СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ НЕЙРОННЫХ И ЛОКАЛЬНО- БИНАРНЫХ АЛГОРИТМОВ ИДЕНТИФИКАЦИИ ИЗОБРАЖЕНИЙ ПЛАНКТОННЫХ ПОПУЛЯЦИЙ
https://doi.org/10.23947/2587-8999-2022-1-2-70-80
Аннотация
Работа посвящена методу «нейросеть-lbp» обработки спутниковых снимков водных прибрежных систем многоспектральной съемки для идентификации фитопланктонных популяций пятнистой структуры: определения их границ, распределения градаций цвета и на основе этого – определение распределения концентраций фитопланктона внутри пятен и расположения центра масс. Исследуется работоспособность и эффективность предложенного метода «нейросеть-lbp» в сравнении с методом, базирующимся на использовании трехслойной нейронной сети. Для анализа привлекается тестовый набор изображений –плоских фигур с достаточно сложными границами, что позволит количественно оценить качество сравниваемых алгоритмов. Результаты работы показывают возрастание точности распознавания на 1,5-3 % при применении предложенного метода.
Ключевые слова
математическое моделирование,
локальные бинарные шаблоны,
нейронная сеть,
мелководный водоем,
данные спутникового зондирования
При поддержке: Исследование выполнено при поддержке Российского научного фонда (проект 20-01-00421)
Об авторах
А. И. Сухинов
Донской государственный технический университет
Россия
Россия
Сухинов Александр Иванович, член-корреспондент РАН, доктор физико-математических наук, профессор
344000 Ростов-на-Дону, пл. Гагарина, д. 1
Н. Д. Панасенко
Донской государственный технический университет
Россия
Россия
Панасенко Наталья Дмитриевна
344000 Ростов-на-Дону, пл. Гагарина, д. 1
Список литературы
1. Leontyev A L, Nikitina A V and Chumak M I Application of assimilation and filtration methods for satellite water sensing data for plankton population evolution processes predictive modeling Computational Mathematics and Information Technologies 2020 vol 1 №1 pp 1-11 doi:10.23947/2587-8999-2020-1-1-1-11
2. Panasenko, N.D., Poluyan, A.Y., Motuz, N.S. Algorithm for monitoring the plankton population dynamics based on satellite sensing data // Journal of Physics: Conference Series. 2021. pp. 2131(3),032052
3. Marchuk G I, Paton B E, Korotaev G K and Zalesny V B Data-computing technologies: a new stage in the development of operational oceanography Izvestiya. Atmospheric and Oceanic Physics 2013vol 49 № 6 pp 579-591 doi: 10.7868/S0002351513060114
4. Dymnikov V.P., Tyrtyshnikov E.E., Lykossov V.N., Zalesny V.B.Mathematical modeling of climate, dynamics atmosphere and ocean: to the 95th anniversary of g. i. marchuk and the 40th anniversary of the inm ras // Izvestiya, Atmospheric and Oceanic Physics. 2020. Т. 56. № 3. pp. 215-217.
5. Shutyaev V P Methods for observation data assimilation in problems of physics of atmosphere and ocean Izvestiya Atmospheric and Oceanic Physics 2019 vol 55 № 1 pp 17-31 doi: 10.31857/S0002-351555117-34
6. Shutyaev V P, Parmuzin E I, and Le Dimet F X 2020 Sensitivity of response functions in variational data assimilation for joint parameter and initial state estimation Journal of Computational and Applied Mathematics vol 373 112368 doi: 10.1016/j.cam.2019.112368
7. Agoshkov V I, Lezina N R, Parmuzin E I, ... and Shutyaev V P, Zakharova N B Methods of variational data assimilation with application to problems of hydrothermodynamics of marine water areas Russian Journal of Numerical Analysis and Mathematical Modelling 2020 vol 35 №4 pp 189-202 doi: 10.1515/rnam-2020-0016
8. Sukhinov A. A., G. B. Ostrobrod. Efficient Face Detection on Epiphany Multicore Processor // Computational mathematics and information technologies. 2017. V.1. № 1. pp. 113-127.
9. Sukhinov A I, Atayan A M, Belova Yu V, V.N. Litvinov, Nikitina A V and Chistyakov A E Data processing of field measurements of expedition research for mathematical modeling of hydrodynamic processes in the Azov Sea Computational Continuum Mechanics 2020 vol 13 №2 pp 161-174 doi:10.7242/1999-6691/2020.13.2.13
10. Sukhinov A I, Chistyakov A E, Kuznetsova I Y, Protsenko E A, Strazhko A V and Atayan A M Parallel algorithms for modelling of suspended particles motion in channel for large peclet number Short articles and descriptions of posters. 2020. Parallel computing technologies (PAWT'2020) 2020pp100-108.
11. Atayan AM, Nikitina AV, Sukhinov AI, Chistyakov AE (2022) Mathematical modeling of hazardous phenomena of a natural nature in a shallow reservoir. Journal of Computational Mathematics and Mathematical Physics vol 62 №2: pp. 270-288. Doi: 10.31857/S0044466921120048
12. Sukhinov A I Precision hydrodynamic models and experience of their application in prediction and reconstruction of emergency situations in the Azov Sea Izvestia TRTU 2006 №3(58) pp 228-235
13. Sukhinov A I and Sukhinov A A Reconstruction of 2001 ecological disaster in the Azov sea on the basis of precise hydrophysics models Parallel Computational Fluid Dynamics 2004: Multidisciplinary Applications 2005 pp 231-238 doi:10.1016/B978-044452024-1/50030-0
14. Bondur V G, Ivanov V A, Vorobyev V E, Dulov V A, Dolotov V V, Zamshin V V, Kondratiev S I, Lee M E and Malinovsky V V Ground-to-Space Monitoring of Anthropogenic Impacts on the Coastal Zone of the Crimean Peninsula Physical Oceanography 2020 vol 27 № 1 pp 95-107 doi:10.22449/0233-7584-2020-1-103-115
15. Bondur V G, Vorobyev V E and Murynin A B Retrieving sea wave spectra using high resolution satellite imageryunder various conditions of wave generation Exploration of the Earth from space 2020 vol 3 pp 45-58 doi:10.31857/S0205961420030021
16. Bondur V G, Zamshin V V, Zamshina A Sh and Vorobyev V E Registering from space the features of deep wastewater outfalls into coastal water areas due to discharge collector breaks Exploration of the Earth from space 2020vol 2 pp 3-14 doi: 10.31857/S0205961420020025
17. Bondur VG Satellite Monitoring and Mathematical Modelling of Deep Runoff Turbulent Jets in Coastal Water Areas. In Waste Water-Evaluation and Management; Rijeka, Croatia: 2011 pp. 155–180.
18. The official website of NASA Worldview worldview.earthdata.nasa.gov
19. The official website of Roscosmos Geoportal, www.gptl.ru
20. The official website of Earth observing system, eos.com/landviewer/account/pricing
21. Process JPEG photos online, https://www.imgonline.com.ua/similarity-percent.php
22. Ru Python, https://www.rupython.com/1313-1313.html
Рецензия
Для цитирования:
Сухинов А.И., Панасенко Н.Д. СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ НЕЙРОННЫХ И ЛОКАЛЬНО- БИНАРНЫХ АЛГОРИТМОВ ИДЕНТИФИКАЦИИ ИЗОБРАЖЕНИЙ ПЛАНКТОННЫХ ПОПУЛЯЦИЙ. Computational Mathematics and Information Technologies. 2022;6(2):70-80. https://doi.org/10.23947/2587-8999-2022-1-2-70-80
For citation:
Sukhinov A.I., Panasenko N.D. COMPARATIVE INVESTIGATION OF NEURAL AND LOCALLY BINARY ALGORITHMS FOR IMAGE IDENTIFICATION OF PLANKTON POPULATIONS. Computational Mathematics and Information Technologies. 2022;6(2):70-80. https://doi.org/10.23947/2587-8999-2022-1-2-70-80
Просмотров:
184
Послать статью по эл. почте 