Алгоритмическое обеспечение решения задач геометрического анализа визуальных данных специализированной информационной системы

• Автор: Кадена Ласлуиса Луис Рауль
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Красноярск
• Количество страниц: 155 с. : ил.

Содержание
ВВЕДЕНИЕ
ГЛАВА 1. АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ГЕОМЕТРИЧЕСКОГО АНАЛИЗА ВИЗУАЛЬНЫХ ДАННЫХ
1.1. Обзор подходов к геометрическому анализу визуальных данных
1.2. Основные понятия и определения шиарлет-преобразования
1.2.1. Непрерывное шиарлет-преобразование
1.2.2. Дискретное шиарлет-преобразование
1.2.3. Алгоритмы дискретного шиарлет-преобразования
1.3. Разделение изображений на основе шиарлет-преобразования
1.3.1. Теоретические основы метода разделения изображений
1.3.2. Решение задачи геометрического разделения изображения
1.4. Модификация метода геометрического анализа визуальных данных
1.4.1. Вычислительная методика геометрического разделения изображений
1.4.2. Выделение контуров объектов на изображении
1.4.3. Сравнительный анализ алгоритмов для решения задачи шумоподавления
1.5. Выводы по главе
ГЛАВА 2. АЛГОРИТМЫ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ ХААРА
2.1. Кратномасштабный анализ: вейвлет Хаара
2.2. Методика обработки сложного сигнала на основе вейвлета Хаара
2.3. Удаление шума с использованием вейвлет-преобразования
2.4. Вейвлет-преобразование Хаара для двумерного сигнала
2.5. Модифицированная методика решения задачи сжятия изображения на основе вейвлет-преобразования Хаара
2.6. Выводы по главе

ГЛАВА 3. ВЫЧИСЛИТЕЛЬНАЯ МЕТОДИКА ПОСТРОЕНИЯ НЕЛИНЕЙНЫХ МОДЕЛЕЙ
3.1. Методика построения аппроксимационных моделей на основе быстрой нелинейной регрессии
3.2. Усовершенствование вычислительной методики
3.3. Анализ сложных сигналов на основе нелинейной регрессии
3.4. Построение модели зависимости заболеваемости от факторов окружающей среды
3.5. Выводы по главе
ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РАЗРАБОТАННОГО АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ
4.1. Решение задач на основе алгоритмов шиарлет-преобразования.
4.2. Решение задач шумоподавления и сжатия изображений на основе вейвлет-анализа данных
4.3. Алгоритмическое обеспечение решения задачи анализа данных в рамках информационной системы
4.4. Компьютерная оболочка информационной системы
4.5. Выводы по главе
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЕ 1. Описание алгоритмического обеспечения
шиарлет-преобразования изображений
ПРИЛОЖЕНИЕ 2. Листинг кода МайаЬ программы обработки сигналов и
изображений на основе вейвлета Хаара
ПРИЛОЖЕНИЕ 3. Описание многомерной нелинейной регрессии визуальных данных
ВВЕДЕНИЕ
Актуальность работы. В последнее десятилетие активно развивается аппаратурное обеспечение в экологических исследованиях, появляются все более совершенные и сложные аппаратурные комплексы. В то же время известные алгоритмические средства не вполне соответствуют требованиям по быстродействию и качеству обработки сложных визуальных данных, регистрируемых вновь создаваемыми приборами, а также решению новых актуальных задач геометрического анализа данных экологического мониторинга, основанного на вейвлет- и шиарлет-преобразованиях.
Шиарлет-преобразование является новым методом многомерного анализа информации [136, 141, 146-147, 151]. Этот метод отличается возможностью определения анизотропной составляющей в анализируемых данных, что может быть применимым для решения задач обработки изображений. Идея шиарлет-преобразования опирается на хорошо разработанную теорию вейвлет-анализа и является её естественным расширением. Так, параметрами шиарлет-преобразования являются не только смещение и коэффициент масштабирования, но и сдвиг (shear).
Исследования по шиарлет-анализу в последние годы отмечены в работах Д. Лабате и Г. Кутинек (Labate D., Kutyniok G., 2006-2014). Шиарлет-преобразование применимо для анализа сложных изображений и учитывает масштаб, пространство и направление. Шиарлет-преобразование позволяет работать с криволинейными сингулярностями, учитывать анизотропные свойства исследуемой среды. Следовательно, для решения новых задача экологического мониторинга необходимо модифицировать метод геометрического анализа визуальных данных за счет обеспечения возможности выбора эффективных алгоритмов шиарлет-преобразования, что позволило бы повысить точность выделения линейных структур, визуальное качество изображений изучаемых объектов и их контуров.

получается в том случае, когда двойные шиарлет-фильтры могут быть легко вычислены с помощью обращения свертки, затем получается формула восстановления:
/у = ^(/; * •))* Ф].к-
Следовательно, задача геометрического разделения может быть успешно решена с помощью вейвлетов и шиарлетов, а также соответствующей задачи £г-минимизации. И для шиарлет-преобразования используются рассмотренные алгоритмы дискретного шиарлет-преобразования. Таким образом, проведенный анализ существующего метода геометрического анализа показал, что при решении актуальных задач экологического мониторинга требуется развитие этого метода, применительно к визуальным данным.
1.4. Модификация метода геометрического анализа визуальных данных
1.4.1. Вычислительная методика геометрического разделения
изображений
Исходя из описанных выше теоретических и методических представлений, рассмотрим модификацию метода геометрического анализа визуальных данных, позволяющую решать широкий класс задач обработки сложных изображений экологического мониторинга на основе шиарлет-преобразования. При этом решаются следующие задачи экологического мониторинга в рамках специализированной информационной системы:
1. Разделение точек и кривых на изображениях.
2. Выделение контура на изображениях.
3. Визуализация данных на основе четырех алгоритмов шиарлет-преобразования.
Предлагается вычислительная методика решения указанных задач, которая состоит из следующих этапов: