Оптико-электронное устройство распознавания многоконтурных объектов на основе нечеткой логики

• Автор: Тевс, Сергей Станиславович
• Шифр специальности: 05.13.05
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Курск
• Количество страниц: 133 с. : ил

СОДЕРЖАНИЕ
ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ И ОПТИКОЭЛЕКТРОННЫХ УСТРОЙСТВ РАСПОЗНАВАНИЯ ОБЪЕКТОВ.

1.1 Методы построения контуров объекта.

1.1.1 Помехонезащищенное построение контуров объекта

1.1.2 Помехозащищенное построение контуров объекта

1.2 Методы распознавания образов

1.3 Оптикоэлектронные устройства распознавания объектов

ГЛАВА 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ РАСПОЗНАВАНИЯ МНОГОКОНТУРНОГО ОБЪЕКТА ОПТИКОЭЛЕКТРОННЫМ УСТРОЙСТВОМ.

2.1 Математическая модель ввода изображения.

2.2 Нечеткая математическая модель вычисления класса многоконтурного объекта.

2.2.1 Математическая модель построения контуров.
2.2.2 Математическая модель вычисления признаков
2.2.3 Распознавание многоконтурного объекта по
вычисленным признакам.
2.3 Обобщенный алгоритм работы оптикоэлектронного устройства распознавания многоконтурных объектов.
ГЛАВА 3. АНАЛИЗ БЫСТРОДЕЙСТВИЯ И СИНТЕЗ ОПТИКОЭЛЕКТРОННОГО УСТРОЙСТВА РАСПОЗНАВАНИЯ МНОГОКОНТУРНЫХ ОБЪЕКТОВ.
3.1 Быстродействие ввода изображения
3.2 Оценка времени распознавания многоконтурного объекта
3.3 Анализ быстродействия оптикоэлектронного устройства распознавания многоконтурных объектов.
3.3.1 Анализ зависимости быстродействия оптикоэлектронного устройства от параметров анализируемых многоконтурных объектов
3.3.2 Анализ зависимости быстродействия от параметров оптико
электронного устройства.
3.4 Инженерная методика выбора количества процессоров в блоке параллельного распознавания многоконтурного объекта.
ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ОПТИКОЭЛЕКТРОННОЮ УСТРОЙСТВА РАСПОЗНАВАНИЯ МНОГОКОНТУРНЫХ ОБЪЕКТОВ НА ОСНОВЕ НЕЧЕТКОЙ ЛОГИКИ
4.1 Аппаратнопрограммный комплекс для проведения испытаний оптикоэлектронного устройства распознавания многоконтурных объектов и методика их проведения.
4.2 Экспериментальное определение основных характеристик и параметров оптикоэлектронного устройства распознавания
многоконтурных объектов.
4.2.1 Сравнительный анализ оптикоэлектронных устройств распознавания многоконтурных объектов
ЗАКЛЮЧЕНИЕ.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


Датчики и преобразователи информации систем измерения, контроля и управления” (“ Датчик-”) (г. Гурзуф, г. Состояние и проблемы измерений: 6-я Всероссийская НТК” (г. Москва, г. Распознавание образов и анализ изображений: новые информационные технологии” (г. Самара, г. Вычислительная техника” Курского государственного технического университета с по гг. Публикации. Основные результаты выполненных исследований и разработок опубликованы в печатных работах, в том числе 7 статьях; получено 3 патента Российской Федерации; в соавторстве написана монография, изданная за рубежом; учебное пособие с 1рифом УМО. Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 1 наименование, 5 приложений, изложена на 3 страницах и поясняется рисунками и 6 таблицами. ГЛАВА 1. Центральное место среди всех направлений развития робототехники занимает задача распознавания образов [1,2, 3]. Важной составной частью любого ОЭУ распознавания образов являются оптико-электронные датчики, обеспечивающие заданный уровень качества продукции, как в процессе изготовления, так и на этапе окончательной ее приемки в конце производственного цикла. Для построения ОЭУ распознавания образов целесообразно использовать два основных требования: получение информации с требуемой точностью и в необходимом объеме; экономичность получения этой информации с учетом всех затрат, необходимых для создания и применения средств распознавания образов. Традиционно распознавание образов выполняется в два этапа: построение контуров и собственно распознавание объекта |4, 5, 6]. Под поезроением контуров объекта понимается создание массивов содержащих последовательность координат граничных точек объекта [7, 8]. Процедура распознавания объекта заключается в том, чтобы отнести каждый предъявляемый объект к одному из заданных классов [4]. Средства распознавания образов предназначены для ввода видеоинформации и реализации алгоритмов обработки изображения |9, ). Известные методы посфоения контуров делятся на помехозащищенные и помехонезащищенные [, , ]. Помехозащищенные методы не нуждаются в фильтрации и выделении края, построение контура выполняется сразу но исходному изображению. Рассмотрим методы построения контуров более подробно. Входные изображения обычно подвержены различного рода помехам, которые разделяются на случайные и локальные. Случайные помехи возникают в результате нестабильности в работе различных блоков или при изменении освещенности сцены ОЭУ на этапе формирования изображения []. Они искажают реальное изображение в отдельных, в основном разрозненных, точках [, ]. Локальные помехи связаны с тем, что в поле зрения оптико-электронного датчика имеются некоторые объекты, которые не интерпретируются ни как объекты, ни как фон. Это, в первую очередь, загрязнения, блики, пятна []. В настоящее время разработаны различные методы борьбы с помехами, такие как низкочастотная пространственная фильтрация, алгоритм замены яркости центрального элемента, медианная фильтрация [,]. Низкочастотная пространственная фильтрация. Низкочастотные пространственные фильтры оставляют низкочастотные компоненты изображения нетронутыми и ослабляют высокочастотные компоненты. Такие фильтры используются для понижения визуального шума, содержащегося в изображении. ZIIq((^ + m’(l + n)f(^ + m-J + n-l), (1. У)+(т,п), причем - ц < т,п < ц. Для ядра свертки размером 3x3 и параметром <у=1 формула (1. ХН1(1 + т,1 + и)/({ + да-1,у + я-1). Частота отсечки низкочастотного фильтра определяется размерами и коэффициентами ядра свертки 3x3, причем сумма значений ядра для всех низкочастотных фильтров равна 1. Н? = і 1 і II со . Недостатком низкочастотных фильтров является то, что они не только понижают уровень шума в изображении, но и ослабляют высокочастотные компоненты []. Алгоритм замены яркости нейтрального элемента. Да и н ы й алгоритм направлен на устранение случайных выбросов - резкого искажения яркости в отдельных, не связанных друг с другом элементах изображения. В то же время он не ослабляет высокочастотные компоненты.