REAL VAQT REJIMIDA VIDEO TASVIR SIFATINI YAXSHILASHDA KLASTERLASH USULLARIDAN FOYDALANISH
Annotatsiya
Annotasiya. Ushbu maqolada real vaqt rejimida video tasvir sifatini yaxshilash masalasi va uni hal etishda klasterlash algoritmlaridan foydalanish yondashuvlari tahlil qilinadi. Tadqiqotda K-means, Mean Shift va ierarxik klasterlash algoritmlarining video kadrlarida shovqinni kamaytirish, rang balansini optimallashtirish, yorqinlikni moslashtirish hamda tezkor segmentatsiyani amalga oshirish imkoniyatlari ko‘rib chiqilgan. Taklif etilgan usullar real vaqt talablari asosida baholanib, hisoblash murakkabligi va barqarorligi jihatidan tahlil qilindi. Eksperimental natijalar klasterlashga asoslangan yondashuvlar an’anaviy filtratsiya usullariga nisbatan PSNR ko‘rsatkichlarini va subyektiv vizual sifatni sezilarli darajada oshirishini tasdiqlaydi. Abstract. This paper addresses the problem of real-time video image quality enhancement and analyzes the effectiveness of clustering algorithms in solving this task. The study investigates the application of K-means, Mean Shift, and hierarchical clustering algorithms for noise reduction, color optimization, brightness adjustment, and fast image segmentation. The proposed approaches are evaluated in terms of computational efficiency and suitability for real-time processing. A comparative analysis with conventional filtering methods is conducted. Experimental results demonstrate that clustering-based techniques achieve higher PSNR values and improved visual quality, confirming their superiority over traditional approaches in real-time intelligent video processing systems. Аннотация. В данной статье рассматривается задача улучшения качества видеoизображений в реальном времени с применением алгоритмов кластеризации. В работе проанализированы методы K-means, Mean Shift и иерархической кластеризации для подавления шума, оптимизации цветовых характеристик, коррекции яркости и быстрой сегментации видеокадров. Особое внимание уделено применимости данных алгоритмов в условиях ограниченных вычислительных ресурсов и требований реального времени. Проведён сравнительный анализ с традиционными методами фильтрации. Экспериментальные результаты показывают, что кластеризационные подходы обеспечивают более высокие значения PSNR и улучшенное визуальное восприятие, что подтверждает их эффективность для интеллектуальных видеосистем.