper are based on the approaches of computer vision, computer graphics and machine learning. The scientific novelty of the results is the use of a unique combination of computer vision, computer graphics and machine learning to detect problems in the process of 3D printing, which also takes into account the properties of the model of the object being printed. The practical significance of the obtained results is due to the implementation of the developed method in the system for automatic monitoring of the 3D printing process, which can be used to simplify the operation of 3D printers. Publications. Materials of the work are published in the collection of abstracts of the IV All-Ukrainian scientific-practical conference of young scientists and students "Information systems and management technologies" (ISTU-2020).

У роботі розглянуто проблему розпізнавання елементів дорожнього руху у відео потоці, проведено аналіз наявних проблем та складнощів в існуючих методах розпізнавання елементів та порівняння їхніх характеристик точності та швидкодії, переваг та недоліків. Розроблено інтелектуальну систему розпізнавання елементів дорожнього руху за допомогою алгоритмів машинного навчання та нейронних мереж. Система може бути використана у відео реєстраторах та у системах пасивної безпеки автомобіля. Загалом в роботі розкрито питання призначення та доцільність використання нейронної мережі та представлена програмна реалізація системи за допомогою мови програмування C# та бібліотеки Accord.NET, основними вимогами якої є: прийнятна точність розпізнавання, можливість використання відео потоку в якості вхідних даних, знайдені елементи повинні бути інтуїтивно виділені серед інших елементів та простота в налагоджені. Окремо було приділено увагу локальним результатам експериментів, що дають уявлення про характеристики запропонованої системи. Ключові слова: інтелектуальна система, нейронна мережа, машинне навчання, алгоритм, комп’ютерний зір, дорожній рух. Розмір пояснювальної записки – 81 аркушів, містить 23 ілюстрацій, 28 таблиць, 6 додатків. Examines the problem of recognition of traffic elements in the video stream, analyzes the existing problems and complexities in the existing methods of recognition of the elements and compares their characteristics of accuracy and speed, advantages and disadvantages. An intelligent system for recognizing traffic elements is using machine learning algorithms and neural networks. The system can be used in video recorders and passive vehicle security systems. In general, the paper addresses the purpose and feasibility of using a neural network and presents the software implementation of the system using the C# programming language and the Accord.NET library. The main requirements of which are: acceptable recognition accuracy, the ability to use video stream as input, found elements should be intuitive highlighted among other elements and simplicity in configuring. Special attention was paid to the local results of the experiments, which give an idea of the characteristics of the proposed system. Explanatory note size – 81 pages, contains 23 illustrations, 28 tables, 6 applications.

Background. Today there are dozens of methods and approaches for facial recognition. In recent years there were achieved more or less acceptable results in object localization, but object identification is still an open problem for achieving high reliability of the correct person identification. It depends on collecting initial data very much. Therefore, there is a need for image preprocessing, which will help to improve the reliability of existing image recognition methods and computer vision approaches by manipulating the input signal.Objective. The purpose of the paper is to search and analyze effective image processing techniques based on key points of the face. Performing experiments on the proposed image preprocessing method and comparing the results of experiments with and without such processing.Methods. The purpose was achieved by analyzing the known identification methods that were used in criminalistics for the last decades and also by the image transformation based on the object's key points with the use of the image normalization approach based on the geometric parameters in computer vision issues.Results. There are the results of studies of various methods of learning and recognition in this research. The time values of training and recognition with and without the proposed image preprocessing method are analyzed. It is shown that by using this image preprocessing method it can achieve better results of object identification.Conclusions. The developed face anthropometric points localisation methods differ from the existing ones by the ability to find key features on low-contrast images with a complex background in real time without prior training and adjustment. The developed image preprocessing method allows improving the reliability of existing recognition methods by the image normalization based on the face key features., Проблематика. На сегодняшний день существуют десятки методов и подходов к распознаванию лиц. Но если в области локализации объектов на изображении в последние годы были достигнуты более-менее приемлемые результаты, то в области идентификации все еще открытой остается проблема достижения высокой достоверности правильной классификации лиц. В значительной степени такое положение вещей обусловлено начальными условиями сбора информации. Поэтому возникает необходимость в предварительной обработке изображений, которые с помощью метаморфоз над входным сигналом будут способствовать улучшению достоверности распознавания существующих методов и подходов компьютерного зрения.Цель исследования. Поиск и анализ эффективных техник обработки изображений на основе ключевых точек лица. Выпол-нение экспериментальных исследований по предложенному способу предварительной обработки изображений и сравнение результатов экспериментов с и без такой обработки.Методика реализации. Поставленная цель достигается с помощью анализа известных подходов идентификации, которые используются в криминалистике на протяжении последних нескольких десятков лет, а также за счет нормализации изображений на основе ключевых точек с использованием подходов к нормализации геометрических параметров в задачах компьютерного зрения.Результаты исследования. Приведены результаты исследований различных методов обучения и распознавания. Проанализированы потери времени этапов обучения и распознавания с и без разработанной предварительной обработки изображений. Показано, что благодаря разработанному способу предварительной обработки изображений удается получить лучшие результаты идентификации.Выводы. Разработанные методы поиска антропометрических точек лица отличаются от существующих способностью находить ключевые признаки на слабоконтрастных изображениях со сложным фоном в режиме реального времени без предварительного обучения и настройки. Разработанный способ предварительной обработки изображений позволяет повысить достоверность распознавания существующих методов идентификации за счет нормализации изображений на основе ключевых точек лица., Проблематика. На сьогодні існують десятки методів і підходів до розпізнавання облич. Але якщо у сфері локалізації об’єктів на зображенні останніми роками були досягнуті більш-менш прийнятні результати, то у сфері ідентифікації все ще відкритою залишається проблема досягнення високої достовірності правильної класифікації облич. Значною мірою такий стан речей зумовлений початковими умовами збору інформації. Тому виникає необхідність у попередній обробці зображень, які за допомогою метаморфоз над вхідним сигналом будуть сприяти поліпшенню достовірності розпізнавання існуючих методів та підходів комп’ютерного зору.Мета дослідження. Пошук і аналіз ефективних технік обробки зображень на основі ключових точок облич. Виконання експериментальних досліджень стосовно запропонованого способу попередньої обробки зображень та порівняння результатів експериментів з та без такої обробки.Методика реалізації. Поставлена мета досягається завдяки аналізу відомих підходів ідентифікації, які використовуються в криміналістиці протягом останніх декількох десятків років, а також за рахунок нормалізації зображень на основі ключових точок із використанням підходів до нормалізації геометричних параметрів у задачах комп’ютерного зору.Результати дослідження. Наведено результати досліджень різних методів навчання та розпізнавання. Проаналізовано часові втрати етапів навчання та розпізнавання з та без розробленої попередньої обробки зображень. Показано, що завдяки розробленому способу попередньої обробки зображень вдається отримати кращі результати ідентифікації.Висновки. Розроблені методи пошуку антропометричних точок обличчя відрізняються від існуючих здатністю знаходити ключові ознаки на слабоконтрастних зображеннях зі складним фоном у режимі реального часу без попереднього навчання і настроювання. Розроблений спосіб попередньої обробки зображень дає змогу підвищити достовірність розпізнавання існуючих методів ідентифікації за рахунок нормалізації зображень на основі ключових точок обличчя.

Онкологічні захворювання є справжньою чумою ХХІ сторіччя. За даними CDC (Centers for Disease Control and Prevention) кількість нових онкологічних хворих сягне 1.9 млн./рік в 2020 році[1]. В зв’язку с цим, питання розробки та модифікації сучасних методів діагностики та прогнозування раку стає дуже гостро. Одним з таких методів, справжнім «золотим стандартом» є метод гістологічної експертизи, який є дуже складним та багато ступеневим процесом, який виконуються цілком людиною і, нажаль, не позбавлений людського фактору. Так, зразок досліджуваної тканини може бути неякісно взятий у пацієнта, погано нарізаний, надмірно, або недостатньо пофарбований. Все це призводить до того, що результати аналізу експертами одного і того ж зразка можуть сильно різнитися між собою. І для того щоб отримати дійсно точний результат, слід задіяти декількох експертів або один математично обґрунтований алгоритм, який позбавив би цей процес людської суб’єктивності. Існування таких алгоритмів було би неможливо без розділу комп’ютерних наук, що зветься «комп’ютерний зір». Цей розділ, а на сьогодні можна сказати окрема наука, почав своє існування в 1965 році з кандидатської дисертації, присвяченій темі трьохвимірної реконструкції сцени, що складалася с множини примітивів, таких як, піраміди, конуси, і т.п., по одній їх фотографії [2]. По стану на сьогоднішній день, людство розробило алгоритми, здатні виконувати попіксельну сегментацію зображення, отриманого на встановленій на лобовому склі автомобіля камері, з ціллю виявлення регіонів, що належать дорозі, знакам дорожнього руху, пішоходам, іншим машинам, і т.п [3]. Окрім значної точності, ці алгоритми являються також досить швидкими, здатними оброблювати зображення в реальному часі. Зразу після появи комп’ютерного зору, йому зразу знайшли місце і в обробці цифрових медичних зображень. Такі алгоритми як вейвлет- та ширлет-перетворення послугували екстракторами ознак для подальшої класифікації методом опорних векторів гістологічних зображень з ціллю виявлення ступені злоякісності пухлини. Алгоритм водорозділу був успішно адаптований для задачі сегментації окремих клітин. Морфологічний класифікатор був використаний для класифікації знайдених клітин. За допомогою глибоких нейронних мереж вчені змогли провести сегментацію об’єктів на гістологічних зображеннях, які навіть не були пофарбовані. Зв'язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась в рамках науково-дослідних робіт кафедри автоматизованих систем обробки інформації та управління факультету обчислювальної техніки та інформатики КПІ імені Ігоря Сікорського № 0117U000914 «Математичні моделі та технології в системах підтримки прийняття рішень». Мета і задачі дослідження. Основна мета роботи полягає в розробці математичного та алгоритмічного забезпечення для підвищення якості та наочності цифрових гістологічних зображень. Для досягнення поставленої мети необхідно розв‘язати комплекс наступних взаємопов‘язаних задач: - аналіз існуючих методів обробки гістологічних зображень; - виокремлення множини алгоритмів, що активно використовуються у знайдених методах; - розроблення середи, для компонування алгоритмів у єдиний метод; - дослідження ефективності розробленого методу. Об’єкт дослідження. Процес обробки гістологічних зображень з ціллю збільшення їх якості та наочності для людини. Предмет дослідження. Методи та алгоритми, які використовуються для обробки та аналізу гістологічних зображень. Методи дослідження. При проведенні досліджень і розробок у дисертаційній роботі використовувались методи комп’ютерного зору, обробки зображень, матричні фільтри, алгоритми нормалізації яркості та освітленості, алгоритми сегментації возорозділу, бінаризації с порогом по Оцу, переведення між кольоровими просторами, кластеризація методом К-середніх, для експериментального дослідження – методи об‘єктно-орієнтованого програмування: фреймворк PyQt, бібліотека алгоритмів обробки зображень OpenCV, бібліотека методів машинного навчання sklearn. Наукова новизна одержаних результатів полягає в наступному: а) розроблено метод комбінування алгоритмів комп’ютерного зору та їх налаштовування; б) розроблено метод обробки цифрових гістологічних зображень з ціллю збільшення їх якості та наочності. Практичне значення одержаних результатів. Всі запропоновані математичні моделі і алгоритми доведені до практичної реалізації у рамках програмного забезпечення, котре використовується для обробки цифрових гістологічних зображень. Особистий внесок здобувача. Усі результати, наведені у дисертації, отримані самостійно. Апробація результатів дисертації. Результати дисертації були апробовані на наступних наукових конференціях: - Науково-практична конференція молодих вчених «Фундаментальна медицина: інтегральні підходи до терапії хворих з онкопатологією» (Київ, 2019 р.). Публікації. За результатами дисертації опубліковано 2 наукові праці, в тому числі 1 статті у наукових фахових виданнях, які індексуються у наукометричних базах Copernicus, arXiv:1712.03228v1 [cs.SD] 8 Dec 2017. Cancer is a true plague of the 21st Century. According to the CDC (Centers for Disease Control and Prevention), the number of new cancer patients will reach 1.9 million per year in 2020 [1]. In this regard, the issue of developing and modifying modern methods of diagnosis and prediction of cancer becomes very acute. One such method, the true "golden standard" is the method of histological examination, which is a very complex and many-step process, which is performed entirely by man and, unfortunately, not devoid of human factor. Thus, the sample of the investigated tissue may be poorly taken from the patient, badly sliced, excessively, or insufficiently colored. All this leads to the fact that the results of analysis by experts of the same sample can vary greatly among themselves. And in order to get a really accurate result, it is necessary to involve several experts or one mathematically grounded algorithm that would deprive this process of human subjectivity. The existence of such algorithms would be impossible without the division of computer sciences, called "computer vision". This section, and today one can say a separate science, began its existence in 1965 with a PhD thesis devoted to the topic of three-dimensional reconstruction of a scene consisting of a plurality of primitives such as pyramids, cones, etc., in one of their photographs [2]. As of today, mankind has developed algorithms that can perform the pixelwise segmentation of the image obtained on a camera mounted on the windscreen of the car, with the aim of identifying regions belonging to the road, traffic signs, pedestrians, other cars, etc. [3]. In addition to high accuracy, these algorithms are also fast enough to process images in real time. Immediately after the appearance of computer vision, it immediately found a place in the processing of digital medical images. Such algorithms as wavelet and shearlet-transformation were user as feature extractors for further classification by the support vector machines of histological images with the aim of detecting the degree of tumor malignancy. The watershed segmentation algorithm has been successfully adapted for the segmentation of individual cells. The morphological classifier was used to classify the found cells. With the help of deep neural networks, scientists were able to segment objects on histological images that were not even painted. Connection with other scientific programs, plans and topics. Dissertation work was developed as part of scientific research works of Computer-Aided Management And Data Processing Systems Department of Faculty of Informatics and Computer Science, Igor Sikorsky Kyiv Polytechnic Institute № 0117U000914 “Mathematical models and technologies in decision making systems”. Goal and tasks. The main goal of the work is to develop mathematical and algorithmic support for improving the quality and visibility of digital histological images. To achieve this goal, it is necessary to solve a set of the following interconnected tasks: - analysis of existing methods of processing histological images; separation of the set of algorithms actively used in the found methods; - development of the environment for the layout of the algorithms in a single method; - study of the effectiveness of the developed method. Research object. Face recognition from photo for face position detection and 68 facial landmarks position detection. Research subject. The process of processing histological images with the aim of increasing their quality and visibility for a person. Research methods. During research and development in the dissertation work methods of computer vision, image processing, matrix filters, algorithms for the normalization of brightness and illumination, watershed segmentation algorithms, binaryzation with the threshold of the Otsu, translation between color spaces, clustering by the K-means method were used, for experimental research - methods of object-oriented programming: framework PyQt, library of image processing algorithms OpenCV, library of methods of machine learning sklearn were used. Scientific novelty is as follows: - method of combining computer vision algorithms and their configuration is developed; - method for processing digital histological images has been developed with the aim of increasing their quality and visibility. Practical use. All proposed mathematical models and algorithms are brought to practical realization within the framework of the software that is used for the processing of digital histological images. Publications. According to this research 2 scientific papers were published. One of them is indexing in the online database Copernicus, arXiv:1712.03228v1 [cs.SD] 8 Dec 2017.

Робота складається із вступу та чотирьох розділів. Загальний обсяг роботи: 80 аркушів основного тексту, 14 ілюстрації, 28 таблиць. При підготовці використовувалася література з 30 різних джерел. Актуальність. Більшість сучасних компаній ведуть електронний документообіг. Існує багато інструментів для перетворення паперового документу в його цифровий вигляд. Але інструментів для викорінення специфічних даних із документів – немає. Цей процес до сих пір робиться в більшості випадків «вручну». Важко підрахувати, скільки грошей та часу могла би зекономити система яка автоматизувала би бізнес-процес розпізнавання тексту документа та викорінення корисних даних із нього. Мета і завдання дослідження. Метою магістерської роботи є розробка системи розпізнавання та викорінення специфічних даних із зображень документів та тестування системи із метою аналізу ефективності такої системи. Для досягнення мети дослідження поставлено і вирішено такі завдання: • аналіз інструментів розпізнавння тексту; • дослідження особливостей та вимог системи розпізнавння реквізитів документу по зображенню; • проектування та розробка системи розпізнавння реквізитів документу по зображенню. Об’єкт дослідження – процес розробки системи для розпізнавання та викорінення специфічних даних із документа по зображенню. Предмет дослідження – засоби автоматизації процесу розпізнавання та викорінення специфічних даних із документа. Особистий внесок здобувача. Магістерське дослідження є самостійно виконаною роботою, в якій відображено особистий авторський підхід та особисто отримані теоретичні та прикладні результати, що відносяться до вирішення задачі. Спосіб проектування системи із різними інструментами, бібіліотеками та фреймворками. Формулювання мети та завдань дослідження проводилось спільно з науковим керівником. Практична цінність. Отримана система розпізнавння реквізитів документів по зображенню може бути впроваджена у будь-яку коропоративну систему електронного документообігу на комерційній основі. The work consists of an introduction and four parts. Total: 80 main body sheets, 14 illustrations, 28 tables. In the course of preparation, literature from 30 different sources was used. Topicality. Most modern companies maintain electronic document flow. There are many tools for converting a paper document into its digital form. But there are no tools to recognize specific data i documents. This process is still done in most cases "manually". It is difficult to calculate how much money and time could be saved by a system that would automate the business process of recognizing the text of a document and saving useful data from it. The purpose and objectives of the study. The purpose of the master's thesis is to develop a system for recognizing specific data from document images and testing the system to analyze the effectiveness of it. To achieve the goal of the study set and solved such tasks: • analysis of text recognition tools; • analysis of features and requirements of the system of recognition of the requisites of the document on the image; • design and development of the system of recognition of details of the document on the image. Object of study - the process of developing a system for recognizing specific data from an image of the document. The subject of research – ways to automate the process of recognizing specific data from an image of the document. Personal contribution of the applicant. The master's research is a self-completed work that reflects the author's personal approach and personally obtained theoretical and applied results related to the issue. A method of designing a system with different tools, libraries and frameworks. The purpose and objectives of the study were formulated jointly with the scientific supervisor. Practical value. The obtained system of recognition of the requisites of documents on the image can be implemented in any corporative system of electronic document flow on a commercial basis.

Проблематика. На сьогодні існують десятки методів і підходів до розпізнавання облич. Але якщо у сфері локалізації об’єктів на зображенні останніми роками були досягнуті більш-менш прийнятні результати, то у сфері ідентифікації все ще відкритою залишається проблема досягнення високої достовірності правильної класифікації облич. Значною мірою такий стан речей зумовлений початковими умовами збору інформації. Тому виникає необхідність у попередній обробці зображень, які за допомогою метаморфоз над вхідним сигналом будуть сприяти поліпшенню достовірності розпізнавання існуючих методів та підходів комп’ютерного зору. Мета дослідження. Пошук і аналіз ефективних технік обробки зображень на основі ключових точок облич. Виконання експериментальних досліджень стосовно запропонованого способу попередньої обробки зображень та порівняння результатів експериментів з та без такої обробки. Методика реалізації. Поставлена мета досягається завдяки аналізу відомих підходів ідентифікації, які використовуються в криміналістиці протягом останніх декількох десятків років, а також за рахунок нормалізації зображень на основі ключових точок із використанням підходів до нормалізації геометричних параметрів у задачах комп’ютерного зору. Результати дослідження. Наведено результати досліджень різних методів навчання та розпізнавання. Проаналізовано часові втрати етапів навчання та розпізнавання з та без розробленої попередньої обробки зображень. Показано, що завдяки розробленому способу попередньої обробки зображень вдається отримати кращі результати ідентифікації. Висновки. Розроблені методи пошуку антропометричних точок обличчя відрізняються від існуючих здатністю знаходити ключові ознаки на слабоконтрастних зображеннях зі складним фоном у режимі реального часу без попереднього навчання і настроювання. Розроблений спосіб попередньої обробки зображень дає змогу підвищити достовірність розпізнавання існуючих методів ідентифікації за рахунок нормалізації зображень на основі ключових точок обличчя. Background. Today there are dozens of methods and approaches for facial recognition. In recent years there were achieved more or less acceptable results in object localization, but object identification is still an open problem for achieving high reliability of the correct person identification. It depends on collecting initial data very much. Therefore, there is a need for image preprocessing, which will help to improve the reliability of existing image recognition methods and computer vision approaches by manipulating the input signal. Objective. The purpose of the paper is to search and analyze effective image processing techniques based on key points of the face. Performing experiments on the proposed image preprocessing method and comparing the results of experiments with and without such processing. Methods. The purpose was achieved by analyzing the known identification methods that were used in criminalistics for the last decades and also by the image transformation based on the object's key points with the use of the image normalization approach based on the geometric parameters in computer vision issues. Results. There are the results of studies of various methods of learning and recognition in this research. The time values of training and recognition with and without the proposed image preprocessing method are analyzed. It is shown that by using this image preprocessing method it can achieve better results of object identification. Conclusions. The developed face anthropometric points localisation methods differ from the existing ones by the ability to find key features on low-contrast images with a complex background in real time without prior training and adjustment. The developed image preprocessing method allows improving the reliability of existing recognition methods by the image normalization based on the face key features. Проблематика. На сегодняшний день существуют десятки методов и подходов к распознаванию лиц. Но если в области локализации объектов на изображении в последние годы были достигнуты более-менее приемлемые результаты, то в области идентификации все еще открытой остается проблема достижения высокой достоверности правильной классификации лиц. В значительной степени такое положение вещей обусловлено начальными условиями сбора информации. Поэтому возникает необходимость в предварительной обработке изображений, которые с помощью метаморфоз над входным сигналом будут способствовать улучшению достоверности распознавания существующих методов и подходов компьютерного зрения. Цель исследования. Поиск и анализ эффективных техник обработки изображений на основе ключевых точек лица. Выполнение экспериментальных исследований по предложенному способу предварительной обработки изображений и сравнение результатов экспериментов с и без такой обработки. Методика реализации. Поставленная цель достигается с помощью анализа известных подходов идентификации, которые используются в криминалистике на протяжении последних нескольких десятков лет, а также за счет нормализации изображений на основе ключевых точек с использованием подходов к нормализации геометрических параметров в задачах компьютерного зрения. Результаты исследования. Приведены результаты исследований различных методов обучения и распознавания. Проанализированы потери времени этапов обучения и распознавания с и без разработанной предварительной обработки изображений. Показано, что благодаря разработанному способу предварительной обработки изображений удается получить лучшие результаты идентификации. Выводы. Разработанные методы поиска антропометрических точек лица отличаются от существующих способностью находить ключевые признаки на слабоконтрастных изображениях со сложным фоном в режиме реального времени без предварительного обучения и настройки. Разработанный способ предварительной обработки изображений позволяет повысить достоверность распознавания существующих методов идентификации за счет нормализации изображений на основе ключевых точек лица.

Магістерська дисертація: 65 с., 11 рис., 26 табл., 3 додатки, 26 джерел. Об’єкт дослідження: алгоритми стиску даних. Метою даної роботи є розробка інтелектуальної системи покращення алгоритмів стиску зображень. В роботі проаналізовані концепції, підходи та методи стиску зображень, зроблений огляд існуючих робіт та систем покращення алгоритмів стиску. Результати роботи: − запропонована архітектура системи інтелектуального покращення алгоритмів стиску; − реалізовано програмний продукт (REST веб сервіс) який виступає як інтерфейс системи покращення зображення; − реалізовано стартап – проект інтеграційний пакет MS Dynamics CRM та MS Sharepoint, з використання розробленої системи покращення зображення. Новизна роботи: − запропоновано принципово новий спосіб побудови системи для покращення стиску зображень; − обґрунтовано використання власних підходів до розв’язку задачі стиску зображень. Результати даної роботи можна використовувати для побудови системи покращення стиску зображень на основі нейронних мереж. Розміщена як REST веб сервіс система доступна для використання, як частину більш складної онлайн орієнтованої системи. Master thesis: 65 p., 11 figures, 26 tables, 3 annexes, 26 sources. Object of research: algorithms of data compression The purpose of this work is to develop an intelligent system for improving image compression algorithms. The paper analyzes concepts, approaches and methods of compression of images, reviews of existing works and systems for improving compression algorithms. Results of work: − the architecture of the system of intellectual improvement of compression algorithms is proposed; − a software product (REST web service) is implemented, which serves as an interface for improving the image; − a startup is implemented - the project of the integration package MS Dynamics CRM and MS Sharepoint, using the developed image enhancement system. Novelty of work: − a fundamentally new way of constructing a system for improving image compression is proposed; − the use of own approaches to the decision of problems of compression of images is substantiated. The results of this work can be used to build a system for improving the compression of images based on neural networks. Placed as a REST web service system is available for use as part of a more complex online-oriented system.

В роботі наведений огляд сучасних систем та алгоритмів технічного зору, описані їх сильні та слабки сторони, вирішені та невирішені задачи. Окреслений напрямок майбутніх досліджень в цій галузі. In this paper state-of-art of computer vision systems and algorythms is presented. The algorythms advantages and disadvatages, solved and unsolved tasks are discribed. The topics of the future work are circumscribed. В работе приведен обзор современных систем и алгоритмов технического зрения, описаны их сильные и слабые стороны, решенные и нерешенные задачи. Очерчено направление будущих исследований в этой области.