NOQULAY OB-HAVO SHAROITIDA OLINGAN TASVIRLAR SIFATINI YAXSHILASH USULLARI
Keywords:
Tasvir sifatini yaxshilash usullari va algoritmlari, Chiziqli tasvirni qayta ishlash algoritmlari, Tezkor tasvirni qayta ishlash algoritmlari rekursiv – ajraladigan tasvirlarni qayta ishlash algoritmi va “tuman” effektini shaffoflashtirish. Turli yoritilganlik sharoitlarida olingan tasvirlar sifatini yaxshilash algoritmlari. Tasvir o‘rtacha yorqinligini ko‘tarish algoritmi. Gistogramani tekislash algoritmlarini ishlab chiqish.Abstract
Dunyoda ob'ektlarni tanib olish tobora muhim ahamiyat kasb etmoqda va dinamik tizimlarda algoritmlardan foydalanish zaruratga aylanib bormoqda. Tasvirni aniqlash algoritmlari ishlab chiqish va takomillashtirish. Ochiq hududlarda suratga olingan tasvirlar yoki, video ketma-ketliklar sifatiga eng ko‘p taʼsir etadigan tashqi omillar sirasiga yomg‘ir va tumanli obhavo sharoitlarini misol sifatida keltirishimiz mumkin. Ushbu maqolada berilgan tasvir sifatiga ko‘rsatilgan ikki omil taʼsirini kamaytirishga mo‘ljallangan algoritmlar bilan tanishib chiqamiz.
References
Ablameyko S.V., Lagunovskiy D.M. Obrabotka izobrajeniy: texnologiya,
metodi, primeneniye: Ucheb. Posobiye. – M.: Amalfey, 2000. – 304 s.
. Kormanovskiy S.I., Skoryukova Y.G., Melnik O.P. Strukturno–
svyaznostnaya model izobrajeniya: videleniye kontura i formirovaniye priznakov
// Informatsionnie texnologii i kompyuternaya texnika.
– 2010. – № 1.Xashimov A.A., Kaxarov SH.S. Videoketma-ketliklarni
indekslash dasturi
// “O‘zbekistonda ilmiy-amaliy tadqiqotlar” mavzusidagi ilmiy masofaviy
onlayn konferensiyasi. Toshkent. O‘zbekiston. 2020. 22-son. 41-43 b.
Kaxarov SH.S. Yuz tasviri maxsus nuqtalari deskriptorlari // “Iqtisodiyot
tarmoqlarining innovatsion rivojlanishida axborot-kommunikatsiya
texnologiyalarining ahamiyati” Respublika ilmiy-amaliy anjumani, Muhammad
al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti, 4-5 mart
yil. Toshkent. – B. 396-398.
Agafonova R.R., Mingalev A.V., Shusharin S.N. Sposobi obrabotki
gistogrammi teplovizionnogo izobrajeniya // Injenerniy vestnik Dona, 2019. – №
(52), 22. – URL: https://cyberleninka.ru/article/n/sposoby–obrabotki–
gistogrammy–teplovizionnogo–izobrazheniya (data obrasheniya: 23.05.2022).
Omprakash P., Yogendra P. S. M., Sanjeev Sh. A Comparative Study of
Histogram Equalization Based Image Enhancement Techniques for Brightness
Preservation and Contrast Enhancement // Signal & Image Processing: An
International Journal (SIPIJ). – Vol. 3. – No. 5. – URL:
https://doi.org/10.5121/sipij.2013.4502.
Girshick R. Fast R–CNN // The IEEE International Conference on
Computer Vision (ICCV). – 2015. – URL:
https://doi.org/10.48550/arXiv.1503.08083.
Fazilov SH.X., Urinov E.M. Aylanishga invariant yuz tasvirini aniqlashda
bosqichma–bosqich sozlash neyron tarmoq modeli // O‘zbekiston Respublikasi
Fanlar akademiyasining maʼruzalari. – Toshkent, 2022. – № 2. – B. 24–28.
Liu W., Wang Z., Liu X., Zeng N., Liu Y., Alsaadi F.E. A survey of deep
neural network architectures and their applications // Neurocomputing.
– 2017. – Vol. 233. – P. 11–26.
Samal D.I., Starovoytov V.V. Metodika avtomatizirovannogo
raspoznavaniya lyudey po fotoportretam // Sifrovaya obrabotka izobrajeniy. –
Minsk: In–t texn. kibernetiki NAN Belarusi, 1999.
– S. 81–85.
Golovko V.A. Neyrointellekt: Teoriya i primeneniY. Kniga 2.
Samoorganizatsiya, otkazoustoychivost i primeneniye neyronnix setey.
– Brest: BPI, 1999. – 228s.
