Разработка и исследование методов и алгоритмов оценки параметров движения фрагментов изображения в цифровых телевизионных системах

• Автор: Мамаева, Татьяна Юрьевна
• Шифр специальности: 05.12.17
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Санкт-Петербург
• Количество страниц: 151 с.

ОГЛАВЛЕНИЕ
Введение
Глава 1. Методы оценки параметров движения в динамическом телевизионном изображении
1.1. Общая постановка задачи оценки параметров движения в динамическом телевизионном изображении
1.2. Классификация видов движения в изображении
1.3. Описание преобразований в телевизионных изображениях, вызванных движением
1.4. Оценивание параметров движения в динамическом телевизионном изображении
1.4.1. Основные допущения, учитываемые при алгоритмическом описании задачи оценки параметров движения
1.4.2. Методы, основанные на использовании оптического уравнения
1.4.3. Методы рекурсивной оценки смещения
1.4.4. Методы согласования блоков
1.5. Устройства оценки параметров движения
1.6. Выводы. Постановка цели исследования
Глава 2. Анализ характеристик динамических изображений
2.1. Статистические характеристики динамических изображений
2.2. Исследование взаимной корреляционной функции фрагментов динамических изображений
2.3. Обоснование требуемой точности оценки параметров движения фрагментов изображения с учетом особенностей зрительной системы человека
2.4. Основные результаты и выводы
Глава 3. Разработка эффективных алгоритмов оценки параметров движения фрагментов динамического изображения
3.1. Анализ производительности устройств оценки параметров движения
3.2. Критерии эффективности алгоритмов оценки параметров движения фрагментов изображения
3.3. Методика оценки параметров движения динамического изображения на основе использования нейронных сетей
3.4. Генетический алгоритм оценки параметров движения фрагментов динамического изображения
3.5. Основные результаты и выводы
Глава 4. Экспериментальное исследование эффективных алгоритмов оценки движения в динамическом телевизионном изображении
4.1. Разработка экспериментального стенда и методики проведения экспериментальных исследований
4.2. Результаты экспериментальных исследований
4.2.1. Определение числа локальных экстремумов на взаимной корреляционной функции фрагментов изображения
4.2.2. Определение параметров движения фрагментов изображения
4.2.3. Определение числовых характеристик погрешностей оценки параметров движения фрагментов изображения с использованием градиентных и генетического алгоритмов
4.3. Разработка программного обеспечения и устройств оценки параметров движения фрагментов динамического изображения
4.3.1. Структурная схема устройства цифровой стабилизации изображений, основанной на использовании нейронных сетей
4.3.2. Структурная схема программы для оценки параметров движения фрагментов изображения с использованием
генетического алгоритма
4.4. Основные результаты и выводы
Заключение
Библиографический список
Приложение

точке (/ + 4, у - 4). На втором шаге восемь точек расчета приближаются к точке первого приближения и в результате находится точка (/ +4,у-6). Данная последовательность завершается на третьей итерации в точке (/ +5,у-7). Стратегию трехступенчатого спуска можно использовать и при больших значениях и/. При этом необходимое число итераций возрастает.
Алгоритм четырехступенчатого спуска [89] был предложен в 1996 г. По сравнению с ЗЭЭ этот алгоритм использует меньшее значение начального шага итерации и ориентирован на обработку телевизионных изображений с малым смещением фрагментов (например, женщина, разговаривающая по телефону; ведущий теленовостей и др.). На первой итерации выбирается размер шага, равный четверти максимального смещения (т.е. м>/А)л анализируются девять точек поиска,
которые расположены вокруг точки (/',у). Координаты точки с минимальным значением МАЕ{г,у) принимаются за центр второй итерации. В случае попадания минимума в центр итерации, шаг уменьшается в два раза и производится переход к последней итерации. При м/=8 данному алгоритму требуется выполнить четыре итерации для достижения границы окна поиска. На рис.11 представлен пример поиска с помощью алгоритма четырехступенчатого спуска для большого смещения. Для поиска точки Л(/ + 7,у-6) число анализируемых точек составит
(9+5+3+8)=25. В случае поиска малого смещения (/+4,у + 1) (рис. 12)
требуется проанализировать (9+3+8)=20 точек.
Двумерно-логарифмический алгоритм поиска минимума ВКФ фрагментов изображений [15,32,39,83,89] использует «+» направление для нахождения анализируемых точек. Начальный шаг итерации принимается равным Г/4"). Размер шага уменьшается вдвое, если на предыдущей итерации точка с минимальным значением МАЕ{г,у) ока-