Быстрый проекционный метод обработки мультимедиа информации

• Автор: Корчагин, Данил Николаевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Москва
• Количество страниц: 180 с. : ил.

Введение.

Глава 1. Описание проекционных методов

1.1. Определение одномерных функций ЧебышеваЭрмита.

1.2. Определение двумерных функций ЧебышваЭрмита

1.3. Одномерный и двумерный проекционные методы ЧебышваЭрмита

1.4. Двумерный проекционный метод ЧебышваЭрмита как суперпозиция одномерных проекционных методов ЧебышваЭрмита

1.5. Выбор оптимального отрезка интегрирования.

1.6. Оптимизированный алгоритм кодированиядекодирования информации.

1.7. Иерархическое кодирование.

1.8. Адаптация алгоритма для многопроцессорных вычислительных комплексов.

1.9. Быстрый проекционный метод ЧебышваЭрмита

1 Фовеация.
Глава 2. Анализ и обработка изображений
2.1. Разделение высокочастотной и низкочастотной частей изображения
2.2. Фильтрация изображений
2.3. Увеличениеуменьшение изображений.
2.4. Устойчивость коэффициентов ЧебышваЭрмита при сжатии изображений форматом
2.5. Параметризация информации для поиска картин в базе данных
2.6. Фовеация изображений.
Глава 3. Индексация говорящих
3.1. Структура базы данных.
3.2. Алгоритм
3.3. Пример индексации беседы 3х человек
3.4. Полученные результаты.
Глава 4. Структура и описание реализующей программы
4.1. Диаграммы последовательности
4.2. Диаграммы состояний.
4.3. Описание интерфейса и внешний вид.
Заключение.
Список таблиц
Список иллюстраций.
Библиографический список использованной литературы
Введение


Множество институтов было подключено к этой программе, достиг цели только университет КарнегиМеллона, в котором усовершенствовали систему Дракон внедрением синтаксической и грамматической информации . В х большинство усилий было сосредоточено на увеличении количества слов и на ужесточении к свойствам систем без сильных изменений в методологии распознавания. В вышла первая версия общей тестовой базы, со следующими параметрами фонема, 0 голосов по фраз, две из которых были одинаковые у всех говорящих. Сегментация происходила автоматически, но затем проверялась и исправлялась вручную. В году был создан СБКОМ с тестовой базой, который получала любая исследовательская группа, желающая принять участие в соревновании, а результаты тестов афишировались. В результате с тысячным словарм речь распознавалась в реальном времени с ошибкой менее результат, достигнутый в году. Такой процент распознавания достигнут при чтении текста, для разговорной речи результаты значительно хуже. После статьи года, где говорилось о неспособности персептрона представить операцию исключающего или, об искусственных нейронных сетях долго не писали. Взрыв интереса к нейронным сетям произошл в х в связи с методами обратного распространения ошибки в многослойных персептронах. Появились статьи по распознаванию звонких и шипящих , гласных и согласных звуков . В последнее время много работ посвящено гибридным схемам СММ Скрытые Марковские Модели нейронные сети, где сети используются для вычисления вероятности той или иной фонемы, а СММ для отыскания возможных словосочетаний, составленных из фонем. В х годах перевл сво внимание с чтения журнала на распознавания текста из радионовостей. Это ещ более сложная задача разные стили разговора, начиная от равномерного чтения до разговорной речи различные акустические условия, от студии до шумных улиц. Однако лучшим системам распознавания такая задача оказалась не под силу. Продолжаются работы, начатые ещ в ые, где речь рассматривается не как совокупность коротких фреймов одинаковой длины, а как совокупность сегментов, представляющих собой набор фонем . Системы, разрабатывающиеся в х, были сильно зависимы от линейных по времени фильтраций сигнала. Последние работы направлены на уменьшение этой зависимости, в том числе на уменьшение зависимости от типа микрофона и акустических шумов . Исследуются работы в направлении уменьшения влияния выразительности стиля произношения, влияния расстояния от микрофона и других параметров. В конце года компании I и iiv i анонсировали результаты реализации инвестиционного проекта по развитию систем распознавания русской речи. Впервые в России был создан обширный инструментарий для разработки систем распознавания речи, который включает крупный речевой корпус русского языка объемом Гбайт. В состав вошло более тыс. Фильтрация с помощью алгоритмов . Структурнозависимое удаление квадрируемости. Использование ДПФ и БПФ. Поиск по цветовому раскладу, соответствующему исходному изображению. Поиск по процентному содержанию основных цветов красный, зеленый, синий. Поиск по заданной цветовой маске. Текстурный поиск. Поиск по заданному эскизу. Контурный поиск . Поиск лиц. Объектный поиск. Поиск фиксированных изображений с использованием Вейвлет преобразований. Скрытые Марковские модели. Искусственные нейронные сети. Использование БПФ. Анализ кепструма. Линейное предсказывающее кодирование . Сведение распознавания речи к распознаванию образов. Глава 1. В данной главе рассмотрены математический аппарат и реализация основных проекционных схем, базирующихся на разложении по функциям ЧебышваЭрмита одномерной простой, двумерной простой, одномерной иерархической, двумерной иерархической, одномерной фовсационной, двумерной фовсационной, одномерной быстрой, двумерной быстрой, одномерной иерархической быстрой, двумерной иерархической быстрой, одномерной фовеационной быстрой и двумерной фовеационной быстрой. Все схемы имеют трхуровневую структуру, взаимосвязь между уровнями которой отображена на рис. Рис. Структура проекционных схем. Как видно из рис. Также в данной главе рассмотрена адаптация алгоритма для многопроцессорных вычислительных комплексов.