МЕТОДЫ ВЫЯВЛЕНИЯ ИСКАЖЕНИЙ НА ИЗОБРАЖЕНИЯХ В СИСТЕМАХ КОМПЬЮТЕРНОГО ЗРЕНИЯ
Авторы:
1.
Академия наук Республики Татарстан
ГБУ «Безопасность дорожного движения»
ГБУ «Безопасность дорожного движения»
2.
Казанский государственный энергетический университет
3.
Казанский национальный исследовательский технический университет им. А.Н. Туполева
4.
Казанский национальный исследовательский технический университет им. А.Н. Туполева
5.
КНИТУ-КАИ
6.
ГБУ «Безопасность дорожного движения»
Тип:
Статья
Номер статьи:
Статус:
Опубликован
Получено:
04.08.2025
Одобрено:
07.08.2025
Опубликовано:
07.08.2025
Язык материала:
русский
Ключевые слова:
ВИДЕОНАБЛЮДЕНИЕ, КОМПЬЮТЕРНОЕ ЗРЕНИЕ, СТАТИСТИЧЕСКИЕ МЕТОДЫ, ОПТИЧЕСКИЙ ПОТОК, АВТОМАТИЧЕСКОЕ РАСПОЗНАВАНИЕ ОБЪЕКТОВ, ИСКАЖЕНИЯ ИЗОБРАЖЕНИЯ
Аннотация (русский):
Статья посвящена решению задачи выявления искажений на изображениях в системах компьютерного зрения. Искажения могут существенно снижать точность алгоритмов компьютерного зрения, приводя к ошибкам в распознавании объектов, ложным срабатываниям или пропуску критически важных событий. Традиционные методы обнаружения искажений включают анализ гистограмм яркости, частотных характеристик и пространственных градиентов. Однако большинство существующих решений либо имеют недостаточную точность, либо требуют значительных вычислительных ресурсов, что ограничивает их применение. В данной работе рассматривается гибридный подход к детекции искажений, сочетающий статистические методы анализа изображений и вычисление плотности оптического потока. Такой подход позволяет охватить большое количество различных видов искажений и эффективно обнаруживать их при минимальных вычислительных затратах, что особенно важно для систем реального времени. Для разработки подхода проанализированы методы обнаружения артефактных изображений: анализ яркости, проверка на низкую контрастность, обнаружение вертикальных полос, выявление блоковых искажений. Сравнительный анализ этих методов показал, что ни один из них не позволяет эффективно выявлять различные искажения на изображениях. Для повышения эффективности решения этой задачи предложено использовать комбинированный метод, включающий в себя все рассмотренные методы. Метод последовательно проверяет изображение на пересвеченные участки, низкую контрастность, вертикальные полосы и блоковые искажения, после чего формирует итоговый вывод. Если любой из детекторов выявляет значительные искажения, изображение помечается как артефактное. Для оценки эффективности предложенного метода было проведено его тестирование на выборке из 700 изображений, полученных с уличных камер видеонаблюдения города Казани. Половина изображений были без искажений, а другая половина - с различными видами искажений и с разной степенью их выраженности. По результатам тестирования выявлено 363 истинно положительных результатов классификации, 8 ложно положительных результатов и 329 истинно отрицательных. Рассчитаны значения метрик качества классификации: accuracy = 98,86%, precision = 97,84%, recall = 100% и F1-score = 98,91%. Полученные результаты позволяют судить о высокой эффективности комбинированного метода выявления искажений на изображениях. Результаты работы могут быть успешно применены в системах мониторинга с использованием видеонаблюдения и в других предметных областях, где критически важна высокая точность обработки изображений.
Статья посвящена решению задачи выявления искажений на изображениях в системах компьютерного зрения. Искажения могут существенно снижать точность алгоритмов компьютерного зрения, приводя к ошибкам в распознавании объектов, ложным срабатываниям или пропуску критически важных событий. Традиционные методы обнаружения искажений включают анализ гистограмм яркости, частотных характеристик и пространственных градиентов. Однако большинство существующих решений либо имеют недостаточную точность, либо требуют значительных вычислительных ресурсов, что ограничивает их применение. В данной работе рассматривается гибридный подход к детекции искажений, сочетающий статистические методы анализа изображений и вычисление плотности оптического потока. Такой подход позволяет охватить большое количество различных видов искажений и эффективно обнаруживать их при минимальных вычислительных затратах, что особенно важно для систем реального времени. Для разработки подхода проанализированы методы обнаружения артефактных изображений: анализ яркости, проверка на низкую контрастность, обнаружение вертикальных полос, выявление блоковых искажений. Сравнительный анализ этих методов показал, что ни один из них не позволяет эффективно выявлять различные искажения на изображениях. Для повышения эффективности решения этой задачи предложено использовать комбинированный метод, включающий в себя все рассмотренные методы. Метод последовательно проверяет изображение на пересвеченные участки, низкую контрастность, вертикальные полосы и блоковые искажения, после чего формирует итоговый вывод. Если любой из детекторов выявляет значительные искажения, изображение помечается как артефактное. Для оценки эффективности предложенного метода было проведено его тестирование на выборке из 700 изображений, полученных с уличных камер видеонаблюдения города Казани. Половина изображений были без искажений, а другая половина - с различными видами искажений и с разной степенью их выраженности. По результатам тестирования выявлено 363 истинно положительных результатов классификации, 8 ложно положительных результатов и 329 истинно отрицательных. Рассчитаны значения метрик качества классификации: accuracy = 98,86%, precision = 97,84%, recall = 100% и F1-score = 98,91%. Полученные результаты позволяют судить о высокой эффективности комбинированного метода выявления искажений на изображениях. Результаты работы могут быть успешно применены в системах мониторинга с использованием видеонаблюдения и в других предметных областях, где критически важна высокая точность обработки изображений.
Ключевые слова:
ВИДЕОНАБЛЮДЕНИЕ, КОМПЬЮТЕРНОЕ ЗРЕНИЕ, СТАТИСТИЧЕСКИЕ МЕТОДЫ, ОПТИЧЕСКИЙ ПОТОК, АВТОМАТИЧЕСКОЕ РАСПОЗНАВАНИЕ ОБЪЕКТОВ, ИСКАЖЕНИЯ ИЗОБРАЖЕНИЯ
ВИДЕОНАБЛЮДЕНИЕ, КОМПЬЮТЕРНОЕ ЗРЕНИЕ, СТАТИСТИЧЕСКИЕ МЕТОДЫ, ОПТИЧЕСКИЙ ПОТОК, АВТОМАТИЧЕСКОЕ РАСПОЗНАВАНИЕ ОБЪЕКТОВ, ИСКАЖЕНИЯ ИЗОБРАЖЕНИЯ
