Поиск изображений с использованием семантических признаков

• Автор: Папулин, Сергей Юрьевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Москва
• Количество страниц: 214 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ

РАЗДЕЛ 1 АНАЛИЗ ПОДХОДОВ И МЕТОДОВ ПОИСКА ИЗОБРАЖЕНИЙ

1 1 Общая постановка задачи поиска изображений

I 2 Модели обработки и представления данных в когнитивной психологии и языкознании

1 3 Модели обработки и представления данных в методах распознавания образов

1 4 Модели представления знаний в информационных системах и в системах искусственного интеллекта

1 5 Подходы и методы поиска изображений

1 6 Контекстные методы поиска изображений

1 7 Контентные методы поиска изображений

I 7 1 Признаковые контентные методы поиска изображений
1 7 2 Обьектно-ориентпрованные методы поиска изображений
1 8 Контекстно-контентные методы поиска изображений
1 9 Классификация методов поиска изображений и сравнительный анализ существующих систем поиска
1 10 Проблемы и недостатки существующих подходов и методов поиска изображений
1 11 Концепция поиска изображений на основе многоуровневой модели и гистограммного представления данных
Выводы по разделу 1
РАЗДЕЛ 2 МОДЕЛИ И МЕТОДЫ ПОИСКА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ СЕМАНТИЧЕСКИХ ПРИЗНАКОВ
2 1 Модель базовых уровней обработки и описания данных
2 1 1 Концептуальная модель базовых уровней обработки и описания данных
2 1 2 Компоненты модели базовых уровней обработки и описания данных
2 I 3 Модель базовых уровней обработки и описания данных в задаче поиска изображений
2 2 Логико-гистограммная модель представления данных
2 3 Поиск изображений с использованием семантических признаков

2.3.1 Основные особенности формирования элементного состава и семантического признака многоуровневой модели
2.3.2 Логико-гистограммная модель представления изображений
2.3.3 Метод поиска изображений с использованием семантических признаков
2.3.4 Методика формирования элементного состава уровней и семантического признака
2.4 Способы поиска изображений с использованием семантических признаков цвета и текстуры
2.5 Применение метода поиска изображений с использованием семантических признаков для коллекции маркированных изображений от устройств неразрушающего контроля
Выводы по разделу
РАЗДЕЛ 3. РЕАЛИЗАЦИЯ СИСТЕМЫ ПОИСКА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ СЕМАНТИЧЕСКИХ ПРИЗНАКОВ
3.1 Основные функциональные возможности системы поиска изображений с использованием семантических признаков
3.2 Архитектура системы поиска с использованием семантических признаков
3.3 Способ реализации поиска изображений с использованием семантических признаков
3.4 Реализация клиента и сервера системы поиска по семантическим признакам
Выводы по разделу
РАЗДЕЛ 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ СПОСОБОВ ПОИСКА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ СЕМАНТИЧЕСКИХ ПРИЗНАКОВ
4.1 Методика проведения экспериментальных исследований и оценка эффективности поиска изображений
4.1.1 Методика тестирования способов поиска изображений
4.1.2 Средства тестирования способов поиска изображений
4.1.3 Оценка эффективности поиска изображений
4.2 Экспериментальное исследование способов поиска изображений с использованием семантических признаков цвета и текстуры
4.2.1 Формирование элементного состава
4.2.2 Наборы изображений
4.2.3 Тестовые запросы

4.2.4 Поиск изображений и отображение результата поиска
4.2.5 Анализ результатов поиска изображений
4.2.5.1 Поиск по изображению-образцу
4.2.5.2 Поиск по текстовому запросу
4.3 Экспериментальное исследование способа поиска изображений по семантическим признакам при использовании маркированных изображений от устройств неразрушающего контроля
Выводы по разделу
ЗАКЛЮЧЕНИЕ
ПРИЛОЖЕНИЕ А. Компоненты многоуровневых моделей признаков цвета и текстуры
ПРИЛОЖЕНИЕ Б. Наборы изображений
СПИСОК ЛИТЕРАТУРЫ

представляется в виде таблиц вероятностного распределения (probability distribution tables) с учетом условий наступления данного события. В общем виде наступление события Aj Л/12Л ... A An вычисляется по следующему выражению:
Р(А1 Л Л2 А ... Л An~) = ПГ=1Р(Л;|Ра,), (1.33)
где Ра, - родительские узлы в байесовской сети.
Таким образом, вероятностные модели предоставляют удобные средства прогнозирования наступления различных событий. Кроме того, использование байесовских сетей позволяет в удобной форме представить взаимосвязи различных событий в виде сети, в которой узлами выступают события, а направленными связями - зависимости между ними.
Обобщение основных особенностей моделей представления питий. Выбор репрезентации знаний является ключевым моментом при разработке систем обработки и анализа данных, включая системы искусственного интеллекта и принятия решений, информационные и поисковые системы. При всём многообразии различных моделей можно выделить два основных подхода представления знаний. Первый подход основан на выделении основных единиц знаний, их взаимосвязей и определении правил обработки знаний в явном виде. Все представленные в этом подразделе модели принадлежат к данному направлению. Этот подход, прежде всего, базируется на моделях репрезентации знаний в когнитивной психологии, представленных в подразделе 1.2.
Второй подход, который не рассмотрен в данном разделе, базируется на представлении о нервной системе человека и во многом похож на коннекционистское направление в репрезентации знаний в когнитивной психологии. В этом случае знания представляются в виде нейронной сети с множеством весовых значении связей между нейронами и определенными передаточными функциями самих нейронов. Поэтому при использовании нейронных сетей знания достаточно трудно формализовать, и они рассматриваются как скрытие в структуре нейронных сетей в виде значений связей между нейронами.
Относительно данной работы наибольший интерес представляет первый подход к репрезентации знаний. Можно выделить следующие основные особенности организации и использования моделей представления знаний. Системы знаний состоят из элементов знаний и отношений между ними; можно выделить множество правил использования и формирования единиц знаний и связей; существуют некоторые постоянные элементы и элементарные структуры, используются специальные механизмы поиска элементов в системе знаний; в некоторых случаях, существует возможность вывода новых знаний из имеющихся. В целом приведенные особенности во многом соответствуют элементам формальной (или аксиоматической) системы.