Содержание
Введение
1. Морфологический подход к анализу данных н его применение в компьютерном и машинном зрении
1.1. Общая характеристика задач анализа данных.
1.1.1. Задача фильтрации преобразования данных
1.1.2. Задача компрессиидекомпрессии сегментацииреконструкции данных
1.1.3. Задача классификации данных тестирования гипотез, распознавания образов
1.1.4. Задача обнаружения объектов локализации гипотез в пределах
одного наблюдения
1.1.5. Задачи обучения алгоритмов анализа данных автоматического конструирования моделей
1.2. Морфологический подход к обработке и анализу данных.
1.3. Морфологический подход к обработке и анализу изображений
1.3.1. Форма записи и семантический смысл критериев, используемых в анализе изображений.
1.3.2. Основные виды описаний, используемых в анализе изображений.
1.4. Задача построения единог о морфологического формализма для
разработки методов и алгоритмов анализа изображений.
2. Морфологический анализ на базе проективных разложений.
2.1. Алгебраические основы проективной морфологии
2.1.1. Проект ивное пространство образов
2.1.2. Проект ивная морфология,.
2.1.3. Типы проективных морфологий
2.2. Морфологический анализ изображений
2.2.1. Яркостногеометрические модели процедур структурного анализа изображений.
2.2.2. Проективная морфология изображений.
2.2.3. Структурный анализ изображений с использованием проективных морфологий .
2.3. Конструирование алгоритмов обнаружения объектов на изображениях
2.3.1. Аккумулирование свидетельств.
2.3.2. Декомпозиция и редукция вектора параметров.
2.3.3. Структурное загрубление модели объекта
2.3.4. А стоматическое конструирование морфологических алгоритмов обнаружения объектов методом генетического отбора.
2.3.5. Иерархический структурный анализ.
2.4. Конструирование алгоритмов морфологической фильтрации.
2.4.1. Модульные монотонные морфологии,.
2.4.2. Схема построения алыперативных монотонных морфологических фильтров.
2.4.3. Модульные схемы построения проективных морфологий1 Об
2.4.4. Математическая морфология на базе преобразования Хафа и обобщенного преобразования Хафа
2.4.5. Морфологическая фильтрация на базе рекуррентного преобразования Хафа в скользящем окне.
2.5. Конструирование морфологических операторов сегментации и сжатия
2.5.1. Постановка задачи морфологической сегментации.
2.5.2. Морфологические операторы сегментации без потери информации. Дескрипторы минимального объема.
2.5.3. Морфологические операторы сегментации с потерей информации
на базе проекторов минимального расстояния.
2.5.4. Морфологические операторы сегментации с потерей информации
на базе монотонных проекторов
2.5.5. Сегментация на базе преобразования Хафа. Информационноэнтропийные критерии и выбор параметров сегментации
2.5.6. Обобщенные схемы морфологической сегментации. Выбор морфологической системы
3. Критериальные проективные морфологии.
3.1. Обобщенная проективная морфология
3.1.1. Алгебраические основы обобщенной проективной морфологии.
3.1.2. Схема построения проективных операторов на основе
оптимальных критериев
3.1.3. Проекторы минимального расстояния максимального сходства
3.1.4. Проекторы максимальной нормы проекции
3.1.5. Квазтюнотонные проекторы максимума обобщенной нормы.
3.1.6. Проекторы на базе предиката качества и хорошо определенной функции соответствия.
3.1.7. Проекторы на базе предикатов
3.1.8. Проекторы на базе признаковых описаний и параметрических моделей Д
3.1.9. Морфологии функций. Критерии на базе функционалов.
Вычислительная эффективность.
3.2. Морфологический анализ изображений на основе неоднородных структурных моделей, описываемых логическими предикатами
3.2.1. Метод конструирования процедур обнаружения структурных объектов, основанный на преобразованиях модельных описаний.
3.2.2. Проективные морфологии на базе неоднородных структурных
моделей
3.2.3. Морфологическое сравнение изобраэкений с неоднородными моделями.У
3.3. Проективные морфологии на базе операторов фильтрации и сегментации изображений, вычислимых методом динамического программирования.
3.3.1. Фильтрация и сегментация одномерных функций методом динамического программирования.
3.3.2. Фильтрация и сегментация двумерных кривых контуров бинарных изображений методом динамического
программирования.
3.3.3. Филътрация и сегментация двумерных функций методом динамического программирования.
3.3.4. Построение проективной морфологии на базе среднеквадратичной ДПсегментации.
3.3.5. Построение проективной морфологии на базе монотонной ДПсегментации.
3.3.6. Проективные морфологии на базе унитарных операторов фильтрации и сегментации.
3.4. Проективные морфологии изображений на базе моделей, описываемых структурирующими функционалами.
3.4.1. Сопоставление отождествление фрагментов одномерных
функций методом динамического программирования
3.4.2. Сопоставление отождествление фрагментов двумерных
функций методом динамического программирования
3.4.3. Морфологическое проектирование функции на функцию на базе сравненияотождествления фрагментов двумерных функций
методом динамического программирования
3.4.4. Проективные морфологии на базе структурирующих функций и функционалов.
3.4.5. Проективные морфологии ансамблей функций на базе функционалов
3.5. Проективные морфологии на базе методов интерполяции.
3.5.1. Проективная морфология на базе интерполяционных многочленов
3.5.2. Проективная морфология на базе кусочнолинейной интерполяции.
3.5.3. Описание формы изображения и операция сравнения по форме.
3.5.4. Проективная морфология на базе оптимальной кусочнолинейной интерполя ции
3.5.5. Проективные морфологии на базе критериальной структурной интерполяции образов.
4. Морфологический анализ свидетельств
4.1. Метод морфологического анализа свидетельств.
4.1.1. Вероятностное обобщение методов проективного анализа изображений
4.1.2. Признаки как достаточные статистики. Независимые признаки.
4.1.3. Максимально вероятные морфологические разложения и морфологические фильтры
4.1.4. Задача локализации. Задача распознавания. Инвариантность. Локализующие признаки
4.1.5. Параметризованные модели. События и гипотезы. Анализ морфологических свидетельств.
4.1.6. Методы повышения вычислительной эффективности процедур голосования
4.1.7. Методика разработки алгоритмов анализа морфологических свидетельств.
4.2. Модель Марковских реляционных гиперграфов
4.2.1. Неоднородные вероятностные структурные модели.
4.2.2. Объединение свидетельств при индексации неоднородной модели
4.2.3. Марковские реляционные гиперграфы.
4.3. Схема объединения свидетельств для общего случая сложных гипотез.
4.3.1. Тестирование сложных гипотез
4.3.2. Связь с подходом ДемпстераШафера.
4.3.3. Тестирование сложных гипотез. Случай неравномощного свидетельствования.
4.3.4. Тестирование сложных гипотез. Случай неортогональных гипотез
4.3.5. Тестирование сложных гипотез. Случай несобираемых гипотез,
4.3.6. Тестирование сложных гипотез. Числовой пример.
5. Разработка специализированных методов морфологического анализа
изображений и практических приложений машинного зрения.
5.1. Метод обнаружения продольных линий дорожной разметки на стереоизображениях дорожных сцен
5.2. Метод обнаружения штриховых кодов и текстовых областей на изображениях
5.2.1. Модифицированное преобразование Хафа
5.2.2. Особенности модифицированного преобразования Хафа.
5.2.3. Проверка обнаруженных объемлющих прямоугольников
5.3. Разработка элементов систем автоматизированного документооборота и систем автоматической идентификации.
5.3.1. Система автоматического поиска и считывания штриховых кодов.
5.3.2. Система автоматического распознавания машиночитаемых документов.
5.3.3. Системы контроля защищенных документов
5.3.4. Системы контроля денежных банкнот.
5.3.5. Система считывания регистрационных номеров автомобилей
5.3.6. Система считывания номеров железнодорожных вагонов и цистерн
5.4. Разработка элементов систем автоматизированного промышленного производства и конгрольноизмерительных систем
5.4.1. Система автоматического измерения угла схождения сварного шва.
5.4.2. Система автоматизированного бесконтактного измерения объема круглых лесоматериалов.
5.4.3. Система автоматического выделения и фильтрации следа частиц
5.4.4. Система автоматического распознавания и подсчета некондиционных кристаллов на круглой пластине.
5.5. Разработка элементов антитеррористических и биометрических систем
5.5.1. Системы обнаружения движущихся объектов и оставленных
появившихся предметов
5.5.2. Система автоматического выделения человеческого лица и слежения
за его чертами .
5.5.3. Система распознавания жестов руки человека.
5.5.4. Система слежения за положением головы и направлением взгляда ребенка.
5.5.5. Система автоматического определения и сохранения стандартизованных цифровых изображений лица оформляемых пассажиров в пунктах пограничного, билетного и другого
визуального контроля па транспорте
5.5.6. Программное обеспечение и программноаппаратный комплекс для автоматизированного контроля соответствия цифровых фотографических изображений лица требованиям стандарта
II .
5.6. Разработка элементов медицинских компьютерных систем
5.6.1. Проекты в области анализа и обработки медицинских
изображений.
5.6.2. Система компьютерного анализа томографических изображений для диагностики воспалительных заболеваний пазух и полости
носа синуитов.
5.6.3. Система компьютерного анализа томографических изображений
для оценки степени ожирения у мужчин
5.6.4. Система компьютерного анализа медицинской рентгенографической информации для ранней диагностики остеопороза.
5.6.5. Система автоматизированного анализа цифровых рентгеновских маммографических изображений.3
Заключение
Литература
- Київ+380960830922