CC BY
10Решетневскуе чтения. 2014
сится информация о наличие ЦВЗ путем изменения 8 суммарных бит младших разрядов на биты любого специального символа. В следующие несколько пикселей внедряется информация о размере сообщения. Начиная со следующего пикселя, младшие биты изображения замещаются на текст сообщения до тех пор, пока оно не закончится. Таким образом, происходит внедрение текстовой информации в информацию графическую. Алгоритм извлечения сообщения обра-тен алгоритму нанесения: извлечение информации осуществляется до указанного размера сообщения. Необходимо отметить, что первые пять пикселей являются зафиксированными под информацию, которую условно можно назвать системной - флаг наличия и размер сообщения.
Описанный выше алгоритм применяется в разработанной программной системе по автоматическому нанесению цифровых водяных знаков на изображение. Разработка алгоритма позволила реализовать метод НЗБ и осуществлять операции по определению качественных показателей данного метода при изменении «густоты» нанесения информации. Три млад-
ших бита, оставленных под авторскую информацию, можно считать оптимальным количеством, однако следует избегать малотекстурированных изображений либо уменьшать количество используемых бит цвета [2].
Библиографические ссылки
1. Грибунин В. Г., Оков И. Н., Туринцев В. И. Цифровая стеганография. М. : СОЛОН-Пресс, 2002. 272 с.
2. Орешкина Е. И. Оценка качества визуализации изображений со скрытой текстовой информацией // Техника и технологии. 2014. Т. 7. С. 497-501.
References
1. Gribunin V. G., Okov I. N., Turincev V. I. Digital steganography. M. : SOLON-Press, 2002. 272 p.
2. Oreshkina E.I. Quality measure of visualisation image with hiding text information // Technics and technology. 2014. Vol. 7. 497-501 p.
© Орешкина Е. И., 2014
УДК 681.3.06 (079)
ПРИМЕНЕНИЕ LPt-ПОСЛЕДОВАТЕЛЬНОСТИ ДЛЯ УСКОРЕНИЯ ПОИСКА ОПТИМАЛЬНЫХ ВАРИАНТОВ В БАЗАХ ДАННЫХ 1С
А. А. Павленко
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: ms_f1_pavlenko@mail.ru
Представлено применение LPт-последовательности для ускорения поиска оптимальных вариантов в базах 1С, исследованы выявленные особенности.
Ключевые слова: LP т-последовательность, оптимальные варианты, 1С база.
USING LPt-SEQUENCES FOR SPEEDUP OF SEARCHING FOR OPTIMUM VARIANT IN DATABASE 1С
А. А. Pavlenko
Siberian State Aerospace University named after academician M. F. Reshetnev 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, Russian Federation 660014 E-mail: ms_f1_pavlenko@mail.ru
Using LP т-sequences for speeding up searching for an optimum variant in 1С base is explored the particularities are revealed.
Keywords: LP т-sequences, an optimum variant, 1С base.
Для поиска оптимального варианта можно использовать самый лучший способ - полный перебор, но его использование применимо только для массивов небольших размерностей. При размерностях, превышающих 5000, применение полного перебора может быть очень затруднительным по времени. Для этого существуют различные методы, такие как генетический алгоритм, алгоритм «МИВЕР», непараметриче-
ские алгоритмы оптимизации и пр. Но у них самым узким местом является начальный разброс точек в п-мерном пространстве. Есть полностью равномерный разброс точек в п-мерном пространстве и разброс точек с помощью ЬРт-последовательности [1]. Разброс точек с помощью ЬРх-последовательности доказал свое огромное превосходство перед полностью многомерным разбросом точек. В данной работе пред-
Программные средства и информационные технологии
ставлено применение LPт-последовательности в генетическом алгоритме оптимизации применительно к базам данных 1С [2].
Особое внимание уделено особенностям применения LPт-последовательности, применительно к базам 1 С.
Целью доклада является выявление эффективности применения LPт-последовательности в генетическом алгоритме оптимизации применительно к базам 1С.
Библиографические ссылки
1. Соболь И. М., Статников Р. Б. Выбор оптимальных параметров в задачах со многими критериями. М. : Наука, 1981.
2. Goldberg D. E. Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, Reading, MA, 1989.
References
1. Sobol' I. M., Statnikov R. B. Vybor opti-mal'nykh parametrov v zadachakh so mnogimi kriteriya-mi. M. : Nauka, 1981.
2. Goldberg D. E. Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, Reading, MA, 1989.
© Павленко А. А., 2014
УДК 004.93
ЛОКАЛИЗАЦИЯ ЛИЦА НА ИЗОБРАЖЕНИИ С ПОМОЩЬЮ МЕТОДА ЛОКАЛЬНЫХ БИНАРНЫХ ШАБЛОНОВ
Ф. М. Подпорин
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
Е-mail: podporin.f@ya.ru
Разработан и реализован алгоритм локализации с использованием метода локальных бинарных шаблонов. Решена актуальная задача, которая позволяет локализировать лица на изображении в режиме реального времени. Проведены эксперименты с использованием изображений различных размеров и освещенности для оценки качества и скорости работы алгоритма в различных условиях.
Ключевые слова: локализация лиц, локальные бинарные шаблоны, обработка изображений, распознавание образов.
FACE LOCALISATION IN AN IMAGE WITH LOCAL BINARY PATTERNS
F. M. Podporin
Siberian State Aerospace University named after academician M. F. Reshetnev 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660014, Russian Federation Е-mail: podporin.f@ya.ru
Localization algorithm with the use of local binary patterns is developed and implemented and an essential problem, which allows a person to locate faces in an image in real time, solved. The experiments are performed using images of different sizes and light to evaluate the quality and speed of the algorithm under different conditions.
Keywords: face localization, local binary patterns, image processing, pattern recognition.
Локализация лица является первым шагом в системе автоматического распознавания лица. В задаче локализации уже известно, что лицо существует на входном изображении, и задачей является определение его конкретного местоположения.
В настоящее время существует множество эффективных алгоритмов для локализации лиц на изображении, однако большинство таких методов имеют повышенные требования к вычислительным мощностям и зачастую не пригодны для решения задач в реальном времени. В то время как более простые
алгоритмы могут обеспечить удовлетворительный результат лишь при определенных условиях сьемки [1]. В настоящий момент существует потребность в надежном и нетребовательном к вычислительным ресурсам методе или композиции методов для возможности поиска лиц на изображениях различного качества в реальном времени.
Локализация лица из входного изображения является достаточно трудоемкой задачей в связи с вариациями масштаба, позы, затемнения, освещения, выражений лица и фоновых отражений. Несмотря на
