Методы и реализация комплексного подхода к распознаванию графической информации с интеллектуальной поддержкой

• Автор: Шичкин, Дмитрий Александрович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Краснодар
• Количество страниц: 144 с. : ил.

Оглавление
Введение

1 Исследование методологических аспектов распознавания графической информации

1.1 Структура систем распознавания графической информации

1.2 Анализ базовых подходов к распознаванию графической информации

1.2.1 Оптический метод

1.2.2 Контурный анализ

1.2.3 Искусственные нейронные сети

1.3 Исследование направлений распознавания графической информации альтернативных базовым подходам

1.3.1 Анализ признаков как основное направление альтернативных методов.

1.3.2 Структурные (лингвистические, синтаксические) методы распознавания

1.3.3 Статистический подход в теории распознавания образов
1.3.3.1 Дискриминантный анализ
1.4 Основные проблемы разработки и реализации программных продуктов в области распознавания образов
1.4.1 Проблема обучения систем распознавания и классификации объектов
1.4.2 Выбор и формирование значений для подачи в нейронную сеть, выбор нейронной сети
1.4.3 Ограниченность методов распознавания образов
1.5 Постановка цели и задач исследования
1.6 Выводы
2 Системный подход к созданию комплексной системы распознавания графической информации
2.1 Общая схема комплексной системы распознавания графической информации
2.2 Подсистема анализа входного изображения, выделение контуров
2.2.1 Выделение объекта бинаризацией
2.2.2 Отслеживающие алгоритмы
2.2.3 Поиск градиентов яркости, как основа обнаружения контуров объектов
2.2.4 Модернизация выделения контуров
2.2.5 Соединение разорванных контуров
2.3 Выделение объектов по цвету
2.4 Алгоритм процесса предварительной обработки объекта
2.4.1 Определение центра «тяжести»
2.4.2 Поворот объекта
2.4.3 Масштабирование объекта
2.5 Подсистема определения объекта по базе правил взаимодействия с признаками
2.6 Выводы
3 Архитектура модуля обработки входного изображения
3.1 Общая структура модуля обработки входного изображения
3.2 Алгоритм выделения контуров
3.3 Алгоритм выделения объектов
3.4 Предобработка объектов на входе нейронной сети
3.5 Выводы
4. Модуль экспертной классификации для поддержки нейронной сети
4.1 Предварительная классификация экспертной системой
4.2 Модель модуля нейронных сетей
4.3 Структура построенной сети
4.4 Входные значения, поступающие в нейронную сеть
4.5 Выводы
5 Программная реализация разработанных алгоритмов системы распознавания графической информации с интеллектуальной поддержкой
5.1 Выбор средств и платформ для реализации системы распознавания графической информации
5.2 Оценка производительности использования разных платформ
5.3 Проектирование нейронной сети с использованием вРИ

5.4 Проектирование нейронной сети с использованием СРИ
5.5 Программные модули экспериментальной оценки выделения контуров и анализа изменения цвета объекта
5.6 Программный модуль для работы с выделенными объектами
5.7 Выводы
Заключение
Список использованных источников
Приложение А (справочное) Акт об использовании основных результатов
диссертационной работы в системе пропускного контроля
Приложение Б (справочное) Акт о внедрении результатов диссертационной
работы в учебный процесс КубГТУ
Приложение В (справочное) Свидетельство о государственной регистрации
программы для ЭВМ № 2013618115 от 30.08.2013 г
Приложение Г (обязательное) Демонстрация множественной зависимости
компонентов цвета модели ИЛВ
Приложение Д (обязательное) Измерения цвета объектов в модели 1ЮВ... 141 Приложение Е (обязательное) Демонстрационный графический материал изменения цвета

методы теории формальных языков к задачам компактного хранения информации. Синтаксический подход называют лингвистическим, потому что в нем используются методы теории формальных языков [50].
1.3.3 Статистический подход в теории распознавания образов
Группу методов, применяемую при условии распознавания тех образов, признаки которых можно представить в виде числовых данных, но статистически они будут различны между образами одного класса объектов, следует классифицировать как статистические (авторская интерпретация). Сведения, получаемые при помощи таких методов, должны получаться методами статистического анализа. Обе эти разновидности сведений могут способствовать формированию решающих функций, обеспечивающих классификацию при статистическом подходе [80].
1.3.3.1 Дискриминантный анализ
Дискриминантный анализ - раздел вычислительной математики, представляющий набор методов статистического анализа для решения задач распознавания образов, который используется для принятия решения о том, какие переменные разделяют (т.е. «дискриминируют») возникающие наборы данных (так называемые «группы») [112].
Агрегируя описательные характеристики дискриминантного анализа в исследованной научной литературе, приведем описание данного метода.
Дискриминантный анализ является инструментом для поиска переменных, позволяющих относить наблюдаемые объекты к одной или нескольким группам, для классификации наблюдений и разбиения на различные группы [90].
Основной целью дискриминации выделяют нахождение такой линейной комбинации переменных (далее - дискриминантные переменные),