Методы, модели и алгоритмы обработки групповых точечных объектов в условиях априорной неопределенности угловых параметров

• Автор: Егошина, Ирина Лазаревна
• Шифр специальности: 05.13.01
• Научная степень: Докторская
• Год защиты: 2013
• Место защиты: Йошкар-Ола
• Количество страниц: 246 с. : ил.

СОДЕРЖАНИЕ

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ

СПИСОК ОСНОВНЫХ ОБОЗНАЧЕНИЙ

ВВЕДЕНИЕ
1. АНАЛИЗ СОСТОЯНИЯ ПРОБЛЕМЫ РАСПОЗНАВАНИЯ ТРЕХМЕРНЫХ ИЗОБРАЖЕНИЙ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ В УСЛОВИЯХ АПРИОРНОЙ НЕОПРЕДЕЛЕННОСТИ УГЛОВЫХ ПАРАМЕТРОВ

1.1. Постановка задачи распознавания и различения образов.

1.2. Анализ обработки и распознавания плоских изображений

групповых точечных объектов

1.3. Анализ моделей групповых точечных объектов,

расположенных на плоскости

1.4. Особенности обработки трехмерных изображений
групповых точечных объектов
1.5. Характеристика проблемы обработки зашумленных трехмерных изображений групповых точечных объектов
с априорно неизвестными параметрами
2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ РАСПОЗНАВАНИЯ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ С АПРИОРНО НЕИЗВЕСТНЫМИ ПАРАМЕТРАМИ ПО ИХ ТРЕХМЕРНЫМ ИЗОБРАЖЕНИЯМ
2.1. Введение
2.2. Обоснование выбора аппарата кватернионных сигналов для
обработки ГТО в условиях априорной неопределенности угловых параметров
2.3. Математические модели ГТО на основе кватернионных
сигналов
2.4. Особенности вращения дискретных кватернионных сигналов
в трехмерном пространстве
2.5. Упорядочение точек ГТО. Проволочная модель ГТО
2.6. Выводы
3. РАЗРАБОТКА МЕТОДА УГЛОВОГО СОГЛАСОВАНИЯ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ ПО РЕЗУЛЬТАТАМ
РЕШЕНИЯ ОБРАТНОЙ ЗАДАЧИ ИХ ВРАЩЕНИЯ
3.1. Введение

3.2. Матричные методы решения обратной задачи
вращения 3D векторов
3.3. Решение обратной задачи вращения ГТО с применением кватернионов
3.4. Вычислительная сложность рассмотренных способов решения обратной задачи
3.5. Метод углового согласования ГТО по результатам решения обратной задачи
3.6. Количественная оценка помехоустойчивости результатов решения обратной задачи
3.7. Выводы
4. РАЗРАБОТКА ИТЕРАЦИОННОГО МЕТОДА УГЛОВОГО СОГЛАСОВАНИЯ ЗАШУМЛЕННЫХ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ НА ОСНОВЕ КВАТЕРНИОННОЙ МОДЕЛИ
4.1. Угловое согласование ГТО в кватернионном пространстве Hi
4.2. Угловое согласование ГТО в кватернионном пространстве Hs
4.3. Итерационный метод углового согласования
трехмерных изображений ГТО
4.4. Исследование шумовых свойств итерационного метода углового согласования
4.5. Выводы
5. СОЗДАНИЕ СИСТЕМЫ АЛГОРИТМОВ ФУНКЦИОНИРОВАНИЯ АВТОМАТИЧЕСКОЙ СИСТЕМЫ РАСПОЗНАВАНИЯ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ
5.1. Алгоритм упорядочения точек изображения
зашумленного группового точечного объекта
5.2. Алгоритм оценки параметров вращений трехмерных групповых точечных объектов и исследования его помехоустойчивости
5.3. Алгоритм итерационного углового согласования трехмерных групповых точечных объектов и исследования его помехоустойчивости
5.4. Выводы

6. РАЗРАБОТКА И ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ СТРУКТУРНО-ФУНКЦИОНАЛЬНОЙ ОРГАНИЗАЦИИ АВТОМАТИЧЕСКОЙ СИСТЕМЫ РАСПОЗНАВАНИЯ ЗАШУМЛЕННЫХ ТРЕХМЕРНЫХ ИЗОБРАЖЕНИЙ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ С АПРИОРНО НЕИЗВЕСТНЫМИ ПАРАМЕТРАМИ
6.1. Решение задачи распознавания произвольно ориентированных ГТО на основе итерационного метода углового согласования
при отсутствии шума
6.2. Решение задачи распознавания ГТО в условиях действия шумов и априорной неопределенности угловых параметров и сдвига векторного задания сигнала
6.3. Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ

строятся по результатам измерения значений признаков на выборках объектов, предъявляемых в процессе обучения. Распределения вероятностей признаков классов для хорошо обученной системы распознавания должны иметь максимально разнесенные значения математических ожиданий, низкие значения дисперсий и «легкие хвосты». Последний фактор в значительной степени минимизирует ошибочные решения. Из этих требований становится понятным, что этап обучения является сложной и трудоемкой процедурой, в значительной степени определяющей качество работы системы распознавания образов в целом. Как следует из постановки задачи различение объектов не содержит этапа обучения. На вход системы различения подается зашумленный и преобразованный эталонный сигнал (см. (1.1.6)) одного из классов алфавита А. Дальнейшие действия систем распознавания образов и различения сигналов (изображений) сходны между собой.
Таким образом, задача различения сигналов (изображений) является частным случаем решения задачи распознавания образов. Самостоятельное значение задачи приобретает в тех случаях, когда основные трудности сосредоточены на этапе принятия решения при устранении мешающего действия неинформативных параметров различаемого сигнала на формирование таких статистик как безусловные функции правдоподобия (меры схожести изображений по их форме). Именно такие затруднения возникают при угловом и пространственном согласованиях различаемого трехмерного изображения с каждым из М эталонных изображений.