SCI Библиотека

Задача стегоанализа изображений стоит особенно актуально ввиду использования стеганографического скрытия в графических файлах для доставки вредоносного кода и информации при совершении кибератак. В этой связи требуется совершенствование существующих способов детектирования встроенной средствами стеганографии информации. Одним из подходов является использование методики комплексного стегоанализа, предполагающей формирование вывода о детектировании встраивания на основе результатов применения группы из нескольких методов стегоанализа, а также вспомогательных расчетов.

Методы. Для повышения точности детектирования скрытой информации предлагается использовать качественные оценки изображений. В статье продемонстрирована связь между значениями таких оценок и увеличением ошибок работы методов стегоанализа. Методика комплексного стегоанализа, включающая в себя учет качественных характеристик изображений, позволяет повысить точность формируемой оценки путем уменьшения ложноположительных результатов. В статье используются статистические методы подсчета качественных характеристик изображения, оценки корреляции Спирмена, методы машинного обучения.

Результаты. Разработан программный комплекс, интегрирующий описанные в статье элементы методики комплексного стегоанализа, включающие в себя как группу методов стегоанализа, так и набор оцениваемых качественных характеристик изображения. Дана оценка связи качественных характеристик изображения с ошибками в результатах работы методов стегоанализа на пустых контейнерах. Сформированы тестовые выборки и построены модели машинного обучения, формирующие вывод об обнаружении скрытой информации в изображении.

Заключение. Предложенный подход позволяет увеличить точности детектирования скрытой информации при учете оценок качественных характеристик изображения в рамках стегоанализа, что подтверждается экспериментально.

В работе рассматриваются практические вопросы использования компьютерной томографии в задачах неразрушающего контроля для оценки геометрических параметров объектов в промышленности и лабораторных исследованиях. Обзор источников показал, что большинство опубликованных работ опирается на закрытые данные, что существенно затрудняет проведение научных исследований в части воспроизведения результатов и сравнения различных методов томографической реконструкции и анализа реконструированных данных. В качестве решения этой проблемы предложено использовать численное моделирование с использованием программного обеспечения с открытым исходным кодом. Предложена оригинальная схема виртуального конвейера генерации тестовых данных. Программная часть конвейера реализована в виде набора python-скриптов, проведены численные эксперименты.

Solar cells are very prone to scratches, hot spots, breakage and other defects during the production process, which seriously affects their service life and photoelectric conversion efficiency. Traditional detection methods cannot meet the accuracy and real-time requirements of the actual industrial production. To address the problems of low detection accuracy, slow speed, and single type of detected defects in solar cell defect detection, this paper proposes a solar cell defect detection algorithm based on improved YOLOv8s, which is based on the original YOLOv8s network model, and introduces the GAM global attention mechanism module and the EIoU-Focal loss function. The experimental results show that compared with other algorithms, the mAP@0.5 of the improved YOLOv8s reaches 85.1%, and the algorithm has a better improvement in detection accuracy and detection effect, which can complete the task of detecting defects in solar cells more quickly and accurately.

Представлен новый метод диагностики технического состояния внешней изоляции высоковольтного оборудования с помощью ультрафиолетовой камеры промышленного исполнения (с синхронизацией ультрафиолетового и видимого канала) и робототехнического комплекса, а также метод компьютерного зрения с пространственно-временной фильтрацией шумов радиометрических данных, позволяющий повысить точность обнаружения поверхностных частичных разрядов в автоматическом режиме.

Обоснование. Визуальный неразрушающий контроль внутренней поверхности труб является важным аспектом при их производстве и эксплуатации. Вовремя обнаруженный и устраненный дефект может существенно сократить количество брака при производстве и предотвратить различные чрезвычайные происшествия при эксплуатации. Формирование полного панорамного изображения внутренней поверхности труб, пригодных для анализа качества, является актуальной и востребованной задачей, которая может быть решена с помощью систем компьютерного зрения.

Цель. Исследование и разработка телевизионных методов формирования полного панорамного изображения внутренней поверхности трубы, которое можно анализировать для поиска дефектов.

Методы. Для формирования цилиндрического панорамного изображения использованы математические модели формирования эквидистантной проекции сферических изображений, полученных с помощью объектива Fisheye. Для качественной сшивки полученных кадров использовались методы цифровой обработки изображений, включающие преобразования яркости и контраста, поиск особых точек алгоритмом MSER. Теоретические результаты проверены методом натурного моделирования.

Результаты. Результатом данной работы является алгоритм сшивки кадров видеопоследовательности, сформированной телевизионной камерой с оптической системой типа Fisheye, равномерно перемещаемой вдоль продольной оси трубы, в единое панорамное изображение внутренней поверхности.

Заключение. Алгоритм обеспечивает формирование качественного изображения полной панорамы внутренней поверхности труб с отсутствием яркостных артефактов.

В статье исследуется влияние предварительного использования фильтра Калмана на качество обучения автоэнкодеров при обработке изображений с коррелированным шумом. Цель исследования заключается в сравнении эффективности применения фильтра Калмана с традиционными методами фильтрации, такими как медианный фильтр и фильтр Гаусса, в контексте предварительной обработки изображений. Для эксперимента использовались изображения с искусственно добавленным коррелированным шумом.

Методология включала настройку параметров фильтра Калмана для оптимального удаления коррелированного шума, а также применение медианного и Гауссового фильтров для сравнительного анализа. Оценка качества фильтрации проводилась с использованием индекса структурного сходства (SSIM) и пикового соотношения сигнал/шум (PSNR). Результаты эксперимента показывают, что фильтр Калмана значительно снижает уровень коррелированного шума, улучшая качество изображений и повышая точность обучения автоэнкодеров. Это подтверждает эффективность применения фильтра Калмана для предварительной обработки изображений и обеспечивает более чистые данные для последующих этапов машинного обучения. Результаты исследования подчеркивают важность выбора подходящих методов цифровой фильтрации шума для повышения производительности нейронных сетей.

Исследованы возможности применения алгоритмов компьютерного зрения для распознавания клеток крови на биомедицинских изображениях. В качестве основного инструмента используются искусственные нейронные сети. Выполнена разметка и аугментация анализируемых изображений, подготовлены данные для обучения нейронных сетей, представлено сравнение различных нейросетевых архитектур. Также разработан алгоритм распознавания пересекающихся объектов, основанный на разделении контура объекта на сегменты по ключевым точкам. Приведены результаты работы алгоритмов на реальных изображениях микроскопии крови, выполнено сравнение их эффективности, выделены достоинства и недостатки. Наиболее высокие показатели точности распознавания были достигнуты с применением нейронной сети YOLOv8. Проведенные в рамках работы эксперименты показали эффективность применения нейросетевого подхода для анализа биомедицинских
изображений.

Процедура рентгенологического анализа в настоящее время позволяет выявить остеоартрит (ОА) на ранних стадиях заболевания. Наличие или отсутствие заболевания выявляется только на той стадии, когда оно уже проявилось и проведена рентгенологическая диагностика. Использование автоматизированных процедур анализа рентгенологических снимков, наличие архивов такой информации с длительной историей позволяют улучшить результаты прогнозирования осложнений у пациентов. В статье описывается опыт разработки приложения компьютерного анализа рентгенограмм, которое на основе методов глубокого обучения позволяет выявлять риски развития остеоартрита тазобедренного сустава. В качестве обучающей выборки используется архив профильного медицинского института. С целью увеличения размера обучающего набора рентгенограмм используется метод аугментации данных, который повышает вариативность исходных данных, в ряде случаев повышает эффективность распознавания. В работе используется конволюционная сеть (U-сеть), предназначенная для сегментации изображений, которая обучается на рентгенограммах конкретного медицинского учреждения. В рамках проекта по сегментации и анализу геометрических характеристик рентгеновских снимков тазобедренных суставов было разработано программное обеспечение, позволяющее автоматизировать распознавание размера суставной щели, что позволяет уточнить диагноз пациента, прогноз развития патологии.

Прогнозирование живого веса помогает контролировать здоровье животных, эффективно проводить генетическую селекцию и определять оптимальное время убоя. На крупных фермах для измерения живого веса используются точные и дорогостоящие промышленные весы. Взвешивание животного из-за стресса ведет к потере его веса и продуктивности на 5-10%. Однако, перспективной альтернативой является оценка живого веса с помощью морфометрических измерений животного, а затем применение уравнений регрессии, связывающих такие измерения с живым весом. Ручные измерения животных с помощью рулетки отнимают много времени и вызывают стресс у животных. Поэтому в настоящее время для бесконтактных морфометрических измерений все чаще используются технологии компьютерного зрения. В статье предлагается новая модель для прогнозирования живого веса на основе регрессии изображений с использованием методов глубокого обучения. Для регрессии изображений использовались RGB изображения и карты глубины вид сбоку для прогнозирования живого веса крупного рогатого скота. Показано, что на реальных наборах данных предложенная модель достигает точности измерения веса с ошибкой MAE 35.5 и MAPE 8.4 на тестовом наборе данных.

В статье представлен разработанный метод и прототип программы для определения наличия птиц в видеопотоке данных в режиме реального времени. Этот метод основан на использовании каскадного классификатора, который был применен для решения задачи обнаружения и идентификации птиц в биоакустической установке отпугивания птиц в аэропорту Томска. В рамках исследования был использован каскадный классификатор Виолы-Джонса, который является одной из реализаций алгоритма каскад Хаара. Этот алгоритм позволяет с высокой точностью и скоростью обнаруживать объекты на изображениях и видео. В данном случае классификатор был обучен на наборе данных, содержащем изображения птиц, что позволило достичь высокой точности обнаружения и идентификации птиц на видео. Также приведены результаты оценки возможностей созданного классификатора и продемонстрирована его высокая результативность. В ходе исследования были использованы различные методы машинного обучения и анализа видеоданных, что позволило получить точные и надежные результаты. В целом, данная работа представляет собой инновационный подход к решению актуальной задачи защиты аэропортов от птиц. Применение разработанного метода позволило повысить эффективность работы биоакустической установки отпугивания птиц и обеспечить безопасность полетов в аэропорту Томска, снизив вероятность столкновения самолетов с птицами. Новизна работы заключается в применении метода Виолы-Джонса к задаче обнаружения и идентификации птиц с оценкой его результативности. Таким образом, представленная в статье работа является важным вкладом в развитие методов обнаружения и идентификации объектов на видео и может быть использована в других областях, где требуется автоматическое обнаружение и классификация объектов в видеопотоке данных.