Информационные модели многоуровневой обработки изображений

• Автор: Авербух, Михаил Леонидович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Нижний Новгород
• Количество страниц: 184 с. : ил.

Содержание
ВВЕДЕНИЕ.

Актуальность темы

Цель работы
Задачи.

Методы исследования

Научная новизна

Практическая ценность

Апробация работы.

Публикации.

Структура и объем диссертации

ГЛАВА 1. Аналитический обзор.
1.1. Исходные положения.
1.1.1. Понятие изображения
1.1.2. Активное восприятие
1.1.3. Пирамидальная обработка визуальной информации
1.2. Анализ состояния проблемы узнавания.
1.2.1. Зрительное восприятие человека и машинное зрение
1.2.2. Проблема отыскания соответствия анализируемого и эталонных изображений.
1.3. Основные положения теории активного восприятия
ГЛАВА 2. Информационная модель пирамидальной координатной системы в представлении на плоскость.
2.1. Постановка задачи
2.2. Определение взаимного расположения объектов на разных уровнях разложения.
2.3. Определение взаимного расположения объектов на одном уровне разложения
2.4. Выводы.
ГЛАВА 3. Координатное совмещение эталонного и анализируемого изображений
3.1. Постановка задачи
3.1.1. Формальная модель преобразований на плоскости
3.2. Информационная модель компенсации параллельного переноса.
3.3. Информационная модель компенсации поворота.
3.3.1. Определение поворота на углы кратные .
3.3.2. Грубое определение поворота на углы некратные
3.4. Информационная модель компенсации изменения масштаба
3.4.1. Зеркальное отражение.
3.4.2. Деформации типа расширения и сжатия
3.5. Выводы.
ГЛАВА 4. Информационная модель многоуровневой обработки на примере текста.
4.1. Постановка задачи
4.2. Информационная модель уровня страницы текста при многоуровневой обработке изображений.
4.3. Информационная модель выделения на странице текста строк
4.4. Выводы
ГЛАВА 5. Практические применения разработанных моделей
5.1. Узнавание изображений на произвольных шумах.
5.2. Формирование гипотез в процессе узнавания неполный перебор эталонных образов
5.3. Определение ориентации объекта изображения с заданной точностью на примере определения ориентации изображения микросхемы
5.4. Определение номеров на железнодорожных вагонах
5.5. Выводы
Заключение.
Литература


В настоящее время центр исследовательской активности сместился на распознавание изображений и сцен, физиологические и познавательные аспекты зрительного восприятия и переработки зрительной информации человеком и разработку баз данных изображений. Все, что говорится сегодня об обработке, а особенно об анализе и распознавании изображений, имеет практический смысл, если предполагается, что соответствующие процедуры в том или ином виде реализуются с помощью цифровой вычислительной техники []. Компьютер, снабженный специальными устройствами ввода/вывода, - необходимое условие работы с изображениями. В этой области принято выделять три основных направления: машинную графику, обработку изображений и распознавание зрительных образов (изображений) []. С представлением информации в графической форме так или иначе сталкиваются все, занимающиеся обработкой изображений и распознаванием зрительных образов, с другой стороны, решение многих задач машинной графики требует заимствования методов обработки изображений. Аналогичны и структуры данных, используемые в трех этих областях. В этой связи можно даже говорить о существовании научного направления - машинной обработки изображений. Задачи машинной графики заключаются в порождении изображений по исходной информации, представленной не в виде изображений []. Приложения машинной графики весьма разнообразны, причем сложность программ и вычислительных процедур существенно зависят от конкретной задачи. Так, например, речь может идти (в порядке возрастания сложности) о воспроизведении графиков функций или экспериментальных зависимостей, композиции графического представления для машинных игр и синтезе сцен для пилотажных тренажеров. В первом случае изображения (графики) не изменяются во времени, во втором - изображения динамические, а в третьем сцены, воспроизводимые в тренажере, не только изменяются во времени, но и должны создавать иллюзию глубины. Машинная живопись и синтез мультипликационных фильмов на компьютерной технике служат еще двумя сферами приложения машинной графики. Задачи распознавания изображений заключаются в получении заданного изображения или отнесении предъявленного изображения к одному из заданных классов. Распознавание изображений - это, в определенном смысле, задача, обратная задаче машинной графики. При решении задач распознавания изображение задается, в процессе распознавания оно преобразовывается в некоторое «абстрактное» описание (набор чисел, набор символов, граф) []. Итак, вернемся к самому понятию изображения. В задачах обработки и анализа под изображением обычно понимают плоский объект, вид которого изменяется от точки к точке. Формально можно определить изображение как некоторую действительную функцию двух переменных. Из ограниченности размеров реальных изображений следует, что эта функция не обращается в нуль на ограниченной области стандартных размеров и формы []. Значение функции, представляющей изображение, в некоторой точке называется яркостью изображения в этой точке. Поскольку количество света, достигающее наблюдателя от реального изображения, конечно и неотрицательно, то естественно считать, что всякая функция, представляющая изображение, ограниченна и неотрицательна []. Для того чтобы изображение можно было обрабатывать на компьютере, его необходимо преобразовать в некоторый дискретный массив чисел, представляющих значение яркостей (иначе - градаций серого) точек растра изображения. О преобразование изображения называют дискретизацией. Полученную в результате решетку (матрицу) называют цифровым изображением, его составляют точки («пиксели»), а значение этих элементов называют уровнями полутонов. Для того чтобы обеспечить адекватное представление исходного изображения при его воспроизведении, матрица элементов изображения должна быть, вообще говоря, достаточно велика и к тому же число полутонов должно быть сравнительно большим []. Одной из основных задач обработки является улучшение «внешнего вида» изображения при помощи повышения его контрастности, уменьшения размытия (нерезкости) и удаления шума []. Соответствующие методы называют улучшением качества или восстановлением изображения.