Теория и методы обработки многомасштабных последовательностей цифровых изображений в промышленных системах контроля качества

Теория и методы обработки многомасштабных последовательностей цифровых изображений в промышленных системах контроля качества

Автор: Жизняков, Аркадий Львович

Шифр специальности: 05.13.01

Научная степень: Докторская

Год защиты: 2008

Место защиты: Владимир

Количество страниц: 328 с. ил.

Артикул: 4401163

Автор: Жизняков, Аркадий Львович

Стоимость: 250 руб.

Теория и методы обработки многомасштабных последовательностей цифровых изображений в промышленных системах контроля качества  Теория и методы обработки многомасштабных последовательностей цифровых изображений в промышленных системах контроля качества 

ВВЕДЕНИЕ
1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ЦИФРОВОЙ ОБРАБОТКИ МНОГОМЛСШТАБНЫХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ ИЗОБРАЖЕНИЙ
1.1. Понятие изображения
1.2. Описание изображений.
1.3. Последовательность изображений.
1.4. Формирование последовательностей изображений.
1.5. Наследственность и изменчивость признаков
последовательности изображений
1.6. Последовательности дополнений
1.7. Математические модели последовательностей изображений
1.8. Восстановление свойств последовательности по отдельным.
изображениям
1.9. Алгоритмы обработки изображений на основе
последовательностей.
1 Многомасштабные последовательности изображений
ВЫВОДЫ ПО ГЛАВЕ
2. МЕТОДЫ И МОДЕЛИ ФОРМИРОВАНИЯ МНОГОМАСШТАБНЫХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ.
2.1. Многомасштабные операторы формирования последовательностей изображений.
2.1.1. Формализация многомасштабного
представления изображений.
2.1.2. Свойства многомасштабного представления изображений
2.1.3. Реализация многомасштабного представления изображений
2.1.4. Постановка задачи построения адаптивного многомасштабного представления изображений.
2.1.5. Разработка алгоритма многомасштабной аппроксимации изображений с произвольным коэффициентом сжатия.
2.2. Математические модели многомасштабного представления изображений
2.2.1. Постановка задачи разработки адаптивных многомасштабных моделей изображений
2.3. Анализ зависимостей между элементами многомасштабного представления изображений
2.3.1. Тестовые изображения.
2.3.2. Использование условных и совместных гистограмм для опенки зависимостей между вейвлет коэффициентами
2.3.3. Анализ зависимостей между вейвлет коэффициентами на основе взаимной информации.
2.4. Построение адаптивного многомасштабного представления изображений.
2.4.1. Построение последовательности приближений на основе величины взаимной информации.
2.4.2. Построение последовательности приближений на основе анализа массива величин взаимной информации.
2.4.3. Построение многомасштабного представления изображения на основе анализа спектра Фурье
2.4.4. Построение адаптивной многомасштабной последовательности дополнений
2.5. Выбор окрестности отсчта элемента многомештабной последовательности
2.5.1. Алгоритм выбора окрестности на основе взаимной информации
2.5.2. Вычислительный эксперимент
2.6. Проблемы адаптации многомасштабных моделей к адаптивному многомасштабному представлению изображения
2.6.1. Описание связей между элементами многомасштабной последовательности.
2.6.2. Выравнивание размеров элементов многомасштабной
последовательности.
2.6.3. Взаимное влияние отсчтов многомасштабной
последовательности.
2.7. Разработка адаптивных многомасштабных моделей изображений
2.7.1. Адаптивная модель многомасштабного марковского случайного поля.
2.7.2. Адаптивная модель скрытого марковского дерева.
2.7.3. Выбор окрестности многомасштабной последовательности
ВЫВОДЫ ПО ГЛАВЕ
3. АЛГОРИТМЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ НА ОСНОВЕ МНОГОМАСШТАБНЫХ МОДЕЛЕЙ.
3.1. Генерация изображений.
3.1.1. Генерация изображений на базе модели скрытого марковского дерева3
3.1.2. Генерация изображений на базе модели многомасштабного марковского случайного поля
3.2. Разработка алгоритмов сегментации изображений.
3.2.1. Оценка качества работы алгоритмов сегментации изображений.
3.2.2. Алгоритм сегментации изображений па основе адаптивной модели многомасштабного марковского случайного поля.
3.2.3. Алгоритм сегментации изображений на основе адаптивной модели скрытого марковского дерева
3.3. Разработка алгоритмов восстановления изображений
3.3.1. Оценка качества работы алгоритмов восстановления изображений
3.3.2. Алгоритм восстановления изображений на основе адаптивной модели многомасштабного марковского случайного поля
3.3.3. Восстановление изображений на основе адаптивной модели скрытого марковского дерева
ВЫВОДЫ ПО ГЛАВЕ
4. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МНОГОМАСШТАБНЫХ АЛГОРИТМОВ ФИЛЬТРАЦИИ ОСОБЕННОСТЕЙ ИЗОБРАЖЕНИЙ
4.1. Цели и задачи цифровой фильтрации изображений
4.2. Разработка алгоритмов анализа характеристик шума на изображениях .
4.3. Возможности вейвлетпреобразований в задачах фильтрации
. особенностей изображений.
4.3.1. Выделение контуров на последовательности изображений
4.3.2. Скелетизация полутоновых изображений.
4.3.3. Фильтрация кривых с использованием
вейвлет преобразований
4.4. Разработка алгоритмов многомасштабной фильтрации особенностей.
изображений.
4.4.1 Алгоритм многомасштабной фильтрации особенностей изображений на основе поиска экстремумов амплитуд
вейвлетобразов.
4.4.2. Алгоритм многомасштабной фильтрации особенностей изображений на основе расчета энергетических характеристик
вейвлетобразов.
4.4.3 Разработка алгоритма многомасштабной фильтрации особенностей изображений на основе выбора максимальных
вейвлеткоэффициентов.
4.4.4. Разработка алгоритма многомасштабной фильтрации особенностей изображений на основе непрерывного двумерного вейвлетпреобразования .
4.5. Разработка алгоритмов многомасштабной фильтрации кривых
4.5.1. Разработка алгоритма многомасштабного сглаживания кривых
4.5.2 Разработка алгоритма анализа признаков описания формы изображений на основе их многомасштабного представления.
4.5.3 Разработка алгоритма многомасштабной фильтрации групповых объектов изображений
4.6. Формирование и обоснование тестовых изображений
4.6.1. Исследование алгоритма оценки параметров шума на изображении .
4.6.2. Исследование алгоритмов многомасштабной фильтрации особенностей изображений.
4.7. Исследование алгоритмов многомасштабной обработки и анализа кривых.
4.7.1. Исследование алгоритма многомасштабной фильтрации кривых
4.7.2. Исследование алгоритма сравнения признаков описания формы изображений на основе их многомасштабного представления
4.7.3. Исследование алгоритма многомасштабной фильтрации групповых объектов изображений.
ВЫВОДЫ Г ГЛАВЕ
5. ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ В ОБРАБОТКЕ И АНАЛИЗЕ ДЕФЕКТОСКОПИЧЕСКИХ ИЗОБРАЖЕНИЙ
5.1. Актуальность проблемы цифровой обработки и анализа дефектоскопических изображений.
5.1.1. Задачи цифровой обработки и анализа дефектоскопических изображений металлоконструкций.
5.1.2. Обзор характеристик дефектоскопических изображений и анализ методов их цифровой обработки
5.2. Применение алгоритмов многомасштабной фильтрации при обработке дефектоскопических изображений.
5.2.1. Предварительная обработка дефектоскопических изображений .
5.2.2. Оценка дефектности изделий по дефектоскопическим изображениям.
5.2.3. Обработка изображений микроструктур
5.2.4. Классификация изображений микроструктуры металла.
5.2.5. Исследование изображений усталостных изломов.
5.2.6. Вычисление количественного соотношения фаз в сплаве
5.2.7. Оценка размера зерна.
5.2.8. Определение удельной поверхности раздела.
5.3. Анализ возможностей построения автоматизированных подсистем многомасштабной обработки дефектоскопических изображений
5.4. Основные аспекты применения вейвлет преобразования в промышленной компьютерной томографии
5.4.1. Предварительная обработка проекций.
5.4.2. Реконструкция изображения по проекциям.
5.4.3. Анализ томографического изображения
5.4.4. Построение трехмерной модели объекта по плоским срезам
ВЫВОДЫ ПО ГЛАВЕ
ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК.
ВВЕДЕНИЕ


На практике это означает, что если имеется некоторая последовательность изображений , упорядоченная по какомулибо набору признаков X, то соседние изображения в этой последовательности могут иметь некоторую степень сходства подобия. Т.е. Л2. Это позволяет говорить о наличии фактора наследственности признаков в последовательности изображений. В то же время, очевидно, что, так как связь между изображениями последовательности будет уменьшаться по мере их удаления друг от друга увеличения разности индексов изображений последовательности, то некоторые признаки, отчетливо проявляющиеся на одном изображении, могут быть менее заметны на другом или совсем исчезнуть. Это можно охарактеризовать как изменчивость признаков в последовательности изображений. Рассмотрим возможность формального введения понятий наследственности и изменчивости наборов признаков. Изображение Г Может характеризоваться некоторой мерой сходства или различия с другим изображением из множества . В качестве такой меры может использоваться, например, расстояние 1. Однако это расстояние определяется, прежде всего, выбором вектора признаков X. Т.е. Г и2е могут быть сходны по одному набору признаков и не сходны по другому. Также, было показано, что на можно выбрать множество последовательностей вида 1. Пусть имеется последовательность Л. Я, для которой ХПА. Фп О о О, , . Х0, Х,. Для описания поведения одного признака на последовательности изображений предлагается использовать математический аппарат нечетких множеств. Действительно, один и тот же признак особенность может проявлять себя в той или иной мере на нескольких изображениях, постоянно при этом изменяясь. Однако, в результате таких изменений, он может либо исчезнуть, либо измениться настолько, что будет рассматриваться уже как другой независимый признак особенность. Здесь же можно отметить возможность взаимного влияния различных признаков друг на друга, приводящую на фоне наследственности и изменчивости к появлению в последовательности изображений с новыми характерными свойствами и особенностями. Именно это обстоятельство во многом определяет возможность использования последовательностей для обработки и анализа изображений. Для характеристики наличия признака на изображении введем оператор принадлежности р,. Определение 1 Оператором принадлежности признака назовем оператор, определяющий уровень вхождения признака х в нечеткое множество Х то есть степень соответствия отдельной реализации признака на последовательности изображений его предельному эталонному значению а, аА, ХПЛ. ЦщхУ0,1. Определение 1 Кривой распределения признака х0 на последовательности изображений , назовем график функции цх0, принимающей дискретные значения в точках 0,1,п. Тогда каждому набору признаков X изображения е можно поставить в соответствие вектор р Х р. Х, и2х2, ЦкХк У, где к число признаков. Для каждого признака введем пороговый оператор Г Гцх0,1. Замечание. Операторы принадлежности и вычисления порога формируются на основе известных подходов теории нечетких множеств, для каждого выбранного признака с учетом поставленных задач обработки изображения. В результате применения 1. Ясно, что при этом последовательности реализаций некоторого признака на последовательности изображений 1. П, 0 е 0,1, 1, 2,. Определение 1 Индекс элемента последовательности 0, для которого выполняется 0М 0 а 0 1 назовем точкой появления признака. Определение 1 Индекс элемента последовательности 0, для которого выполняется 0 1 л О, 0 назовем точкой исчезновения признака. Определение 1 Результат применения оператора Г к последовательности значений функции щ, назовем нормированной кривой распределения признака х0 на последовательности изображений . Пусть имеются два соседних изображения ш и последовательности ,. Им соответствуют вектора От и От. Т.е. Определение 1 Под изменчивостью последовательности изображений будем понимать процесс потери старых признаков или приобретения новых при переходе к каждому следующему изображению последовательности. Ф операция неравнозначности сумма по модулю 2. Определение 1 Под наследственностью последовательности изображений будем понимать процесс сохранения признаков при переходе к каждому следующему изображению последовательности.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.312, запросов: 244