Алгоритмы оценивания локальных параметров моделей с сохранением неоднородностей в задачах анализа сигналов и изображений
Диссертация
Для разрешения этого противоречия был разработан метод оценивания параметров модели анализируемого сигнала или изображения на основе принципа динамического программирования для случая, когда целевая функция является суммой функций трех упорядоченных аргументов. Критерий такого типа называется ленточно-сепарабельным, а в работе предложена процедура оптимизации подобных критериев, именуемая… Читать ещё >
Список литературы
- Носко В.П. Эконометрика: Введение в регрессионный анализ временных рядов. Электронный ресурс. Москва. — 2002. — 254 с.
- Прэтт У. Цифровая обработка изображений. Текст. В 2 т., т.2 / Прэтт У.-М.: Мир. 1982.
- Kiiveri Н.Т., Campbell N.A. Allocation of remotely sensed data using Markov models for spectral variables and pixel labels. Technical report. Perth: Division of Mathematics & Statistics, CSIRO, 1986.
- Ripley B.D. Statistics, images and pattern recognition (with discussion). Canad. J. Statist., 1986, 14, pp. 83−111.
- Paar, and W. Polzleitner, «Robust disparaty estimation in terrain modeling for spacecraft navigation», Proceedings of the 11th International Conference on Pattern Recognition. International Association for Pattern Recognition, 1992.
- M.J. Hannah, «A system for digital stereo image matching», Photogrammetric Engineering & Remote Sensing, Vol. 55, № 12, pp. 17 651 770, December, 1989.
- Kittler J., Fuglein J. Contextual classification of multispectral pixel data. Image Vision Comput., 1984, 2, 13−29.
- J.J. Rodriguez, and J.K. Aggraval, «Matching aerial images to 3-D terrain maps», IEEE Transactions on Pattern Analysis and Machine Intelligens, Vol. 12, № 12, Desember, 1990, pp. 1138−1149.
- T.C. Pong, R.M. Haralick, and L.G. Shapiro, «Matching topographic structures in stereo vision», Pattern Recognition Letters, Vol. 9, February, 1989, pp. 127−136.
- Sage, and J.T. Melse, Estimation Theory and Application to Communication and Control, McGraw Hill, N.Y., 1972.
- Катыс Г. П. Оптические информационные системы роботов-манипуляторов. М.: Машиностроение, 1977, 272 с.
- Гиммельфарб Г. Л., Залесный А. В. Цифровая обработка изображений, представляемых моделями марковских случайных полей. Киев,
- Балакришнан А. Теория фильтрации Калмана: Пер. с англ. М.: Мир, 1988. 168 с., ил.
- Terzopoulos D., Multilevel Computation Processes for Visual Surfase Reconstruction, Computer Vision, Graphics and Image Processing, 24, No. 1, 52−96 (1983).
- Mottl V.V., Blinov А.В., Kopylov A.V., Zheltov S.U. Quasi-statistical approach to the problem of stereo image matching. // SPIE Proceedings, 1994, Vol. 2363, pp. 50−61.
- Mottl V.V., Blinov А.В., Kopylov A.V., Zheltov S.U. Processing stereoscopic images on the basis of random field interpolation. 5th International Workshop on Digital Image Processing and Computer Optic «Image Processing and Computer Optic»
- Mottl V.V., Kopylov A.V. Algorithms of image matching for raster disturbances. // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1996, Vol. 6, № 1, P. 164−167
- Mottl V.V., Kopylov A.V. Algorithms for matching images with raster distortions. // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1996, Vol. 6, № 4. P. 697−703
- Mottl V.V., Kopylov A.V., Kostin A.A. Edge-preserving in generalized smoothing of signals and images. // Proceedings of the 14th International Conference on Pattern Recognition. Brisbane, Australia, August 16−20, 1998. Volume II, pp. 1579−1581.
- Моттль В.В., Двоенко С. Д., Блинов А. Б., Копылов А. В. Случайные марковские поля с древовидной структурой в задачах анализа массивов упорядоченных данных. Известия Тульского государственого университета, серия «Вычислительная техника. Автоматика.
- Управление.» Том 2., выпуск 3 «Управление». : — Тульский государственный университет, 2000 г. стр. 109 -121.
- Копылов А.В., Ермаков А. С., Киттлер Дж., Моттль В. В. Измерение сходства фотопортретов для безпризнаковой идентификации личности. Доклады 10-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-Ю), Москва, 2001, с. 221−225.
- Mottl V., Blinov A., Kopylov A., Zabusky N., Muchnik I. Variational approach to the evaluation of motion of coherent structures in fluid dynamic massive data sets. Pattern Recognition and Image Analysis, Vol. 11, 2001, No.3, pp. 583−596.
- Harry М. Markowitz, Portfolio Selection, Journal of Finance, — 7, no. 1 (March 1952), pp. 77−91.
- Уильям Ф. Шарп, Гордон Дж. Александер, Джеффри В. Бейли, Инвестиции: Пер. с англ. М.: ИНФРА-М, 2003.
- Krasotkina O.V., Mottl V.V., Kopylov A.V. Algorithms of Estimation of Nonstationary Regression in Signal Analysis. Pattern Recognition and Image Analysis, Vol. 13, No. 1,2003, pp. 127−131.
- Ermakov A. S., Kostin A. A., Kopylov A. V., Mottl V. V., Kittler J. Elastic kernel functions for image recognition. Pattern Recognition and Image Analysis, Vol. 13, No. 1, 2003, pp. 98−100.
- A.V. Kopylov, D.A. Dmitriev, V.V. Mottl Algorithms of Approximate Pairwise Separable Optimization for Image Processing. Pattern Recognition and Image Analysis, Vol. 1.3, № 1, 2003, pp. 90−94.
- Bellman Functions on Trees for Segmentation, Generalized Smoothing, Matching and MultiAlignment in Massive Data Sets. DIMACS Technical Report 8−15. / Rutgers University, USA. 1998. — P.63
- Джонс Т. Программирование искусственного интеллекта в приложениях. Пер. с англ. Осипов А. И. М.:ДМК-Пресс. — 2004. -С.245
- Пожуева И. С. Эволюционная оптимизация многомерных функций / И. С. Пожуева, С. А. Субботин, А. А. Олейник // HoBi матер! али i технологи в металургн та машинобудувамнi. 2006. — № 1. — С. 70−72.
- Розанов Ю.А. Теория вероятностей, случайные процессы и математическая статистика. / Розанов Ю. А. М.: Наука. — 1989. — С. 495
- Журавель И.М. Краткий курс теории обработки изображений. / Электронный ресурс. / Консультационный центр MATLAB / http://matlab.exponenta.ru/.
- Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. 1072 с.
- Сойфер В.А., Гашников М. В., Глумов Н. И. и др. Методы компьютерной обработки изображений. М.: Физ- матлит, 2001. 784 с.
- Власенко В.А., Лаппа Ю. М., Ярославский Л. П. Методы синтеза быстрых алгоритмов свертки и спектрального анализа. М.: Наука, 1990.- 180 с.
- Цифровая обработка изображений в среде MATLAB Комплект. / Р. Гонсалес, Р. Вудс, С. Эддинс — пер. с англ. В. В. Чепыжова. М.: Техносфера, 2006. — 615 с.
- Winkler G. Noise Reduction in Images: Some Recent Edge-Preserving Methods. / Technical report. Institute of Biomathematics and Biometrics GSF, Germany. 1998. — P. 68.
- A. Gotchev, Finland K. Egiazarian, J. Vesma, T. Saramaki. Edge-preserving image resizing using modified B-splines. // Proceedings of the Acoustics, Speech, and Signal Processing, 2001. on IEEE International Conference -Volume 03.-2001.-P. 1865−1868.94
- Geman S., and Geman D. Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Trans, on PAMI, Vol. 6, November 1984, pp. 721−741.
- Robin Pemantle. A survey of random processes with reinforcement Электронный ресурс. I Robin Pemantle. // Probability Surveys. Volume 4.-2007.
- Dron, Lisa. The multiscale veto model: A two-stage analog network for edge detection and image reconstruction / Электронный ресурс, статья. / http://www.springerlink.com/. 2006.
- Sylvain Paris, Pierre Kornprobst, Jack Tumblin, Fredo Durand. A Gentle Introduction to Bilateral Filtering and its Applications / Электронный источник, статья. / http://people.csail.mit.edu/- 2008.
- Li Weibin, Liu Fang, Jiao Licheng, Zhang Shuling, Li Zongling. Improved MLV filter to remove multiplicative noise / Электронный ресурс, статья. / http://www.springerlink.com/. 2006.
- Kopylov. Parametric dynamic programming procedures for edge preserving in signal and image smoothing // Proceedings of the 7th International Conference on Pattern Recognition. and Image Analysis, St. Petersburg October 18−23, 2004. Volume I, pp. 281−284.
- Kopylov A.V. Parametric dynamic programming procedures for edge preserving in signal and image smoothing. Pattern Recognition and Image Analysis, Vol. 15, No. 1, 2005. P. 227−230
- Kopylov A.V. Dynamic programming procedures for image analysis. Proceedings of the Eight IASTED International Conference INTELLIGENT SYSTEMS AND CONTROL, October 31 November 2, 2005, Cambridge, USA.: ACTA Press, pp. 404−409.- 515 p.
- Копылов А.В. Алгоритмы обработки изображений на основе древовидных марковских моделей. Искусственный интеллект. ТТТТТТТ МОНI НАН Украши «Наука i освгга», № 2, 2006, С. 164−168
- Kopylov. Row-wise aggregation of variables in dynamic programming algorithm for image processing. //7th Open German/Russian Workshop on Pattern Recognition and Image Understanding. August 20—23, 2007. Ettlingen, Germany.
- Melnikov P.A., Kopylov A.V. Row-wise aggregation of variables in dynamic programming algorithm for image processing // PRIA-8−2007, 8th International Conference, Yoshkar-Ola, RF, October, 8−13, 2007
- Кориков A.M., Ангелов М. П., Сырямкин В. И. //Корреляционно-экстремальные системы обработки информации и управления. Томск, 1980, № 5, С. 218−229.
- Levine M.D., O’Handley D.A., Yagi G. M. Computer Determination of Depth Maps, Computer Graphics and Image Processing, 2, No. 2, 1973, pp. 131−150.
- Алберт А. Регрессия, псевдоинверсия и рекуррентное оценивание. М.: Наука, 1977.
- Моттль В.В., Мучник И. Б. Сегментация и оценивание параметров случайных полей со скачкообразно изменяющимися свойствами. Статистические проблемы управления, 1988, вып. 83. Вильнюс, Институт математики и кибернетики АН Лит. ССР, с. 252−257.
- Pincus М. A closed form solution of certain programming problems. Oper. Res., 1968, 16, pp. 690−694.
- Pincus M. A Monte-Carlo method for the approximate solution of certain types of constrained optimization problems. Oper. Res., 1970, 18, 12 251 228.
- Kirkpatrick S., Gelatt C.D., Vecchi M.P. Optimization by simulated annealing. Science, 1983, 220, 671−680.,
- Щербина O.A. Методологические аспекты динамического программирования. //Динамические системы. Вып. 22. — 2007. — С. 2136.
- Копылов А.В., Карцева А. С. Оптимизационные критерии и алгоритмы сглаживания сигналов и изображений с сохранением границ. // Искусственный интеллект. 1ПШ1 МОН I НАН Украши «Наука i освгга», № 2, 2006, С. 80−84
- Копылов А.В., Карцева А. С. Сглаживание сигналов и изображений с сохранением границ методом динамического программирования // Известия ТулГУ. Технические науки, вып.З. Тула: Изд-во ТулГУ, 2008, С.211−217.