Помощь в учёбе, очень быстро...
Работаем вместе до победы

Распознавание изображений в условиях зашумленности

Дипломная: Распознавание изображений в условиях зашумленности
ДипломнаяПомощь в написанииУзнать стоимостьмоей работы

Задача распознавания, сама по себе, предполагает интеллектуальную обработку полученной информации, что представляет определенные сложности. Несомненно, в задаче распознавания символов (распознавание текста, автомобильных номеров) достигнуты огромные успехи. Но, тем не менее, каких-либо универсальных методов обработки изображения, сравнимых по производительности и качеству распознавания… Читать ещё >

Содержание

  • Введение
  • 1. Системы распознавания образов
    • 1. 1. Понятие образа
    • 1. 2. Понятие системы распознавания
    • 1. 3. Принципы классификации и типы систем распознавания
  • 2. Распознавание изображений
    • 2. 1. Методы распознавания изображений
      • 2. 1. 1. Метод корреляции
      • 2. 1. 2. Признаковый метод
      • 2. 1. 3. Структурный метод
    • 2. 2. Зашумленность и влияние шумов на изображение
      • 2. 2. 1. Причины возникновения цифрового шума
      • 2. 2. 2. Что влияет на величину цифрового шума
      • 2. 2. 3. Подавление цифрового шума
  • 3. Реализация алгоритма
    • 3. 1. Выбор среды программирования
    • 3. 2. Блок-схема работы программы
    • 3. 3. Разработка формы программы
    • 3. 4. Тестирование
  • Заключение
  • Список литературы
  • Приложения

Распознавание изображений в условиях зашумленности (реферат, курсовая, диплом, контрольная)

Актуальной на сегодняшний день задачей является распознавание машинописных и рукописных текстов в силу ее повседневной необходимости. Кроме того, большое значение имеет оперативный ввод графической информации, подлежащей дальнейшей обработке, в информационные и управляющие системы информации с машиночитаемых бланков.

Задача распознавания, сама по себе, предполагает интеллектуальную обработку полученной информации, что представляет определенные сложности. Несомненно, в задаче распознавания символов (распознавание текста, автомобильных номеров) достигнуты огромные успехи. Но, тем не менее, каких-либо универсальных методов обработки изображения, сравнимых по производительности и качеству распознавания с человеческими способностями, нет. Например, в задачах, которые ставятся перед экспертными системами, требуется более глубокий интеллектуальный анализ и высокое быстродействие, этими же свойствами должны обладать роботизированные системы обслуживания. Поэтому обработка изображения в задаче распознавания является одной из центральных проблем.

В данном дипломном проекте будет реализовано распознавание изображений в условиях зашумленности.

Показать весь текст

Список литературы

  1. М.А., Браверман Э. М., Розоноэр Л. И. Метод потенциальных функций в теории обучения машин. — М.: Наука, 2004. — 384 с.
  2. В.И. Проблема обучения распознавания образов, 1989, 64с.
  3. А., Россиев Д. Нейронные сети на персональном компьютере. //Новосибирск, Наука, 1996. — C 114 — 119.
  4. Д.А., Дудкин А. К., Пяткин В. П. Цифровой анализ изображений (Методы описания геометрических структур)
  5. Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации // Проблемы кибернетики. М.: Наука, 2005. — Вып. 33. С. 5−68
  6. Ю.И. Избранные научные труды. — Изд. Магистр, 2002. — 420 с.
  7. В.Д. Комитеты систем неравенств и задача распознавания // Кибернетика, 2004, № 2. С. 140−146.
  8. М., Пейперт С. Персептроны. — М.: Мир, 2007. — 261 с.
  9. А.С. Распознавание образов и машинное восприятие. — С-Пб.: Политехника, 2007. — 548 с
  10. Е.П., Аверин С. И. Обработка изображений в робототехнике. М: Машиностроение, 1990. 320 с.
  11. Л. А., Эренштейн Р. Х. Метод коллективного распознавания. 79 с. ил. 20 см., М. Энергоиздат, 2006. — 80 с.
  12. К.В. Об алгебраической теории универсальных и локальных ограничений для задач классификации // Распознавание, классификация, прогноз. Математические методы и их применение. Вып. 1. — М.: Наука, 2007. — С. 176−200.
  13. Русын Б.П. Структурно-лингвистические методы распознавания изображений в реальном времени
  14. Фу К. Структурные методы в распознавании образов. — М.: Мир, 2005. — 144 с.
  15. Handbook of pattern recognition and computer vision / Chen C.H., Rau L.F. and Wang P. S.P.(eds.). — Singapore-New Jersey-London-Hong Kong: World Scientific Publishing Co. Pte. Ltd., 1995. — 984 p.
  16. Shalkoff R.J. Digital image processing and computer vision. — New York-Chichester-Brisbane-Toronto-Singapore: John Wiley & Sons, Inc., 1989. — 489 p.
  17. Roberts J.M. Attentive Visual Tracking and Trajectory Estimation for Dynamic Scene Segmentation. //PhD thesis., University of Southampton dec. 94
Заполнить форму текущей работой

Пора сдавать?