Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО
Балясный, Сергей Викторович
05.11.16
Кандидатская
2015
Тула
140 с. : ил.
Стоимость:
499 руб.
СОДЕРЖАНИЕ
1 ВВЕДЕНИЕ
1. ОБЗОР И АНАЛИЗ МЕТОДОВ РАСПОЗНАВАНИЯ
1.1 Введение
1.2 Задача распознавания образов
1.3 Проблема повышения качества изображения
1.4 Получение признаков объекта
1.5 Локализация объекта
1.6 Получение признаков объекта
1.7 Классификация
1.8 Выводы
2 РАЗРАБОТКА МЕТОДА РАСЧЕТА КОНТРАСТНО-ЧАСТОТНОЙ
ХАРАКТЕРИСТИКИ МФ
2.1 Введение
2.2 Методика расчета
2.3 Оценка КЧХ пикселей
2.4 Сравнение КЧХ пикселей различной конструкции
2.5 Определение КЧХ МФ
2.6 Выводы
3 РАЗРАБОТКА АЛГОРИТМА РАСПОЗНАВАНИЯ ОБЪЕКТОВ НА
Р130БРАЖЕНИИ
3.1 Этапы решения задачи распознавания
3.2 Предварительна обработка изображения
3.3 Проектирование фильтра
3.4 Выравнивание яркости
3.5 Построение вектора признаков
3.6 Определение признаков эталона
3.7 Построение классификатора по эталонам
3.7.1 Задача классификации
3.7.2 Построение классификатора
3.8 Применение классификатора
3.9 Выводы
4 ИССЛЕДОВАНИЕ И ТЕСТИРОВАНИЯ РАЗРАБОТАННЫХ
АЛГОРИТМОВ
4.1 Введение
4.2 Получение изображений
4.3 Обработка изображений
4.4 Тестирование алгоритма
4.5 Выводы
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЕ
1 ВВЕДЕНИЕ
Актуальность темы. Автоматическое распознавание образов, является одним из наиболее активно развивающихся направлений искусственного интеллекта. В настоящее время распознавание образов применяется во многих областях науки и техники, связанных с обработкой большого количества визуальной информации, например в медицине, производстве, системах безопасности и т.д.
В процессе распознавания объектов, приходится решать целый комплекс задач, направленных как на уменьшение количества ошибок распознавания, так и на повышения быстродействия процесса распознавания: повышение качества исходного изображения, приведение исходного изображения к виду, наиболее подходящему для процесса распознавания, локализация объектов на изображении, определение признаков, пригодных для классификации, построение классификатора, позволяющего определять объекты с минимальным количеством ошибок.
Исходное изображение может быть искажено шумом, а также содержать только часть изображения объекта, поэтому встает вопрос о распознавании в условиях неполной и искаженной информации об объекте.
Одним из вариантов уменьшения количества ошибок при распознавании является получение максимально детализированных изображений. Увеличения детализации изображения можно достичь как с помощью повышения качества оптической системы, так и с помощью увеличения разрешающей способности фотоэлектрического преобразователя. К настоящему моменту совершенствование оптических систем практически достигло своего предела. Тогда как повышение разрешающей способности матрицы проводилось в основном за счет повышения количества пикселей! в матрице и уменьшения их размеров. Однако здесь встает вопрос о пределе повышения плотности пикселей, без замены существующей элементной базы, при этом вопросы, связанные с увеличение разрешающей способности
образа с эталонами соответствующих классов, тот такой подход называют также корреляцией или сопоставлением с кластером.
В случае множественных эталонов
Если каждый класс можно охарактеризовать несколькими эталонными образами, т. е. любой образ, принадлежащий классу (ог, проявляет тенденцию к группировке вокруг одного из эталонов г,1, г,2., г*' , где 14 — количество эталонных образов, определяющих ьй класс.
Dj = min
Л' - Z:
, / = 1,2,...,ЛГ*
D, — наименьшее из расстояний от образа х до каждого эталона класса coi. В случае равенства расстояний решение принимается произвольным образом.
Решающая функция примет вид
d,(x) = max|(xz)-0.5(2/Jzjj, I = 1,2,...,N(
Как правило, разделяющие границы имеют кусочно-линейный вид (рис
1.18)
Рисунок 1.18 - Пример кусочно-линейной границы, разделяющей два класса, каждый из которых представлен двумя эталонами.
Наиболее общая форма подобного классификатора имеет вид: г/,(х) = тах|//(х)| / = 1,2,...,Л/, / = 1,2,...,^
Название работы | Автор | Дата защиты |
---|---|---|
Разработка и внедрение адаптивной информационно-измерительной управляющей системы распределения ресурсов на примере нефтепродуктообеспечения | Годнев, Александр Геннадьевич | 2019 |
Разработка и исследование информационно-измерительных систем контроля конвейерного оборудования | Муратов, Ирек Мугазамович | 1984 |
Разработка и исследование лазерного преобразователя информации для системы непрерывного автоматического контроля точек росы | Агальцов, Андрей Геннадиевич |