Методы, высокопроизводительные алгоритмы и устройства обработки изображений с использованием нейроподобных структур

Методы, высокопроизводительные алгоритмы и устройства обработки изображений с использованием нейроподобных структур

Автор: Панищев, Владимир Славиевич

Шифр специальности: 05.13.05

Научная степень: Кандидатская

Год защиты: 2005

Место защиты: Курск

Количество страниц: 156 с. ил.

Артикул: 2947433

Автор: Панищев, Владимир Славиевич

Стоимость: 250 руб.

Методы, высокопроизводительные алгоритмы и устройства обработки изображений с использованием нейроподобных структур  Методы, высокопроизводительные алгоритмы и устройства обработки изображений с использованием нейроподобных структур 

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. АНАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ, АЛГОРИТМОВ И УСТРОЙСТВ ВВОДА И ОБРАБОТКИ ИЗОБРАЖЕНИЙ
1.1. Методы и алгоритмы обработки изображений
1.2. Устройства ввода и обработки изображений
Выводы
2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОЦЕССА ВВОДА И ОБРАБОТКИ ИЗОБРАЖЕНИЙ
2.1. Оцифровка и ввод изображения
2.2. Контрастирование изображения
2.3. Выделение контуров объектов на изображении
2.4. Бинаризация и скелетизация утончение изображения
2.5. Преобразование Фурье. Выделение спектральных признаков изображения
2.6. Обобщенная математическая модель процесса ввода и обработки изображений
Выводы
3. РАЗРАБОТКА МЕТОДОВ И ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ АЛГОРИТМОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ
3.1. Метод повышения контрастности изображения
3.2. Выделение контуров на изображении с использованием нейроподобных структур
3.3. Выделение контуров объектов на изображении с использованием РСА ii нейросети
3.4. Бинаризация и скелетизация изображения
3.5. Быстрый алгоритм ДПФ для обработки изображений на основе БПФ КулиТыоки для одномерных сигналов
Выводы
4. СТРУКТУРНОФУНКЦИОНАЛЬНАЯ ОРГАНИЗАЦИЯ БЫСТРОДЕЙСТВУЮЩИХ УСТРОЙСТВ ВВОДА И ОБРАБОТКИ ИЗОБРАЖЕНИЙ НА НЕЙРОПОДОБНЫХ СТРУКТУРАХ. ОЦЕНКА ПРОИЗВОДИТЕЛЬНОСТИ РАЗРАБОТАННЫХ АЛГОРИТМОВ И УСТРОЙСТВ
4.1. Структурнофункциональная организация устройств ввода и обработки изображений
4.2. Устройство ввода изображения с перестановкой строк
1 2 4

4.3. Устройство ввода изображения по байтам
4.4. Устройство ввода и обработки изображений на основе специализированных процессоров
4.5. Анализ производительности разработанных методов, алгоритмов и устройств обработки изображений
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК Приложения
ВВЕДЕНИЕ
Актуальность


В четвертом разделе разрабатывается структурно-функциональная организация устройств ввода и обработки изображений на нейроподобных структурах, проводится оценка производительности разработанных алгоритмов и устройств. В заключении сформулированы основные результаты диссертационной работы. В приложениях приведены графические результаты обработки тестовых изображений, схемы устройств управления для устройств ввода изображения, листинги программ, реализующих разработанные алгоритмы, акты о внедрении. Методы обработки изображений, как правило, выполняют преобразование изображения и выделение из него наборов свойств, которые характеризуют ото изображение. Выделение свойств имеет особенно важное значение в системах предварительной обработки, предназначенных для подготовки изображения к дальнейшему распознаванию, поскольку именно на основе этих свойств распознавание и будет выполняться. В цифровых устройствах считывания изображений оптическая (аналоговая) обработка применяется обычно в пространственно-координатных линейных процедурах, обеспечивающих построение с требуемым качеством оптических изображений. В ряде практических приложений (биологии, медицине, гидрологии) возникает необходимость осуществлять пространственно-спектральные линейные процедуры, обеспечивающие фотоэлектрическую регистрацию малоконтрастных или фазово-контрастных информационных объектов []. Цифровая обработка сигналов и изображений охватывает широкий диапазон математических и алгоритмических методов. Однако в большинстве задач обработки сигналов и изображений преобладают методы преобразований, фильтрации на основе свертки и корреляции, а также базовые методы линейной алгебры. Среди методов обработки изображений можно выделить следующие (таблица 1. Таблица 1. Обработка точек изображения Преобразование полутонового изображения, выравнивание гистограммы, переквантование, отображение яркости и т. Фильтрация Сравнение с эталоном (операторы Прюита, Кирша или Хеккеля), оконные методы (Бартлета, Хэмминга), свертка/корреляция, линейная фазовая фильтрация (нижних частот, верхних частот, полосовая, режекторная), медианная фильтрация, обратная фильтрация, винеровская фильтрация, калмановская фильтрация, адаптивная фильтрация и т. Матричная алгебра Сингулярное разложение (БУО), геометрическое вращение/воспроизведение, оценка максимальной энтропии, оценка максимального правдоподобия, вычисление псевдообращения и восстановление изображения, стохастическое оценивание параметров и т. Преобразования Преобразование Фурье, теоретикочисловое преобразование, преобразование Хаара, косинус-преобразование, корреляция геометрических искажений, преобразование Хафа, преобразование Адамара, преобразование Карунена-Лоэва и т. Многообразие методов обработки изображений очень велико. В данной работе рассматриваются некоторые из цифровых методов и алгоритмов обработки изображений. При формирование краткого описания изображения осуществляется выделение и формирование линейчатой структуры изображения. Представление изображений в графической (линейчатой) форме существенно упрощает процессы его анализа и описания, проведение измерительных операций на изображении. Основными операциями данного этапа являются операции сегментации, выделения контуров и скелетизации изображений []. В процессе анализа изображений путем измерения различных параметров, определения признаков всего изображения, его составных частей, фрагментов и т. Основные операции данного этапа - это процедуры измерения спектральных, топологических, геометрических, структурных, статистических и других признаков [, ]. После анализа выполняется классификация и распознавание изображений. Как правило, это заключительный этап цифровой обработки изображений. На этом этапе на основе описаний производится классификация и распознавание изображений и объектов на них с использованием методов распознавания образов []. Выделим наиболее важные этапы решения задач обработки изображений [] (таблица 1. Таблица 1. Классификация и распознавание изображений Определение типа изображения, распознавание объектов на изображении, выделение и классификация текстур и т.

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: 0.191, запросов: 244