Напрями наукових досліджень





НАПРЯМИ НАУКОВИХ ДОСЛІДЖЕНЬ

Наукова робота кафедри пов'язана з розробкою різних систем обробки і розпізнавання зображень та систем комп'ютерного зору. Ця галузь сучасної науки бурхливо розвивається, оскільки робототехнічні комплекси та системи комп'ютерного зору знаходять усе більше застосування в різних областях життєдіяльності людини

Точково-множинні методи обробки і розпізнавання зображень 


Науковий напрям досліджень спрямований на розвиток методів кластерного аналізу багатовимірних даних за умов неоднозначності та невизначенності. Розглядаються методи кластеризації, розроблена теорія точково-множинної обробки і розпізнавання зображень. На основі запропонованої теорії створено моделі обробки та інтерпретації зображень; надано узагальнення представлень про багатозначні відображення, що в сукупності представляє уніфікований дослідницький апарат аналізу даних в умовах неоднозначності; обґрунтовані і вивчені методи грубої, тонкої та ієрархічної кластеризації. Розроблені методи забезпечують створення універсальних або спеціалізованих програмно-апаратних засобів обробки і розпізнавання зображень чи інших видів інформації на базі порівнянь з еталонами, де за рахунок мінімізації числа операцій компаративного розпізнавання та раціонального вибору обчислювальних ресурсів можна збільшувати обсяги аналізованих даних, підвищуючи тим самим точність або надійність прийняття рішень.

Засновником даного напрямку

досліджень є професор Машталір В.П. 

Моделі та методи темпоральної обробки відео для інформаційного пошуку 

Напрям наукових досліджень спрямований на обробку та аналіз відеоданих. Зокрема  розроблені моделі та методи дозволяють визначати та здійснювати пошук необхідної інформації у послідовності відео потоку. На підставі впровадження даного напрямку наукових досліджень визначено просторово-часову модель послідовної сегментації відео, що дозволяє визначати межі сегментів з урахуванням семантики візуальної інформації та розв’язувати задачі темпоральної обробки в on line режимі; критерії елімінації об’єктів при метричному пошуку сегментів в відеоколекціях; методи фрагментної кластеризації зображень, які забезпечують локальну щодо об’єктів в полі зору темпоральну сегментацію відеорядів; методи виявлення змін властивостей індукованих відеопотоками багатовимірних часових рядів; методи сегментації багатовимірних часових рядів на основі адаптивного прогнозування відеопослідовностей; методи формування ключових кадрів відео сегментів, які дозволяють враховувати «просторовий зміст» зображень, підвищуючи валідність процедур пошуку.

Засновником та куратором даного напрямку 

досліджень є професор Машталір С.В. 

Структурно-ієрархічні методи аналізу та розпізнавання зображень в умовах впливу просторових перешкод 

Напрям наукових досліджень пов'язаний з розвитком моделей та методів обробки зображень та їхньою інтерпретацією в умовах динамічних змін та за наявності просторових перешкод. На підставі розробки цих методів визначено принцип побудови структурно-ієрархічних підходів для розпізнавання відеооб'єктів шляхом оцінки локально-просторової подібності їх структурних описів у вигляді векторів або множин характерних ознак та їх комбінацій; побудовано модель локально-просторової подібності при розпізнаванні відеооб'єктів, яка враховує спосіб отримання, вид міри для порівняння та структуру елементів опису, що забезпечує оперативність і можливість ухвалювати рішення про клас відеооб'єктів за наявності неповних і помилкових даних; обґрунтовано принцип оптимізації параметрів ієрархічних кореляційних методів розпізнавання. Розроблені структурно-ієрархічні методи аналізу та розпізнавання зображень дають можливість з високою достовірністю здійснити розпізнавання в реальній обстановці зовнішнього середовища при впливі фону і локальних перешкод, ефективно вирішувати задачі локалізації та розпізнавання просторово-протяжних об'єктів, тематичного дешифрування результатів космічних зйомок, здійснення аналізу аномальності при контролі устаткування.

Засновником даного напрямку

досліджень є професор Гороховатський В.О. 

Методи, моделі та інформаційні технології моніторингу і ліквідації надзвичайних природних ситуацій 

Напрям наукових досліджень пов'язаний з моделюванням та аналізом природних надзвичайних ситуацій. На підставі впровадження даного напрямку наукових досліджень визначено об’єктно-орієнтовану методологію розробки спеціалізованої інформаційно-аналітичної системи та її компонентів на базі знань прецедентів з урахуванням різних поглядів на природну ситуацію; узагальнений метод моделювання проблемної ситуації, який містить у собі такі етапи: подання ситуацій у вигляді логічно взаємозалежних ланцюжків, перетворення найбільш впливових параметрів природного середовища в множину мікроситуацій; метод пошуку прецедентів для розробки бази знань із текстів опису ситуацій експертами, який передбачає формування баз знань мікроситуацій на основі об’єктно-орієнтованої фреймової структури в інструментальних засобах; модель природного середовища, яка використовує комплексне знання-орієнтоване подання мікроситуації у вигляді елементів трійки «суб’єкт − керуюча дія (рішення) − об’єкт ресурсу моніторингу надзвичайних природних ситуацій»; адаптивний метод розробки структури підсистеми збору, передачі, обробки й відображення інформації на основі алгоритмічної мови ситуаційно-структурних схем алгоритмів.

Засновником даного напрямку

досліджень є професор Кузьомін О.Я.

Методи інтелектуального аналізу з прийняття рішень в задачах обробки зображень 

Куратор напрямку к.т.н., доц. Творошенко І. С.

Методи обробки зображень та даних різної природи на основі застосування ідеології вейвлетів 

Куратор напрямку к.т.н., доц. Кобилін О. А.

Розробка методів нормалізації, розпізнавання, аналізу та обробки зображень у системах комп’ютерного зору 

Напрям наукових досліджень пов'язаний з розвитком моделей та методів обробки зображень в системах технічного зору. Методи дозволяють надавати інтелектуальну інтерпретацію різноманітних вхідних зображень та сприяє розробці систем обробки візуальної інформації у різних прикладних напрямках з якісними технічними показниками та високоефективною здатністю до визначення об’єктів на вхідних зображеннях. В результаті упровадження розроблених методів та алгоритмів було створено низку спеціалізованих систем технічного зору із застосуванням багатопроцесорних комплексів паралельної обробки відеоінформації для автоматизації розв’язання прикладних задач розпізнавання образів.

Засновником такого напрямку та 

наукової школи є професор Путятін Є. П.


Продовженням даного напрямку є роботи

професора Машталіра В.П., професора Гороховатського В. О.,

доцента Любченко В.А., доцента Яковлевої О.В.

Багато результатів роботи науковців кафедри мають світовий рівень. На кафедрі розроблена загальна теорія нормалізації зображень, яка ефективно використовується в комп'ютерному зорі роботів, при розпізнаванні образів, стеженні за об'єктами, що рухаються. Науковці кафедри мають цілий ряд державних нагород за створення і впровадження нової техніки. 

Cтатті у журналах, що включені до наукометричних баз Scopus та Web of Science (Q1-Q4 квартиль)

Y. I. Daradkeh, I. Tvoroshenko, V. Gorokhovatskyi, L. A. Latiff and N. Ahmad, "Development of Effective Methods for Structural Image Recognition Using the Principles of Data Granulation and Apparatus of Fuzzy Logic," in IEEE Access, vol. 9, pp. 13417-13428, 2021, doi: 10.1109/ACCESS.2021.3051625. (Q1) URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9324755&isnumber=9312710

Y. I. Daradkeh, V. Gorokhovatskyi, I. Tvoroshenko, S. Gadetska and M. Al-Dhaifallah, "Methods of Classification of Images on the Basis of the Values of Statistical Distributions for the Composition of Structural Description Components," in IEEE Access, vol. 9, pp. 92964-92973, 2021, doi: 10.1109/ACCESS.2021.3093457. (Q1) URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9467364&isnumber=9312710

Y. I. Daradkeh, V. Gorokhovatskyi, I. Tvoroshenko and M. Zeghid, "Tools for Fast Metric Data Search in Structural Methods for Image Classification," in IEEE Access, vol. 10, pp. 124738-124746, 2022, doi: 10.1109/ACCESS.2022.3225077. (Q1URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9964222&isnumber=9668973 

Y. Ibrahim Daradkeh, V. Gorokhovatskyi, I. Tvoroshenko and M. Al-Dhaifallah, "Classification of images based on a system of hierarchical features," Computers, Materials & Continua, vol. 72, no.1, pp. 1785–1797, 2022.  (Q2https://doi.org/10.32604/cmc.2022.025499 URL: https://www.techscience.com/cmc/v72n1/46938

ДЕРЖБЮДЖЕТНА ТЕМАТИКА НАУКОВИХ ДОСЛІДЖЕНЬ

Обробка складних сигналів (зображень) в інформаційних системах

Розробка і дослідження теоретичних та прикладних аспектів синтезу і обробки рентгенографічних зображень у системах радіаційно-інтроскопічного аналізу

Методи обробки та технології розпізнавання зображень різної фізичної природи

Розробка теоретичних основ та математичного забезпечення для адаптивних, нейро- і фаззі-систем керування з урахуванням обмежень, що параметрично оптимізуються

Концептуальні підходи та моделі розпізнавання зображень в умовах регулярних і випадкових збурень для систем реального часу

Дослідження та розробка методів і моделей інтерпретації даних в системах комп’ютерного зору

Моделі і методи грануляції та інтерпретації багатовимірних даних

Моделі і методи аналізу та інтерпретації динамічних процесів

Розробка гібридних систем та методів обчислювального інтелекту для обробки потоків нечіткої інформації за умов нестаціонарності та невизначенності

Глибинні гібридні системи обчислювального інтелекту для аналізу потоків даних та їх швидке навчання