Системный подход к обработке изображений и идентификации графических образов в реальном масштабе времени

• Автор: Гостев, Иван Михайлович
• Шифр специальности: 05.13.01
• Научная степень: Докторская
• Год защиты: 2005
• Место защиты: Москва
• Количество страниц: 273 с. : ил.

Введение.

Глава 1. Методы обработки изображении

1.1. Методологии обработки изображений.

1.2. Простые методы обработки изображений.

Точечные методы.

. Локальные методы обработки изображений

1.3.1. Линейные фильтры и свертка

1.3.2. Гауссовская фильтрация

1.3.3. Нелинейная фильтрация.

1.4. Другие типы низкоуровневой обработки

1.4.1. Кадровые методы

1.4.2. Геометрические методы
1.4.3. Морфология
1.5. Комбинированные методы обработки изображений
1.5.1. Краткий обзор комбинированных методов.
1.5.2. Алгоритм ДС.
1.6. Анализ качества некоторых комбинированных методов.
1.6.1. Сравнение ДС с другими комбинированными методами
1.6.2. Сравнение качества работы алгоритмов при больших уровнях шумов.
1.7. Понятие контуров и методы их получения.
1.7.1. Понятие контура.
1.7.2. Методы получения контуров.
1.8. Обобщенная запись методов обработки.
Выводы по 1ой главе
Глава 2 Контуры кластеры и понятие эталона.
2.1 Контуры кластеры.
2.2 Формализация методов идентификации графических объектов.
2.3 Принципы построения обобщенного вектора свойств эталона.
2.4 Информационная часть вектора свойств.
2.5 Расширенное понятие информационной части.
Выводы по 2ой главе
Глава 3. Идентификация формы объектов по контурным
функциям
3.1 Понятие контурной функции.
3.2 Распознавание по элементарным признакам.
3.2.1.Классификация по числу точек контура.
.2. Классификация по габаргтам
3.2.3. Классификация по компактности
3.2.4. Классификация по площади
3.2.5. Классификация на основе математической корреляции
3.3 Методы геометрической корреляции на всем контуре.
3.4 Методы геометрической корреляции на части контура.
3.5. Геомет рическая корреляции по части конту ра по противоположным интервалам.
3.6. Идентификация по части контура с автоматическим выбором расположения противоположных интервалов.
3.7 Особенности использования методов геометрической корреляции
Выводы по 3 главе.
Гл.4 Анализ качества методов, основанных на геометрической
корреляции.
4.1 Оценка чувствительности.
4.2 Условия проведения эксперимента
4.2. Чувствительность методов, основанных на ГК.
4.3. Анализ устойчивости методов ГК к шумам.
4.3.1. Анализ работы методов в условиях шумов.
4.3.2. Измерение метрик в условиях шумов.
4.3.3. Анализ числа ошибок при больших шумах.
4.4 Особенности исчислении метрик в методах ГК.
4.4.1 .Исчисление метрик для комбинаций ЭЭ
4.4.1.Исчисление метрик дня комбинаций ЭН
4.5 Особенности иримснсини методов ГК на фрагментах контура.
4.5.1.Особенности методов ИЧК.
4.4.2.0собенности методов ИЧКПИ и ИЧКПИ2.
Выводы но главе 4.
Гл. 5. О методах повышения качества идентификации графических объектов в методах геометрической корреляции.
5.1. Компактность и размеры фигуры.
5.2 Компактпость и шум.
5.2.1. Влияние искажений на методы ГК.
. Методы ГК на основе среднеквадратичной метрики.
5.3.1. Определение методов.
5.3.2. Анализ методов ГК1С и ГК2С.
5.4.Мстоды ГК с динамически назначаемым КД.
Выводы но главе 5.
Гласа 6. Практические применения.
6.1 Математическая модель поисковой системы
6.1.1. Описание модели
6.1.2.Механизм функционирования модели
6.1.3.Практическая реализация
6.2 Реализация распределнных поисковых систем.
6.2.1. Постановка задачи
6.2.2. Архитектура распределенной поисковой системы
6.3. Система по обработке изображений и распознавании образов I
6.3.1. Краткое описание системы
6.3.2. Кошроллер потока
6.3.3.Состаа системы I
6.3.4.Работа с эталоном
6.4 Организация распределнных вычислений ори обработке изображении и распознавании образов.
6.4.1. Принципы построения конвейера
6.4.2. Архитектура вычислительного комплекса
6.4.3. Оценки повышения производительности
6.5 Использование результатов работы в учебном процессе.
Выводы по главе
Заключение
Литература


К ним относится структура документа, характеризующая его в целом, и которая может повторяться от кадра к кадру в серии изображений или видео файле. Эта категория носит название описания контекста iiv. Поэтому в настоящее время понятие обработка изображений стала иметь многогранный характер. С другой стороны под обработкой изображений в последнее время стали понимать некоторые операции, иногда совсем не связанные с изменением его оригинальных данных, которые позволяют извлекать из него некоторые свойства в виде числовых характеристик. Результат этого процесса заключается в получении некоторого вектора чисел, которые характеризуют изображение. Такие операции носят название поиск и извлечение свойств ii. При этом каждый параметр имеет некоторое значение, в виде числа или символов. Некоторые из этих свойств можно использовать в процессе распознавания. Такой подход широко распространен и активно развивается в различных областях, но особенное распространение он находит в области поиска информации в Интернет , , , , , , , , . Одной из больших групп исследователей, которая активно изучает, и применяет этот подход на практике является ii Ii ivi i . Кроме вышеприведенного метода представления свойств изображения, в работах этой группы для разделения разноплановых понятий обработки существует представление визуальной информации в виде трех слоев. На основании этих слоев и происходит разделение методов обработки Vi Ii iv VI i . Первый слой представления изображения I i , содержит матрицу изображения i. Собственно с этим слоем производят различные преобразования, которые носят названия обработки изображений v i i, со специальным добавлением слова низкоуровневая. Эти данные состоят из таких компонентов как название изображения, дату создания, его размеры, объем цветовой палитры и т. Третий слой относится к информации специфической для конкретного пользователя i и содержит информацию, которая характерна для него. К такой информации относится, например комментарий к изображению или информация об условиях его создания. В соответствии с этим представлением разделяются и подходы к его обработке см. Так при обработке первого слоя используется терминология обработка изображения I i, для которой характерно выполнение операций типа изображение на входе изображение на выходе. Для манипуляций над вторым слоем применяют термин анализ изображений I i, и используют набор операций типа изображение на входе результаты анализа и измерения на выходе1. И, наконец, для работы с третьим уровнем применяются методы понимания изображения I i, для которых свойственно отношение входа и выхода как изображение иили низкоуровневое описание на входе высокоуровневое описание изображения на выходе. Кроме того, возможен еще один вариант, построения изображения по его многоуровневому описанию синтез изображений I i. К этой операции могут быть отнесены и методы распознавания образов, при которых по некоторому графическому объекту с некоторой вероятностью необходимо построить его описание. Рисунок 1. В настоящей работе методология обработки изображений, которые предназначены для распознавания на них графических образов будет основана на выполнении низкоуровневых операций, имеющих определнную цель. Эта цель заключается в последовательном выполнении функций с выделением полезной информации из изображения для дальнейшего использования. Приблизительная оценка удаляемой информации при таком подходе сделана во введении. Различие числа информативных и неинформативных бит имеет значение в пять порядков Еще большее значение будет, если считать количество информации как наличие или отсутствие самолета в кадре. С такой точки зрения все шаги по обработке это последовательное удаление из изображения неинформативных частей и выделение информативных. Поэтому обработка изображения будет рассматриваться как предварительный этап в длинной последовательности методов обработки и распознавания, выполняемых над изображением . В зависимости от качества изображения и целей распознавания возможны дополнения этой цепочки другими операциями.