МЕТОД СЕЛЕКТИВНОЇ ОБРОБКИ ВІДЕО СЕГМЕНТІВ ДЛЯ ПІДВИЩЕННЯ ЯКОСТІ ВІДОЕЗОБРАЖЕНЬ В СИСТЕМАХ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ

На даний момент світ переживає четверту світову революцію, пов’язану з появою і розвитком технологій автоматизації виробництв. Одна з груп технологій, що на даний момент все активніше використовуються у різних сферах індустрії та обслуговування це технології інтелектуальної обробки зображень. Однак, засоби, розроблені із використанням даних технологій, мають ряд обмежень, які лімітують їх ефективність. Одним з таких обмежень є існуюча залежність якості роботи систем інтелектуальної обробки зображень від якості зображень, що надходять у систему. Показано, що розвиток сучасних технологій обробки та стиснення відеозображень ставить нові вимоги до якості отриманих зображень для інтелектуальних систем обробки інформації. У роботі досліджено особливості селективної обробки відеосегментів із метою підвищення їх інформативності та адаптації до інтелектуальних технологій. Зроблено висновок, що традиційні методи обробки, такі як фільтрація шумів або усунення артефактів, не вирішують проблему втрати якості зображення на початкових етапах стиснення. Запропоновано новий підхід, який ґрунтується на аналізі інтенсивності та діапазону змін кольорів у сегментах зображення. Для досягнення цієї мети використано апарат статистичних методів, спектрального аналізу, а також комп’ютерне моделювання. Розроблено інноваційний метод селективного відбору значущих сегментів, який базується на їхньому інформативному та семантичному навантаженні. У роботі представлено метрику оцінки інформативності сегментів, яка дозволяє ефективно класифікувати сегменти на інформативні, змішані та неінформативні блоки. Це дозволяє покращити якість важливих ділянок зображення, знизити вплив шумів та забезпечити адаптивність обробки до специфіки вхідних даних. Методика селективної обробки підвищує ефективність роботи інтелектуальних систем шляхом збереження якості важливих областей при стисканні та адаптації до специфічних вимог обробки. Результати роботи можуть бути використані в системах відеоспостереження, автономному транспорті, медичній діагностиці та інших областях, де якість зображень має критичне значення.