Разработка и исследование методов обработки и распознавания объектов на последовательности изображений

• Автор: Михайлов, Иван Александрович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Ярославль
• Количество страниц: 130 с. : ил.

Обработка изображений в целом. Реставрация изображений. Разбиение железнодорожного состава на отдельные вагоны. Обнаружение движущихся объектов и отслеживание траектории их движения. Постановка задачи и е практическая значимость. Метод, основанный на модификации метрики Хаусдорфа. Определение Нтрасстояния . Описание алгоритма сравнения. Оценка трудомкости алгоритма сравнения изображений с использованием Нтрасстояния. Метод срезов. Определение линейного образа и расстояния на множестве линейных образов . Свойства приведнных расстояний . Оценка трудомкости алгоритма сравнения. Определения. Оценка трудомкости алгоритма сравнения. Краткий обзор методов. Постановка задачи. Дополнительные ограничения для условия и решения задачи . Решение задачи . Необходимые и достаточные свойства Ть . Вычисление Ть. В этом разделе дана некоторая классификация разработанных подходов к проблеме распознавания символьных изображений. Заметим заранее, что она не является полной. В работе 2, стр. Для нас будут представлять интерес два последних этапа выделение признаков особенностей, свойств и классификация.


Создание каждого нового приложения в данной области попрежнему остатся творческой задачей и требует дополнительных исследований в связи со специфическими требованиями, предъявляемыми к возможному решению . Основная причина такото положения дел в отрасли заключается в том, что многие относящиеся к ней задачи с трудом поддаются формализации или не формализованы вообще. Поэтому вопросы автоматизации обработки изображений не могут быть быстро и легко разрешены па удовлетворительном уровне. Следует указать также и на научную и техническую сложность любой скольконибудь серьзной задачи из данной области пример распознавание треков частиц в ядерных исследованиях 3, стр. Рассматривается задача распознавания чрнобелых растровых изображений алфавитноцифровых символов, заданных матрицами из нулей и единиц соответствующего размера. Изображения как эталоны, так и тесты могут быть различного размера для приведения их к одному размеру используется масштабирование. Исходный размер изображений тестов и эталонов лежит в пределах от 7 х до 9 х пикселей. Цель состоит в разработке алгоритмов распознавания описанных символьных изображений. Найденные решения с большим или меньшим успехом можно использовать в таких задачах, как распознавание номеров железнодорожных цистерн , , распознавание регистрационных номеров автомобилей , , , распознавание печатных и рукописных , символов в системах автоматического чтения текста . Можно выделить две смежные области в предобработке изображений улучшение изображений и их реставрацию 4. Первая из них включает в себя комплекс операций, имеющих цель преобразования изображения в форму, более удобную для визуального или машинного анализа. Реставрацию же можно рассматривать как процесс оценивания некоторое изображение, полученное в результате наблюдения или измерения, подвергают преобразованию, чтобы найти оценку идеального изображения, которое наблюдалось бы на выходе гипотетической изображающей системы, не вносящей никаких искажений. Методы улучшения и реставрации имеют проблемноориентированный характер, так как решаемые ими задачи отличаются специфичностью. В задаче автоматического распознавания образов см. И исходные изображения, подлежащие анализу, часто оказываются искажены перспективным преобразованием 7, 3. Это происходит изза того, что объект наблюдения расположен под некоторым углом к видеокамере или другому аналогичному устройству. В некоторых случаях анализ этих изображений может быть упрощн и лучше автоматизирован, если устранить перспективное искажение до начала основной обработки. Нами рассматривается вопрос восстановления изображений, подверженных перспективному преобразованию. Цель состоит в разработке соответствующего алгоритма восстановления. В соответствии с описанной выше классификацией поставленная задача является задачей реставрации изображений, а именно задачей коррекции геометрических искажений, частным случаем которых является перспективное. Задача, решаемая нами в настоящей работе, задача разбиения железнодорожною состава на отдельные вагоны. Данную задачу можно отнести к классу задач обнаружения объектов на видеопоследовательности и отслеживания траектории их движения, так как в процессе разбиения определяется наличие вагонов в области видимости, а затем до окончания обработки кадров выполняется оценка скорости жд состава, вычисляются длины вагонов и их количество. В настоящее время данная область развивается, примеры систем, реализующих те или иные методы обнаружения и отслеживания, можно найти в работах , , . Алгоритмы, разрабатываемые в этой области, обычно предназначаются для различных систем видсонаблюдения, в частности, одно из основных е направлений наблюдение за движением автотранспорта примеры можно найти в работах . Одна из задач, возникающих при создании автоматизированных систем регистрации железнодорожных составов см. И заключается в разбиении состава на отдельные вагоны. В настоящей работе предлагается алгоритм для решения этой задачи. На выходе алгоритм для каждого кадра, на котором виден край некоторого вагона, должен сообщать абсциссу вертикальной линии, отделяющей данный вагон от соседнего вагона или от фона, если вагон является первым или последним.