Особенности искусственного лесовозобновления в засушливых условиях Нижней Карталины ГССР

• Автор: Абдуладзе, Малхаз Естатович
• Шифр специальности: 06.03.01
• Научная степень: Кандидатская
• Год защиты: 1983
• Место защиты: Москва
• Количество страниц: 183 c. : ил

Введение.
Глава 1. Анализ известных методов обнаружения и выделения границ объектов на изображениях

1.1. Анализ известных методов и алгоритмов поиска объектов на изображениях.

1.1.2. Статистический подход к распознаванию объектов на изображениях

1.1.3. Геометрический подход к распознаванию объектов на изображениях

1.1.4. Нейросетевой подход к распознаванию объектов на изображениях

1.2. Известные методы выделения границ объектов на изображениях

Выводы по главе

Глава 2. Синтез и анализ алгоритмов совместного обнаружения и оценивании локальных участков границы объектов на изображении
2.1. Постановка задачи совместного обнаружения и оценивания параметров локальной неоднородности в рамках модели перепада яркости
2.2. Статистические алгоритмы обнаружения и оценивания параметров локальной неоднородности в рамках модели перепада яркости
2.2.1. Алгоритм обнаружения перепада яркости при известной яркости фона и яркости объектов.
2.2.2. Алгоритм обнаружения и оценки параметров перепада яркости при известной яркости фона и неизвестной яркости объектов.
2.2.3. Алгоритм обнаружения и оценки параметров перепада яркости при неизвестной яркости фона и неизвестной яркости объектов.
2.3. Нейросетевой алгоритм совместного обнаружения и оценивания параметров локальной неоднородности в рамках модели перепада яркости Выводы по главе
Глава 3. Синтез и анализ алгоритмов совместного обнаружения и оценивания границы объектов с неизвестной формой и местоположением
3.1. Методика оценки эффективности алгоритма обнаружения локальной неоднородности
3.1.1. Методика расчета условных вероятностей ошибок первого и второго рода
3.1.2. Методика расчета безусловных вероятностей ошибок первого и второго рода.
3.2. Синтез алгоритма вторичной обработки локальных фрагментов для обнаружения объекта, характпризующсгося замкнутой границей неизвестной формы
3.3. Определение целостной границы объекта с использованием метода динамического программирования при реализации обобщенного алгоритма
максимального правдоподобия.
Выводы по главе
Глава 4. Алгоритмы обнаружения объектов на основе инвариантных преобразований эталонных фрагментов изображения
4.1. Инвариантный к повороту и изменению масштаба алгоритм обнаружения эталонного объекта в локальном участке наблюдения
4.1.1. Представление изображений объектов с использованием упорядоченного разбиения на группы пикселей.
4.1.2. Формирование описания эталонного объекта, инвариантного к повороту и изменению масштаба.
4.1.3. Определение меры близости наблюдаемого и эталонного изображения. Принятие решения о наличии объекта.
4.1.4. Определение меры близости локального участка изображения и эталона на основе вычисления степени пересечения выделенных групп
4.2. Алгоритмы классификации и локализации объектов на изображении 7 Выводы по главе
Заключение
Список литературы


Анализ разработанных статистических, нейросетевых и эвристичеаских алгоритмов обработки изображений проводился как с использованием статистических моделей, так и путем экспериментирования с реальными изображениями. Построенные зависимости верхних оценок для различных показателей качества совместных алгоритмов обнаружения перепада яркости хорошо согласуются с результатами, полученными на основе аналитических соотношений, а также с результатами статистического моделирования на ЭВМ. Значимость для науки и практики. Применение предложенной автором двухэтапной процедуры поиска объектов на основе обнаружения их границ позволяет осуществлять поиск объектов в условиях повышенной априорной неопределенности относительно формы границы и уровня яркости объектов. Результаты диссертационной работы имеют практическое значение для разработки специального математического и программного обеспечения в интересах автоматической обработки изображений при обнаружении, классификации и локализации образов, а также проведении контурного анализа в системах технической диагностики, пассивной оптической локации, дистанционного аэрокосмического мониторинга, а также в современных системах компьютерной микроскопии. Реализация результатов работы. Полученные в диссертации результаты реализованы в полном объеме в Воронежском государственном университете в НИР КассиопеяВГУ, а также Институтом нанотехнологии микроэлектроники РАН ИНМЭ РАН в НИР Кассиопея при создании программного комплекса для обработки цифровых изображений. Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на XVI Международной научнотехнической конференции Радиолокация, навигация, связь Воронеж в году на VII Международной научнотехнической конференции Кибернетика и высокие технологии XXI века Воронеж в году на VI, VII, VIII Международных конференциях Информатика проблемы, методология, технологии Воронеж в , и годах. Публикации. По теме диссертации опубликовано работ , в том числе 3 статьи ,, в изданиях, рекомендованных ВАК. Большинство публикаций выполнены в соавторстве с научным руководителем. В совместных работах научному руководителю принадлежит постановка задачи и определение направления исследований, автору проведение рассуждений, вывод аналитических зависимостей, необходимых для решения поставленных задач, организация экспериментов для обоснования алгоритмов, полученных теоретическим путем, анализ и интерпретация полученных результатов, а также разработка программных модулей для реализации контурного анализа изображений, обнаружения, классификации и локализации объектов. Объем и структура диссертационной работы. Диссертация состоит из введения, четырех разделов, заключения и списка литературы из 6 наименований. Объем диссертации составляет 1 страницу, включая 0 страниц основного текста, содержащего рисунков и 1 таблицу, и страниц списка литературы. В первой главе диссертации определяются основные понятия области автоматического обнаружения объектов на изображениях, рассматриваются общие схемы процессов классификации и локализации объекта, подробно анализируются известные методы и алгоритмы классификации и обнаружения объектов. Отдельно рассматриваются и анализируются известные методы контурного анализа изображений в целях их использования для обнаружения границ объектов. Во второй главе описана модель идеального перепада яркости в локальном окне наблюдения и рассмотрены естественные ограничения, накладываемые на параметры данной модели. На основе модели перепада яркости сформулирована постановка задачи совместного его обнаружения и определения параметров как альтернатива выбора из двух гипотез. Приводится общее решение поставленной задачи обобщенным методом максимального правдоподобия и рассматриваются частные случаи для различного объема априорной информации относительно яркости фона и объектов. Методом статистического моделирования определяются точностные показатели оценивания параметров. Отдельно синтезируется и исследуется нейросетевой алгоритм обнаружения и определения параметров перепада яркости в окне наблюдения.