Показатели сопряженности и мультиколлинеарности в задачах анализа и распознавания изображений

• Автор: Козин, Никита Евгеньевич
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Самара
• Количество страниц: 127 с. : ил.

СОДЕРЖАНИЕ
СОДЕРЖАНИЕ
ВВЕДЕНИЕ

Актуальность

Цель и задачи исследований

Методы исследований.

Научная новизна работы

Апробация работы

Основные положения диссертации, выносимые на защиту.

ГЛАВА 1. АНАЛИЗ ПРОБЛЕМ И ФОРМУЛИРОВКА ЗАДАЧИ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ

1.1. Постановка задачи распознавания изображений.

1.2. Анализ известных подходов и методов.
1.3 Формулировка задач исследования
Выводы к главе 1.
ГЛАВА 2. РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ПОКАЗАТЕЛЕЙ СОПРЯЖЕННОСТИ
2.1. Общая схема классификации с помощью мер близости
2.2. Построение классификаторов на основе показателей сопряженности
2.3. Сравнительные оценки вычислительной сложности.
2.4. Кластеризация изображений с помощью показателей сопряженности.
Выводы к главе 2.
ГЛАВА 3. ПОСТРОЕНИЕ АЛГОРИТМОВ ОТБОРА ИНФОРМАТИВНЫХ ДАННЫХ.
3.1. Анализ методов снижения размерности пространства признаков
3.2. Алгоритм отбора информативных областей на изображении.
3.3. Обоснование меры мультиколлинеарности.
3.4. Границы для показателя диагонального преобладания.
3.5. Исследование связи с качеством распознавания лиц
Выводы к главе 3.
ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ АЛГОРИТМОВ АНАЛИЗА И РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ
4.1. Результаты исследования в задаче распознавания случайных векторов.
4.2. Результаты исследования в задаче распознавания цифр.
4.3. Анализ информативности изображений в задаче распознавания разрывов струи полимера.
4.3. Исследование качества распознавания в пространстве суммирующих
инвариантов.
Выводы к главе 4
ЗАКЛЮЧЕНИЕ.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


Таким образом, актуальной является задача разработки и исследования методов и алгоритмов распознавания изображений, использующих меры мультиколлинеарности, в частности, показатели сопряженности для отбора информативных признаков, распознавания и кластеризации в качестве меры расстояния, в том числе в пространстве инвариантов. Исследования по теме диссертации выполнялись при поддержке российско-американской программы «Фундаментальные исследования и высшее образование», а также грантов РФФИ (гранты №7, №9, №3-офи_а, №4). Целыо работы является достижение более высоких показателей качества в задачах распознавания и анализа изображений за счет применения для отбора информативных данных и принятия решений о принадлежности классу показателей сопряженности и мультиколлинеарности, и выявление условий, при которых они более эффективны. В соответствии с поставленной целыо в рамках диссертационной работы решаются следующие задачи. Построение решающих правил, основанных на использовании в качестве мер близости показателей сопряженности, и установление диапазона значений показателя мультиколлинеарности векторов образов, при которых достигается повышение качества распознавания изображений. Сравнительное исследование вычислительной сложности показателей сопряженности и разработка методики их выбора с учетом числа обучающих объектов и размерности пространства признаков. Исследование мер мультиколлинеарности в качестве критериев отбора информативных данных на изображениях и построение алгоритмов формирования векторов признаков по этим критериям. Исследование возможности повышения качества распознавания за счет применения показателей сопряженности в алгоритмах кластеризации обучающих объектов. Исследование возможности повышения качества распознавания с применением показателей сопряженности в пространстве суммирующих инвариантов, в т. В диссертационной работе используются методы теории распознавания образов, цифровой обработки изображений, а также математического анализа, линейной алгебры и теории групп. В диссертации получены следующие новые научные результаты. Разработаны новые решающие правила принятия решений в задачах распознавания на основе показателей сопряженности с пространством, натянутым на векторы анализируемого класса, и/или нуль-пространством соответствующей транспонированной матрицы, обеспечивающие повышение качества распознавания в значительном диапазоне значений показателя мультиколлинеарности векторов образов. Предложена и обоснована методика выбора одного из показателей (сопряженности с пространством и/или е нуль-пространством) в зависимости от размерности пространства признаков и числа обучающих объектов. Разработан новый алгоритм формирования признакового пространства, для случая использования в качестве признаков значений отсчетов яркости изображений, основанный па отборе информативных областей изображений по показателям мультиколлинеарности. Показана возможность повышения качества распознавания за счет применения показателей сопряженности в алгоритмах кластеризации обучающих объектов. Показана возможность повышения качества распознавания, в г. Российская национальная выставка в Китае, Пекин, Китай, - ноября, . Решающие правила принятия решений в задачах распознавания, основанные на использовании показателей сопряженности с пространством, натянутым па векторы анализируемого класса, и/или нуль-пространством соответствующей транспонированной матрицы, обеспечивающие повышение качества распознавания в значительном диапазоне значений показателя мультиколлинеарности векторов образов. Методика выбора одного из показателей (сопряженности с пространством и/или с нуль-пространством) в зависимости от размерности пространства признаков и числа обучающих объектов. Алгоритм формирования признакового пространства, для случая использования в качестве признаков значений отсчетов яркости изображений, основанный на отборе информативных областей изображений по показателям мультиколлинсарно-сти. Результаты экспериментов, показывающие возможность повышения качества распознавания в значительном диапазоне значений показателя мультиколлинеарности векторов образов, за счет применения показателей сопряженности, в т.