Д. Р. Бодашевський
Research Interests
Д. Р. Бодашевський has a total of 8 co-authors. Here are the top co-authors by number of shared publications:
- Kateryna Potapova
Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського
1 shared publication - Liliya Vovk
National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute
1 shared publication - І. М. Бакунчик1 shared publication
- В. П. Якобчук
Поліський національний університет
1 shared publication - Костянтин Олегович Радченко
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" Kyiv Ukrainee
1 shared publication - М. В. Наливайчук
Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського
1 shared publication
Latest Publications
- Open Access
- 19 August 2025
- Published by DKS Center in Електронний журнал "Державне управління: удосконалення та розвиток"
- No. 8
КУЛЬТУРНА СПАДЩИНА ЯК СТРАТЕГІЧНИЙ РЕСУРС СТАЛОГО РОЗВИТКУ ТЕРИТОРІЙ: РОЛЬ ПРОСТОРОВОГО ПЛАНУВАННЯ ТА КРЕАТИВНИХ ІНДУСТРІЙ
- 19 August 2025
- Published by DKS Center in Електронний журнал "Державне управління: удосконалення та розвиток"
- No. 8
Open AccessКУЛЬТУРНА СПАДЩИНА ЯК СТРАТЕГІЧНИЙ РЕСУРС СТАЛОГО РОЗВИТКУ ТЕРИТОРІЙ: РОЛЬ ПРОСТОРОВОГО ПЛАНУВАННЯ ТА КРЕАТИВНИХ ІНДУСТРІЙ
- Open Access
- 11 January 2024
- Published by Publishing House Helvetica (Publications) in Таврійський науковий вісник. Серія: Технічні науки
- No. 5,p. 3-14
КОМБІНОВАНИЙ ПІДХІД ДО ПІДВИЩЕННЯ ЯКОСТІ ЗОБРАЖЕНЬ З ВИКОРИСТАННЯМ БІКУБІЧНОЇ ІНТЕРПОЛЯЦІЇ ТА ФІЛЬТРА ЛАНЦОША
У сучасному світі цифрових технологій обробка зображень відіграє ключову роль у численних галузях. Від медичної візуалізації, яка вимагає високої чіткості для точних діагнозів, до супутникової розвідки, що спирається на деталізовані зображення для моніторингу земних та атмосферних явищ. Також це стосується мультимедійних продуктів, де якість зображення безпосередньо впливає на сприйняття контенту користувачами. Одне з основних завдань у цій сфері – збільшення розміру зображень із збереженням їхньої якості. Традиційні методи, такі як бікубічна інтерполяція та метод Ланцоша, вже давно використовуються у цій області через їх простоту та ефективність. Хоча вони ефективні для помірного збільшення зображень, при значному збільшенні вони часто призводять до втрати якості, зокрема до розмиття та поганого збереження деталей. Особливо це стає критичним у ситуаціях, де необхідна висока деталізація, наприклад, у медичних знімках для точної діагностики або в супутникових зображеннях для точного моніторингу змін на Землі. Тому з'являється потреба у більш вдосконалених методах збільшення розміру зображень, які здатні зберегти високу якість деталей навіть при значному збільшенні. У відповідь на ці виклики, сучасні технології, зокрема глибинне навчання та нейронні мережі, пропонують новітні підходи до обробки зображень. Ці методи здатні значно підвищити якість зображень, зокрема за рахунок вдосконаленого відтворення деталей та зменшення розмиття. Однак, вони вимагають значних обчислювальних ресурсів та великих наборів даних для ефективного навчання, що може бути обмежувальним фактором для їх застосування у практичних сценаріях. Крім того, складність налаштування та тонкої настройки нейронних мереж також може бути бар'єром для широкого використання цих методів. Враховуючи ці обмеження, комбінований підхід, який включає елементи класичних технік, видається оптимальним рішенням. Такий метод може поєднувати простоту та надійність класичних методів з високою якістю та деталізацією. Це дозволяє досягти високої якості зображень з помірними обчислювальними витратами. Ця стаття детально аналізує та порівнює класичні методи з комбінованим підходом, використовуючи різноманітні метрики якості, такі як PSNR, для об'єктивної оцінки результатів. Окрім якості зображень, також розглядаються час обробки та ефективність використання ресурсів, що є важливими аспектами у виборі методу обробки зображень. Комбінований підхід, що інтегрує класичні та новітні методи, може стати ефективним інструментом у сучасних застосуваннях обробки зображень, забезпечуючи високу якість та ефективність.
- 11 January 2024
- Published by Publishing House Helvetica (Publications) in Таврійський науковий вісник. Серія: Технічні науки
- No. 5,p. 3-14
Open AccessКОМБІНОВАНИЙ ПІДХІД ДО ПІДВИЩЕННЯ ЯКОСТІ ЗОБРАЖЕНЬ З ВИКОРИСТАННЯМ БІКУБІЧНОЇ ІНТЕРПОЛЯЦІЇ ТА ФІЛЬТРА ЛАНЦОША
У сучасному світі цифрових технологій обробка зображень відіграє ключову роль у численних галузях. Від медичної візуалізації, яка вимагає високої чіткості для точних діагнозів, до супутникової розвідки, що спирається на деталізовані зображення для моніторингу земних та атмосферних явищ. Також це стосується мультимедійних продуктів, де якість зображення безпосередньо впливає на сприйняття контенту користувачами. Одне з основних завдань у цій сфері – збільшення розміру зображень із збереженням їхньої якості. Традиційні методи, такі як бікубічна інтерполяція та метод Ланцоша, вже давно використовуються у цій області через їх простоту та ефективність. Хоча вони ефективні для помірного збільшення зображень, при значному збільшенні вони часто призводять до втрати якості, зокрема до розмиття та поганого збереження деталей. Особливо це стає критичним у ситуаціях, де необхідна висока деталізація, наприклад, у медичних знімках для точної діагностики або в супутникових зображеннях для точного моніторингу змін на Землі. Тому з'являється потреба у більш вдосконалених методах збільшення розміру зображень, які здатні зберегти високу якість деталей навіть при значному збільшенні. У відповідь на ці виклики, сучасні технології, зокрема глибинне навчання та нейронні мережі, пропонують новітні підходи до обробки зображень. Ці методи здатні значно підвищити якість зображень, зокрема за рахунок вдосконаленого відтворення деталей та зменшення розмиття. Однак, вони вимагають значних обчислювальних ресурсів та великих наборів даних для ефективного навчання, що може бути обмежувальним фактором для їх застосування у практичних сценаріях. Крім того, складність налаштування та тонкої настройки нейронних мереж також може бути бар'єром для широкого використання цих методів. Враховуючи ці обмеження, комбінований підхід, який включає елементи класичних технік, видається оптимальним рішенням. Такий метод може поєднувати простоту та надійність класичних методів з високою якістю та деталізацією. Це дозволяє досягти високої якості зображень з помірними обчислювальними витратами. Ця стаття детально аналізує та порівнює класичні методи з комбінованим підходом, використовуючи різноманітні метрики якості, такі як PSNR, для об'єктивної оцінки результатів. Окрім якості зображень, також розглядаються час обробки та ефективність використання ресурсів, що є важливими аспектами у виборі методу обробки зображень. Комбінований підхід, що інтегрує класичні та новітні методи, може стати ефективним інструментом у сучасних застосуваннях обробки зображень, забезпечуючи високу якість та ефективність.