Методы эффективной декомпозиции вычислительных процедур линейной локальной фильтрации изображений

Методы эффективной декомпозиции вычислительных процедур линейной локальной фильтрации изображений

Автор: Мясников, Владислав Валерьевич

Шифр специальности: 05.13.17

Научная степень: Докторская

Год защиты: 2007

Место защиты: Самара

Количество страниц: 493 с. ил.

Артикул: 4107547

Автор: Мясников, Владислав Валерьевич

Стоимость: 250 руб.

Методы эффективной декомпозиции вычислительных процедур линейной локальной фильтрации изображений  Методы эффективной декомпозиции вычислительных процедур линейной локальной фильтрации изображений 

СОДЕРЖАНИЕ
ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ.
ВВЕДЕНИЕ
ГЛАВА 1 Эффективный алгоритм над множеством алгоритмов ЛЛФ
1.1 Постановка задачи и основные определения
1.1.1 Постановка задачи ЛЛФ. Априорная информация о задаче.
1.1.2 Представление априорной информации о входном сигнале.
1.1.3 Алгоритм решения задачи ЛЛФ. Сложность алгоритма. Понятия эффективного и строго эффективного алгоритмов
1.1.4 Категории сложности алгоритмов ЛЛФ.
1.1.5 Основные классы алгоритмов ЛЛФ.
1.2 Алгоритмы ЛЛФ постоянной сложности и их свойства
1.2.1 Распространение алгоритма постоянной сложности.
1.2.2 Корректная сложность и приведенные алгоритмы постоянной сложности
1.2.3 Компетентный алгоритм над множеством алгоритмов постоянной сложносги
1.2.4 О распространении приведенного компетентного атгоритма.
1.2.5 Исследование операций приведения и построения компетентного алгоритма
1.2.6 О корректности функции сложности для алгоритмов постоянной сложности
из основных классов алгоритмов ЛЛФ
1.3 Алгоритмы вариантной сложности и их свойства.
1.3.1. Основные типы алгоритмов вариантной сложности.
Алгоритмы предпостоянной сложности
1.3.2. Сложность алгоритма предпостоянной сложности для
модели разреженных сигналов.
1.3.3. Стратегии выбора алгоритма предпостоянной сложности.
Компетентный алгоритм.
1.3.4. Распространение алгоритма предпостоянной сложности.
Корректная функция сложности и приведенный алгоритм.
1.4 Расширение множества алгоритмов ЛЛФ по модели СЯ.
Индуцированный алгоритм и основные теоремы о его эффективности.
1.4.1 Модель СБ Расширение множества алгоритмов ЛЛФ по модели СИ
1.4.2 Расширения множеств алгоритмов ЛЛФ из основных классов.
Подклассы алгоритмов модели СЯ
1.4.3 Основные теоремы об эффективности алгоритма, индуцированного априорной информацией о задаче ЛЛФ
1.4.4 Метод построения эффек тивного алгоритма над множеством
алгоритмов стандартной сложности.
1.5 Об эффективном алгоритме над множеством алгоритмов ЛЛФ из основных классов.
1.6 Обобщения эффективного алгоритма
1.6.1 Эффективный алгоритм, минимизирующий ожидаемое время решения задачи
1.6.2 Эффективный алгоритм линейной локальной фильтрации изображений.
1.6.3 Эффективный алгоритм множественной корреляции
Выводы и результаты.
1 ЛАВА 2 Построение индуцированного алгоритма ЛЛФ над приведенным
компетентным алгоритмом.
2.1 Построение индуцированного алгоритма
2.1.1 Необходимые и достаточные условия строгой эффективности индуцированного алгоритма для задачи ЛЛФ без априорной информации о свойствах сигнала.
2.1.2 Замечания о сложности индуцированного алгоритма для задач ЛЛФ
с непустой априорной информацией о свойствах сигнала.
2.1.3 Необходимые и достаточные условия строгой эффективности индуцированного алгоритма для задач с априорной информацией о свойствах сигнала.
2.1.4 Определение параметров индуцированного алгоритма.
2.1.5 О некорректности задачи представления конечного цифрового сигнала
в виде ЛРП заданного порядка с ограничениями.
2.2. О задаче представления конечного цифрового сигнала в виде ЛРП заданного порядка над полем СЦр с ограничениями
2.2.1 Условия существования решения задачи представления конечного цифрового сигнала в виде ЛРП заданного порядка над полем вЦ
2.2.2 Аналитически корректная задача представления конечного цифрового
сигнала в виде ЛРП заданного порядка над полем вЦ.
2.3. О задаче представления конечного цифрового сигнала в виде ЛРП заданного порядка над полем И с ограничениями.
2.3.1 Формулировка задачи представления конечного цифрового сигнала
в виде ЛРП заданного порядка над полем И.
2.3.2 Решение задачи представления конечного цифрового сигнала
в виде ЛРП заданного порядка над полем И.
2.4 Прямое решение задачи построения индуцированного алгоритма.
2.4.1 Ограничения подхода.
2.4.2 От сплайнов к расширенному ЛРС
2.4.3 Алгоритм модели СЯ, порождаемый сплайнпредставлением КИХ.
2.4.4 Построение простого эффективного алгоритма
2.5 Об устойчивости индуцированного алгоритма вычисления свертки.
2.6 Примеры построения эффективных алгоритмов ЛЛФ вычисления сверток.
2.6.1 Простые эффективные алгоритмы ЛЛФ для КИХ в виде однородной ЛРП.
2.6.2 Эффективные алгоритмы ЛЛФ для Ш КИХ, заданной в виде сплайна
2.6.3 Сплайнвейвлеты с конечными носителями и
эффективный алгоритм локального ДВП.
2.6.4 Примеры численного построения эффективного алгоритма ЛЛФ
для вещественнозначной КИХ
2.6.5 Простые эффективные алгоритмы ЛЛФ для неразделимой полиномиальной КИХ.
2.6.6 Простой эффективный алгоритм ЛЛФ для неразделимой КИХ, удовлетворяющей однородному ЛРС.
2.6.7 Примеры численного построения эффективного алгоритма ЛЛФ для 2Э КИХ.
Комментарии к главам 1 и 2.
Выводы и результаты
ГЛАВА 3 Эффективные локальные линейные признаки цифровых сигналов и изображений.
3.1 Эффективные локальные линейные признаки
3.1.1 Общая задача построения эффективных локальных линейных признаков
3.1.2 Алгоритм модели СЯ, порождаемый кусочнооднородной
последовательностью над К.
3.1.3 МСпоследователыюсти
3.1.4 О существовании и единственности НМСиоследовательности.
Семейство НМСпоследовательностей.
3.1.5 Частная задача построения эффективных локальных линейных признаков
3.1.6 Методы построения эффективных локальных линейных признаков
3.1.7 Примеры НМС и избыточных ОМСпоследовательностей.
3.2 Наборы эффективных локальных линейных признаков
3.2.1 Наборы линейных взаимнорекуррентных последовательностей
3.2.2 Алгоритм модели СЯ множественной корреляции, порождаемый набором линейных взаимнорекуррентных последовательностей над К.
3.2.3 НМСнабор последовательностей
3.2.4 О существовании и единственности НМСнабора последовательностей.
Семейство НМСнаборов последовательностей
3.2.5 Частная задача построения набора эффективных локальных
линейных признаков.
3.2.6 Методы построения наборов эффективных локальных линейных признаков
3.2.7 Примеры НМСнаборов последовательностей
3.3 О некоторых наборах взаимнорекуррентных Ш и последовательностей и порождаемых ими алгоритмах вычисления локальных линейных признаков
3.3.1 Набор симметричных взаимнорекуррентных полиномов и
эффективный алгоритм вычисления обобщенных моментов
3.3.2 Набор антисимметричных взаимнорекуррентных полиномов и эффективный алгоритм вычисления обобщенных моментов.
3.3.3 Анализ наборов симметричных и антисимметричных взаимнорекуррентных полиномов и порождаемых ими алгоритмов множественной корреляции.
3.3.4 Набор взаимнорекуррентных бинарных последовательностей
и эффективный алгоритм множественной корреляции
Выводы и результаты.
ГЛАВА 4 Применение эффективных алгоритмов ЛЛФ для решения задач обработки изображений и компьютерного зрения
4.1 Методы и алгоритмы построения элементов систем компьютерного зрения, использующих эффективные алгоритмы ЛЛФ.
4.1.1 Построение элементов систем компьютерного зрения,
предназначенных для решения задач обнаружения и классификации
4.1.2 Построение элементов систем компьютерного зрения, предназначенных для решения задач обнаружения и локализации объектов на изображениях
4.2 Метод согласованной оптимизации как средство построения систем компьютерного зрения, использующих эффективные алгоритмы
4.2.1 Основные обозначения.
4.2.2 Ограничения метода согласованной оптимизации.
4.2.3 Основные положения метода согласованной оптимизации.
Базовая итерационная процедура метода
4.2.4 Модификации базовой итерационной процедуры
метода согласованной оптимизации.
4.2.5 Метод согласованной оптимизации процедуры совместного
обнаружения и локализации объектов на изображении
4.2.6 Метод согласованной оптимизации двухэтапной процедуры
обнаружения и распознавания локальных объектов на изображении
4.3 Примеры решения задач обработки изображений и компьютерного зрения с применением эффективных алгоритмов ЛЛФ
4.3.1 Выделение контуров и углов на изображении
4.3.2 Синтез нелинейного локального преобразования по прецеденту.
4.3.3 Распознавание дактилоскопических изображений.
4.3.4 Поиск изображений, видео и аудио данных в коллекциях.
4.3.5 Моделирование видеоинформационого тракта.
4.3.6 Распознавание номеров автотранспортных средств.
4.3.7 СЯЮсистема обработки данных дистанционного зондирования.
4.3.8 Поиск личности по фотоизображению лица в БД
4.3.9 Обнаружение транспортных средств на аэрофотоснимках,
полученных с низколетящего летательного аппарата.
Выводы и результаты.
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


Вопервых, метод согласованной оптимизации и БИП конкретизированы для задачи настройки процедуры СОЛ объектов на изображении приводится сравнение результатов работы процедуры СОЛ после настройки с использованием метода согласованной оптимизации процедуры настройки, построенной в предположении независимости отсчетов изображения дискриминантной функции известных алгоритмов. Показано преимущество предложенного метода согласованной оптимизации. Вовторых, метод согласованной оптимизации и БИП конкретизированы для задачи настройки двуосэтапной процедуры распознавания локальных объектов на изображениях. Детальное исследование метода приводится в диссертации в приложении В. Важным выводом по результатам исследований является то, что при использовании метода согласованной оптимизации удается не просто достигнуть разумного компромисса между сложностью и качеством конструируемой двухэтапной процедуры обработки, но и получить лучшие качественные характеристики при меньшем времени обработки изображения по сравнению с первоначальной одноуровневой процедурой. Во второй части четвертого раздела приведены примеры реальных практических задач обработки изображений и компьютерного зрения, при решении которых были использованы результаты настоящей диссертации. Решение приведенных задач выполнялось либо под руководством автора диссертации, либо при непосредственном его участии. ДВП и сложности вычисления локального ДВП с использованием известного алгоритма быстрого ортогонального ДВП С. Алгебраическая система алгоритмов ЛЛФ сигналов и изображений, включающая отношения и операции с алгоритмами ЛЛФ, а также построение расширения множества алгоритмов ЛЛФ. Определение алгоритма, индуцированного априорной информацией о задаче ЛЛФ, как наилучшего алгоритма в расширении. Метод построения индуцированного алгоритма ЛЛФ и приведенного компетентного алгоритма над множеством алгоритмов постоянной сложности ЛЛФ. Теоретическое обоснование метода построения индуцированного алгоритма. Численная процедура определения параметров индуцированного алгоритма, построенного нал приведенным компетентным алгоритмом, которая дает точное решение за конечное время. Метод прямого построения эффективного алгоритма ЛЛФ для сплайнпредставления КИХ. Определения НМСпоследоватслыюстсй, НМСнаборов последовательностей и их семейства. Положения предложение, леммы и теоремы, связанные с существованием и единственностью НМСпоследовательности и НМСнабора последовательностей. Алгоритм модели СИ, порождаемый НМСпоследовательностью или НМСнабором последовательностей. Аналитические выражения сложности алгоритма. Метод построения эффективных локальных линейных признаков и их наборов путем решения задач построения, соответственно, ПМСпоследовательностей и НМСнаборов последовательностей, согласованных с заданным производящим функционалом. Свойство единственности решения указанных задач. Метод согласованной оптимизации двухэтапной процедуры локальной нелинейной обработки сигналов и изображений, базовая итерационная процедура метода доказательство сходимости базовой итерационной процедуры при определенных условиях и ее модификации, используемые при невыполнении таких условий. Конкретизация метода согласованной оптимизации для задач настройки процедуры совместного обнаружения и локализации объектов на изображениях, процедуры распознавания локальных объектов на изображениях. Глава 1 Эффективный алгоритм над множеством алгоритмов ЛЛФ 1. Постановка задачи ЛЛФ. КИХ лто Длины М
Ял Ип хл йтхп т п М 1, 1. Результатом решения задачи ЛЛФ является сигнал уялЧЛ1 Длины М 1, называемый далее выходным сигналом. Эта задача может появляться в нескольких близких постановках, возникающих изза использования различных типов данных в различных прикладных задачах 2,,,,,,,,,,,,,,,,,7,9,5,8, 9,2,4,,0,2,,1. В последней ситуации выражение 1. Итхп т Пс1 Р 1 2
1 В литературе но ЦОС и ЦОИ существуют различные точки зрения на то, что считать полезным результатом линейной свертки. Распространенными являются следующие три варианта п 0, 1, п 0, М 1 и п М ,Л 1. Автор придерживается последнего варианта, который отражает следующую точку зрения краевые эффекты при обработке относятся к паразитным эффектам.

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: 0.205, запросов: 244