Оглавление.
Введение.
Глава 1. Анализ проблемы интерпретации и распознавания
изображений.
1.1. Введение.
1.2. Подходы к представлению изображений
1.2.1. Низкоуровневые методы анализа изображений
1.2.2. Контурные методы анализа изображений.
1.2.3. Струк турные методы анализа изображений
1.2.4. Методы, основанные на знаниях
1.2.5. Анализ изображений на основе признаков.
1.2.6. Иерархические представления изображений
1.3. Байесовский подход к анализу изображений.
1.3.1. Использование байесовского подхода для построения низкоуровневых моделей изображений
1.3.2. Байесовский подход к построению геометрических элементов.
1.3.3. Использование байесовского подхода для построения ноля скоростей по серии изображений
1.4. Теоретикоинформационный подход к анализу изображений
1.4.1. Энтропийные методы анализа изображений.
1.4.2. Теория информации Колмогорова и принцип минимальной длины описания в анализе изображений
1.4.3. Построение геометрических элементов с использованием принципа МДО
1.4.4. Построение поля скоростей по серии изображений с использованием принципа МДО
Выводы по первой главе
Глава 2. Теоретические основы использования принципа
репрезентационной МДО при исследовании представлений
изображений и решении задач их автоматического анализа.
2.1. Принцип репрезентационной минимальной длины описания.
2.2. Принцип РМДО как основа методологии исследования представления изображений
2.2.1. Выбор модели изображения в рамках заданного представления независимость критерия РМДО от УМТ.
2.2.2. 1 редставление как модель предметной области.
2.2.3. Степень априорной неопределенности как характеристика задачи анализа
2.2.4. Инвариантность методов анализа изображений
2.2.5. Достоверность результатов интерпретации.
2.2.6. Исследование представлений изображений с использованием критерия РМДО
2.3. Введение обратных связей в иерархических системах интерпретации изображений на основе теоретикоинформационной модели адаптивного резонанса
2.3.1. Теория адаптивного резонанса
2.3.2. Байесовский подход к введению обратных связей.
2.3.3. Теоретикоинформационная модель адаптивного резонанса.
Выводы по второй главе.
Глава 3. Анализ и синтез методов распознавания образов на основе принципа репрезентационной минимальной длины описания.
3.1. Постановка задач распознавания образов как задач индуктивного вывода.
3.2. Задача классификации единичного образа
3.2.1. Метод эталонных образов.
3.2.2. Метод ближайшего соседа
3.2.3. Классификация на основе правила Байеса.
3.2.4. Классификация с помощью решающих функций.
3.3. Распознавание образов как выбор оптимального представления
3.3.1. Метод эталонных образов
3.3.2. Степень априорной неопределенности в задаче распознавания
3.3.3. Метод ближайшего соседа
3.3.4. Байесовские методы распознавания образов.
3.3.5. Связь понятий дивергенции классов и достоверности выбора.
3.3.6. Обобщенные решающие функции
3.3.7. Метод опорных векторов.
3.3.8. Методика синтеза и анализа методов распознавания образов.
3.4. Группирование образов в пространстве признаков.
3.4.1. Метод к внутригрупповых средних
3.4.2. Анализ метода конечных смесей
3.5. Задачи регрессии и сегментации.
3.5.1. Анализ задачи регрессии
3.5.2. Анализ задачи сегментации
3.6. Дискретные методы распознавания образов
3.6.1. Восстановление наборов правил.
3.6.2. Восстановление деревьев решений
3.7. Синтаксические методы распознавания образов и восстановление формальных грамматик
Выводы по третьей главе.
Глава 4. Инвариантные представления изображений при высокой априорной неопределенности
4.1. Основне элементы иерархического представления изображений
4.1.1. Предположения Д. Марра.
4.1.2. Интерпретация предположений Д. Марра в рамках принципа РМДО
4.2. Сегментация изображений первый уровень представления
4.2.1. Построение целевой функции.
4.2.2. Алгоритм сегментации.
4.2.3. Расширение представления посредством введения семейств регрессионных моделей.
4.2.4. Расширение представления посредством моделей текстуры на основе Габоровских функций.
4.3. Построение структурных элементов на основе контуров второй уровень представления.
4.3.1. Выбор представления контуров.
4.3.2. Алгоритм сегментации контуров
4.4. Верхний структурный уровень
4.4.1. Подходы к объединению структурных элементов.
4.4.2. Критерий качества для представления групп структурных элементов
4.4.3. Алгоритм группирования структурных элементов
4.5. Реализация обратных связей в иерархическом структурном
представлении
4.5.1. Формирование иерархического представления изображений.
4.5.2. Коррекция контуров на основе структурных элементов
4.5.3. Формирование составных структурных элементов
Выводы по четвертой главе
Глава 5. Практическое применение принципа РМДО в методах
анализа изображений
5.1. Показатели эффективности методов анализа изображений
5.2. Экспериментальная проверка повышения эффективности методов распознавания образов при использовании критерия РМДО
5.2.1. Распознавание целей на основе признаков.
5.2.2. Текстурный анализ на основе признаков.
5.2.3. Распознавание дымов в задаче раннего обнаружения лесных пожаров.
5.3. Сопоставление изображений с помощью иерархического структурного представления и принципа РМДО
5.3.1. Задача сопоставления изображений
5.3.2. Общая схема алгоритма иерархического структурного сопоставления изображений
5.3.3. Автоматический выбор класса пространственного преобразования в соответствии
с критерием РМДО.
5.3.4. Адаптивная коррекция описаний изображений.
5.4. Экспериментальная проверка инвариантности иерархического представления изображений в приложении к задаче их совмещения.
5.4.1. Инвариатность к условиям съемки.
5.4.2. Робастность алгоритма структурного сопоставления
5.5. Практическое применение иерархического структурного классификатора.
5.5.1. Синтез панорамных снимков.
5.5.2. Восстановление информаций в затененных областях изображений.
5.5.3. Выявление изменений в серии изображений.
5.5.4. Геокодирование
5.5.5. Автоматическое извлечение изображений из баз данных
5.5.6. Распознавание отпечатков пальцев.
5.5.7. Автоматическая навигация внутри помещений
Выводы по пятой главе.
Заключение
Литература
- Київ+380960830922