Ви є тут

Нейроподобні методи і засоби ущільнення зображень в комп'ютерних мережах

Автор: 
Шаді М С Хіллес
Тип роботи: 
Дис. канд. наук
Рік: 
2006
Артикул:
0406U001319
129 грн
Додати в кошик

Вміст

РАЗДЕЛ 2
МЕТОДЫ и средства СЖАТИЯ ИЗОБРАЖЕНИЙ на основе нейронных сетей
Рассмотрены методы сжатия изображений с применением двумерных
самоорганизующихся карт Кохонена. Предложены схемы сжатия методами векторного
квантования, как исходного изображения, так и пространственных частотных
компонент изображения, полученных на основе адаптивного к контурам двумерного
анализа и синтеза. Выполнен расчет вычислительных затрат при сжатии на основе
карты Кохонена.
2.1. Проблемно-ориентированные нейронные сети для сжатия изображений
В научной литературе встречается значительное число признаков, которыми должна
обладать задача, чтобы применение нейронных сетей было оправдано, и она могла
бы ее решить:
отсутствует алгоритм или не известны принципы решения задач, но накоплено
достаточное число примеров;
проблема характеризуется большими объемами входной информации;
данные неполны или избыточны, зашумлены, частично противоречивы.
Таким образом, нейронные сети хорошо подходят для распознавания образов и
решения задач классификации, оптимизации и прогнозирования. Ниже приведен
перечень возможных промышленных применений нейронных сетей, на базе которых
либо уже созданы коммерческие продукты, либо реализованы демонстрационные
прототипы.
Банки и страховые компании:
автоматическое считывание чеков и финансовых документов;
проверка достоверности подписей;
оценка риска для займов;
прогнозирование изменений экономических показателей.
Административное обслуживание:
автоматическое считывание документов;
автоматическое распознавание штриховых кодов.
Нефтяная и химическая промышленность:
анализ геологической информации;
идентификация неисправностей оборудования;
разведка залежей минералов по данным аэрофотосъемок;
анализ составов примесей;
управление процессами.
Военная промышленность и аэронавтика:
обработка звуковых сигналов (разделение, идентификация, локализация);
обработка радарных сигналов (распознавание целей, идентификация и локализация
источников);
обработка инфракрасных сигналов (локализация);
обобщение информации;
автоматическое пилотирование.
Промышленное производство:
управление манипуляторами;
управление качеством;
управление процессами;
обнаружение неисправностей;
адаптивная робототехника;
управление голосом.
Служба безопасности:
распознавание лиц, голосов, отпечатков пальцев.
Биомедицинская промышленность:
анализ рентгенограмм;
обнаружение отклонений в ЭКГ.
Телевидение и связь:
адаптивное управление сетью связи;
сжатие и восстановление изображения.
Представленный перечень далеко не полон, можно найти еще области, где
оправданно применение нейронных сетей, но он свидетельствует, что основная
область применения нейронных сетей обработка и сжатие изображений.
Развитие кодирования изображений тесно связано с двумя основными моментами:
Ростом быстродействия и степени интеграции электронной элементной базы.
Современные микропроцессоры с тактовыми частотами 500 Мгц (и выше) и
специальными аппаратными средствами для повышения быстродействия обработки
изображений (например, процессор семейства Pentium с технологией MMX - Pentium
ІІ [103]) разрешают реализовать даже программным способом с приемлемым
быстродействием те методы кодирования изображений, которые раньше считались
сложными для промышленного применения. Примером может быть дискретное
косинусное преобразования, которое стало основанием стандартов JPEG и MPEG, а
также интенсивные исследования таких сложных методов кодирования как
фрактальное сжатие и нейронные сети
Снижением себестоимости электронной элементной базы. Проведение исследований
методов кодирования подвижных и недвижимых изображений всегда требовало сложной
и дорогой вычислительной техники, доступ к которой имело незначительное
количество специалистов. Появление недорогих персональных компьютеров с
развитыми средствами отображения графической информации создало предпосылки
увеличения интенсивности исследований, в которых может принимать участие более
широкий круг исследователей, который дает надежду на новые значительные
результаты в будущем.
С учетом этого можно сделать такие выводы:
В ближайшие года стандарты MPEG найдут широчайшее применение в цифровом
телевидении.
Большие усилия будут направлены на исследования фрактального метода и его
модификаций, которые возможно будут оказывать содействие появлению нового
стандарта ISO, основой которого будет фрактальный метод кодирования
изображений.
Будут проводиться поиски и исследования новых методов кодирования, которые
могут обеспечить высокий коэффициент сжатия и высокое качество восстановленного
изображения, несмотря на их вычислительную сложность, например, нейронные
методы сжатия. С другой стороны, будут продолжены поиски простых методов
кодирования, будут исследоваться комбинации этих методов с учетом новых
технических возможностей.
В общем случае, применение нейронных сетей для сжатия изображений определяется
их типом и может развиваться в двух направлениях:
самостоятельное применение нейронных сетей, имеется ввиду выполнение этапа 2
сжатия изображений;
в совокупности с другими методами, как вспомогательное средство, улучшающее
характеристики выбранного метода.
Исходя из того, что математической моделью изображения является случайный
процесс с равномерным законом распределения можно предположить, что второй
вариант является более предпочтительным, поскольку трансформанты изображения
характеризуются значительно меньшей дисперсией по сравнению с исходным
изображением. Это в свою очередь позволит уменьшить размеры сети и
соответственно вычислительные з