CC BY
11Информационные системы и технологии
этих целей предусмотрен мощный редактор кривых движения IPO).
Последним этапом создания аватара является импорт полученных анимированных персонажей в игровой движок Unity3D для последующей привязки скриптов-контроллеров, которые определяют логику перемещения персонажа в зависимости от нажатия клавиш пользователем, управляют включением или отключением определенной анимации, а также осуществляют смешивание анимаций и процедурную анимацию.
Таким образом, автором разработана подсистема анимирования персонажей в виртуальной обучающей системе на основе технологий скелетной анимации и захвата движения, которая придает персонажам реалистичное и правдоподобное поведение, что в свою очередь способствует вовлечению учащихся в процесс обучения и делает этот процесс более интерактивным. Виртуальная обучающая система ЗБиСАТЮМ будет применяться в учебном процессе школы информатики СГАУ при обучении школьников основам информатики и программирования.
K. V. Belov
Samara State Aerospace University (National Research University), Samara, Russia
USE OF INFORMATION TECHNOLOGY IN ANIMATING CHARACTERS IN VIRTUAL TRAINING SYSTEM
The results of research and comparative analysis of technologies to animate characters, as well as modern methods of creating animated models to simulate the movement of the joints in the skeleton of a real person are given. The animated character models with realistic and believable movements using latest technology of three-dimensional graphics are created. The character animation subsystem in virtual learning system, which is used at the school of computer science SSAU for training in computer science and programming is developed and implemented.
© Белов К. В., 2012
УДК 004.932
А. В. Белоконь, А. В. Проскурин
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск
ОЦЕНКА ЭФФЕКТИВНОСТИ КОНТЕНТНО-ОРИЕНТИРОВАННЫХ АЛГОРИТМОВ ПОИСКА ИЗОБРАЖЕНИЙ
Приведены результаты анализа эффективности контентно-ориентированных алгоритмов поиска изображений. Представлен метод оценки результатов контентно-ориентированного алгоритма поиска. Описаны наборы исходных данных, используемых при анализе.
Развитие современных информационных технологий неразрывно связано с прогрессивным ростом глобальных компьютерных сетей, который подразумевает увеличение количества информационных ресурсов и, как следствие, общего объема информации. В связи с этим встает проблема валидного поиска как текстовых, так и бинарных данных. Несмотря на наличие целого ряда поисковых систем не все из них удовлетворяют требованиям пользователей [1]. Так, не все поисковые системы поддерживают функцию контентно-ориентированного поиска изображений, ограничиваясь лишь методами поиска по ключевым словам.
Авторами была проведена оценка эффективности трех видов алгоритмов контентно-ориентированного поиска: основанные на частотных характеристиках изображений, на статистической информации об их цветовом составе и на статистической информации о геометрических признаках объектов на изображении. Для оценки эффективности использовался набор тес-
товых данных, состоящий из изображений четырех классов. Тестовые изображения были занесены в базу данных, на которой проводилась оценка эффективности поиска. В базу были также введены преобразованные копии исходных изображений, содержащие эффекты поворота, наложения шума и изменения размеров исходных изображений.
Оценка эффективности проводилась по формуле
E = QL + -Я^ , (1)
Ql Qcн
где E - эффективность; Qv - количество валидных результатов; Ql - количество ложных срабатываний; Qcli - количество изображений и их модификаций в классе.
Результаты исследования приведены в таблице.
Анализ полученных результатов позволяет сделать следующие выводы. Наискорейшим при индексировании и самым эффективным оказался алгоритм с использованием цветовых статистик изображений.
Решетневскце чтения
Он дает наибольшее число валидных результатов при наименьшем числе ложных срабатываний. Наименее быстрым и эффективным является алгоритм с использованием геометрических статистик. Средние показатели эффективности и скорости дает алгоритм с использованием частотных характеристик изображений, но он не имеет инвариантности к масштабированию и шуму.
Вероятность нахождения валидного изображения является наивысшей у алгоритма с использованием цветовых статистик (75 %), что говорит о возможно-
сти применения этого алгоритма на практике, в отличие от алгоритмов с использованием частотных характеристик и геометрических статистик, у которых такая вероятность составляет всего лишь 15 %.
Библиографическая ссылка
1. Alexa the Web Information Company [Электронный ресурс]. URL: http://www.alexa.com/topsites/ category/Computers/Internet/Searching/Search_Engines. (дата обращения: 15.09.2012).
Результаты оценки эффективности контекстно-ориентированных алгоритмов поиска изображений
Показатель Частота Цвет Геометрия
Валидность 6 30 6
Ложность 15 37 18
Точность 11 65 0
Инвариантность размеру 1 9 0
Инвариантность повороту 2 9 2
Инвариантность шуму 2 7 2
Оригинал 1 8 2
Эффективность 0,6 1,6 0,5
Скорость работы, мс 58 53 83
A. V. Belokon, A. V. Proskurin Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk
EVALUATION OF CBIR SEARCH ALGORITHM OF IMAGE
A method of assessment of CBIR search algorithm and a set of input data used in the analysis are described. The results of the analysis of the effectiveness CBIR search algorithms for images are presented.
© Белоконь А. В., Проскурин А. В., 2012
УДК 004.932.2
А. Н. Болгов, Р. П. Баранов, Е. С. Казмирук
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск
СТРУКТРИРОВАНИЕ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ПОИСКА АССОЦИАТИВНЫХ ПРАВИЛ
Рассматривается одно из решений задачи структурирования изображений, базирующееся на поиске взаимосвязей между их отдельными элементами. Приводится алгоритм поиска ассоциативных правил в пиксельном пространстве.
Системы компьютерного зрения и распознавания образов активно вошли в жизнь современного человека. Если изначально такие системы, применялись исключительно в военных и медицинских целях, то сейчас они используются для решения широкого спектра задач управления и оповещения. Системы распознавания образов выполняют преобразование исходных многомерных данных (цветных растровых изображений) в набор обобщенных выходных данных (классов объектов, гипотез, функций принадлежности). Одним из способов такого рпеобразования является сегментация изображений - процесс разделения изображе-
ния на отдельные фрагменты, объединенные каким-либо классом или признаком, например, однородностью яркости пикселей или принадлежностью точек некоторой функциональной зависимости. Однако существующие методики сегментации изображений характеризуются неоднозначностью в выборе параметров сегментации, приводящей к различию принципов разделения изображения на фрагменты.
С другой стороны, изображение можно рассматривать как большой поток логически связанных данных. Область информатики, изучающая принципы поиска знаний в больших объемах данных, называется Data
