Методы построения специализированных векторизаторов для конструкторской документации электронных средств

• Автор: Темнов, Кирилл Анатольевич
• Шифр специальности: 05.13.12
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Москва
• Количество страниц: 163 с. : ил.

Оглавление

Обозначения и сокращения б

Введение

Глава 1. Анализ современного состояния автоматизации документирования

1.1. Анализ особенностей конструкторской документации.

1.1.1. Виды конструкторской документации

1.1.2. Анализ особенностей текстовой документации.

1.1.3. Анализ особенностей графической документации.

1.1.4. Выводы.

1.2. Оценка эффективности векторизаторов

1.2.1. Анализ особенностей современных векторизаторов.

1.2.2. Разработка тестовой выборки
1.2.3. Описание тестовой выборки
1.2.4. Оценка работы векторизаторов на тестовой выборке.
1.2.5. Выводы.
1.3. Анализ подходов к векторизации.
1.3.1. Предварительная обработка
1.3.2. Распознавание текста.
1.3.3. Скелетизация изображения и выделение контуров
1.3.4. Объединение текстовых и графических данных.
1.3.5. Выводы.4
1.4. Постановка задачи разработки специализированного векторизатора для КД ЭС.
1.5. Выводы.
Глава 2. Разработка модели специализированного векторизатора
2.1. Методы классификации
2.1.1. Классификация на основе дерева решений
2.1.2. Классификация на основе искусственных нейронных сетей. .
2.2. Распознавание текстовых областей изображения
2.2.1. Классификация с использованием перцептрона Румельхарта. . .
2.3. Повышение качества распознаваемого текста за счет использования дополнительного классификатора
2.4. Скелетизация и оптимизация скелета об
2.4.1. Методы скелетизации.
2.4.2. Оптимизация скелета.
2.5. Выделение сложных графических объектов
2.5.1. Аппроксимация ребер сплайнами.
2.5.2. Нахождение окружностей и дуг на изображении.
2.5.3. Эвристические алгоритмы для выявления сложных графических объектов.
2.6. Разработка алгоритмической модели специализированного векторизатора
2.7. Выводы
Глава 3. Разработка алгоритмов специального векторизатора
3.1. Маркировка бинарного изображения
3.1.1. Представление бинарного изображения в виде квадрантного дерева
3.1.2. Построение и обход квадрантного дерева
3.1.3. Алгоритм нахождения смежных узлов квадрантного дерева. . . .
3.1.4. Алгоритм полурекурсивной маркировки.
3.1.5. Выделение текстовых компонент в квадрантном дереве
3.1.6. Эвристический анализ на основе расстояния Левенштейна. . 32. Построение и оптимизация скелета
3.2.1. Алгоритм построения скелета изображения
3.2.2. Алгоритм построения сплайнов на ребрах скелета.
3.3. Выявление сложных графических объектов.
3.3.1. Алгоритм поиска штриховок на изображении.
3.3.2. Алгоритм поиска стрелок
3.3.3. Алгоритм поиска окружностей.
3.4. Разработка структур данных
3.4.1. Экспорт в формат сЫ.
3.4.2. Экспорт в формат .
3.5. Выводы
Глава 4. Реализация и апробация специализированного векторизатора ИЗ
4.1. Архитектура, программной платформы
4.1.1. Требования к реализации специализированного векторизатора. .
4.1.2. Выбор языка реализации
4.1.3. Архитектура программной платформы.
4.2. Тестирование специализированного векторизатора
4.2.1. Результаты работы с тестовой выборкой.
4.3. Эффективность разработанного векторизатора
4.4. Основные результаты.
Список иллюстраций.
Список таблиц
Список использованных источников


Практическую ценность представляет разработанная программная платформа, эффективно решающая задачи векторизации КД ЭС. Реализация результатов работы. Основные результаты работы были использованы в НПО «Лианозовский электромеханический завод» г. Москва. Апробация работы. Всероссийская Научная Конференция, посвященная -летию Казанского государственного технического университета им. А.Н. Туполева (КАИ), г. Конференция молодых ученых ФРЕЛА, Московский Авиационный Институт (МАИ), г. Конференция молодых ученых ФРЕЛА, Московский Авиационный Институт (МАИ), г. Москва . Публикации по работе. Предметом исследования данной работы являются существующие методы векторизации растровых представлений КД ЭС и методы повышения эффективности таких алгоритмов. Для повышения эффективности могут использоваться комбинации из уже применяемых алгоритмов, а так же дополнительные аналитические и математические методы, способные улучшить качество векторизации документов. Структура диссертации. В первой главе рассмотрены современное состояние автоматизации электронного документирования и проблемы, возникающие при использовании векторизаторов и программного обеспечения для ОСИ. Проведен статистический анализ векторизаторов на предмет распознавания ими графических объектов и текстовых областей на растровых изображениях документов. Рассмотрены методы, способные улучшить качество векторизации документов. Во второй главе рассмотрены математические методы, позволяющие улучшить качество обработки изображения и количество правильно распознаваемых графических примитивов. Предложены способы комбинации указанных методов для повышения общей эффективности алгоритмов векторизации. Разработан математический аппарат, позволяющий проводить векторизацию документов. В третьей главе рассмотрены алгоритмы, предлагаемые для решения задач векторизации, проведен анализ эффективности предложенных алгоритмов по сравнению с известными. Предложены алгоритмы, повышающие качество векторизации за счет комбинирования известных алгоритмов. В четвертой главе описан процесс создания программного обеспечения: выбор языка для реализации, применение сторонних библиотек, описание вспомогательных модулей. Произведена оценка скорости обработки изображений из тестовой выборки и анализ эффективности реализации алгоритмов. Результаты разработанного векторизатора сравниваются с результатами других векторизаторов, полученными в главе 1. Производится оценка, использованных методов и алгоритмов с целью определения направления работ по дальнейшему усовершенствованию векторизации. Электронная документация позволяет представить техническую информацию компактным способом с возможностью редактирования, конвертации в различные форматы и быстрой передачи по сетям коммуникаций. Автоматизация электронного документирования позволяет осуществить перевод документов из бумажного формата в электронный с минимальным участием человека. Векторизация — перевод растрового изображения в векторное представление. Оптическое распознавание символов — преобразование растрового изображения в текстовые документы. В простейшем и наиболее употребляемом значении векторизация — это замена растровых образов на исходном изображении отрезками аппроксимирующих прямых в векторном представлении. Такой вид векторизации уменьшает объем хранимого документа, но делает его редактирование затруднительным ввиду необходимости внесения большого количества дополнительных изменений. Распознавание символов представляет отдельную область научных знаний и применяется в основном для преобразования печатных или рукописных документов в электронную форму. Алгоритмы ОСЯ имеют достаточно вариантов готовых реализаций, рассмотренных в [1, 2, 3, 4, 5, б, 7, 8, 9, , И, ]. Алгоритмы ОСЯ распознают символы с точностью - % в зависимости от качества входного изображения и используемых шрифтов |Ю]. Для выделения участков изображения с текстом используются кластеризаторы (классификаторы). Кластеризатор разделяет все изображение на текстовые и нетекстовые области [1, 2, 3, ].