СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ АЛГОРИТМОМ ПАУКООБРАЗНЫХ ОБЕЗЬЯН ДЛЯ АВТОМАТИЗИРОВАННОЙ ОБРАТНОЙ РАЗРАБОТКИ ПЕЧАТНЫХ ПЛАТ

  • В. М. Курейчик Южный Федеральный Университет
  • А. М. Штучный Южный Федеральный Университет
Ключевые слова: Обратная разработка, реверс-инжиниринг печатных плат, сегментация изображений, алгоритм паукооборазных обезъян

Аннотация

Проведен анализ текущего состояния проблемы обратной разработки печатных
плат, в контексте развития современного общества, науки техники. Связь технологий
обратной разработки и мировой тенденцией развития рассматривается в контексте Ин-
дустрии 4.0 или четвертой научно-технической революцией. Проведен обзор существую-
щих современных алгоритмов сегментации, основанных на алгоритмах кластеризации.
Выявлены их достоинства и недостатки. Целью статьи является автоматизация процес-
са обратной разработки печатных плат. Задачей статьи разработка нового алгоритма
сегментации изображений, для его применения в автоматизированной системе обратной
разработки печатных плат. В статье представлена теоретическая разработка нечетко-
го алгоритма паукообразных обезьян сегментации изображений на основе нечеткого алго-
ритма с-средних. Принцип работы заключается в использовании алгоритма паукообразных
обезьян используется для поиска максимума распределения вероятности нахождения ана-
логичного пикселя на сегментируемом изображения, далее максимумы назначаются цен-
трами сегментов и используется алгоритм нечеткой сегментации с-средних. Достоинст-
вом этого разработанного алгоритма является автоматическое определение количества
кластеров и их центров. Теоретическое преимущество такого подхода в использовании
универсального алгоритма оптимизации, который превосходит аналоги во многих тесто-
вых задачах оптимизации. Приведен алгоритм действий, автоматизированной системы
обратной разработки печатных плат. В статье приводятся выводы о перспективах ис-
следований в этом направлении и предлагаются возможности использования результатов
работы. Новизной является автоматизация процесса обратной разработки печатных
плат. Принципиальным отличием является использование нового метода сегментации,
основанного на алгоритмах нечеткой с-средних сегментации и паукообразных обезьян.

Литература

1. Guryanov V.A., Babenkov V.I. Militaryindustrial security supply chain components of the military-
industrial complex // Electronic scientific journal. – 2017. – No. 7 (22). – P. 72-75.
2. Guryanov V.A., Babenkov V.I. Conceptual approaches of adaptive control military industrial
security supply chain components of the militaryindustrial complex // In collection of: Science,
education, society: trends and prospects. Collection of scientific works on materials of the International
scientific-practical conference. – 2017. – Р. 94-96.
3. https://ru.wikipedia.org/wiki/Обратная_разработка (дата доступа: 27.09.2019).
4. https://www.instructables.com/id/How-to-reverse-engineer-a-schematic-from-a-circuit/ (дата
доступа: 27.09.2019).
5. https://server.ibfriedrich.com/wiki/ibfwikien/index.php/Reverse_Engineering (дата доступа:
27.09.2019).
6. http://we.easyelectronics.ru/CADSoft/obratnyy-inzhiniring-pechatnoy-platy-s-pomoschyusprint-
layout-i-altium-designer.html (дата доступа: 27.09.2019).
7. http://reversit.ru (дата доступа: 27.09.2019).
8. Родзин С.И., Скобцов Ю.А., Эль-Хатиб С.А. Биоэвристики: теория, алгоритмы и прило-
жения: монография. – Чебоксары: ИД «Среда», 2019. – 224 с.
9. Chen M. and Ludwig S.A. Color Image Segmentation Using Fuzzy C-Regression Model //
Advances in Fuzzy Systems. – 2017. – Vol. 2017. – P. 1-15.
10. Bansal J.C., Sharma H., Jadon S.S. and Clerc M. Spider monkey optimization algorithm for
numerical optimization // Memetic computing. – 2014. – No. 6 (1). – P. 31-47.
11. Viren S., Sandeep K., Sanjay J. An Improved Spider Monkey Optimization Algorithm, January.
2018.
12. Ali A Al-Azza, Ammar A Al-Jodah, and Frances J Harackiewicz. Spider monkey optimization:
A novel technique for antenna optimization // IEEE Antennas and Wireless Propagation Letters.
– 2016. – No. 15. – P. 1016-1019.
13. Bansal, J.C., Sharma, H., Jadon, S.S. and Clerc, M. Spider monkey optimization algorithm for
numerical optimization // Memetic computing. – 2014. – No. 6 (1). – P. 31-47.
14. Swami V., Kumar S., Jain S. An Improved Spider Monkey Optimization Algorithm, Soft
Computing: Theories and Applications. – Nov. 2017. – P. 73-81.
15. Штучный А.М., Курейчик В.М. Сегментация изображений адаптированным алгоритмом
обезьян на основе к-средних // Информационные технологии в науке, управлении, соци-
альной сфере и медицине. – Томск: Изд-во Томского политехнического университета,
2017. – 450 с.
16. Курейчик В.М., Штучный А.М. Использование эволюционных алгоритмов сегментации
изображений в САПР // Информационные технологии и математическое моделирование
систем. – Одинцово, 2017. – C. 79-82.
17. Liu G., Li P., and Zhang Y. A Color Texture Image Segmentation Method Based on Fuzzy c-
Means Clustering and Region-Level Markov Random Field Model // Mathematical Problems
in Engineering. – 2015. – Vol. 2015. – P. 1-9.
18. Zheng X., Lei Q., Yao R., Gong Y. and Yin Q. Image segmentation based on adaptive K-means
algorithm // EURASIP Journal on Image and Video Processing. – Aug. 2018. – Vol. 2018, No. 1.
19. Ходашинский И.А., Немирович-Данченко М.М., Самсонов С.С. Отбор признаков для
нечеткого классификатора с использованием алгоритма паукообразных обезьян // Биз-
нес-информатика. – 2019. – Т. 13, № 2. – С. 29-42. – DOI: 10.17323/1998-
0663.2019.2.29.42.
20. Joskowic L., Cohen D., Caplan N. and Sosna J. Automatic segmentation variability estimation
with segmentation priors // Medical Image Analysis. – Dec. 2018. – Vol. 50. – P. 54-64.
Опубликован
2019-11-13
Выпуск
Раздел
Раздел III. Автоматизация проектирования