Сравнительный анализ морфологических методов интерпретации изображений (1104888)
Текст из файла
На правах рукописиКирнос Эдуард АнатольевичСРАВНИТЕЛЬНЫЙ АНАЛИЗ МОРФОЛОГИЧЕСКИХ МЕТОДОВИНТЕРПРЕТАЦИИ ИЗОБРАЖЕНИЙ05.13.18 − Математическое моделирование, численные методы и комплексы программАвторефератдиссертации на соискание ученой степеникандидата физико-математических наукМосква − 2004Работа выполнена на кафедре компьютерных методов физики физического факультета Московского государственного университета им.
М. В. ЛомоносоваНаучный руководитель:доктор физико-математических наук,профессорПытьев Юрий ПетровичОфициальные оппоненты:доктор физико-математических наук,профессорГолубцов Петр Викторовичкандидат физико-математических наукСинько Олег ВалентиновичВедущая организация:МЭИ (технический университет), г. МоскваЗащита диссертации состоится “___”______________ 2004 г. в ___ час. __мин. назаседании Диссертационного совета К 501.001.17 в Московском государственномуниверситете им. М. В.
Ломоносова по адресу: 119992, г. Москва, ГСП-2, Ленинские горы, дом 1, строение 2, МГУ, Физический факультет, аудитория ______.С диссертацией можно ознакомиться в библиотеке физического факультета МГУим. М.В. Ломоносова.Автореферат разослан “___”____________ 2004 г.Ученый секретарь диссертационного советадоктор физико-математических наук,профессорОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ2Поляков П. А.Актуальность. В последние годы проблема автоматического анализа формы исостояния пространственных объектов, информация о которых представлена ввиде изображений (фотографий, видеосигналов и т.д.) является актуальной вомногих отраслях человеческой деятельности.
Но автоматизация процесса анализаи интерпретации изображений достаточно трудна. Дело не только в том, что дляобработки большого объема информации, содержащейся в изображениях, требуются значительные вычислительные мощности, но и в том, что процессы регистрации изображений достаточно сложны или вообще неизвестны.Многие из задач анализа формы и состояния пространственных объектов накачественном уровне решает сам человек. По всей видимости, в их основе лежатдостаточно представительные модели, среди которых человек производит выбор,основываясь на информации, представленной в изображении и сопоставляет ее сосвоими знаниями об объекте исследований. Но существуют и задачи, с которымиЭВМ справляются значительно лучше, чем человек.
В их основе лежат простыемодели процесса формирования изображений, позволяющие в той или иной мереанализировать информацию о форме объектов, содержащуюся в изображении.В хорошо известной теории морфологического анализа монохромных изображений (монохромной морфологии)1 вводится понятие формы изображенияобъекта как класса его изображений, отвечающих различным условиям регистрации (освещения). Форма изображения, определенная таким образом, инвариантнаотносительно условий регистрации.
При таком определении формы, для распознавания изображений объекта при разных условиях регистрации алгоритм распознавания, основанный на морфологическом анализе монохромных изображений,необходимо "обучать изображениям объекта", полученным при различных условиях его регистрации2.Известно, что изображение объекта зависит как от оптических свойств самого12Yu.P.Pyt'ev. Morphological Image Analysis. // Pattern Recognition And Image Analysis, 1993, vol.
3, no. 61, pp. 19-28.Под обучением алгоритма распознавания следует понимать построение формы объекта по его изображениям.3объекта, так и от условий освещения, при которых происходила регистрация изображения. И если учитывать априорную информацию об объекте, то появляетсявозможность значительно уменьшить число изображений, необходимых для обучения. Cуществует целый класс так называемых ламбертовых объектов, учет оптических свойств которых позволяет проводить обучение алгоритма распознавания трем изображениям объекта (при различных условиях регистрации) для распознавания изображений объекта, полученных при разных условиях его регистрации. Эти свойства заложены в основу морфологического анализа ламбертовыхизображений3.Из теории морфологического анализа ламбертовых изображений следует, чтоответить на вопрос, являются ли предъявленные изображения изображениямиламбертового объекта, можно решив задачу поиска минимальной размерностилинейного подпространства, содержащего все предъявленные изображения объекта: если искомая размерность не превосходит 3, то предъявленное множествоизображений есть множество изображений ламбертова объекта.
Это так, если мыимеем дело с изображениями, полученными без ошибки. Но поскольку изображения всегда получаются с некоторой ошибкой, то поиск критерия, позволяющегопо предъявленным изображениям объекта в шуме сделать заключение о ламбертовости объекта, нетривиален и является актуальной задачей.Еще одной интересной и актуальной задачей является исследование влияниясостава обучающей выборки на качество распознавания объектов в шуме. Хотявопрос о том, следует ли на обучение подавать данные в шуме при распознаванииданных в шуме, стоит давно, изучение такого влияния до сих пор никем не производилось ни для алгоритмов распознавания, основанных на морфологическоманализе, ни для так называемых параметрических алгоритмов.Параметрические алгоритмы хорошо зарекомендовали себя, в частности, в3Yu.P.Pyt'ev, A.Yu.Pyt'ev.
Effective Dimensionality and Data Compression. // Pattern Recognition And Image Analysis,1997, vol. 7, no. 4, pp. 393-406.4задачах медицинской диагностики, где необходимо на основе измерений некоторых косвенных характеристик (например, артериального давления, ЭКГ и т.д.)предсказать заболевание, поскольку прямое измерение некоторых характеристик(например, характеристик, которые могут быть получены только при хирургической операции) связано со значительным риском. Все параметрические алгоритмы основаны на анализе эмпирической информации, представленной в виде таблиц данных.
Параметрические алгоритмы производят построение устойчивыхпредставительных наборов для каждого класса объектов таблицы данных. Каждый объект таких таблиц данных характеризуется значениями признаковX 1 ,..., X n , где n – количество признаков. Для булевых признаков наиболее извест-ным алгоритмом распознавания является алгоритм "Кора"4, предназначенный дляопределения логических закономерностей в виде конъюнкций значений признаков. Для разнотипных признаков известны такие алгоритмы распознавания, как"TEMP", "R-метод", "CORAL"5 – эти алгоритмы основаны на построении представительных наборов в виде так называемых деревьев решений.Цель работы состоит:1. В поиске критерия ламбертовости, позволяющего по предъявленнымизображениям объекта в шуме сделать заключение о ламбертовостиобъекта.2.
В изучении влияния состава обучающей выборки на качество распознавания объектов в шуме параметрическими алгоритмами и морфологическими алгоритмами.3. В изучении влияния на качество распознавания параметрическими и4Вайнцвайг М.Н. Алгоритм обучения распознаванию образов "Кора". // В кн.: Алгоритмы обучения распознаваниюобразов. М., 1973, с. 110-115.5Лбов Г.С. Методы обработки разнотипных экспериментальных данных. // Новосибирск: Наука, 1981.морфологическими алгоритмами зависимости между уровнем шума,добавляемого в обучающую выборку, и уровнем шума, который ожи5дается у предъявляемых для распознавания данных.4. В сравнительном анализе качества распознавания параметрических алгоритмов и морфологических алгоритмов.Научная новизна работы состоит в том, что впервые:1.
Выведен критерий ламбертовости, позволяющий по предъявленнымизображениям объекта в шуме сделать заключение о ламбертовостиобъекта.2. Алгоритм ламбертовой морфологии был применен для решения задачиавтоматического совмещения изображений одной и той же сцены.3. Изучено влияние состава обучающей выборки на качество распознавания объектов в шуме для всех вышеуказанных алгоритмов.
Показано,что для всех параметрических алгоритмов и алгоритма ламбертовойморфологии качество распознавания возрастает, если в обучающую выборку добавляются данные в шуме.4. Проведен сравнительный анализ качества распознавания всех вышеуказанных параметрических и морфологических алгоритмов на примерезадачи распознавания искаженных шумом изображений. Показано, что:• Алгоритм типа "Кора" дает наилучшие результаты при распознавании данных в шуме в классе всех рассмотренных параметрических алгоритмов;• Качество распознавания алгоритма ламбертовой морфологиилучше при распознавании изображений ламбертовых объектов вклассе рассмотренных морфологических алгоритмов;• При распознавании изображений качество распознавания морфологических алгоритмов заметно лучше по сравнению с качествомраспознавания рассмотренных параметрических алгоритмов.5.
Характеристики
Тип файла PDF
PDF-формат наиболее широко используется для просмотра любого типа файлов на любом устройстве. В него можно сохранить документ, таблицы, презентацию, текст, чертежи, вычисления, графики и всё остальное, что можно показать на экране любого устройства. Именно его лучше всего использовать для печати.
Например, если Вам нужно распечатать чертёж из автокада, Вы сохраните чертёж на флешку, но будет ли автокад в пункте печати? А если будет, то нужная версия с нужными библиотеками? Именно для этого и нужен формат PDF - в нём точно будет показано верно вне зависимости от того, в какой программе создали PDF-файл и есть ли нужная программа для его просмотра.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
