Распознавание видеоизображений объектов заданной формы на основе анализа их контуров

• Автор: Охотников, Сергей Аркадьевич
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Йошкар-Ола
• Количество страниц: 181 с. : ил.

Содержание
ВВЕДЕНИЕ

1. ОБЗОР СОСТОЯНИЯ ВОПРОСА ПО МЕТОДАМ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ

1.1. Обзор методов обработки видеоизображений априори известных объектов

1.2. Состояние вопроса в области обработки контуров видеоизображений объектов

1.3. Контурный анализ видеоизображений объектов

1.4. Обсуждение результатов и конкретизация задач диссертационного исследования

2. ИССЛЕДОВАНИЕ СПЕКТРАЛЬНЫХ И КОРРЕЛЯЦИОННЫХ СВОЙСТВ ВИДЕОИЗОБРАЖЕНИЙ ОБЪЕКТОВ ЗАДАННЫХ В ВИДЕ НЕПРЕРЫВНЫХ КОНТУРОВ

2.1. Математическая модель непрерывного контура

2.2. Спектральный анализ непрерывных контуров

2.2.1. Ортогональный базис
2.2.2. Разложение произвольного непрерывного контура
2.2.3. Особые свойства спектров непрерывных контуров, связанные с их замкнутостью, комплекснозначностью и непрерывностью
2.3. Влияние искажений на вид спектра контура
2.4. Корреляционный анализ непрерывных контуров
2.5. Обсуждение результатов
3. ОБРАБОТКА И РАСПОЗНАВАНИЕ ВИДЕОИЗОБРАЖЕНИЙ ОБЪЕКТОВ ЗАДАННЫХ В ВИДЕ НЕПРЕРЫВНЫХ КОНТУРОВ
3.1. Основные соотношения при линейной фильтрации видеоизображений объектов заданных в виде непрерывных контуров
3.2. Простейшие фильтры непрерывных контуров
3.3. Согласованная фильтрация видеоизображений объектов заданных в виде непрерывных контуров с априори известной формой

3.3.1. Основные аналитические соотношения
3.3.2. Свойства согласованного фильтра
3.3.3. Согласованная фильтрация зашумленного непрерывного
контура
3.4. Оценка параметров линейных преобразований непрерывных контуров
3.5. Распознавание видеоизображений реперных знаков априори заданной формы
3.6. Выводы
4. РАЗРАБОТКА АЛГОРИТМА РАСПОЗНАВАНИЯ ВИДЕОИЗОБРАЖЕНИЙ ОБЪЕКТОВ ЗАДАННОЙ ФОРМЫ И ИССЛЕДОВАНИЕ ЕЁ ЭФФЕКТИВНОСТИ
4.1. Алгоритм распознавания видеоизображений объектов априори заданной формы контуров
4.2. Примеры решения прикладных задач распознавания видеоизображений объектов заданной формы на основе анализа их контуров
4.3. Исследование эффективности распознавания видеоизображений объектов априори заданной формы в виде контуров
4.3.1. Расчёт и исследование характеристик распознавания видеоизображений объектов априори заданной формы в виде контуров .
4.3.2. Исследование вычислительных затрат при решении задачи распознаваний видеоизображений заданной формы
4.4. Выводы
Заключение
СПИСОК ЛИТЕРАТУРЫ
Приложение
Приложение

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ
ФО — Фурье описание
НЭК - непрерывный элементарный контур
АКФ - автокорреляционная функция
ВКФ — взаимнокорреляционная функция
ЛЧМ - линейно частотно модулированный
ЭВ - элементарный вектор
ЭК - элементарный контур
ДПФ - дискретное преобразование Фурье
МО - математическое ожидание
СКО - среднеквадратическое отклонение
ОЭВК — оптико-электронный вычислительный комплекс
ВКУ - видеоконтрольное устройство
ЧКП - частотный коэффициент передачи
ИХ - импульсная характеристика
КСФ - контурный согласованный фильтр

В работе [28] указывается, что в задачах распознавания контуры удобно представлять на плоскости параметрически, в виде пары функций: Г(/) = (х(/), у(/)}. Таким образом можно численно описать очертания, характерного для каждого из рассматриваемых объектов. При перемещении в пространстве очертания наблюдаемых объектов испытывают различные геометрические преобразования (аффинные, перспективные и др.). Такое поведение может значительно затруднить задачу распознавания объектов и сцены в целом. Однако в некоторых случаях в задачах компьютерного зрения перспективные преобразования можно представлять приближенно как аффинные (квазиаффинные). Ввиду этого особый интерес у многих исследователей вызывают характеристики контуров, инвариантные к аффинным преобразованиям, т.е. не чувствительные к подобного рода трансформациям объекта.
Геометрические характеристики визуальных объектов, в частности те, которые являются устойчивыми к аффинным преобразованиям, активно изучаются исследователями в течение последнего десятилетия. Разработано множество алгоритмов для математического представления объектов, подвергнутым аффинным преобразованиям. Они могут быть условно разделены на две группы: глобальные и локальные. Глобальные методы, в большинстве своем, основаны на применении спектрального аппарата для аппроксимации/интерполяции двухмерных кривых, представляющих контуры объектов: в работах [44, 45] используются так называемые дескрипторы Фурье; в статьях [46, 47] применяется парное вейвлет-разложение; разложение по В-сплайнам применяется в [48]. Локальные методы основаны на алгоритмах выделения признаков: например, в работе [27] поиск инвариантов осуществляется на основе преобразований Хаффа; статья [49] основана на сопоставлении объектов посредством нахождения «критических» точек: точек перегиба, взаимных пересечений, максимумов кривизны и др.
В работе [24] указывается, что характерные признаки отрезков прямых и дуг кривых в процессе преобразования утрачиваются (рис. 1.10). Рассматривая дискретизованное изображение при достаточном увеличении, часто