Інтелектуальна система покращення якості зображень з використанням тріангуляції області
Ключові слова:
тріангуляція Делоне, паралельні обчислення, адаптивна фільтрація, Speedup, joblib, ORB, SSIM
Анотація
Розроблено інтелектуальну систему тріангуляції області, спрямовану на підвищення якості зображень шляхом адаптивної фільтрації. На відміну від класичних методів, що розмивають контури, та методів глибокого навчання, які використовують GPU, запропонована система використовує тріангуляцію Делоне для формування адаптивної геометричної сітки, яка зберігає контури об'єктів, відокремлюючи їх від шуму. У ході дослідження використано бібліотеки OpenCV та SciPy для геометричного моделювання, а також фреймворк joblib для паралельної оптимізації CPU-інтенсивних обчис лювальних етапів.
Посилання
[1] Jo Педрегоса Ф., Варо Г., Грамфорт А. та ін. Scikit-learn: Machine learning in Python // Journal of Machine Learning Research. 2011. Vol. 12. P. 2825–2830.
[2] Віртанен П., Гоммерс Р., Оліфант Т. Е. та ін. SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python // Nature Methods. 2020. Vol. 17. P. 261–272.
[2] Віртанен П., Гоммерс Р., Оліфант Т. Е. та ін. SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python // Nature Methods. 2020. Vol. 17. P. 261–272.
Опубліковано
2026-01-07
Як цитувати
Нечепуренко, А., Опришко, М., Бекас, Б., & Паньків, В. (2026). Інтелектуальна система покращення якості зображень з використанням тріангуляції області. Комп’ютерне моделювання та інформаційні технології. вилучено із https://conf.nltu.edu.ua/index.php/conf1/article/view/436
Розділ
МАТЕМАТИЧНЕ І ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
