Методы и алгоритмы моделирования векторных локально однородных сцен
Диссертация
Целью работы является повышение эффективности решения задачи поиска объектов на векторных сценах за счет применения новой математической модели сцены и построенных на ее основе численных методов. При этом особенностью постановки задачи поиска объектов, рассматриваемой в данной работе, является исходная информация о сцене и вид объектов. В качестве исходной информации о сцене предлагается… Читать ещё >
Содержание
- 1. Математическая модель задачи поиска объектов по векторным изображениям и связанные с ней вопросы
- 1. 1. Предварительные соображения. И
- 1. 2. Модель сцены
- 1. 3. Постановка задачи
- 1. 4. Моделирование изображений сцен
- 2. Методы поиска зон интереса
- 2. 1. Исходные предпосылки
- 2. 2. Локально однородные сцены
- 2. 2. 1. Скалярный случай
- 2. 2. 2. Векторный случай
- 2. 3. Квазиреальные сцены
- 2. 4. Бернуллиевские сцены
- 2. 4. 1. Скалярный случай
- 2. 4. 2. Векторный случай
- 3. 1. Существующие подходы к сегментации векторных сцен
- 3. 2. Локально однородные сцены
- 3. 2. 1. Обобщенные методы квантилей и мод
- 3. 2. 2. Обобщенный метод пятна
- 3. 3. Адекватность модели реальной сцене
- 3. 4. Влияние различных расстояний на результаты сегментации векторных сцен
- 4. 1. Программа дешифрирования изображений 1т^еАпа1у8ег
- 4. 2. Интерфейс взаимодействия модулей 1т^еАпа1увег
- 4. 3. Поиск зон интереса
- 4. 4. Сегментация
- 4. 5. Диагностика состояния высоковольтных изоляторов
- 5. 1. Архитектуры и технологии разработки параллельного программного обеспечения .'
- 5. 2. Постановка задачи распараллеливания алгоритма
- 5. 3. Сглаживание
- 5. 4. Поиск зон интереса
- 5. 5. Сегментация
- 5. 6. Поиск объектов
- 5. 7. Зависимость производительности алгоритма от характеристик многопроцессорной системы
Список литературы
- В.Б. Фофанов О теоретико-вероятностной формализации задачи дешифрирования аэрокосмических изображений // Автометрия.2003. № 6. С. 107−118.
- В.Б. Фофанов, А. В. Демченко, Р. Ф. Кулеев Дешифрирование многозональных изображений: методы и результаты // Оптический журнал. 2007. Т. 74. № 3. С. 55−59
- Aleev R.M., Martynov S.A., Fofanov V.B. Remarks on Searching Zones of Interest in Locally Uniform Scene // Pattern Recognition and Image Analysis, 2011, Vol.21, No. 2, pp. 212−215.
- Fofanov V.B., Zhiznevskii A.N. Efficiency of Segmenting Zones of Interest in Locally Homogeneous Scenes // Pattern Recognition and Image Analysis, 2011, Vol.21, No. 2, pp.247−250.
- Cook С. M., Rosenfeld A. Size Detectors, Proc. IEEE, Letters. -1.970. V. 58, № 12. — PP. 1956−1957
- Алпатов Б.А., Бабаян П. В., Костяшкин Л.Н., Романов
- И. Чернов A.B., Титова O.A., Чупшев Н. В. Автоматическое распознавание контуров зданий на картографических изображениях // Математические методы распознавания образов. 13-я Всероссийская конференция: Сборник докладов. М.: МАКС Пресс, 2007. С. 424−428.
- Афонин C.B., Белов В. В. Информационно-методические основы построения эффективных систем спутникового мониторингалесных пожаров // Вычислительные технологии. 2003. Т. 8, спец. вып. С. 35−46.
- В.С.Киричук, С. В. Парфененок, В. Ю. Ангеров Обнаружение малоразмерных объектов по последовательностям ТВ-изображений ИК диапазона // Распознавание образов и анализ сцен, труды 5-ой межд. науч.-техн. конф. М., 2002. — т.1. — С. 273−278
- Пяткин В.П. Непараметрический статистический подход к задаче обнаружения некоторых структур на аэрокосмических изображениях / В. П. Пяткин, Г. И. Сапов // Наукоемкие технологии.- 2002.-№ 3. С. 52−58
- Brara van Ginneken Computer-Aided Diagnosis in Chest Radiography. Ponsen and Looijen, Wageningen, 2001. 188 p.
- Cootes T.F., Taylor C.J. Statistical Models of Appearance for Computer Vision. University of Manchester, 2004. 125 p.172
- Muller H., Marquis S., Cohen G., Poletti P., Lovis C., Geissbuhler A. Automatic abnormal region detection in lung CT images for visual retrieval. University and Hospitals of Geneva, 2004
- Park M., Wilson S., Jin J. Automatic Extraction of Lung Boundaries by a Knowledge-Based Method // Proc. of Visualization 2000, Pan-Sydney Workshop on Visual Information Processing
- Ginneken B., Stegmann M., Loog M. Segmentation of anatomical structures in chest radiographs using supervised methods: a comparative study on a public database // Medical Image Analysis, 2006. pp. 19−40
- Loog M., Ginneken B. Segmentation of the posterior ribs in chest radiographs using iterated contextual pixel classification // IEEE Trans Medical Imaging, 2006. pp. 602−611
- Lindeberg T. Edge detection and ridge detection with automatic scale selection // Int. J. of Computer Vision, vol.30, Number 2, 1998. 48 p.
- Shiraishi J., Li Q., Suzuki K., Engelmann R., Doi K.
- Computer-aided diagnostic scheme for the detection of lung nodules on chest radiographs: Localized search method based on anatomical classification «/'/ Medical Physics July 2006 — Volume 33, Issue 7, pp.2642−2653
- Ginneken B., Katsuragawa S., Romeny H., Doi K., Viergever
- M. Automatic Detection of Abnormalities in Chest Radiographs Using Local Texture Analysis // IEEE Transactions on Medical Imaging, Vol. 21, No. 2, February 2002, pp. 139−149 173
- Ginneken В., Romeny В., Viergever M. Computer-Aided Diagnosis in Chest Radiography: A Survey // IEEE Transactions on Medical Imaging, Vol. 20, No. 12, December 2001, pp. 1228−1241
- Campadelli P., Casiraghi E. A Nodule Detection System for Postero-Anterior Chest Radiographs // Medical Image Computing and Computer-Assisted Intervention MICCAI 2004, Volume 3217/2004, pp. 1048−1049
- Дегтярев С.В., Мирошниченко С. Ю. Метод автоматического кадрирования цифровых портретных изображений // Математические методы распознавания образов. 13-я Всероссийская конференция: Сборник докладов. М.: МАКС Пресс, 2007. С. 305−308.
- Kukharev G., Nowosielski A. Fast and Efficient Algorithm for Face Detection in Color Images // Machine Graphics and Vision. Vol. 13, No. 4. 2004. Pp. 377−397.
- Pantic М., Rothkrantz L. Facial action recognition for facial expression analysis from static face images // IEEE Transactions on Systems, Man and Cybernetics. 2004. V. 34, No. 3. Pp. 1449−1461.
- Козин H.E. Распознавание лиц по показателям сопряженности в пространстве суммирующих инвариантов / Н. Е. Козин, В. А. Фурсов // Компьютерная оптика. 2008. — № 4. — С. 400−402.
- Рахманкулов В.З., Ахрем A.A., Герасимов В.В., Лебедев
- В.В. Обработка и, распознавание изображений промышленных деталей // Труды ИСА РАН, 2005. Т.16. — С. 99−129
- Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход.: Пер. с англ. М.: Издательский дом «Вильяме 2004. — 928 е.: ил.
- Грузман И.С., Киричук B.C. Цифровая обработка изображений в информационных системах: Учеб. Пособие / И. С. Грузман, B.C. Киричук и др. Новосибирск: Изд-во НГТУ, 2002. — 352 с.
- Сойфер В.А. Методы компьютерной обработки изображений / Под ред. В. А. Сойфера. М.: Физматлит, 2001.
- Лебедев Д.С., Безрук A.A., Новиков В. М. Марковская вероятностная модель изображения и рисунка. Препринт. М.: ИППИ АН СССР, 1983.
- Mottl V.V., Dvoenko S.D., Levyant V.B., Muchnik I.B.
- Pattern recognition in spatial data: a new method of seismic explorations for oil and gas in crystalline basement rocks // Proc. of 15th ICPR. 2000. V.3. Pp. 210−213.
- Малов А.Н., Миронов Б. М., Кузнецов В. А. Выделение малоразмерных объектов алгоритмами сегментации на основе модели системы со случайной скачкообразной структурой // Компьютерная оптика. 2008. — № 1. — С. 89−92.
- Налимов А.Г., Скиданов Р. В. Метод поиска особых точек дактилоскопических изображений с использованием поля направлений // Компьютерная оптика., 2002. — Выпуск 23. — С. 69−74.
- V.B. Fofanov and R.F. Kuleev An Approach to Estimation of Image Informativeness, Pattern Recognition and Image Analysis, 2009. Vol. 19, No. 3. — pp. 478−483
- В.Б. Фофанов, Р. Ф. Кулеев Об одном подходе к оценке информативности изображений // Тезисы IX Международной конференции «Распознавание образов и анализ изображений"(РОАИ-9−2008). Нижний-Новгород, 2008. — С. 202−206
- Li S. Z. Markov Random Field Modelling in Computer Vision. Springer-Verlag, 1995.
- Перевалов Д.С. Использование матриц сравнений в задаче поиска по эталону // Материалы IX Межд. конф. «Интеллектуальные системы и компьютерные науки», МГУ, Москва, 2006. С. 226−228.
- Сидорова B.C. Оценка качества классификации многоспектральных изображений гистограммным методом // Автометрия. 2007. т. С. 37−43.
- Чуличков А.И., Илюшин B.JT. Детектор границы области на цветных изображениях // Математические методы распознавания образов. 13-я Все-российская конференция: Сборник докладов. М.: МАКС Пресс, 2007. С. 430−433.
- Морозов A.A., Наместников С. М. Поиск подобных объектов на изображении / A.A. Морозов, С. М. Наместников // Вестник Ульяновского государственного технического университета. 2008. — № 4. — С. 49−50.
- Васильев К.К., Дементьев В. Е. Алгоритмы оптимального обнаружения сигналов с неизвестными параметрами на многозональных изображениях // Вестник Ульяновского государственного технического университета. 2005. — № 4. — С.38−41.
- Васильев К.К., Крашенинников В. Р. Адаптивные алгоритмы обнаружения аномалий на последовательности многомерных изображений // Компьютерная оптика. 1995.- вып. 14, С. 125−132.
- Васильев К.К., Агеев С. А. Применение адаптивной декорреля-ции для обработки изображений // Наукоемкие технологии, -2002.3. -С. 25−31.
- Васильев К.К. Обнаружение протяженных аномалий на многомерных изображениях / К. К. Васильев // Вестник Ульяновского178государственного технического университета. 2006. — № 3. — С. 4749.
- Дементьев В. Е Обнаружение протяженных аномалий на многомерных случайных полях полях // Вестник Ульяновского государственного технического университета. 2006. — № 3. — С. 43−46.
- Дементьев В. Е Анализ эффективности алгоритмов обнаружения на многомерных изображениях // Вестник Ульяновского государственного технического университета. 2006. — № 4. — С. 58−61.
- Воскресенский Е.М., Царев В. А. Метод оценки эффективности систем распознавания текстовых меток на сложном фоне с использованием дерева вероятностных характеристик // Компьютерная оптика. 2008. — № 3. — С. 283−289.
- Пытьев Ю. Д., Чуличков А. И. Методы морфологического анализа изображений. М.: ФИЗМАТЛИТ, 2010. — 336 с.
- Landgrebe D. Information extraction principles and methods for multispectral and hyperspectral image data // Information Processing for Remote Sensing, 2000. 30 pp.
- Xu R., Wunschill D. Survey of clustering algorithms. Trans on neural networks // IEEE V. 16, May 2005. pp. 645−678
- Denzler J., Niemann H- Active Rays: A new approach to contour tracking // Proceeding on the 3-rd German-Slovenian Workshop on Speech and Image Analysis. 1996
- Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин: Пер. с англ. М.: Мир, 1972. — 230 е., ил.
- Прэтт У. Цифровая обработка изображений / Пер. с англ.: По ред. Д. С. Лебедева. М.: Мир, 1982. — Кн.1 — 312 е., Кн.2 — 480 с.
- Перетягин Г. И. Исследование алгоритма обнаружения объектов на многозональном изображении // Автометрия. 1993. — № 1
- Павлидис Т. Алгоритмы машинной графики и обработки изображений: Пер. с англ. М.: Радио и связь, 1986. — 400 е., ил.
- Бакут П.А., Колмогоров Г. С. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника, 1987. то. — С.16−23
- Сойфер В.А. Компьютерная обработка изображений. Часть 2. Методы и алгоритмы //¦ Соросовский образовательный журнал, 1996. № 2. — С.110−121
- В.П. Чистяков Курс теории вероятностей: Учеб.- 3-е изд., испр-М.: Наука. Гл. ред. физ.-мат. лит.- 1987 240 с.
- A.M. Яглом Корреляционная теория стационарных случайных функций Ленинград: Гидрометеоиздат- 1981 — 280 с.
- В.Н. Тутабалин Теория вероятностей и случайных процессов: Основы математического аппарата и прикладные аспекты: Учебное пособие. М.: Изд-во МГУ, 1992.
- Adolfo Martinez-Uso, Filiberto Pla, and Pedro Garcia-Sevilla
- Multispectral image segmentation for fruit quality estimation, 2004
- Gregoire Mercier, Stephane Derrode, Marc Lennon
- Hyperspectral image segmentation with Markov chain model
- P. Paclik, R.P.W. Duin, G.M.P. van Kempen, R. Kohlus
- Segmentation of multi-spectral images using the combined classifier approach, 2003
- Vincent Arvis, Christophe Debain, Michel Berducat, Albert Benassi Generalization of the cooccurrence matrix for colour images: Application to colour texture classification, Image Anal Stereol 2004- 23:63−72
- Mark L. G. Althouse, Chein-I. Chang Target detection in multispectral images using the spectral co-occurrence matrix andentropy thresholding, Optical Engineering, July 1995/V61.34 No.7: 2135−2148
- M. Hauta-Kasari, J. Parkkinen, T. Jaaskelainen, R. Lenz
- Multi-spectral texture segmentation based on the spectral cooccurrence matrix, Pattern Analysis and Applications, Volume 2, Number 4 / November, 1999
- Y. Rangsanseri, P. Thitimajshima, S. Kanotai Multispectral image segmentation using ART1/ART2 neural networks, Paper presented at the 22nd Asian Conference on Remote Sensing, 5−9 November 2001, Singapore
- S. Baronti, A. Casini, F. Lotti, S. Porsinai, Del Bimbo Alberta
- Segmentation of multispectral images of works of art through principal component analysis, Image analysis and processing. International conference No9, Florence, ITALIE (17/09/1997) 19 971 973, vol. 1310, pp. 14−21
- Р.Гонсалес, Р. Вудс Цифровая обработка изображений / Пер. с англ. М.: Издательство «Техносфера 2005. — 1072 е.: ил.
- Canny J. A Computational Approach То Edge Detection, IEEE Trans. Pattern Analysis and Machine Intelligence, 8:679−714, 1986
- Haralick, R.M., K. Shanmugam, I. Dinstein Textural Features for Image Classification. IEEE Transactions on Systems, Man and Cybernetics, SMC-3(6):610−621, 1973
- Р. Дуда, П. Харт Распознавание образов и анализ сцен, 1976. -507 с.
- Г. Крамер Математические методы статистики М.: Мир, 1975 г. — 648с.
- W. Doyle Operations useful for similauity invariant pattern recognition // Journal ACM. 1962. Vol. 9, № 2. P. 259−267
- J. Prewitt, M. Mendelson The analysis of cell images // Ann. N. Y. Acad. Sci. 1966. Vol. 128. P. 1035−1053
- R.F. Kuleev, V.B. Fofanov A generalization of segmentation methods of quantiles and modes to the case of several images // Pattern Recognition and Image Analysis, 2008. Vol.18, No.4. — pp.667−671.
- Р.Ф. Кулеев, В. Б. Фофанов Об одном обобщении методов сегментации квантилей и мод на случай нескольких изображений // Тезисы VIII Международной конференции «Распознавание образов и анализ изображений» (РОАИ-8−2007). Йошкар-Ола, 2007. -С. 166−170.
- S.A. Bourylin and V.B. Fofanov Attribute of a spot and its application for se-arching the zones of interest and segmentation. В кн.:
- The 6h German-Russian Workshop «PATTERN RECOGNITION and IMAGE UNDERSTANDING». Workshop proceedings (Katun willage, Altai region, Russian Fed-eration, August, 25−30, 2003). Novosibirsk 2003. 74 77 p.
- В.Б. Фофанов Формализация сцены в задаче дешифрирования многозональных изображений // Оптический журнал. 2007. Т. 74. № 51−54 с.
- Г. Буч Объектно ориентированный анализ и проектирование с примерами приложений на С++. 2-е изд. / Пер. с англ. — СПб.: «Невский диалект 1998. — 560с.: ил.
- Б. Страуструп Язык программирования С++ / Пер. с англ. -СПб.: «Невский диалект 2001. 1000с.: ил.184
- Szyperski С. Component Software Beyond Object-Oriented Programming Boston, MA: Addison-Wesley and ACM Press, 1998
- Компонентное программирование в .NET. Лекция учебного центра безопасности информационных технологий Microsoft Московского инженерно-физического института (государственного университета), 2003. 23с.
- Д. Бокс Сущность технологии СОМ. Библиотека программиста / Пер. с англ. СПб.: «Питер 2001. — 400с.: ил.
- Bachmann F., Bass L., Buhman С., Comella-Dorda S., Long F., Robert J., Seacord R., Wallnau К Volume II: Technical Concepts of Component- Based Software Engineering, 2nd Edition -Pittsburgh, Carnegie Mellon University, 2000. 65p.
- Рихтер Дж. .NET Framework 2.0. Библиотека программиста / Пер. с англ. СПб.: «Питер 2001. — 400с.: ил.
- Р.Ф. Кулеев Об эффективности распараллеливания некоторых алгоритмов дешифрирования изображений // Тезисы X международной конференции «Высокопроизводительные параллельные вычисления на кластерных системах"(НРС-2010). Пермь, 2010. — С. 135−138
- Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. -СПб.: БХВ-Петербург, 2002. 608 е.: ил.
- Эхтер III., Роберте Дж. Многоядерное программирование. -СПб.: Питер, 2010. 316 е.: ил.