КЛАСИФІКАЦІЯ МЕТОДІВ ОБРОБКИ І СТИСКУ БІОМЕДИЧНИХ ЗОБРАЖЕНЬ
Анотація
Розробка та практичне використання нових методів обробки і стиснення медичних даних сприятиме виконанню важливої державної програми щодо створення системи національних електронних інформаційних ресурсів, що дозволить вирішити стратегічне завдання входження України до світової інформаційної спільноти.
Однак, незважаючи на суттєві досягнення в цій галузі, стає очевидним той факт, що розроблені в рамках класичної теорії методи наближаються до властивої їм межі ефективності кодування зображень і залишається все менше можливостей збільшення ступеня стиснення інформації, зростання якої підпорядковується експоненційному закону.
З іншого боку найефективніший на сьогоднішній момент кодер – зоровий аналізатор людини – знижує обсяг оброблюваної інформації щонайменше, ніж сім порядків, що дає надію створення принципово нових підходів до кодування зображень.
Тому дуже актуальною є розв'язання проблеми розробки та дослідження нових інформаційних технологій скорочення статистичної, структурної, психофізичної та змістовної надмірності повідомлень на основі об'єднання та комбінування різних методів стиснення даних та методів розпізнавання образів, що дозволить розробити та застосувати ці методи з єдиних системних позицій.
Ключові слова: Обробка зображень, класифікація методів, ефективність кодування.
Повний текст:
PDFПосилання
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2007). Cutting of content redundancy of images on the basis of classification of objects and background. Journal of Automation and Information Sciences. Begel House Inc., 39 (5), 27-36.
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2009). Compression of Images on the Busis of Automatic and Indistinct Classification of Fragments. Journal of Automation and Information Sciences. Begel House Inc., 41 (1), 27-39.
Гонсалес, Р., Вудс, Р. (2012). Цифровая обработка изображений. Техносфера, 1104.
Grady, L., Funka-Lea, G. (2004). Multi-label image segmentation for medical applications based on graph-theoretic electrical potentials. In ECCV Workshops CVAMIA and MMBIA, 230-245.
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2010). Compression of Text Image Based on Characters and Their Classification. Journal of Automation and Information Sciences. Begel House Inc., 42 (11), 45-57.
References:
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2007). Cutting of content redundancy of images on the basis of classification of objects and background. Journal of Automation and Information Sciences. Begel House Inc., 39 (5), 27-36. [in English].
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2009). Compression of Images on the Busis of Automatic and Indistinct Classification of Fragments. Journal of Automation and Information Sciences. Begel House Inc., 41 (1), 27-39. [in English].
Gonsales, R., Vuds, R. (2012). Cifrovaja obrabotka izobrazhenij. Tehnosfera, 1104. [in Russian].
Grady, L., Funka-Lea, G. (2004). Multi-label image segmentation for medical applications based on graph-theoretic electrical potentials. In ECCV Workshops CVAMIA and MMBIA, 230-245. [in English].
Ivanov, V.G., Lyubarskiy, M.G., Lomonosov, J.V. (2010). Compression of Text Image Based on Characters and Their Classification. Journal of Automation and Information Sciences. Begel House Inc., 42 (11), 45-57. [in English].
DOI: https://doi.org/10.26886/2311-4517.1(100)2025.2
Посилання
- Поки немає зовнішніх посилань.

Цей твір ліцензовано за ліцензією Creative Commons Із зазначенням авторства 4.0 Міжнародна.