Структурно-статистична ідентифікація геометричних об'єктів та текстур в автоматизованих системах управління та перетворення інформації

8. Крылов В.Н., Власенко В.А . Оценка разрешающей способности ТМК с учетом свойств зрительного анализатора человека. - М. Техника кино и телевидения, № 6, 1989. - C.20-22.

9. Крылов В.Н., Максимов М.В. Помехоустойчивая бинаризация изображений методом групповой согласованной обработки //Межвузовский журнал "Автоматика. Автоматизация. Электротехнические комплексы и системы." - Херсон,1998,№1. - С.52-58.

10. Антощук С.Г, Крылов В.Н., Максимов М.В. Помехоустойчивое выделение характерного фрагмента с маркировкой на изображении ТВС //Межвузовский журнал "Автоматика. Автоматизация. Электротехнические комплексы и системы. "- Херсон,1998,№2. - С.67-73.

11. Крылoв В.Н., Антощук С.Г. Автоматизированный контроль автомобильных номеров //Придніпровський науковий вісник. Технічні науки. - Днепропетровск, 1999, N° 123(190). - С.106-110.

12. Антощук С.Г., Крылов В.Н. Телевизионные информационно-управляющие системы//Труды Одес. политехн. ун-та. - Одесса, 1999. - Вып.1(7). - С.172-175.

13. Антощук С.Г., Крылов В.Н., Максимов М.В. Модифицированный метод стохастической геометрии при классификации символов//Межвузовский журнал "Автоматика. Автоматизация. Электротехнические комплексы и системы. "- Херсон,1999,№2. - С.80-85.

14. Антощук С.Г., Крылов В.Н., Максимов М.В. Итерационный метод вычисления двумерных корреляционных функций бинаризованных изображений//Труды Одес. политехн. ун-та. - Одесса, 1999. - Вып.2 - С. 189-192

15. Крылов В. Н., Щербакова Г. Ю. Повышение эффективности сканирующих систем обработки изображений при неразрушающем контроле качества электронной аппаратуры //Технология и конструирование в электронной аппаратуре.- Одесса, 1999. - №4 - С.23-25.

16. Антощук С.Г, Крылов В.Н., Максимов М.В. Система технического зрения для управления перемещением ядерного топлива на АЭС//Cистемний аналіз, управління та інформаційні технології: Вісник Харьковского политехн. ун-та. - Харьков, 1999. - Вып.71. - С.97-101.

17. Kрылов В.Н., Максимов М.В. Повышение эффективности систем технического зрения//Нові технології. Холодильная техніка і технологія - Одесса, 1999. - Вып.3. - С.114-119.

18. Крылов В.Н., Антощук С.Г. Расчет эффектов пространственного маскирования с помощью динамической модели зрительного анализатора//Труды Одес. политехн. ун-та. - Одесса, 1999. - Вып.3 - С. 175-177

19. Абакумов В.Г., Крылов В.Н. К вопросу обнаружения контуров в сканирующих системах распознавания изображений//Электроника и связь. - Киев,1999. - №6, т.2 - С.45-49.

20. Крылов В.Н., Щербакова Г.Ю. Совмещение изображений в системах автоматического оптического контроля печатных плат // Технология и конструирование в электронной аппаратуре.- Одесса, 2000. - № 1 - С. 23-25.

21. Абакумов В.Г., Крылов В.Н., Антощук С.Г. Обнаружение и распознавание признаков объектов с помощью сферической модели зрительного анализатора //Электроника и связь. - Киев,2000. - №8, т.2 - С.211-213.

22. Гогунский В.Д., Крылов В.Н., Антощук С.Г. Автоматизированная система обработки и распознавания изображений при контроле автотранспортных потоков//Безпека дорожнього руху України. Наук.-техн.вісник - Київ, 2000. - №2(7) - С.54-58.

23. Крылов В.Н., Антощук С.Г., Щербакова Г.Ю. Обработка данных при автоматизации дефектоскопического контроля материалов электронной техники// Технология и конструирование в электронной аппаратуре.- Одесса, 2000. - № 5-6 - С. 45-47.

24. Крылов В.Н., Антощук С.Г., Давыдов В.О. Гибридная линейно-ранговая фильтрация сигналов и изображений. //Труды Одес. политехн. ун-та. - Одесса, 2000. - Вып.3 (12)- С. 140-142

25. Абакумов В.Г., Крылов В.Н., Антощук С.Г. Поиск характерных фрагментов при распознавании объектов с помощью моделей зрительного анализатора //Электроника и связь. - Киев,2001. - №10 - С.73-75.

26. Антощук С.Г, Крылов В.Н., Максимов М.В. Специализированный телевизионно-вычислительный комплекс для идентификации надписей на объектах перегрузки АЭС .//Труды Украинского научно-исследовательского института радио и телевидения. - Одесса, 2001. - №3 (27) - С.95-98.

27. Крылов В.Н. Оценка функции пространственного маскирования. - Придніпровський науковий вісник, Машинобудування та технічні науки, 1997,N° 14(81). - с.1-4.

28. Крылов В.Н. Помехоустойчивое распознавание в системах экологического мониторинга. - Придніпровський науковий вісник, Машинобудування та технічні науки, 1997,N° 14(81). - с.4-8.

29. Крылов В.Н. Моделирование зрительного анализатора в системах обработи изображений. - Придніпровський науковий вісник, Машинобудування та технічні науки, 1997,N° 14(81). - с.10-14.

30. Крылов В.Н. Антощук С.Г. Определение границ и площади загрязнений водной поверхности. //Труды Одес. политехн. ун-та. - Одесса, вып.2,1997.

31. Антощук С.Г, Крылов В.Н., Максимов М.В. Помехоустойчивая сегментация бинаризованных изображений символов//Труды Одес. политехн. ун-та. - Одесса, 1998. - Вып.2. - С. 111-114.

32. Крылов В.Н., Щербакова Г.Ю., Максимов М.В. Помехоустойчивая классификация бинаризованных изображений символов//Труды Одес. политехн. ун-та. - Одесса, 1998. - Вып.2. - С.108-111.

33. Крылов В.Н. Анализ и распознавание пространственных объектов на полутоновом ахроматическом изображении. //Тез. докл. Всесоюз. конф. по искусственному интеллекту, Переславль-Залесский, 1988. - С. 46-49.

34. Крылов В.Н. Устранение избыточности видеоинформации при распознавании изображений объектов. // Тез. докл. Х Всесоюз. симп. по проблеме избыточности в информационных системах. -Ленинград, 1989. - С. 23-24.

35. Антощук С.Г., Крилов В.М., Максимов М.В. Оброблення та розпізнавання маркировки на зображеннях тепловиділяючих збірок//Труди Четвертої Всеукраїнської міжнародної конференції “Оброблення сигналів і розпізнавання образів” УкрОбраз-98. - Київ, 1998. - С.191-194.

36. Абакумов В.Г., Крылов В.Н., Антощук С.Г. Автоматизированное раcпознавание при обработке биомедицинских изображений //Электроника и связь. - Киев,2002. - №15 - С.124-127

Анотація

Крилов В.Н. Структурно статистична ідентифікація геометричних обєктів та текстур в автоматизованих системах управління та переробки інформації. - Рукопис.

Дисертація на здобуття вченого ступеню доктора технічних наук по спеціальності 05.13.06-Автоматизовані системи управління і прогресивні інформаційні технології, Одеса, 2002.

Дисертація присвячена розробці методів підвищення ефективності автоматизованих систем переробки і розпізнавання зображень. Розроблені методи виділення і аналізу контурів, розпізнавання об'єктів і текстур, використання властивостей і моделей зорового аналізатора для підвищення ефективності ЦВК. На базі розроблених методів створені проблемно - орієнтовані системи екологічного моніторингу водної поверхні і автоматичного розпізнавання маркування тепловиділяючих збірок.

Ключові слова: ідентифікація, модель зорового аналізатора, контур, характерні точки, рангова обробка, геометричні моменти-ознаки, розпізнавання образів

Krylov V.N. Structural stochastic identification of geometrical objects and textures for automatizated control systems and information processing. - Manuscript.

The dissertation seeking a scientific degree of the doctor of technical science in specialty - Automatizated control systems and progressive informational technologies. - Odessa National Polytechnic University, Odessa, 2002

The dissertation is devoted to development the theory of geometrical objects and textures. The methods of edge detection, stochastic solutions and estimations domain rank processing, contour analysis and geometrical objects and textures signs calculation are proposed.

Key words: identification, edge detection, contour analysis, rank processing, pattern recognition, psycho visual model, geometrical signs, texture, inflection points

Крылов В.Н. Структурно-статистическая идентификация геометрических объектов и текстур в автоматизированных системах управления и переработки информации. - Рукопись.

Диссертация на соискание ученой степени доктора технических наук по специальности 05.13.06-Автоматизированные системы управления и прогрессивные информационные технологии, Одесса, 2002.

На современном этапе качественный рост средств вычислительной техники и снижение их стоимости определили расширение области применения двумерных полей данных (цифровых изображений) в различных автоматизированных системах управления и переработки информации. Применение такого представления информации позволяет решать как традиционные задачи на качественно более высоком уровне, так и принципиально новые задачи. Такой принципиально новой задачей, решаемой автоматизированными цифровыми видео комплексами (ЦВК) обработки и распознавания изображений, является автоматическое или автоматизированное распознавание изображений объектов и текстур. Основным фактором, ограничивающим область применения ЦВК, является недостаточная эффективность. Эффективность ЦВК определяется их быстродействием, помехоустойчивостью, разрешающей способностью и стоимостью. Повышение эффективности может быть достигнуто путем совершенствования аппаратной части и путем создания более совершенных методов обработки изображений. Первое направление включает в себя создание сканирующих устройств (СУ) с низким уровнем шумов и высокой разрешающей способностью, обеспечение равномерной освещенности объекта и использование в ЦВК высокопроизводительных вычислительных комплексов. Это направление предполагает значительное повышение стоимости ЦВК. В ряде случаев СУ с требуемыми характеристиками еще не созданы или не могут быть созданы принципиально. Поэтому предпочтительней второе направление, позволяющее достигнуть требуемой эффективности без существенного повышения стоимости.

В диссертационной работе разработаны теоретические основы структурно- статистических методов идентификации, позволяющих производить анализ структуры объектов и текстур при высоком уровне мультипликативных, аддитивных и импульсных помех, повысить эффективность автоматизированных цифровых видео комплексов (ЦВК) переработки и распознавания изображений. В результате расширяется область применения ЦВК, повышается их эффективность (повышается помехоустойчивость, быстродействие и разрешающая способность, снижается стоимость).

В рамках данной теории разработаны:

метод групповой согласованной фильтрации в пространстве пофрагментного преобразования Гильберта, позволяющий существенно повысить помехоустойчивость и быстродействие операций выделения контуров и бинаризации изображений;

метод ранговой обработки в пространстве оценок и решений, позволяющий снижать уровень флюктуационной помехи. Традиционная ранговая обработка является средством уменьшения уровня импульсных помех.

метод оценки признаков формы объектов по их геометрическим моментам-признакам, основанный на информации о координатах точек перегиба контуров (характерных точек), позволяющий существенно сократить объем обрабатываемой информации при распознавании и, следовательно, повысить их быстродействие. Существующие методы используют информацию обо всем контуре.

исследованы переходные характеристики моделей зрительного анализатора (ЗА) на базе двумерных интегро-степенных рядов Вольтерра-Винера. Результаты исследований позволяют полнее использовать свойства ЗА при сжатии, кодировании, оценке качества и разрешающей способности изображений и, вследствие этого, обрабатывать малоконтрастные и сильно зашумленные изображения.

Полученные результаты в совокупности решают важную научную проблему - радикальное повышение эффективности автоматизированных систем переработки и распознавания изображений и являются новыми разработками в области автоматизированных систем управления и прогрессивных информационных технологий, которые обеспечивают решение ряда важных народнохозяйственных задач, в частности автоматизированного экологического мониторинга водной поверхности и автоматизированного контроля маркировочных надписей на тепловыделяющих сборках на АЭС.

Ключевые слова: модель зрительного анализатора, контур, характерные точки, ранговая обработка, геометрические моменты-признаки, распознавание образов.

Размещено на Allbest.ru