Вісники та науково-технічні збірники, журнали

Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12

Browse

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Protection of documents with the help of fractal images formed by a randomized system of iterating functions
    (Видавництво Львівської політехніки, 2022-03-01) Юнак, О.; Yunak, O.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    В цій статті розглянуто результати розробки алгоритму захисту документів за допомогою фрактальних зображень, сформованих рандомізованою системою ітераційних функцій РСІФ. Цей алгоритм полягає у побудові фрактального зображення, яке наноситься на документ і побудоване на основі номера документа. Кожна цифра номера документа буде добавляти до РСІФ дві ітераційні функції, крім цифри 0. Фрактальне зображення, побудоване за допомогою алгоритму, залежить від від кількості цифр, порядказнаходження цифри та її значення. Алгортм побудови фрактального зображення в розрахунках не потребує великих обчислювальних потужностей, алгоритм не використовує входження циклу в цикл та рекурсивних функцій, і є досить оптимізованим. Верифікація документа включає в себе подвійну перевірку номера документа, та являє собою досить простий механізм перевірки. Цей алгоримт цікавий тим, що за зміни хоча б однієї цифри фрактальне зображення кардинально змінюється. Використання алгоритму швидко і якісно дає змогу захищати документи та проводити їхню верифікацію.
  • Thumbnail Image
    Item
    Побудова фрактального зображення типу “канторів пил”, з використанням рандомізованої системи ітераційних функцій
    (Видавництво Львівської політехніки, 2022-03-01) Юнак, О.; Стрихалюк, Б.; Климаш, М.; Шпур, О.; Yunak, O.; Strykhaliuk, B.; Klymash, M.; Shpur, O.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    У статті розглянуто результати розроблення алгоритму визначення кількості пікселів фрактального зображення типу “фрактальний пил” (набір Кантора), утвореного за допомогою РСІФ, обмеженого роздільною здатністю. Виведено математичні формули та схеми для розрахунку кількості пікселів фрактального зображення та кількості ітерацій фрактала RSIF. Цей алгоритм полягає у знаходженні формул залежно від кількості фігур першої ітерації, коефіцієнтів подібності та роздільної здатності. Це дає можливість визначити кількість пікселів для фрактального зображення із різною роздільною здатністю. Алгоритм розрахунку не використовує входження циклу в цикл та рекурсивних функцій і є доволі оптимізованим, що дає можливість не витрачати великих обчислювальних потужностей. Використання формул надалі дасть змогу визначити кількість випадкових подій (стохастичного руху точки) для забезпечення якості відтворюваного зображення за допомогою РСІФ, сформувати вихідний набір даних для нейронних мереж, що буде покладено в основу розпізнавання об’єктів.
  • Thumbnail Image
    Item
    Algorithm forming randomized system of iterative functions by based Cantor structure
    (Видавництво Львівської політехніки, 2021-01-31) Юнак, О.; Шпур, О.; Стрихалюк, Б.; Климаш, М.; Yunak, O.; Shpur, O.; Strykhaliuk, B.; Klymash, M.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    У статті розглянуто результати розроблення алгоритму формування рандомізованої системи повторюваних функцій (RSIF) з наявного фрактального зображення типу “Фрактальний пил” (набір Кантора). Виведено математичні формули та схеми для розрахунку коефіцієнтів RSIF. Цей алгоритм полягає у знаходженні формул функцій відносно центра першої ітерації фрактальної структури. Це дає можливість визначити рандомізовану систему ітераційних функцій із наявного фрактального зображення. Алгоритм побудови не використовує рекурсивних функцій та входження циклу в цикл, що дає змогу не витрачати великих обчислювальних потужностей, і є доволі оптимізованим. Алгоритм дасть змогу виконувати прямі та зворотні перетворення без залучення додаткових програмно-апаратних ресурсів. Використання прямих і зворотних перетворень дасть змогу в майбутньому сформувати вихідний набір даних для нейронних мереж, що буде покладено в основу розпізнавання об’єктів.