Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО
Якимов, Павел Юрьевич
05.13.18
Кандидатская
2014
Самара
105 с. : ил.
Стоимость:
499 руб.
Содержание
Введение
Глава 1 Анализ проблем и формулировка задач исследования
1.1 Общая характеристика и постановка задач
1.2 Анализ состояния исследований и проблем обнаружения объектов на цифровых изображениях
1.3 Методы различения дорожных знаков
1.4 Проблемы построения информационной технологии и программного обеспечения для обнаружения и различения объектов в реальном времени
1.5 Конкретизация задач исследования
1.6 Выводы к главе
Глава 2 Методы и алгоритмы предварительной обработки видеокадров в мобильных системах технического зрения
2.1 Формулировка задач предварительной обработки
2.2 Выделение областей интереса с использованием алгоритмов цветовой сегментации
2.3 Алгоритм обнаружения артефактов на цифровых изображениях
2.4 Алгоритм распознавания артефактов, не являющихся элементами изображений знака
2.5 Выводы к главе
Глава 3 Построение метода обнаружения и различения дорожных знаков при вариациях масштаба регистрируемых изображений
3.1 Формулирование требований к разрешению исходных изображений..
3.2 Модель формирования отклика в аккумуляторном пространстве при вариациях масштаба изображений
3.3 Свойства откликов обобщенного преобразования Хафа при вариациях масштаба изображений простейших фигур
3.4 Технология обнаружения дорожных знаков
3.5 Выводы к главе
Глава 4 Параллельные вычислительные алгоритмы и программный комплекс для обнаружения и различения дорожных знаков в мобильных системах технического зрения
4.1 Параллельная реализация вычислительных процедур предварительной обработки и обнаружения в С1ША-среде
4.2 Архитектура программного комплекса
4.3 Описание экспериментов и результаты лабораторных и натурных исследований
4.4 Выводы к главе
Заключение
Список цитируемой литературы
Приложение А. Акт о внедрении результатов диссертационной работы
Введение
В связи с появлением и быстрым развитием малогабаритной и высокопроизводительной вычислительной техники появилась возможность создавать мобильные системы технического зрения в самых разных приложениях: робототехника, системы видеонаблюдения и управления беспилотных летательных аппаратов, так называемая носимая электроника и др. Важнейшими функциями большинства таких систем являются -детектирование и распознавание объектов в реальном времени. Теория и практика распознавания образов и анализа сцеп имеет достаточно большую историю.
Большой вклад в развитие теории распознавания образов и разработку алгоритмов оперативного распознавания, в т.ч. для систем технического зрения, внесли отечественные (Журавлев Ю.И., Рудаков К.В., Сойфер В.А., Ярославский Л.П., Воронцов К.В., Визильтер Ю.В., Горнов АЛО., Дедус Ф.Ф., Донской В.И., Немирко А.П., Хачай М.Ю. и др.) и зарубежные (Хаф П., Капни Д.Ф., Гонсалес Р., Вудс Р., Прэтт У., Розенфельд А. и др.) ученые. Усилиями ученых и практиков в настоящее время созданы и функционируют эффективные системы распознавания текстовых меток, лиц, автомобильных номеров, а также всевозможные оптические системы безопасности с распознаванием объектов.
Типичным примером указанного класса систем являются мобильные системы технического зрения, направленные на решение задачи безопасности движения на автомобильном транспорте. Большинство автопроизводителей мирового уровня (АиФ, ВМУ, УоКю, Оре1 и др.) уже имеют в продаже интеллектуальные системы автомобильной безопасности. На протяжении последнего десятилетия эти компании вкладывали огромные средства в разработку подобных систем, что, безусловно, вывело рынок автомобилей на новый уровень. Разработки последних лет, как для систем автомобильной безопасности, так и других мобильных систем технического
от 0 до 1 и представляет собой «чистоту цвета» - чем ближе этот параметр к
0. тем ближе цвет к нейтральному серому. V содержит информацию о яркости пикселя, принимает значения от 0 до 1.
Большинство цифровых сенсоров получают входные изображения в формате RGB. Для перехода в цветовое пространство HSV необходимо применить следующие преобразования [43]:
0, шах = min
60 , max = R, G> В
max- min
60 +360, max = R, G < В
max- min
60 +120, max = G
max- min
60 +240, max = В
max-min
(2.1)
где шах = max(/f,G,2?), min = min(i?,G,5), a R, G и В принимают значения от 0 до 1.
0, max =
1 min (2 2) 1------, иначе-
V = таx(R,G,B) . (2.3)
Между тремя компонентами Н, S и V существуют определенные зависимости. Компонент Н не будет иметь значение, если S или V компоненты представлены значениями близкими к 0. Отображаемый цвет будет черным, если V равняется 0. «Чистый» белый цвет получается при V=1 и 5=0 [44], [45].
«Идеальный» красный (R-255, G=0, В=0) в цветовом пространстве HSV определяется следующими значениями: Я = 0.0°,5 = 1,И = 1.
Экспериментальным путем были определены оптимальные пороговые
Название работы | Автор | Дата защиты |
---|---|---|
Численное моделирование динамических процессов в твердых телах на основе схем повышенной точности | Богульский, Игорь Олегович | 1998 |
Методы построения регрессионных моделей разнородных источников данных для индустриальной инженерии | Зайцев, Алексей Алексеевич | 2017 |
Исследование одной стохастической модели газа при умеренных числах Кнудсена | Гудич, Игорь Григорьевич | 2015 |