Программный комплекс графового и логического представления и анализа пространственно-распределенных данных
Диссертация
Практическая значимость. Программный комплекс может использоваться для реализации подсистем векторизации и анализа представления ПРД. В частности, такие подсистемы применимы для подготовки данных о структуре дорожной сети при решении транспортных и других задач, выделения классов объектов ПРД с заданными свойствами, генерализации карт и т. д. Программный комплекс апробирован на задачах выделения… Читать ещё >
Содержание
- ГЛАВА 1. ОБЗОР ПОДХОДОВ И СУЩЕСТВУЮЩИХ АЛГОРИТМОВ В ЗАДАЧАХ ОБРАБОТКИ ПРОСТРАНСТВЕННО — РАСПРЕДЕЛЕННЫХ ДАННЫХ
- 1. 1. Основные определения и обозначения
- 1. 2. Основные подходы и алгоритмы
- 1. 2. 1. Методы обработки растровых изображений
- 1. 2. 2. Методы сегментации и аппроксимации графических примитивов
- 1. 2. 3. Логические методы распознавания
- 1. 3. Возможности популярных пакетов программ векторизации, первичного распознавания и анализа пространственно — распределенных данных
- ГЛАВА 2. АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ПРОГРАММНОГО КОМПЛЕКСА
- 2. 1. Графовая модель ПРД
- 2. 2. Построение графовой модели ПРД
- 2. 2. 1. Предварительная обработка исходных данных
- 2. 2. 2. Построение диаграммы Вороного и скелета диаграммы Вороного
- 2. 2. 3. Выделение линейно-площадных объектов
- 2. 2. 4. Выделение вероятных локальных разрывов
- 2. 2. 5. Сегментация
- 2. 2. 6. Выделение признаков сегментов
- 2. 3. Классификация сегментов на основе логического вывода
- 2. 3. 1. Формальная логическая модель ПРД
- 2. 3. 2. Алгоритмы встроенных в машину вывода предикатов
- 2. 3. 3. Логический вывод на формальной модели ПРД
- 3. 1. Назначение и область применения программного комплекса
- 3. 2. Архитектура программного комплекса
- 3. 3. Методика использования
- 3. 4. Реализация
- 3. 4. 1. Структура программного комплекса
- 3. 4. 2. Реализация базовых алгоритмов
- 3. 4. 3. Интерфейс прикладного программирования
- 4. 1. Выделение дорожной сети
- 4. 2. Создание электронной дендрологической карты территории ИНЦ СО РАН на основе топографической карты
Список литературы
- Айзерман М.А., Браверман Э. М., Розоноэр Л. И. Метод потенциальных функций в теории обучения машин —М.: Наука, 1970. -384 с.
- Ахо А., Хопкрофт Д., Ульман Д. Структуры данных и алгоритмы, М.: Изд. дом «Вильяме», 2000.
- Бадд. Т. Объектно-ориентированное программирование в действии, Спб.: Питер, 1997.
- Баскакова Л.В., Журавлев Ю. И. Модель распознающих алгоритмов с представительными наборами и системами опорных множеств // Журнал вычислительной математики и математической физики. —1981. -т. 21,№ 5.-С. 1264−1275.
- Братко И. Программирование на языке Пролог для искусственного интеллекта, М.: Мир. —1990.
- Бычков И.В., Васильев С. Н., Кузьмин В. А., Ступин Г. В. Проект интегрированной геоинформационной системы ИНЦ СО РАН для поддержки фундаментальных исследований // Вычислительные технологии. —1998. —том 3, № 5. —С. 11−18.
- Бычков И.В., Кухаренко Е. Л. Разработка распределенной ГИС ИНЦ СО РАН // Вычислительные технологии. —1998. —том 3, № 5. —С. 18−22.
- Бычков И.В., Кухаренко Е. Л., Ступин Гр. В. WWW-доступ к ресурсам ГИС Mapinfo // Программные продукты и системы. —1999. —№ 2. —С. 20−23.
- Бычков И.В., Федоров Р. К., Хмельнов А. Е. Автоматическое выделение дорожной сети на крупномасштабной карте городских территорий // Материалы Международной конференции «ГИС для устойчивого развития территорий», Новороссийск Севастополь. —2003. —С. 266 270.
- Толстых В., Толстых И. Аппроксимация склеивающими функциями. Режим доступа: http://multicriterion.tripod.corn/approximationbyglue2.htm.
- Вайнцвайг М.Н. Алгоритм обучения распознаванию образов «Кора»// Алгоритмы обучения распознаванию образов. —М.: Сов.радио. -1973,-С. 8−12.
- М.Вапник В. Н. Восстановление зависимостей по эмпирическим данным. М.: Наука.-1979. -448 с.
- Горбачев В.Г. Что такое «топологические» отношения в цифровой картографии или для чего топологические отношения нужны в геоинформатике?. Режим доступа: http://www.integro.ru/metod/toporelations.htm.
- Дмитриев А.Н., Журавлев Ю. И., Кренделев Ф. П. О математических принципах классификации предметов и явлений // Сб. «Дискретный анализ». -Выпуск 7, Новосибирск, ИМ СО АН СССР. -1966. -С. 3−11.
- Донской В.И. Алгоритмы обучения, основанные на построении решающих деревьев // Журнал вычислительной математики и математической физики. —1982. —т. 22, № 4. —С. 963−974.
- Дуда Р., Харт П. Распознавание образов и анализ сцен. —М.: Мир. -1976. -511 с.
- Дюкова Е.В. Алгоритмы распознавания типа «Кора»: сложность реализации и метрические свойства // Распознавание, классификация, прогноз (матем. методы и их применение). —М.: Наука. —1989. —вып.2. -С. 99−125.
- Дюкова Е.В. Асимптотически оптимальные тестовые алгоритмы в задачах распознавания // Проблемы кибернетики. —М.: Наука. —1982. -выпуск 39.-С. 165−199.
- Дюкова Е.В. Об одной параметрической модели алгоритмов распознавания типа «Кора», М.:ВЦ АН СССР. —1988. —23 с.
- Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации // Проблемы кибернетики, М.: Наука. -1978. -вып. 33. -С. 5−68.
- Журавлев Ю.И., Камилов М. М., Туляганов Ш. Е. Алгоритмы вычисления оценок и их применение, Ташкент: ФАН. —1974. —119 с.
- Журавлев Ю.И., Никифоров В. В. Алгоритмы распознавания, основанные на вычислении оценок // Кибернетика. —1971. —№ 3. —С. 111.
- Кочетков Д.В. Распознающие алгоритмы, инвариантные относительно преобразований пространства признаков // Распознавание, классификация, прогноз: Мат. методы и их применение. М.: Наука. -1988.-выпуск 1,—С. 82−113.
- Лбов Г. С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука. —1981. —С. 160.
- Макаллистер Дж. Искусственный интеллект и Пролог на микроЭВМ. —М.: Машиностроение. —1990. —С. 240.
- Метод комитетов в распознавании образов, Свердловск: ИММ УНЦ АН СССР.-1984.-С. 165.31 .Минский М., Пейперт С. Персептроны. —М.:Мир. —1971. —С. 262.
- Новиков Ю.Л. Эффективные алгоритмы векторизации растровых изображений и их реализация в геоинформационной системе. Дисс. на соиск. уч. степ, к.т.н., Томск: Томский гос. Университет, 2002, с. 170.
- Прэтт У. Цифровая обработка изображений. —М.: Мир. —т. 1,2. —1982.
- Сираи Й. Анализ массивов интенсивности с использованием знаний о сценах // Психология машинного зрения / Пер. с англ. / Под ред. П. Уинстона. -М.: Мир. -1978. -С. 112−136.
- Сироджа И.Б. Структурно-аналитический метод машинного распознавания объектов с разнотипными признаками // Теория R-функций и актуальные проблемы прикладной математики. Киев: Наукова думка. —1986. —С. 212−243.
- Скворцов A.B. Триангуляция Делоне и ее применение. —Томск: Изд-во Том. ун-та. -2002. -С. 128.
- Тикунов B.C. Моделирование в картографии. —М.: Изд-во МГУ. —1997. -405 с.
- Федоров Р.К., Хмельнов А. Е. Программа построения осевых линий дорог RALB // Труды 6 Международной конференции «Распознавание образов и анализ изображений: новые информационные технологии», Великий Новгород. —2002. —том 2. —С. 564−568.
- Федоров Р.К., Хмельнов А. Е. Программа построения осевых линий дорог // Программа и тезисы докладов школы-семинара «Математическое моделирование и информационные технологии». -Иркутск. -2002. -С. 33−34.
- Фу К. Структурные методы в распознавании образов. —М.: Мир. -1977.
- Фуку нага К. Введение в статистическую теорию распознавания образов. —М.:Наука. —1979. —367 с.
- Чегис И. А., Яблонский C.B. Логические способы контроля электрических схем // Труды Матем. ин-та им. В. А. Стеклова АН СССР. -1958.-т. 51.-С. 270−360.
- Чуй Ч. Введение в вэйвлеты. —М.: Мир.—2001.—412 с.
- Чэн Ш.-К. Принципы проектирования систем визуальной информации. -М.: Мир. -1994. -408 с.
- Asada Н., Brady М. The Curvature Primal Sketch // IEEE Transactions on Pattern Analysis and Machine Intelligence. —1986. —vol. 8, No.l. —pp.2 -14.
- Bezdek J.C. A Review of Probabilistic, Fuzzy, and Neural Models for Pattern Recognition // FUZZY LOGIC AND NEURAL NETWORK HANDBOOK, Chen C.H. eds, ch.2, McGraw-Hill, 1996.
- Bezdek J.C. Pattern Recognition with Fuzzy Objective Function Algorithms // Plenum Press, New-York. 1981.
- Bychkov I.V., Fedorov R.K., Khmelnov A.E. Recognition of road network on topographic map using logical inference // Draft Papers of IFAC
- Workshop «Modelling and Analysis of Logic Controlled Dynamic Systems», 2003. Irkutsk, Russia, pp. 203 209.
- Canny J. F. A computational approach to edge detection // IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986, vol. 8, pp. 679−698.
- Dori D. Liu W. Stepwise Recovery of Arc Segmentation in Complex Line Environments // International Journal on Document Analysis and Recognition, 1998, vol. 1, No. l, pp.62 -71.
- Dosch Ph., Masini G., Tombre K. Improving Arc Detection in Graphics Recognition // Proceedings of 15th International Conference on Pattern Recognition, Barcelona (Spain), 2000, vol.2, pp. 243 -246.
- Dunham J.G. Optimum Uniform Piecewise Linear Approximation of Planar Curves // IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986, vol.8, No. l, pp.67 -75.
- Fedorov R.K., Khmel’nov A.E. Road Axial Line Builder // Pattern Recognition and Image Analysis, vol. 13, No 2, 2003, pp. 256−258.
- Ganster H., Gelautz M., Pinz A., Binder M., Pehamberger H., Bammer M., Krocza J. Initial Results of Automated Melanoma Recognition //Proceedingsof the 9th Scandinavian Conference on Image Analysis, Uppsala, Sweden, June 1995, vol.1, pp. 209−218.
- Open Source Computer Vision Libraryhttp://www. intel. com/res earch/mrl/res earch/opencv/
- Rosin P.L., West G.A.Segmentation of Edges into Lines and Arcs // Image and Vision Computing, 1989, vol.7, No.2, pp. 109−114.
- Ryazanov V.V. Recognition Algorithms Based on Local Optimality Criteria // Pattern Recognition and Image Analysis, 1994, vol.4. No. 2, pp. 98−109.
- Sen’ko O.V. A Prediction Algorithm Based on the Procedure of Weighted Voting Using a System of Hyperparallelepipeds in a Multidimensional Feature Space // Pattern Recognition and Image Analysis, 1993, vol.3, no. 3, pp. 283−284.
- Sklansky J., Gonzalez V. Fast Polygonal Approximation of Digitized Curves // Pattern Recognition, 1980, vol. 12, pp.327−331.
- Fortune Steve J. A Sweepline Algorithm for Voronoi Diagrams // Algorithmica 2, 1987, pp. 153−174.
- Wall K., Danielsson P. A Fast Sequential Method for Polygonal Approximation of Digitized Curves // Computer Vision, Graphics and Image Processing, 1984, vol. 28, pp. 220−227.
- Yachida M., Saburo T. Application of Color Information to Visual Perception // Pattern Recognition, 1971, vol. 3, No. 3, pp.307−323.