|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ЦЭМИ РАН |
||
Математические методы обработки видеоданныхНИР
Mathematical methods of processing video data
- Руководитель НИР: Крылов А.С.
- Ответственный исполнитель: Насонов А.В.
- Участники НИР: Насонова А.А., Сорокин Д.В., Ятченко А.М.
- Подразделение: Лаборатория математических методов обработки изображений
- Срок исполнения: 1 января 2013 г. - 31 декабря 2017 г.
- Номер договора (контракта, соглашения): 2.15
- Номер ЦИТИС: 01201351282
- Тип: Фундаментальная
- Приоритетное направление научных исследований: Математическое моделирование и численные методы
- ПН России: Информационно-телекоммуникационные системы
- Направление технологического прорыва России: Стратегические информационные технологии
-
Рубрики ГРНТИ:
- 27.41.23 Машинные, графические и другие методы вычислительной математики
- 28.23.15 Распознавание образов. Обработка изображений
-
Ключевые слова:
видеоданные, регуляризирующие методы, метрики оценки качества изображений, анализ изображений, многомасштабные методы
regularization methods, video data, multi-scale methods, image analysis, image quality metrics -
Описание:
Обработка и анализ изображений и видео являются активно развивающейся областью науки, в первую очередь основанной на использовании и разработке математических методов решения возникающих из практики задач. В то же время, разрабатываемые методы, алгоритмы и их программные реализации имеют очень большое значение для широкого круга практических приложений и технологий. Основными задачами НИР является: -Разработка регуляризирующих многомасштабных методов обработки изображений и видео. -Создание метрик оценки качества изображений, учитывающих особенности человеческого восприятия и основанных на анализе структур, устойчивых к искажениям. -Разработка математических методов обработки и анализа биомедицинских изображений, включая автоматические анализ и повышение качества двух- и трехмерных видеоданных. -Методы анализа изображений и видео при решении задач создания новых производственных технологий. -Разработка низкоуровневых алгоритмов обработки и анализа двух- и трехмерных изображений и видео. -Исследование и адаптация метода разреженных представлений для решения задач анализа изображений. -Создание численных алгоритмов решения задач обработки и анализа трехмерных изображений. -Разработка эффективных алгоритмов обнаружения и оценки артефактов изображений и видео. -Разработка быстрых алгоритмов обработки и анализа изображений, ориентированных на использование в мобильных устройствах.
-
Abstract:
Image processinga and analysis is an active fiield of the scince. It is primary based on the development and use of mathematical methods for real practical tasks. At the same time, the developed methods and software are of a great importance for practice and techology.
-
Планируемые результаты:
1. Разработать математические методы повышения резкости изображений. 2. Разработать математические методы обработки и анализа офтальмологических и кардиологических изображений. 3. Разработать методы субъективной оценки качества изображений; создать база данных для проведения анализа влияния эффекта Гиббса и ложного оконтуривания на субъективное качество изображений.
-
Научный задел:
Комплекс математических методов обработки изображений, основанных на регуляризирующих алгоритмах.
-
Основные результаты:
1. Разработаны математические методы повышения резкости изображений. 2. Разработаны математические методы обработки и анализа офтальмологических и кардиологических изображений. 3. Разработаны методы субъективной оценки качества изображений; создана база данных для проведения анализа влияния эффекта Гиббса и ложного оконтуривания на субъективное качество изображений.
- Добавил в систему: Врагова Елена Юрьевна
Соисполнители НИР
| МГУ имени М.В.Ломоносова | Координатор |
Источник финансирования НИР
| госбюджет, раздел 0110 (для тем по госзаданию) |
Этапы НИР
| # | Сроки | Название |
| 1 | 1 января 2013 г.-31 декабря 2013 г. | Математические методы обработки видеоданных |
| Результаты этапа: | ||
| 2 | 1 января 2014 г.-31 декабря 2014 г. | Математические методы обработки видеоданных |
| Результаты этапа: 1. Разработаны математические методы повышения резкости изображений. 2. Разработаны математические методы обработки и анализа офтальмологических и кардиологических изображений. 3. Разработаны методы субъективной оценки качества изображений; создана база данных для проведения анализа влияния эффекта Гиббса и ложного оконтуривания на субъективное качество изображений. | ||
| 3 | 1 января 2015 г.-31 декабря 2015 г. | Математические методы обработки видеоданных |
| Результаты этапа: 1. Разработаны математические методы постобработки для алгоритмов повышения резкости изображений. 2. Разработаны математические методы обработки и анализа ультразвуковых и кардиологических изображений. 3. Разработан алгоритм подавления эффекта Гиббса с помощью метода разреженных представлений. 4. Разработан алгоритм оценки уровня размытия изображений. | ||
| 4 | 1 января 2016 г.-31 декабря 2016 г. | Математические методы обработки видеоданных |
| Результаты этапа: 1. Разработан алгоритм обнаружения жирных линий на изображениях и применен для задач анализа медицинских изображений. 2. Разработаны методы повышения качества изображений с использованием алгоритмов машинного обучения. 3. Разработаны методы обработки и анализа изображений микроскопии. | ||
| 5 | 1 января 2017 г.-31 декабря 2017 г. | Математические методы обработки видеоданных |
| Результаты этапа: В 2017 году разработаны быстрые методы повышения качества и анализа изображений и видео, в том числе: - Параллельная реализация метода повышения резкости изображений на основе деформации пиксельной сетки. Метод осуществляет смещение пикселей изображения в сторону контуров таким образом, чтобы ширины области перепада интенсивности стала уже, что приводит к повышению резкости. Задача формулируется в виде задачи Дирихле для уравнения Пуассона. Преимуществом созданного метода является отсутствие артефактов, характерных для типичных методов повышения резкости, таких как усиление шума, появление эффекта Гиббса и ложного оконтуривания. - Компьютерный метод автоматической предсегментации изображений иммунофлюоресцентной микроскопии тканей кожи, основанный на анализе текстурных признаков на изображениях. - Метод генерации синтетических 3D последовательстей подвижных клеток с растущими филоподиями. | ||
Прикрепленные к НИР результаты
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".