ВВЕДЕНИЕ
1 АППРОКСИМИРУЮЩЕЕ ПРЕОБРАЗОВАНИЕ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ КАК МЕТОД ИХ ПОДГОТОВКИ К ЗАДАЧАМ РАСПОЗНАВАНИЯ
1.1 Прикладные задачи распознавания изображений
1.1.1 Компьютерное зрение
1.1.2 Использование распознавания изображений в машиностроение
1.1.3 Задача распознавания изображений в геодезии и геологии.
1.1.4 Использование распознавания изображений в медицине.
1.1.5 Проблемы решения задачи распознавания изображений
1.1.6 Описание задачи обработки распознаваемых изображений.
1.2 Задача предобработки распознаваемых изображений
1.2.1 Предобработка изображения
1.2.2 Структура кодирования цветного изображения.
1.2.3 Матричная модель пиксельного изображения.
1.2.4 Упрощение полутоновых изображений в
1.3 Сегментация полутоновых изображений
1.3.1 Постановка задачи сегментации изображений
1.3.2 Методы сегментации.
1.3.3 Постановка задачи оптимальной аппроксимации изображений
1.4 Анализ возможностей методов поисковой оптимизации применительно к задаче построения оптимального упрощенного изображения.
1.4.1 Классификация методов оптимизации
1.4.2 Сравнительный анализ методов оптимизации.
1.5 Эвристические методы как универсальный инструмент поисковой оптимизации
1.5.1 Понятие эвристических методов
1.5.2 Генетические алгоритмы.
1.5.3 Метод колонии муравьев.
1.5.4 Метод роящихся частиц.
1.6 Исследование возможностей и особенностей КМРЧ для решения задач поисковой оптимизации.
1.6.1 Обзор канонического метода роящихся частиц
1.6.2 Анализ возможностей канонического метода роящихся частиц при исследовании функции Химмсльблау на экстремумы
1.7 Выводы по первой главе
2 АЛГОРИТМЫ БА ПГ1РОКС ИМ А ЦИ И МУЛЬТИТОНОВЫХ ИЗОБРАЖЕНИЙ.
2.1 Структурирование изображений на основе метода Баппроксимации
2.1.1 Сущность аппроксимации изображений
2.1.2 Критериальная оценка результатов Баппроксимации
2.1.3 Критерий эффективности Баппроксимации на основе опорной СКОоценки
2.2 Приближенная эаппроксимация изображения на основе его частотной диаграммы яркостей
2.2.1 Общая характеристика задачи формирования изображения в этоновой палитре.
2.2.2 Алгоритм прямого деления частотной диаграммы яркости
2.2.3 Алгоритм взвешенного деления частотной диаграммы яркости .
2.2.4 Алгоритм доминирования опорной яркости на основе ЧДЯ
2.2.5 Анализ альтернативных возможностей повышения эффективности аппроксимации.
2.3 Приближенная Баппроксимация изображения на основе интегральной диаграммы яркостей
2.3.1 Интегральная диаграмма яркости
2.3.2. Алгоритм прямого деления интегральной диаграммы яркости
2.3.3 Алгоритм доминирования опорной яркости на основе ИДЯ
2.3.4 Алгоритм зеркального отображения опорных яркостей
2.3.5 Гибридные алгоритмы Баппроксимации
2.4 Сравнительный анализ эвристических алгоритмов Баппроксимации на статистически значимой выборке мультитоновых изображений.
2.4.1 Описание библиотеки изображений.
2.4.2 Влияние величины Б на выбор алгоритма аппроксимации заданного изображения.
2.4.3 Влияние величины 5 на выбор алгоритма аппроксимации множества изображений.
2.4.4 Расчет степени лидерства алгоритма Баплроксимации над другими алгоритмами.
2.5. Оптимизация Баппроксимации изображений методом свободных границ.
2.5.1 Аксиома Баппроксимации.
2.5.2 Алгоритм равноудаленности границ
2.5.3 Модифицированный алгоритм равноудаленности границ.
2.6 Выводы по второй главе.
3 ПАРАМЕТРИЧЕСКАЯ ОПТИМИЗАЦИЯ ОБОБЩЕННОГО АЛГОРИТМА 8А1ШРОКСИМАЦИИ МУЛЬТИТОНОВЫХ ИЗОБРАЖЕНИЙ
3.1 Предметная ориентация метода роящихся частиц под задачу оптимизации Баппроксимации
3.1.1 Анализ особенностей исходного канонического метода роящихся частиц
3.1.2 Концептуальная усовершенствованная структура модели роя
3.1.3 Структура роя и ее построение иод задачу оптимизации Баппроксимации.
3.1.4 Постановка задачи поведенческой модифицикации метода роящихся частиц
3.2 Структурнопараметрическая модификация метода роящихся частиц .
3.2.1 Описание путей модификации исходного метода роящихся частиц
3.2.2 Математическая модель метода деления роев
3.2.3 Алгоритмическая модель метода деления роев.
3.3 Исследование метода деления роев при решении математических задач .
3.3.1 Общая постановка задачи
3.3.2 Описание схемы полнофакторного эксперимента
3.3.3 Анализ эффективности применения МДР для поиска экстремумов одномерной функции
3.3.4 Анализ эффективности применения МДР для поиска экстремумов двумерной функции.
3.4 Исследование метода деления роев при решении задачи оптимизации аппроксимации мультитоновых изображений
3.4.1 Постановка задачи
3.4.2 Исследование эффективности применения метода деления роев для оптимизации аппроксимации.
3.5 Применение метода делящихся роев для решения задачи распознавания образов
3.5.1 Предметная ориентация МДР под задачу распознавания зерен.
3.5.2 Результаты применения предметно ориентированного МДР для распознавания зерен.
3.6 Выводы по третьей главе.
4ПРОГРАММНЫЙ КОМПЛЕКС II ПОПИКСЕЛЬНОЙ АППРОКСИМАЦИИ МУЛЬТИТОНОВЫХ ИЗОБРАЖЕНИЙ.
4.1 Общая характеристика программного комплекса Ii.
4.1.1 Функциональное назначение программного комплекса Ii
4.1.2 Концептуальная схема функционирования программного комплекса Ii.
4.1.3 Структура программного комплекса Ii.
4.1.4 Объектноориентированная модель модуля xii.
4.1.5 Объектноориентированная модель модуля .
4.2 Описание интерфейса взаимодействия с пользователем
4.2.1 Интерфейс, реализованный в модуле xii.
4.2.2 Интерфейс, реализованный в модуле .
4.3 Выводы по четвертой главе
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
- Київ+380960830922