Информационная технология восстановления изображений, основанная на принципах распознавания образов

Информационная технология восстановления изображений, основанная на принципах распознавания образов

Автор: Чернов, Андрей Владимирович

Шифр специальности: 05.13.17

Научная степень: Кандидатская

Год защиты: 2004

Место защиты: Самара

Количество страниц: 112 с. ил.

Артикул: 3298208

Автор: Чернов, Андрей Владимирович

Стоимость: 250 руб.

Информационная технология восстановления изображений, основанная на принципах распознавания образов  Информационная технология восстановления изображений, основанная на принципах распознавания образов 

ВВЕДЕНИЕ
ГЛАВА 1. РЕШЕНИЕ ЗАДАЧИ ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ
НА ОСНОВЕ МЕТОДОЛОГИИ РАСПОЗНАВАНИЯ ОБРАЗОВ
1.1 Постановка задачи восстановления изображений
1.2. Общая схема преобразования данных
1.3. Постановка задачи построения восстанавливающих процедур с
использованием РЯметодов .
1.4. Выводы и результаты
ГЛАВА 2. ФОРМИРОВАНИЕ ПРИЗНАКОВ НА ИЗОБРАЖЕНИИ
2.1. Эффективно вычисляемые семейства признаков, используемые в РЯ
методах
2.1.1. Локальные обобщенные моменты
2.1.2. Рекурсивно формируемые локальные обобщенные моменты
2.1.3. Моментныс инварианты
2.2. Система признаков, описывающих формуй изображения
2.2.1. Обеспечение инвариантности к повороту для системы признаков,
описывающих форму изображения
2.2.2. Нормализация признаков, описывающих форму, к линейному
преобразованию значений яркости изображегшя в окне
Выводы и результаты
ГЛАВА 3. БЫСТРОЕ РЕКУРСИВНОЕ ВЫЧИСЛЕНИЕ ЗНАЧЕНИЙ
ПРИЗНАКОВ НА ОСНОВЕ РЕКУРСИВНЫХ ФИЛЬТРОВ С КОНЕЧНОЙ ИМПУЛЬСНОЙ ХАРАКТЕРИСТИКОЙ
3.1. Общие сведения из теории линейных рекуррентных соотношений
3.2. Расчет одномерных КИХфильтров
3.2.1. Вычисление одномерной свертки с конечной импульсной
характеристикой, удовлетворяющей ЛРС
3.2.2. Нахождение оптимальных коэффициентов ЛРС, приближающего
заданную конечную импульсную характеристику
3.2.3. Методы улучшения устойчивости алгоритма нахождения
оптимальных коэффициентов ЛРС
3.2.4. Вычисление одномерных сверток с рекуррентными последовательностями специального вида
3.3. Расчет рекурсивных двумерных КИХфильтров
3.3.1. Вычисление двумерной свертки с разделимой рекуррентной последовательностью
3.3.2. Аппроксимация неразделимой импульсной характеристики
разделимыми импульсными характеристиками общего вида
3.3.3. Аппроксимация двумерной неразделимой ИХ произведением разделимых ИХ, удовлетворяющих ЛРС
3.3.4. Алгоритм аппроксимации неразделимой ИХ семейством разделимых ИХ, удовлетворяющих ЛРС
3.4. Экспериментальные исследования методов рекурсивного
вычисления одномерных сверток
Выводы и результаты
ГЛАВА 4. ПОСТРОЕНИЕ КЛАССИФИКАТОРОВ И ЭКСПЕРИМЕНТАЛЬНЫЕ
ИССЛЕДОВАНИЯ ИНФОРМАЦИОННОЙ ТЕХНОЛОГИИ ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ
4.1. Линейный классификатор
4.2. Классификатор в виде нейронной сети
4.3. Древовидные классификаторы
4.3.1. Древовидный классификатор с кусочнопостоянной аппроксимацией
4.3.2. Древовидный классификатор с кусочнолинейной аппроксимацией
4.4. Построение древовидных классификаторов
4.4.1. Параметры построения древовидных классификаторов
4.4.2. Способы разбиения признакового пространства
4.4.3. Методы повышения устойчивости вычислительного алгоритма кусочнолинейной аппроксимации
4.5. Соотнесение сложности решающей функции с объемом
обучающей выборки
4.6. Параметрическая оптимизация семейства признаков
4.6.1. Подбор оптимальных параметров значений признаков
4.6.2. Определение оптимального размера окна обработки при
вычислении признаков
4.7. Описание информационной технологии построения восстанавливающих процедур на основе РЛметодов
4.8. Экспериментальные исследования информационной технологии восстановления изображений
4.8.1. Эксперименты по определению достаточного объема выборки
4.8.2. Общее описание экспериментов по оценке эффективности информационной технологии восстановления и фильтрации изображений
4.8.3. Исследование эффективности фильтрации изображений
4.8.4. Исследование эффективности восстановления изображений
4.8.5. Экспериментальные исследования нахождения оптимального
параметра двумерного гауссовского фильтра
4.8.6. Экспериментальное сравнение различных видов
классификаторов
4.9. Выводы и результаты
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


Разработка алгоритмов обучения классификаторов, осуществляющих преобразование признаков в выходное восстановленное изображение, выработка критериев остановки процесса обучения. Разработка общей информационной технологии восстановления изображений, базирующейся на сшгтезированных алгоритмах вычисления признаков и обучения классификаторов. Экспериментальное исследование эффективности общей информационной технологии восстановления изображений, а также ее составных частей методов построения и быстрого вычисления локальных признаков, алгоритмов обучения классификаторов. Перечисленные задачи определяют структуру работы и содержание отдельных
Краткое содержание диссертацииДиссертация состоит из введения, четырех глав, заключения, списка литературы, и приложения Основной текст диссертационной работы изложен на 3 страницах машинописного текста, содержит рисунков, 5 таблиц, список использованных источников из наименований. Первая глава диссертации посвящена вопросу построения общей схемы преобразования данных, использующей представление априорной информации в виде пары изображений идеальное входное и реальное выходное искаженное в канале и наблюдаемое на его выходе, с применением методики обработки через распознавание. Обосновывается переход к обработке в режиме скользящего окна в предположении пространственной инвариантности искажений для уменьшения числа возможных классов, формирования достаточного объема обучающей выборки, а также для ограничения набора рассматриваемых признаков. Приводится общая схема преобразования данных для реализации методов локальной, обработки восстановления через распознавание i vi. При этом в рамках используемого подхода оператор восстановления реализуется в два этапа где М оператор формирования признаков, оператор построения аппроксимирующей функции классификатор. Во второй главе диссертации рассматривается задача разработки методов, формирования локальных признаков на изображении. В отличие от задач распознавания. Это означает, что система признаков вопервых, должна описывать форму изображения хорошо аппроксимировать функцию яркости, вовторых, при наличии дополнительной априорной информации о классе предъявляемых для обработки изображений, трансформироваться в систему характеристик, инвариантных к повороту, сдвигу, линейному преобразованию яркости, а в третьих, алгоритмы формирования признаков должны быть вычислительно эффективными. Строится система признаков, описывающих форму изображения xi2 в скользящем окне на основе коэффициентов его приближения поверхностью порядка , приводятся алгоритмы для их вычисления. Приводятся алгоритмы вычисления преобразованной системы признаков , которая содержит в явном виде оценку параметров нормализации, и инвариантную к ним часть. Показывается, что существует взаимнооднозначное отображение , У в систему локальных геометрических моментов. Приводятся оценки требуемого числа операций для используемых на практике случаев 2,3. Третья глава диссертации посвящена разработке методов быстрого вычислению значений признаков, представимых в виде свертки с конечной импульсной характеристикой ИХ на основе се приближения семейством функций специального вида, вычисление свертки с которыми допускает рекурсивную реализацию с помощью разностных схем. Предлагается обобщенный подход,, позволяющий подобрать наилучшее приближение заданной конечной импульсной характеристики в классе последовательностей, удовлетворяющих линейно рекуррентным соотношениям ЛРС порядка рекуррентных последовательностей. Практически для длины ИХ эту задачу можно рассматривать как задачу минимизации ошибки вычисления выходного сигнала, проходящего через систему с конечной импульсной характеристикой, при заданной пользователем вычислительной сложности обработки. Ранее подобные методы были разработаны только для частных, случаев рекуррентных последовательностей из прямоугольного , полиномиального базиса 8 и тригонометрических функций . Предлагаемую методику также можно рассматривать как перенос идей построения рекуррентных фильтров. Сначала рассматривается случай одномерных ИХ и решается нелинейная задача приближения заданной ИХ в классе последовательностей, удовлетворяющих ЛРС. ИХ .

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: 0.202, запросов: 244