Разработка системы распознавания изображений объектов, наблюдаемых через слой турбулентной атмосферы
![Диссертация: Разработка системы распознавания изображений объектов, наблюдаемых через слой турбулентной атмосферы](https://westud.ru/work/3585162/cover.png)
Диссертация
Обеспечение инвариантности работы системы распознавания к изменению ориентации и положения объекта относительно изображающей системы посвящен ряд работ, авторы которых — Аракчеев П. В., Каляев И. А., Кухарев Г. А., Оссовский С., Arbter К., Ben-Arie J., Flusser J., Mamistvalov A.G., Suk Т., Tieng Q. и другие — достаточно много внимания уделили проблеме формирования множества векторов инвариантных… Читать ещё >
Содержание
- СПИСОК ОСНОВНЫХ СОКРАЩЕНИЙ
- СПИСОК ОСНОВНЫХ ОБОЗНАЧЕНИЙ
- 1. СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ РАСПОЗНАВАНИЯ ОБРАЗОВ
- 1. 1. Основные концепции распознавания образов
- 1. 2. Основные требования, предъявляемые к системе распознавания изображений объектов, наблюдаемых через слой приземной атмосферы
- 1. 3. Обеспечение инвариантности результатов работы системы распознавания к изменению условий наблюдения объектов
- 1. 3. 1. Методы формирования множества инвариантных признаков для распознавания изображений
- 1. 3. 2. Обеспечение инвариантности распознавания объекта в результате применения специальных методов обработки векторов неинвариантных признаков
- 1. 4. Применение методов редукции пространства признаков в задачах распознавания
- 2. МОДЕЛИРОВАНИЕ ИЗОБРАЖЕНИЯ ОБЪЕКТА, НАБЛЮДАЕМОГО ЧЕРЕЗ СЛОЙ ПРИЗЕМНОЙ АТМОСФЕРЫ
- 2. 1. Оптические характеристики атмосферы
- 2. 2. Методика оценки влияния состояния атмосферы на параметры регистрируемого изображения объекта
- 2. 3. Моделирование изображения объекта, наблюдаемого через слой атмосферы с выраженной турбулентностью при наличии рассеяния излучения
- 2. 4. Оценка результатов моделирования изображений объекта
- 3. ФОРМИРОВАНИЕ ВЕКТОРОВ ПРИЗНАКОВ ДЛЯ РАСПОЗНАВАНИЯ ОБЪЕКТОВ ПО ИХ ИЗОБРАЖЕНИЯМ
- 3. 1. Построение контура изображения объекта, искаженного турбулентной атмосферой
- 3. 2. Метод формирования вектора признаков как совокупности аффинных площадей контура изображения наблюдаемого плоского объекта
- 3. 3. Формирование вектора признаков для распознавания наблюдаемого неплоского объекта
- 3. 4. Предварительная редукция пространства признаков
- 4. РАЗРАБОТКА СИСТЕМЫ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ И ОЦЕНКА ЕЕ ЭФФЕКТИВНОСТИ
- 4. 1. Выбор квазиоптимальной структуры нейросетевого классификатора и параметров его обучения
- 4. 2. Оценка эффективности работы системы распознавания при наблюдении объектов через турбулентную атмосферу и наличии аддитивного шума регистрирующего фотоприемника
- 4. 3. Результаты экспериментальных исследований
Список литературы
- Цифровое преобразование изображение / Р. Е. Быков, Р. Фрайер, К. В. Иванов, и др.- Под. Ред. Р. Е Быкова. М.: Горячая линия — Телеком, 2003. -228 с.
- Кухарев Г. А. Биометрические системы: методы и средства идентификации личности человека. СПб.: Политехника, 2001. — 240 с.
- Fridman М., Kandel A. Introduction to pattern recognition: statistical, structural, neural and fuzzy logic approaches. London: Imperial college press, 2000. -329 p.
- Методы компьютерной обработки изображений / М. В. Гашников, Н. И. Глумов, Н. Ю. Ильясова и др.- Под ред. В. А. Сойфера. М.: ФИЗМАТЛИТ, 2003. — 784 с.
- Ross T.J. Fuzzy logic with engineering applications. -Singapore: McGraw-Hill Book Co, 1997. 600 p.
- Ким H.B. Обработка и анализ изображений в системах технического зрения.- М.: Изд-во МАИ, 2001. -164 с.
- Hoppner F. Fuzzy cluster analysis: methods for classification, data analysis and image recognition. New York: John Wiley & Sons, Inc., 1999. — 289 p.
- Nabney I.T. NETLAB algorithm for pattern recognition (advanced in pattern recognition). London: Springer, 2001. — 420 p.
- Jain A.K., Duin R.P.W., Mao J. Statistical pattern recognition: a review // IEEE Transactions on Pattern Analysis and Machine Intelligence. — 2000. — V. 22, № 1.- P. 4 37.
- Aferez R., Wang Y.F. Geometrical and illumination invariants for object recognition // IEEE Transactions on Pattern Analysis and Machine Intelligence.- 1999. V. 21, № 6. — P. 505 — 535.
- Wood J. Taylor J.S. A unifying framework for invariant pattern recognition // Pattern recognition letters. 1996. — V. 17. — P. 1415 — 1422.
- Wood J. Invariant pattern recognition: a review // Pattern recognition. 1996. -V. 29, № 1.-P. 1−17.
- Zhuravlev Y.I. An algebraic approach to recognition or classification problems // Pattern recognition and image analysis. 1998. — V. 8, №. 1. — P 59 — 100.
- Martinez-Trinidad J.F., Guzman-Arenas A. The logical combinatorial approach to pattern recognition, an overview through selected works // Pattern recognition. -2001.-V. 34.-P. 741−751.
- Осовский С. Нейронные сети для обработки информации. Пер. с польского. — М.: Финансы и статистика, 2002. 344 с.
- Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. — М.: Мир, 1992.-240 с.
- Petrson М.Е., De Radder D., Handels H. Image processing with neural networks a review // Pattern recognition. — 2002. — V. 35. — P. 2279 — 2301.
- Rotation, scale and translation invariant pattern recognition using feature extraction / D. Prevost, M. Doucet, A. Bergeron etc. // Proc. SPIE. -1997. -V. 3073.-P. 255−264.
- Ben-Arie J., Wang Z. Pictorial recognition of object employing affine invariance in the frequency domain // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1998. — V. 20, № 6. — P. 604 — 618.
- Lu J., Yoshida Y. Blurred image recognition based on phase invariants // IEICE Tans. Fundamentals. 1999. — V. E82-A, № 8. — P. 1450 — 1455.
- Buryi E., Jafar A. Invariant Features Extraction Forming for Contrast Planer Objects Recognition // 8-th Int. Conf. ACS'2001. Szczecin (Poland), 2001. -Part. 2.-P. 205−207.
- Бурый Е.В., Джафар А. Получение инвариантных информативных признаков для распознавания двухмерных контрастных изображений объектов // Нейрокомпьютеры и их применение: Труды VI Всеросс. конф. М., 2000.-С. 32−43.
- Flusser J., Suk Т., Saic S. Recognition of blurred images by the method of moments // IEEE Transactions image processing. 1996. — V. 5, № 3. -P. 533−538.
- Flusser J., Suk T. Affine moment invariant: a new tool for character recognition // Pattern recognition letters. 1994. — V. 15. — P. 433 — 436.
- Mamistvalov A.G. и-Dimensional moment invariant and conceptual mathematical theory of recognition и-dimensional solids // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1998. — V. 20, № 8. — P. 819 — 831.
- Application of affine-invariant Fourier descriptor to recognition of 3-D object / K. Arbter, W.E. Snyder, H. Burkhardt et all // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1990. — V. 12, № 7. — P. 640 — 646.
- Tieng Q.M., Boles W.W. Wavelet-Based affine invariant representation: a tool for recognizing planer objects in 3D space // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1997. — V. 19, № 8. — P. 846 — 857.
- Starck J.L., Murtagh F., Bijaoui A. Image processing and data analysis: multiscale approach. Cambridge: Cambridge university press, 1998. — 287 p.
- Чуй Ч. Введение в вэйвлеты. М.: Мир, 2001. — 412 с.
- Дьяконов В.П. Вэйвлеты. От теории к практике. М.: COJIOH-P, 2002. -448 с.
- Khalil M.I., Bayoumi М.М. A dyadic wavelet affine invariant function for 2D shape recognition // IEEE Transactions on Pattern Analysis and Machine Intelligence.-2001.-V. 23,№ 10.-P. 1152−1163.
- Tieng Q.M., Boles W.W. Recognition of 2D object contours using the wavelet transform zero-crossing representation // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1997. — V. 19, № 8. — P. 910 — 916.
- Tarel J.P., Cooper D.B. The complex representation of algebraic curves and its simple exploitation for pose estimation and invariant recognition. // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. — V. 22, № 7. -P. 663−674.
- Shen D., Horace H.S. Generalized affine invariant image normalization // IEEE Transactions on Pattern Analysis and Machine Intelligence. — 1997. V. 19, № 5. -P. 431−440.
- Wu W-R., Wie S-C. Rotation and gray-scale transformation-invariant texture classification using spiral resampling subband decomposition, and hidden Markov model // IEEE Transactions on image processing. 1996. — V. 5, № 10. -P. 1423−1434.
- Dominant-Subspace invariants / D.G. Arnold, K. Sturtez, V. Velten et all // IEEE Transactions on Pattern Analysis and Machine Intelligence. — 2000. V. 22, № 7. -P. 649−662.
- Lei G. Recognition of planar objects in 3-D space from single perspective view using cross ratio // IEEE Transactions on robotic and automation. — 1990. V. 6, №. 4.-P. 432−437.
- Huttenlocher D.P., Lilien R.H., Olson C.F. View-based-recognition using an eigenspace approximation to the Hausdroft measure // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1999. — V. 21, № 9. — P. 951 — 955.
- Belongie S., Malik J., Puzicha J. Shape Matching and object recognition using shape contexts. // IEEE Transactions on Pattern Analysis and Machine V Intelligence. 2002. — V. 24, № 24. — P. 509 — 522.
- Kadyrov A., Petrou M. The trace transform and its applications // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2001. — V. 23, № 8. -P. 811−828.
- Wurtz R.P. Object recognition robust under translation, deformation, and change in background // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1997. — V. 19, № 7. — P. 769 — 775.
- O’Sullivan J.A. Blahut R.E. Snyder D.L. Information-theoretic image formation // IEEE Transactions on information theory. -1998. V. 44, № 6. -P. 2094−2123.
- Shao Y. Clenk M. Higher-order spectra (HOS) invariant for shape recognition // Pattern recognition. 2001. — V. 34. — P. 2097 — 2113.
- Xue Z., Shen D., Teoh E.K. An efficient fuzzy algorithm for aligning shapes under affine transformation // Pattern recognition. 2001. — V. 34. — P. 1171 -1180.
- Nakhodkin M.G., Musatenko Y.S., Kurashov V.N. Pattern recognition with fast feature extraction // Proc. SPIE. 1998. — V. 3402. — P. 333 — 343.
- Antoine J.P., Vandergheynst P. Target detection and recognition using tow-dinensional isotropic and anisotropic wavelets // Proc. SPIE. -1995. — V. 2485. -P. 20−31.
- Ground target classification using robust active contour segmentation / J.F. Bonnet, D. Duclos, G. Stamon et all // Proc. SPIE. 1999. — V. 3718. — P. 90 -100.
- Bouyoucef K., Murenzi R. Spatio-temporal wavelet application to target detection and recognition // Proc. SPIE. 1995. — V. 2485. — P. 32 — 43.
- Chen B.H., Thomopoulos S.-C.A., Lin C. Feature estimation and objects extraction using Markov random field modeling // Proc. SPIE.- 1995. V. 2485. -P. 44−53.
- Roy S., Arsenault H. H., Lefebvre D. Invariant object recognition under three dimensional rotation and change of scale // Opt. Eng. 2003. — V. 42, № 3. -P. 813−821.
- Miquel A., Perpinan C. A Review of Dimension Reduction Techniques.-Sheffield, 1997. 62 p. (Technical Report CS-96- 09, Dept. of Computer Science).
- De Backer S. Unsupervised pattern recognition, dimensionality reduction and Classification. PhD Dissertation, University of Antwerp. — Antwerp, 2002. -138 p.
- Kudo M. Sklansky J. Comparison of algorithms that select features for pattern classification // Pattern recognition. 2000. — V. 33. — P. 25 — 41.
- Hjaltason G.R., Samet H. Properties of embedding methods for similarity searching in metric spaces // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2003. — V. 25, № 5. — P. 530 — 549.
- Бурый E.B., Джафар А. Распознавание двухмерных контрастных изображений объектов по инвариантным информативным признакам с применением нейросетевых алгоритмов // Нейрокомпьютеры: разработка, применение. 2001. — № 1. — С. 34 — 42.
- Карасик В.Е., Орлов В. М. Лазерные системы видения. М.: Изд-во МГТУ им. Н. Э. Баумана, 2001. — 352 с.
- Исимару А. Распространение и рассеяние волн в случайно-неоднородных средах. -М.: Мир, 1981.- 4.2. -317с.
- Рытов С.М., Кравцов Ю. А., Татарский В. И. Введение в статистическую радиофизику. — М.: Наука, 1978. — Ч. 2, Случайные поля. — 463 с.
- Kopeika N. S. A system engineering approach to imaging. Washington: SPIE, 1998.-679 p.
- Валентюк А.Н., Предко К. Г. Оптическое изображение при дистанционном наблюдении. Минск: Навука i тэхшка, 1991. — 359 с.
- Гудман Дж. Статистическая оптика: Пер. с англ. / Под ред. Г. В. Скроцкого.- М.: Мир, 1988.-527с.
- Kopeika N.S., Sadot D., Dror I. Aerosol light scatter vs turbulence effects in image blur // Proc. SPIE. 1998. — V. 3219. — P. 44 — 51.
- Прикладная физическая оптика / И. М. Нагибина, В. А. Москалев, Н. А. Полушкина и др. М.: Высшая школа, 2002. — 565 с.
- Зуев В.Е., Кабанов М. В. Перенос оптических сигналов в земной атмосфере.- М.: Сов. радио, 1977. 368 с.
- Мирошников М.М. Теоретические основы оптико-электронных приборов.- Л.: Машиностроение, 1983. 696 с.
- Lukin V.P. Adaptive beaming and imaging in the turbulent atmosphere.- Washington: SPIE, 2002. 202 c.
- Папулис А. Теория систем и преобразований в оптике. Пер. с англ. / Под ред. В. И. Алексеева. М.: Мир, 1971. — 495 с.
- Источники и приемники излучения / Г. Г. Ишанин, Э. Д. Панков, А. Л. Андреев и др. С-Пб.: Политехника, 1991. — 240 с.
- Min G. Advanced optical imaging theory. Georgia (USA): Springer, 1999. -214 c.
- Гудман Дж. Введение в Фурье-оптику. Пер. с англ. / Под ред. Г. И. Косорова. -М.: Мир, 1970.-364 с.
- Гринев А.Ю. Основы радиооптики. М:. САЙнС-ПРЕС, 2003. — 80 с.
- Dror I., Kopeika N.S. Comparison of turbulence MTF and aerosol MTF // Proc. SPIE. 1992. — V. 1688. — P. 716 — 727.
- Fortes B.V., Lukin V.P. Modeling of the Image Observed through a turbulent atmosphere // Proc. SPIE. 1992. — V. 1688. — P. 477 — 488.
- Roddier N. Atmospheric wavefront simulation using Zernike Polynomials //Optical engineering.-1990.-V. 29,№ Ю.-Р. 1174−1180.
- Brummelaar T.A. Modeling atmospheric wave aberration and astronomical instrumentation using the polynomials of Zernike // Optics communication. 1996. — V. 132. — P. 329 — 342.
- Лукин В.П., Майер H.H., Фортес Б. В. Расчет функции точки адаптивного телескопа с гартмановским датчиком волнового фронта // Оптика атмосферы и океана. 1992. — Т. 5, № 12. — С. 1241 — 1251.
- Войцехович В.В., Орлов В. Г., Куэвас С. Моделирование обусловленных турбулентностью флуктуаций логарифма амплитуды. Подход Карунена-Лоева // Оптика атмосферы и океана. 1996. — Т. 9, № 11. — С. 1505 — 1508.
- Bondeau С., Bourennane Е., Paindvoine М. Restoration of a short Exposure image sequence degraded by atmospheric turbulence // Proc. SPIE. — 2000. -V. 4125.-P. 120−130.
- Error due to atmospheric turbulence effects on solar diameter measurements performed with an astrolabe / L. Lakhal, A. Irbah, M. Bouzaria, et all // Astronomy & astrophysics supplements series. 1999. — V. 138. — P. 155−162.
- Shui V.H., Reeves B.L. Effect of turbulence scale and spectral function on optical image degradation // Proc. SPIE. 1992. — V. 1688, 1992. — P. 429 — 441.
- Yang C.C., Elsebelgy B.H., Plonus M.A. Effects of turbulence on the formation of Gaussian image and signal-to-noise ratio // Proc. SPIE. — 1994. V. 2222. -P. 595−604.
- Frieden B.R. An exact, linear solution to the problem of imaging through turbulence // Optics communications. 1998. — V. 150. — P. 15−21.
- Patent № 5 841 911. (USA). Method for restoration of images disturbed by the atmosphere / Kopeika N.S., Sadot D. 1998.
- Мальцев Г. Н. Сравнительный анализ разрешающей способности оптико-электронных систем формирования изображений при некогерентной и когерентной подсветках наблюдаемых объектов // Оптика и спектроскопия.- 2000. Т. 89, № 56. — С. 872 — 877.
- Красильников Н.Н. Цифровая обработка изображений. М.: Вузовская книга, 2001.-320 с.
- Shah М. Fundamentals of computer vision. Orlando, 1992. — 132 p.
- Amini A.A., Weymouth Т.Е. Using dynamic programming for solving variational problem in vision // IEEE Transaction on pattern analysis and machine intelligence. 1990. — V. 12, № 9. — P. 855 — 866.
- Leymarie F., Levine D. Tracking deformable objects in plane using an active contour model // IEEE Transaction on pattern analysis and machine intelligence.- 1993. V. 15, № 6. — P. 617 — 634.
- Ray N., Chanda В., Das J. A fast and flexible multiresolution snake with a definite termination criterion // Pattern recognition. 2001. V. 34. — P. 1483 — 1490.
- Cohen L.D. Cohen I. Finite-element methods for active contour models and balloons for 2-D and 3-D Image // IEEE Transaction on pattern analysis and machine intelligence.-1993.-V. 15,№ 11.-P. 1131 -1146.
- Xu C., Prince J.L. Snakes, shapes, and gradient vector flow // IEEE Transaction on image processing. 1998. — V.7, № 3. — P. 359 — 369.
- Peterfreund N. Robust tracking of position and velocity with Kalman snakes // IEEE Transaction on pattern analysis and machine intelligence. 1999. — V. 21, № 6.-P. 564−569.
- Niedziela Т., Baron G., Rogala K. Method of contour and its characteristic features extraction from noisy image // Proc. SPIE. 2001. — V. 4516.- P. 78 86.
- Park H.W., Schoepflin Т., Kim Y. Active Contour Model with Gradient Directional Information: Directional Snake // IEEE Transaction on circuits and system for video technology. 2001. — V. 11, № 2. — P. 252 — 256.
- Chan T.F., Vese L.A. Active contours without edges // IEEE Transaction on image processing. 2001. — V. 10, № 2. — P. 266 — 277.
- Дюк В., Самойленко A. Data mining: учебный курс. СПб.: Питер, 2001. -368 с.
- Сергиенко А.В. Цифровая обработка сигналов. СПб.: Питер, 2003. -604 с.
- Куприянов М.С., Матушкин Б. Д. Цифровая обработка сигналов: процессоры, средства проектирования. С-Пб.: Политехника, 1999. — 592 с.
- Nguyen N., Milanfar P., Golub G. Efficient generalized cross-validation with application to parametric image restoration and resolution enhancement // IEEE Transaction on image processing. 2001. — V. 10, № 9. — P. 1299 — 1308.
- Porter R., Canagaraigh N. A robust automatic clustering scheme for image segmentation using wavelet // IEEE Transaction on image processing. — 1996. -V. 5,№.4.-P. 662−665.
- Комарцова Л.Г., Максимов А. В. Нейрокомпьютеры. — М.: Изд-во Ml ТУ им. Н. Э. Баумана, 2002. 320 с.
- Круглое В.В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М.: Горячая Линия-Телеком, 2002. — 382 с.
- Калин. Р. Основные концепции нейронных сетей. Пер. с англ. — М.: Издательский дом «Вильяме», 2003. 288 с.
- Нейрокомпьютеры в системах обработки изображений / А. Н. Балухто, В. И. Булаев, Е. В. Бурый и др.- Под ред. А. И. Галушкина. — М.: Радиотехника, 2003.-Т. 7.-192 с.
- Нейрокомпьютеры в системах обработки сигналов / В. Ф. Гузик, А. Е Ермаков, И. Н. Карелов и др.- Под ред. Ю. В. Гуляева — М.: Радиотехника, 2003.-Т. 9.-224 с.
- Hoist A. The use of a Bayesian neural network model for classification tasks. PhD Dissertation of Royal institute of technology. Stockholm, 1997. — 110 p.
- Cha I., Kassam S.A. RBFN restoration of nonlinearly degraded images // IEEE Transactions on image processing. 1996. — V. 5, № 6. — P. 964 — 975.