Применение технологий компьютерного зрения и предварительной обработки изображений в системах поддержки принятия решений

Abstract

Статья посвящена разработке системы поддержки принятия решений на основе технологий компьютерного зрения и методов предварительной обработки изображений. В работе проведен сравнительный анализ алгоритмов, используемых для улучшения качества визуальных данных и автоматической идентификации ключевых объектов на изображениях. Основное внимание уделяется различным методам фильтрации, эквализации и сегментации изображений, которые позволяют повысить точность алгоритмов компьютерного зрения при обнаружении важных структур. В процессе исследования были рассмотрены и протестированы различные алгоритмы предварительной обработки изображений, такие как адаптивная и стандартная эквализация гистограммы, медианная фильтрация и гаммакоррекция. Результаты показали, что применение предварительной обработки значительно улучшает качество анализа данных. Наибольшую эффективность в распознавании объектов продемонстрировал алгоритм Shi-Tomasi, особенно в сочетании с методами эквализации, что позволило достичь высокой точности идентификации структурных ориентиров. Статья подчеркивает важность этапа предварительной обработки для повышения производительности систем компьютерного зрения в различных областях, таких как промышленность, контроль качества на производстве, безопасность и автономные системы. Системы компьютерного зрения позволяют автоматизировать анализ изображений и минимизировать влияние человеческого фактора на процесс принятия решений. Примером практического применения представленных технологий является разработанная система для диагностики травм и патологий опорно-двигательного аппарата на основе рентгеновских снимков. Внедрение таких систем в медицинской практике позволяет ускорить процесс диагностики и повысить точность постановки диагноза, что снижает нагрузку на специалистов и улучшает качество медицинской помощи. The article focuses on the development of a decision support system based on computer vision technologies and image preprocessing methods. It presents a comparative analysis of algorithms used to enhance the quality of visual data and to automatically identify key objects in images. The study emphasizes various methods such as filtering, equalization, and image segmentation, which are designed to improve the accuracy of computer vision algorithms in detecting important structures. The research tested and evaluated several image preprocessing techniques, including adaptive and standard histogram equalization, median filtering, and gamma correction. The results demonstrate that applying image preprocessing significantly improves the quality of data analysis. The ShiTomasi algorithm showed the highest efficiency in object recognition, especially when used with equalization techniques, allowing for precise identification of structural landmarks. The paper highlights the critical role of preprocessing in boosting the performance of computer vision systems across various domains, such as industrial applications, quality control, safety, and autonomous systems. These systems enable the automation of image analysis while reducing the impact of human error in decision-making processes. A practical example of these technologies is the development of a system for diagnosing musculoskeletal injuries and pathologies based on X-ray images. The implementation of such systems in medical practice accelerates diagnostic processes and improves the accuracy of diagnoses, ultimately reducing the workload of specialists and enhancing the quality of healthcare services.