×

Вы используете устаревший браузер Internet Explorer. Некоторые функции сайта им не поддерживаются.

Рекомендуем установить один из следующих браузеров: Firefox, Opera или Chrome.

Контактная информация

+7 961 270-60-01
ivdon@ivdon.ru

  • Оценка зависимостей времени работы алгоритма для восстановления расфокусированных изображений, выполняемого на CPU и GPU

    • Аннотация
    • pdf

    Предметом исследования является проблема выбора наиболее эффективной аппаратной архитектуры, реализующей алгоритм деконволюции (восстановления) искаженных изображений. В качестве рассматриваемого алгоритма деконволюции взят фильтр Винера, ввиду своей эффективности как с точки зрения качества восстановления изображений, так и по причине приемлемой временной сложности. Объект исследования – процесс определения временной сложности рассматриваемого алгоритма восстановления поврежденных изображений, при его выполнении на центральном процессоре (central processing unit, CPU) и графическом процессоре (graphics processing unit, GPU). Рассмотрены основные функции смаза и дефокусировки изображений: размытие по Гауссу, эффект Боке, Motion blur или размытие в движении. Метод исследования базируется на экспериментальной оценке зависимостей времени работы алгоритма на основе фильтра Винера, выполняемого на CPU и GPU, от размерности восстанавливаемого изображения. Приведены результаты вычислительного эксперимента, проведенного с целью сравнения зависимостей времени работы фильтра Винера, выполняемого на центральном процессоре и графическом процессоре, от размера восстанавливаемого изображения. На основании представленных результатов установлено, что при использовании изображений, размеры которых не превышают размеры 1920*1080 фильтр Винера целесообразнее реализовывать на CPU, а при восстановлении изображений, размеры которых превышают 1920*1080 - на GPU.

    Ключевые слова: деконволюция изображений, фильтр Винера, распараллеливание, восстановление расфокусированных изображений, CPU и GPU, оптимизация алгоритма

    05.13.01 - Системный анализ, управление и обработка информации (по отраслям) , 05.13.05 - Элементы и устройства вычислительной техники и систем управления

  • Математическая модель процесса внедрения бура в грунт гидросистемы мобильной буровой установки

    • Аннотация
    • pdf

    В предлагаемой статье приводится обобщенная модель гидросистемы буровой установки во время начала внедрения бурового инструмента в грунт. Показаны осциллограммы параметров гидромотора во времени, полученные с помощью вычислительного эксперимента в программе Matlab. С помощью данной модели можно оценивать переходные процессы гидропривода на стадии проектирования системы. Приведенные формулы описывают параметры гидравлической системы, определяют давление на выходе насоса, входе в дросселируемое сопротивление и входном канале гидромотора. Изменение входных характеристик системы позволяет позволяет наблюдать за поведением системы в различных ситуациях и при разных нагрузках.

    Ключевые слова: математическая модель, гидросистема буровой установки, динамика работы, переходные процессы

    05.13.18 - Математическое моделирование, численные методы и комплексы программ

  • Программная реализация однослойной нейронной сети для распознавания цифровых символов.

    • Аннотация
    • pdf

    Рассмотрены существующие способы для распознавания символов. Выявлены плюсы и минусы применения нейронных сетей для распознавания символов. Приведён обзор методов для распознавания символов. Так же определены достоинства и недостатки алгоритмов для распознавания текста. Реализован алгоритм простейшей однослойной нейронной сети для распознавания каллиграфических и печатных цифр. В работе был проведен анализ обучаемости данной однослойной нейронной сети.

    Ключевые слова: Распознавание символов, однослойная, нейронная сеть, алгоритмы, персептрон

    05.13.01 - Системный анализ, управление и обработка информации (по отраслям)

  • Краткий обзор и программная реализация избранных методов для деконволюции изображений

    Приведён краткий обзор проблемы потери качества изображения. Рассмотрены и проанализированы методы для восстановления расфокусированных изображений. Описаны функции смаза и способы дефокусировки изображения, а также механизм по устранению трёх основных видов смаза изображения. Был проведен ряд экспериментов над расфокусированными изображениями. Разобран алгоритм деконволюции изображения при помощи фильтра Винера и при помощи метода регуляризации Тихонова. В работе проведен анализ корректности применения фильтра Винера и регуляризации Тихонова для смазанных изображений.Определена зависимость времени выполнения алгоритма от размерности восстанавливаемого изображения. Установлено, что на тестируемых задачах - временная сложность фильтра Винера в 1,1 раза меньше временной сложности регуляризации Тихонова.

    Ключевые слова: фильтр Винера, деконволюция по Винеру, регуляризации Тихонова, восстановление изображений, смазанные изображения, motion blur, размытие по Гауссу

    05.13.01 - Системный анализ, управление и обработка информации (по отраслям) , 05.13.18 - Математическое моделирование, численные методы и комплексы программ