Методы распознавания 3D изображений на основе их кватернионных моделей

• Автор: Баев, Алексей Александрович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Нижний Новгород
• Количество страниц: 131 с. : ил.

Введение

Глава 1. Методы обработки 3 изображений в информационных системах.

1.1. Система управления автономного транспортного средства

1.2. Обзор существующих методов описания 3 моделей.

1.2.1. Расширенное Гауссово изображение x i I 1.

1.2.2. Комплексное расширенное Гауссово изображение x x i I 1.

1.2.3. Гистограммы формы i.

1.2.4. Распределение формы iii

1.2.5. Функция сферических расстояний i x i.

1.2.6. Радиальная функция сферических расстояний i i x i

1.2.7. Описатель световых полей i i i

1.2.8. Сферические гармоники
1.2.9. Анализ представленных алгоритмов.
1.3. Введение в кватернионный анализ
1.3.1. Кватернионы
1.3.2. Скалярные произведения кватернионов
1.3.4. Скалярное произведение кватернионных сигналов
1.4. Вывод
Глава 2. Проецирование изображения пространственного объекта на сферу.
2.1. Введение.
2.2. Метод проецирования 3 изображения на сферу
2.3. Решение системы линейных кватернионных уравнений методом Гаусса
2.4. Обработка изображений пространственных объектов с неизвестным масштабом
2.5. Обработка изображений пространственных объектов с неизвестными параметрами вращений.
2.6. Определение параметров вращающего кватерниона по полиномиальным коэффициентам
2.7. Обработка пространственных объектов с неизвестными параметрами масштабирования и вращения.
2.8. Распознавание пространственных объектов
2.9. Выводы.
Глава 3. Программная и аппаратная реализация методов обработки 3 изображений.
3.1. Введение
3.2. Оценка трудоемкости.
3.3. Вычислительная оптимизация метода проецирования на сферу
3.4. Параллельная реализация метода проецирования на сферу.
3.5. Параллельная реализация метода iii
3.6. Сравнительный анализ быстродействия параллельных реализаций методов проецирования на сферу и 2 на и .
3.7. Аппаратная реализация метода проецирования на сферу на ПЛИС.
3.8. Выводы
Глава 4. Исследование эффективности методов распознавания и оценки параметров линейных преобразований изображений пространственных объектов с неупорядоченными отметками
4.1. Алгоритм проведение эксперимента распознавания пространственных объектов.
4.2. Характеристики распознавания случайных объектов.
4.3. Методика формирования тестовых моделей
4.4. Исследование зависимости вероятности правильного распознавания моделей реальных объектов от величины СКО координатного шума.
4.5. Анализ влияния координатного шума на коэффициенты отображающей функции.
4.6. Анализ эффективности распознавания при использовании i .
4.7. Исследование помехоустойчивости методов оценки параметров объемных изображений.
4.8. Выводы.
Заключение.
Список используемой литературы


Хотя такое представление моделей позволяет ускорить процесс распознавания, большинство методов требуют значительных временных затрат для вычисления коэффициентов искомой модели, что неприемлемо для систем реального времени. С другой стороны эти подходы могут обладать высокими показателями качества распознавания. Для сравнения между собой различных методов распознавания разработано большое количество тестов и баз данных 3 моделей, по которым выполняется проверка их эффективности. В последнее время признание получил эталонный тест i , содержащий базу данных классифицированных 3 моделей и инструментальные средства для сравнения методов распознавания. Показано, что наиболее подходящим для большинства приложений методом является iii 2, отличающийся высокой скоростью сравнения коэффициентов, малым объемом требуемой памяти, инвариантностью к повороту и смещению, но обладает низким быстродействием при формировании описания. Метод 2 представляет модель в виде гистограммы распределения расстояний между ее точками. Этот метод используется для сравнительного анализа с разработанными в диссертации подходами. Таким образом, к настоящему времени отсутствуют методы, одновременно обладающие инвариантностью к нумерации отметок, параметрам масштабирования и вращения, обеспечивающие возможность оценки этих параметров на основе компактного вторичного описания. Данная диссертационная работа посвящена разработке такого метода, основанного на теории кватернионного анализа, исследованию его эффективности и вычислительной оптимизации с использованием параллельных вычислений. Во второй главе разработан метод обработки 3 изображений пространственных объектов, не требующий упорядочивания их отсчетов. Подход основан на формировании вторичного описания объекта в виде параметров функции гипсркомплексного переменного, проецирующей отсчеты с его поверхности на единичную сферу. В качестве функции отображающей отсчеты 3 объекта на поверхность сферы выбрано преобразования на базе полиномиальной функции гиперкомплексного переменного. Показано что, коэффициенты отображающей функции однозначно связаны с масштабом пространственного объекта, вращение кватернионов, задающих пространственный объект, приводит к умножению коэффициентов отображающей функции на соответствующие вращающие кватернионы. Решение задачи нахождения компонент вращающего кватерниона по значениям коэффициентов исходного и повернутого объектов, может быть сведено к решению системы однородных линейных уравнений. Как показали результаты исследования качества совмещения объемных изображений в зависимости от среднего квадратичного отклонения СКО координатного шума при норме сигнала равной 0. Предложенный метод проигрывает матричному в требуемом отношении СКО координатного шума от 1,5 до 2 раз, однако, при этом не требуется знания нумерации отсчетов ЗЭ изображения. Приведена схема устройства распознавания полностью известных изображений пространственных объектов по коэффициентам отображающей функции. Таким образом, в главе рассмотрен алгоритм вычисления коэффициентов отображающей функции, а также разработана методика решения кватернионных линейных уравнений методом Гаусса. Показано, что коэффициенты отображающей функции однозначно связаны с масштабом пространственного объекта и параметрами вращения кватернионов, задающих пространственный объект. Получены соотношения, необходимые для вычисления оценок параметров преобразований. Экспериментально показана возможность совмещения объемных изображений на основе найденных оценок. Рассмотрены алгоритмы работы и структурные схемы устройств распознавания пространственных объектов по полиномиальным коэффициентам их отображающей функции. Приведенные в главе, материалы подтверждают положение 1. В третьей главе предложены подходы к программной реализации методов проецирования на сферу и , разработаны методы повышения быстродействия за счет применения параллельных вычислений, разработана ассоциирующая подсистема системы распознавания ЗЭ изображений пространственных объектов на основе метода проецирования на сферу.