Экономическое обоснование автоматизации расчета метрик после применения фильтра

Размещено на http://www.allbest.ru/

ФГБОУ ВО Сибирский Государственный Университет науки и технологий имени академика М.Ф. Решетнева

Экономическое обоснование автоматизации расчета метрик после применения фильтра

Хартанович Елена Александровна

к.э.н., доцент кафедры экономики предприятий и отраслей

Губин Дмитрий Игоревич

студент 4 курса института информатики и телекоммуникаций

Россия, г. Красноярск

Аннотация

Для улучшения качества изображений или для подготовки к дальнейшей обработке, к ним применяются фильтры. После применения таких фильтров помимо визуальной оценки результата, нужно объективно оценить полученные изображения, чтобы в будущем улучшить качества получаемых изображений еще больше. Для проведения объективной оценки оптимальным способом необходимо соответственное программное обеспечение, позволяющее автоматизировать обработку большого набора изображений

В статье на основе информации, полученной при изучении соответственной предметной области, а именно области применения фильтров изображений и исследования полученных результатов, выделяются критерии, на основе которых проводиться вариантное рассмотрение возможных проектных решений. Приводятся расчеты затрат времени на исследование разных наборов изображений при использовании автоматизации, предлагаемой разрабатываемым программным продуктом, и без его использования. Описывается предполагаемая модель распространения.

Ключевые слова: экономическое обоснование, фильтрация изображения, метрики изображения.

Abstract

ECONOMIC JUSTIFICATION FOR AUTOMATING THE CALCULATION OF METRICS AFTER APPLYING THE FILTER

Khartanovich Elena Aleksandrovna

Ph. D., associate Professor of the Department of Economics of Enterprises and Industries of the forest complex

Gubin Dmitry I.

4th year student of the Institute of Informatics and Telecommunications Siberian State University of Science and Technology

named after Academician M.F. Reshetnev

Russia, Krasnoyarsk

To improve the quality of images or to prepare for further processing, filters are applied to them. After applying such filters, in addition to visual evaluation of the result, it is necessary to objectively evaluate the images obtained in order to improve the quality of the images obtained even more in the future. To carry out an objective assessment in the optimal way, appropriate software is needed to automate the processing of a large set of images

In the article, based on the information obtained during the study of the relevant subject area, namely the field of application of image filters and the study of the results obtained, the criteria are identified on the basis of which a variant consideration of possible design solutions is carried out. Calculations of the time spent on the study of different sets of images when using the automation offered by the software product being developed and without its use are given. The proposed distribution model is described.

Keywords: economic justification, image filtering, image metrics.

Для внедрения новой технологии или оптимизации какого-то процесса необходимо сначала обосновать экономическую целесообразность. Для этого необходимо проанализировать предметную область и выявить возможность для оптимизации. Затем необходимо проанализировать влияние предлагаемого решения.

Экономическое обоснование способствует выбору таких решений, которые приводят к увеличению суммы прибыли как главного источника образования основного и оборотного капитала предприятия и способствует рациональному использованию ресурсов [2].

На основе сравнительного анализа возможных вариантов решения того или иного технического, организационного и других вопросов экономическое обоснование дает возможность объективно определить, какой из вариантов в данных конкретных условиях является наиболее рациональным. Поэтому основным методом экономического обоснования является вариантное рассмотрение возможных проектных решений и обоснованный выбор оптимального из них по избранным критериям [5].

Фильтрация изображений является одной из самых фундаментальных операций компьютерного зрения, распознавания образов и обработки изображений. Под фильтрацией изображений понимают операцию, имеющую своим результатом изображение того же размера, полученное из исходного по некоторым правилам [4].

При применении фильтра необходимо оценить результат его работы. Разрабатываемый программный продукт выполняет объективную оценку изображения, то есть получает значения рассчитываемых параметров, которые называются метриками. Метрики могут отображать как параметры самого изображения (не связанные, без эталонного изображения), например среднее значение яркости, контрастность, резкость и так далее, так и отображать изменение различных компонент в изображении, являющемся результатом обработки исходного изображения (связанные метрики) [7].

Важнейшим критерием для оценки будут затраты времени на проведение исследования при использовании разрабатываемого программного продукта и без его использования, так как данный программный продукт направлен на автоматизацию расчета метрик большого числа изображений.

В данном случае необходимо рассмотреть такой аспект, как время подготовки изображения к оценке, так как разрабатываемый программный продукт не повлияет на время расчета метрик, поскольку оно зависит от сложности расчета конкретной метрики и размеров изображения. В данном случае важно, что специалист сможет один раз настроив параметры анализа запустить его для необходимого числа изображений и заняться другой работой на время проведения исследований. В случае настройки для каждого отдельного изображения, специалист должен следить за процессом расчета метрик. фильтр качество изображение автоматизация

Продолжительность работ определяется либо по нормативам (с использованием специальных справочников), либо по факту, либо расчетным путем с помощью экспертных оценок по формуле

где t - ожидаемая длительность работы; tmin и tmax - наименьшая и наибольшая по мнению эксперта длительность работы [ 1].

Время необходимое для выбора изображения и начала анализа варьируется от tmin = 5 секунд до tmax = 15 секунд. В разрабатываемом программном продукте время выбора изображений и начала анализа будет схожим, за исключением того, что это время тратиться 1 раз в начале исследования. Ранее было сказано, что время расчета метрики не измениться, но для более наглядной оценки необходимо учитывать и этот параметр, так как специалист во время работы обязан будет следить за выполнением. Поскольку нам неизвестны размеры изображений время анализа можно принять равным 10 секундам, как наиболее вероятное. Результаты затрат времени в секундах для различного числа изображений представлены в таблице 1.

Таблица 1 - Затраты времени на расчет метрик

В данной таблице наглядно видно, что время, затрачиваемое на подготовку изображений к анализу в случае применения разрабатываемого программного продукта, не меняется, в отличии от настройки анализа для каждого изображения вручную. Время, затрачиваемое на обработку 1000 изображений без автоматизации процесса равно 5,28 часа. С учетом того, что специалист должен постоянно следить за выполнением расчетов и выбирать новое изображение (в случае без автоматизации), становиться очевидной экономия времени специалиста на выполнение данной работы.

Данный расчет метрик могут проводить сами разработчики программного обеспечения или отдельно выделенные тестировщики. Средние зарплаты по России данных специалистов составляют 152000 рублей в месяц и 109000 рублей в месяц соответственно, или 950 рублей в час и 681,25 рублей в час соответственно [3].

Данный программный продукт будет распространять путем продажи лицензионных копий по 50 долларов США (предусмотрена бесплатная пробная версия продукта с ограниченным функционалом для того, чтобы будущие пользователи могли опробовать данный продукт). Данная цена значительно ниже цены аналогичного программного обеспечения, такого, как например MSU Quality Measurement Tool [6]. Данный программный продукт так же содержит пробную версию, но стоимость лицензии профессиональной версии равняется от 299 до 999 долларов США в зависимости от числа приобретаемых копий. Стоит заметить, что MSU Quality Measurement Tool содержит большее число метрик и возможность обработки видеопотока, но это не будет серьезным риском для разрабатываемого программного продукта, так как не всем специалистам необходимы в работе обработка видеопотока или расчет метрик, не присутствующих в предлагаемом программном продукте, а разница в цене значительная.

Важно отметить, что поскольку дизайн форм интерфейса базируется на формах Windows для специалистов, которые будут использовать данный продукт не потребуется дополнительного обучения, а следовательно, и дополнительных расходов.

Можно сделать вывод, что применение разрабатываемого программного продукта целесообразно, так как оно позволяет специалисту рационально использовать рабочее время, не требует дополнительного обучения для использования и является экономически доступным.

Список литературы

1. Алексеева О.Г. Методические указания по экономическому обоснованию выпускных квалификационных работ бакалавров: Метод. указания, СПб.: Изд-во СПбГЭТУ “ЛЭТИ”, 2013. с.

2. Барчук И.Д. Основные условия экономического обоснования процесса обновления технологического оборудования предприятия // Транспортное дело России. - 2011. - № 7.

3. Зарплаты айтишников в первом полугодии 2022: впервые за пять лет средняя зарплата не изменилась [Электронный ресурс].

4. Лекция 8: Фильтрация изображений [Электронный ресурс].

5. Экономическое обоснование дипломных проектов технологического профиля: метод. указания / Сост. Л.Г. Кухтинова, Л.А. Прошкина. - Пенза: Изд-во ПГУ, 2013. - 50 с

6. Video Quality Analyzer [Электронный ресурс].

7. Zhou Wang, Al Bovik. Modern Image Quality Assessment // Morgan and Claypool Publishers; 1st edition, 2006. -108p.

Размещено на Allbest.ru