Различение расположенных на подстилающей поверхности трехмерных объектов на основе кватернионных моделей

• Автор: Ерусланов, Руслан Валентинович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: [Ульяновск]
• Количество страниц: 181 с. : ил.

ОГЛАВЛЕНИЕ
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ
СПИСОК ПРИНЯТЫХ ОБОЗНАЧЕНИЙ
ВВЕДЕНИЕ
I. СОВРЕМЕННОЕ СОСТОЯНИЕ И ПРОБЛЕМЫ ТЕОРИИ ОБРАБОТКИ И РАЗЛИЧЕНИЯ ИЗОБРАЖЕНИЙ
1.1. Различение зашумленных сигналов
1.1.1. Оптимальные критерии принятия решений
1.1.2. Согласованная фильтрация сигналов
1.1.3. Алгоритмы различения сигналов на фоне белого шума
1.2. Сравнение задач распознавания образов и различения объектов
1.2.1. Задача распознавания образов
1.2.2. Задача различения объектов (сигначов)
1.2.3. Задача различения объектов как частный случай задачи распознавания образов
1.3. Задача восстановления координат точек ЗБ объекта но изображениям
его плоских проекций
1.4. Выбор направления диссертационного исследования по решению проблемы различения расположенных на подстилающей поверхности
трехмерных объектов, заданных серией контуров своих проекций
1.4.1. Реконструкция изображения различаемого объекта Ж, заданного серией своих проекций на подстилающей поверхности
1.4.2. Формирование математической модели различаемого трехмерного объекта
1.4.3. Мера схожести форм различаемого и эталонного объектов
1.5. Выводы
II. КОНТУРНЫЙ АНАЛИЗ ИЗОБРАЖЕНИЙ ПРОЕКЦИЙ
2.1. Введение
2.2. Функциональная математическая модель ЗБ объекта X
2.3. Процессы образования проекции трехмерного объекта на плоскую поверхность
2.3.1. Способы формирования изображения проекции
2.3.2. Выделение контура точечного неоднородного по плотности поля проекции

2.3.3. Выделение контура дискретного поля проекции
2.4.Основные положения контурного анализа
2.4.1. Представление контуров плоских изображений в векторном пространстве
2.4.2. Аналитические соотношения для полигональных контуров изображений, заданных на комтексной плоскости
2.5. Обработка изображений проекций различаемых трехмерных объектов
2.5.1. Структурный анализ контура изображения тени
2.5.2. Оценка величины углового расстояния между изображениями проекций
2.5.3. Построение поля диспарантности опорного и элементарного контуров
2.6. Выводы
III. РАЗЛИЧЕНИЕ ТРЕХМЕРНЫХ ОБЪЕКТОВ, РАСПОЛОЖЕННЫХ НА ПОДСТИЛАЮЩЕЙ ПОВЕРХНОСТИ
3.1. Вводные замечания
3.2. Реконструкция формы различаемого объекта по его плоским проекциям
на подстилающую поверхность
3.2.1. Восстановление изображения 30 объекта по его перспективным проекциям на плоскую горизонтальную поверхность
3.2.2. Восстановление изображения 30 объекта по изображениям его параллельных проекций
3.2.3. Численный метод ВТО поиска и обнаружения сопряженных точек
на контурах плоских проекций
3.2.4. Экстремальная линия поля расстояний
3.2.5. Алгоритм расчета координат сопряженных точек, основанный на взаимодействии экстремальной линии с контурами изображений точек (РКСТ1).
3.2.6. Обнаружение сопряженных точек на контурах изображений теней произвольной формы. Алгоритм РКСТ
3.2.7. Устранение неоднозначности выбора комплементарных точек, пересекаемых экстремальной линией. Алгоритм РКСТЗ
3.3. Различение заданных контурами проекций трехмерных объектов
по их форме
3.3.1. Проволочная модель 30 объекта, восстановленная по контурам его плоских проекций
3.3.2. Помехоустойчивость проволочной модели

3.3.3. Различение зашумленных М детерминированных 30 объектов..
3.3.4. Согласование угловых параметров и векторных описаний пространственных объектов
3.4. Выводы
IV. АЛГОРИТМЫ И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МЕТОДОВ РАЗЛИЧЕНИЯ ЗАДАННЫХ КОНТУРАМИ ПРОЕКЦИЙ ТРЕХМЕРНЫХ ОБЪЕКТОВ ПО ИХ ФОРМЕ
4.1. Введение
4.2. Алгоритмы и программная реализация функциональной модели изображения трехмерного объекта по его плоским проекциям на подстилающую поверхность
4.3. Алгоритм и программная реализация метода построения проволочной модели трехмерного объекта
4.4. Алгоритмы и программная реализация метода различения расположенных на подстилающей поверхности трехмерных объектов
4.5. Выводы
V. ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ
5.1. Статистическое исследование характеристик 30 селекторов
5.2. Численное моделирование помехоустойчивости метода различения расположенных на подстилающей поверхности ЗБ объектов
5.3. Обоснование цели натурного эксперимента
5.4. Описание стендовой установки для решения задачи различения 30 объекта, восстановленного по его плоским проекциям на базе метода виртуального тестового объекта
5.5. Соответствие точки пересечения визирующих лучей с виртуальным тестовым объектом точке на поверхности 30 объекта
5.6. Эксперимент по формированию различаемых 30 объектов
5.7. Эксперимент по различению реконструированных объектов и и V
5.8. Заключение
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ

¥ = сго^р + ; а = (1.2.6)
где У/'^ - эталонный сигнал класса А1 (прототип), у которого начальная компонента вектора циклически смещена на величину с1. Некоторые ограничения, принятые в этой модели, например, наличие классов, состоящих только из одного эталонного изображения, не являются принципиальным препятствием для использования разработанных алгоритмов различения для случая, когда класс состоит из нескольких эталонных изображений. Далее также будем предполагать равновероятность классов различаемых изображений, т.е. рт =1/М, т = 1,2,...,М.
Как следует из п. 1.1.3, различение объектов с моделью (1.2.6), является частным случаем различения М зашумленных сигналов с такими неизвестными неинформативными параметрами, как угол ц/ и направляющий вектор
р поворота объекта V/ , а также сдвиг с1 его векторного описания относительно векторного описания эталона V/. Фактором, препятствующим применению алгоритмов различения, описанных в п. 1.1.3 для различения объекта, является сложность получения безусловной функции правдоподобия. Она объясняется трехмерным характером объекта различения. Для получения безусловной функции правдоподобия необходимо, в первую очередь, обеспечить угловое согласование различаемого объекта У с каждым из эталонных объектов Ут, т = 1,2,...,М —1. Для этого необходимо минимизировать расстояние между векторами, задающими эти объекты. Общие подходы к угловому согласованию известны, но их реализация достаточно сложна, а получаемые решения не обладают необходимой устойчивостью. При этом возникает фактор неопределенности, заключающийся в том, что угловое согласование объектов У и V; возможно, если отсутствует пространственное рассогласование этих объектов, т.е. когда параметр с1= 0. В свою очередь обеспечить пространственное согласование возможно лишь в том случае, когда объекты У и V/ согласованы по угловым параметрам.