Введение к работе
Актуальность темы.
В последнее десятилетие, особенно начиная с 70-х годов, среди прикладных задач обработки и преобразования информации все более существенное место начинают занимать задачи, в которых исходная информация представляется в виде изображений. Этот процесс отражает появление новых технических средств сбора и воспроизведения информации, обеспечивающих эффективное и наглядное представление зарегистрированных и накопленных данных п виде изображений и рост известности и популярности распознавания как новой информационной технологии мощной, практичной и в некотором смысле универсальной методологии математической обработки и оценивания информации и выявления скрытых закономерностей.
При разработке методов и систем автоматизированного распознавания изображений приходится отыскивать способы эффективной формализации описания изображений для того: чтобы иметь возможность работать с представлениями (описаниями), отражающими семантику изображения, информацию, заключенную в его внутренней структуре и. структуре внешних связей части , реального мира (сцены), воспроизводимой с помощью изображения.
Специфика, сложность и следующая из них трудность задач " распознавания изображений определяется необходимостью достижения компромисса между весьма противоречивыми факторами, отражающими требования к анализу, природу зрительного воспринтия.способы получения, формирования и воспроизведения изображения и существующие . математические и технические возможности |>;if>oiu с ними Основным, очевидно, является
противоречие между природой изображения и анализом, основанным на использовании формального аппарата и модели объекта. Оно выражается в том, что для использования преимуществ представления информации в виде изображения необходимо придать этой информации "иеизобраэительный" вид, ибо соответствующие алгоритмы приспособлены для переработки лишь неких символьных описаний.
Анализ современного состояния проблемы распознавания изображений показывает, что ключевыми направлениями анализа и понимания изображений являются:
а) математическая постановка, характеризацня и
систематизация задач распознавания изображений;
б) разработка, исследование, характеризацня н
систематизация методов и средств построения моделей изображений,
ориентированных на задачу распознавания;
в) разработка, исследование, характеризацня и
систематизация преобразований, обеспечивающих приведение
изображения к виду, удобному для распознавания;
г) разработка формальных конструкций для описания моделей
алгоритмов распознавания изображений и использование последних в
качестве базы знаний для определения и характернзации классов
алгоритмов распознавания изображения;
Целью работы решение математических и вычислительных задач, связанных'с разработкой, математическим исследованием и реализацией средств синтеза двух классов моделей изображений, ориентированных на использование при решении задач распознавания.
Научная новизна.
І. Проведена формализация процесса порождения признако» изображений и на основании введенного формализма предложена классификация используемых признаков.
-
Введена и обоснована модель изображения как компактного множества.
-
Введены, обоснованы и формализованы критерии выбора признаков изображений, ориентированные на задачи распознавания.
-
Введены и обоснованы фрактальная модель тоновых изображений, фрактальные представления тоновых изображении и И фрактальные признаки тоновых изображений как объекты, удовлетворяющие введенным критериям выбора признаков.
-
Исследооаны свойства змпнрической фрактальной размерности изображений; описаны классы изображений с различными фрактальным» свойствами.
-
Описана оптимальная в смысле сохранения геометрической конфигурации линейная модель выделения признаков для случая > многомерных неколичественных исходных данных.
-
Построено параметрическое семейство линейных моделей выделения признаков для случая многомерных неколичественныя данных с малым числом уровней квантования.
Практнчсспап ценность. Были построены и прогаммно реализованы алгоритмы определения признаков, использующие теоретические результаты диссертационной работы, н получены оценки их сложности. Результаты проведенных машинных экспериментов вполне согласуются с теоретическими результатами диссертационной работы и подтверждают практическую применимость полученных характеристик в качестве признаков при решении задач распознавания изображений.
Результаты диссертационной работы были использованы в НСК РАН при решении задач идентификации дактилоскопических отпечатков пальцев и задаче визуализации неколичественных данных из области психиатрии и при разработке банка алгоритмов анализа и обработки изображений. Результаты работы могут быть использованы в дальнейшем при выполнении плановой тематики в НСК РАН, ВЦ РАН, Электротехническом университете г. Санкт-Петербурга, НИИ прикладной математики и кибернетики при Нижегородском Государственном университете им. Н.И.Лобачевского, Самарском аэрокосмнческом университете, Новгородском Государственном университете, ТОО "Биосигнал", НКПП "Информационные исследования" н НПКП "Новинтех-ЛЭИНТЕК".
Публикации и апробации работы. Результаты, полученные в ходе работы над диссертационной работой, докладывались на 1-ой Всесоюзной конференции "Распознавание образов и анализ изображений: новые информационные технологии", (Минск, октябрь 1991 г.) и на 3-м открытом Российско - Немецком семинаре по пониманию изображений и распознаванию образов (Эрланген, ФРГ, март 1993 г.). Вошедшие в диссертацию результаты публиковались в работах (7J. І132І, І98І, (991.
Структура и объем работы. Работа состоит из введения, четырех глав, заключения и приложений, изложенных на 132 страницах машинописного текста, содержит 3 таблицы и 4 рисунка. Библиография включает 132 наименования.
