зображення

Нами розглядається процес формотворення, що здійснюється засобами забезпечення відмінностей, через структуру, колір, фактуру і текстуру. Форма уявляється як структура елементів і співвідношень, ієрархічно розділених для встановлення сукупної єдності. Її три об'єктивні категорії: маса, текстура і колір. Вона матиме повніше і правильніше значення, якщо нами вона буде розумітися як якась "активна енергія". Форма стає для нас "нею"- енергією, що поєднує в одну цілісність складові її елементи; форму можна вважати "силовим полем", а не просто геометричним поняттям.

У даній роботі вивчено поняття архітектурної форми, як межі зовнішніх і внутрішніх характеристик форми, її ролі в структурі композиційного образу і розкриття певних аспектів формотворення, характерних для різних видів матеріалів, їх сортаменту і типізації.

Запропоновано метод реконструкції зображення, частково спотвореного рухом. Характер спотворення – змаз фону з неспотвореним переднім планом. Для реконструкції використовуються алгоритми автоматизованого пошуку спотвореної ділянки, диференціювання та інтегрування зображення, математичної морфології та деконволюції.

Reconstructive method for images, distorted by partial motion blur with unblurred inclusions, is proposed. It involves the algorithms of automated blur detection, images differentiation and integration, mathematical morphology and deblurring.

Наведено результати дослідження оцінювання якості поверхні матеріалу за допомогою статистичних ознак зображення, зокрема розподіленої дисперсії, дисперсії силуетів та знімків. За базовий інструмент дослідження прийнято пакет визначення статистичних ознак візуальних образів.

The paper contains the results of material surface evaluation using statistical features of an image, in particular, using the distributed dispersion, dispersion of silhouettes and intensity pictures. The package of visual images feature extracting is considered as basic research tool.

Наведена методика отримання розподілених інваріантних та параметричних властивостей образів під час фрагментації об’єму інтенсивності зображення. Показано застосування отриманих результатів у разі пошуку зображень за вмістом.

Аn extraction method of distributed invariant and parametric features of patterns based on the image intensity volume fragmentation is presented.

Побудовано стійкий алгоритм шифрування та дешифрування зображень, який задовольняє вимоги: забезпечення широкого діапазону ключа, забезпечення захисту від основних методів криптоаналізу, виключення можливості візуального розпізнавання деталей зображення.

An algorithm is resistant encryption and decryption of images that satisfy the requirements of: providing a wide range of key protection of the basic methods of cryptanalysis, removing the possibility of visual recognition of image details.

Розглянуто метод отримання структурних ознак графічних образів за допомогою тривимірної фрагментації простору інтенсивності для розв’язання задачі індексації та пошуку зображень. Розподілені структурні ознаки формуються для тривимірних фрагментів простору інтенсивності, на які його поділено. Запропоновано коефіцієнти структуризації інтенсивності, інтегральні та розподілені структурні властивості. Про- демонстровано експериментальні результати одержання ознак візуальних образів за допомогою методу.

Здійснено огляд інваріантів для прикладних задач обробки та аналізу зображень у системах штучного інтелекту. Класифіковано використання моментів для різних типів задач інтелектуального аналізу.

In this paper described review applications invariants for image processing and analysis in artificial intelligence systems. There is classified using the moment for various types of mining problems.

Запропоновано застосування квадратичних фрактальних перетворень до шифрування і дешифрування зображень в градаціях сірого кольору.

The use of quadratic fractal transforms to encryption and decryption of images in grayscale color.

Розроблено метод отримання розподілених ознак зображення на основі фрагментації його інтенсивності. За допомогою методу обчислюються ознаки інтенсивності, координати пікселів зображення та змішані ознаки. Продемонстровано експерименттальні результати залежностей вибраних ознак для тестових зображень.

The method for distributed features of visual patterns extraction is considered. Based on presented methods the features of intensity, pixels coordinates and mixed features are calculated. Some experimental results of using selected method for image features extraction are presented.