АЛГОРИТМ РЕГИСТРАЦИИ МУЛЬТИМОДАЛЬНЫХ ИЗОБРАЖЕНИЙ (2023)
Предлагается алгоритм пространственной регистрации изображений, основанный на анализе геометрического расположения меток. Он позволяет проводить поиск матрицы преобразования подобия между двумя изображениями, в том числе и из разных модальностей. Вычисления основываются на сопоставлении точек (меток), заранее отмеченных на обрабатываемых изображениях. Метки могут быть не упорядочены друг относительно друга и размечены как человеком, так и другим алгоритмом. Алгоритм может быть применён в случаях с сильно отличающимися регистрируемыми изображениями.
Идентификаторы и классификаторы
Данный алгоритм был реализован на языке программирования Python. Для проведения расчётов использовалась библиотека numpy, для визуализации – matplotlib. В качестве алгоритма кластеризации была выбрана реализация алгоритма K-Means в библиотеке scikit-learn. Основным критерием выбора была скорость работы алгоритма, потому что поставленная задача кластеризации является достаточно простой – практически любой современный алгоритм кластеризации способен справиться с ней с достаточной точностью. K-Means при своей простоте обладает довольно низкой алгоритмической сложностью и, как следствие, вполне высокой скоростью [4]. Хотя в данной задаче не используются большие наборы точек, ведь для построения матрицы преобразования достаточно и четырёх точек на каждом изображении. Для оптимизации функции потерь 3 и нахождения весов преобразования подобия был выбран алгоритм сопряжённых градиентов Ньютона, реализованный в библиотеке scipy [5]. Функция потерь 3 дважды дифференцируема, следовательно, позволяет применение данного метода, что ускоряет сходимость по сравнению с алгоритмами, не использующими градиент целевой функции.
Список литературы
- Saharan R. A Review paper on Image Registration Techniques // International Journal of New Innovations in Engineering and Technology. 2016. Vol. 4, no. 4. P. 34-39.
- Hassaballah M., Abdelmgeid A., Alshazly H. Image Features Detection, Description and Matching // Image Feature Detectors and Descriptors Foundations and Applications. Springer International Publishing, 2016. P. 11-45.
- Samih M. Clustering Algorithms: Taxonomy, Comparison, and Empirical Analysis in 2D Datasets // Journal on Artificial Intelligence. 2020. Vol. 2, no. 4. P. 189-215.
- Mathematical optimization: finding minima of functions. URL: http://scipy-lectures.org/ad-vanced/mathematical_optimization/ (дата обращения: 20.04.2023).
Выпуск
Другие статьи выпуска
В работе исследованы основные подходы к распознаванию смысла предложений исходя из контекста. Распознавание смысла предложений используется для решения задачи семантического сравнения пользовательских запросов с целью найти наиболее схожий по смыслу среди имеющихся. Результаты исследования показывают, что использование алгоритмов распознавания смысла предложений позволяет сократить число запросов, которые необходимо описывать вручную, при этом сохраняя большое количество обрабатываемых запросов.
В работе рассматривается разработка клиент-серверного приложения для автоматизации работы заказов в продаже на примере магазина цветов. Исследуется и реализовывается алгоритм машинного обучения k-ближайшего соседа. Результатом является жизнеспособный продукт по продаже товаров цветочной продукции с использованием современного набора технологий и языков программирования.
Разработан алгоритм обнаружения отклонений в работе установок. Изучены и протестированы различные методы распознавания дефектов. Предложенный алгоритм состоит из сбора и обработки данных, анализа и разметки, создания статистических моделей и моделей машинного обучения, сравнения их качества и построения моделей прогнозирования.
Рассматривается алгоритм, целью которого является сокращение количества проводимых действий для получения требуемой звуковой дорожки. Его принцип заключается в получении сигнала путем описания правил его воспроизведения. Особенность алгоритма состоит в том, что через введенные параметры формируется функционально зависимая модель. Она получает на вход момент времени, а на выход - определенное значение. Список этих значений отражает конкретные характеристики звукового сигнала, которые были заданы пользователем.
Предлагается и исследуется модификация алгоритма циклического покоординатного спуска. Недостаток классических методов покоординатного спуска - исследуется спуск только по одной координате, что может привести к преждевременной остановке алгоритма. В предложенном модифицированном методе рассматривается движение одновременно по нескольким координатам. Проведены численные эксперименты, получены результаты решений задач, подтверждающие эффективность предложенной модификации.
Исследуются методы и этапы решения задач теории расписания. Рассматривается NP-трудная задача календарного планирования. Проведен анализ объекта и построена математическая модель, цель которой минимизировать нагрузку преподавателей. Численная реализация построенной модели целочисленного линейного программирования позволяет найти оптимальный вариант решения задачи планирования.
Издательство
- Издательство
- ОмГТУ
- Регион
- Россия, Омск
- Почтовый адрес
- 644050, Российская Федерация, г. Омск, пр-т Мира, д. 11
- Юр. адрес
- 644050, Российская Федерация, г. Омск, пр-т Мира, д. 11
- ФИО
- Корчагин Павел Александрович (Ректор )
- E-mail адрес
- info@omgtu.ru
- Контактный телефон
- +7 (381) 2653407
- Сайт
- https://omgtu.ru/