Помощь в написании студенческих работ
Антистрессовый сервис

Дискретные представления графических изображений для интеллектуальных телекоммуникационных систем

Диссертация: Дискретные представления графических изображений для интеллектуальных телекоммуникационных систем
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Планарный элемент определяется некоторой областью на плоскости, а графические выделение этой области производится с помощью различных графических приемов заполнения этой области — заливок, штриховок, шрафиро-вок, регулярных рисунков и текстур. Линейный элемент определяется некоторой линией на плоскости (трассой позиционирования), а его графический образ представляется линейным условным знаком… Читать ещё >

Дискретные представления графических изображений для интеллектуальных телекоммуникационных систем (реферат, курсовая, диплом, контрольная)

Содержание

  • Список сокращений
  • Глава 1. Представление и кодирование изображений
    • 1. 1. Способы получения и формы представления изображений
    • 1. 2. Интеллектуальные телекоммуникационные системы и когнитивные модели данных
    • 1. 3. Модели и методы представления и кодирования изображений
    • 1. 4. Структурно-цветовой анализ изображений
    • 1. 5. Выводы и постановка цели и задач исследований
  • Глава 2. Геометрические свойства и характеристики графических изображений
    • 2. 1. Пространственный план и графикация изображения
    • 2. 2. Геометрические инварианты двумерных пространственных структур
    • 2. 3. Структурные элементы изображений
    • 2. 4. Пространственная структура изображения
    • 2. 5. Полученные результаты и
  • выводы
  • Глава 3. Редукция структурных элементов изображения на дискретный растр
    • 3. 1. Точечная редукция
    • 3. 2. Линейная редукция
    • 3. 3. Цепные коды
    • 3. 4. Секторные цепные коды
    • 3. 5. Полученные результаты и
  • выводы
  • Глава 4. Распознавание структурных элементов изображения на дискретном растре
    • 4. 1. Квантование значений геометрических атрибутов структурных элементов изображения
    • 4. 2. Секторно-косоугольная система координат
    • 4. 3. Нормализованные оценки геометрических характеристик редуцированных на растр структурных элементов изображения
    • 4. 4. Распознавание редуцированных на растр структурных элементов
    • 4. 5. Полученные результаты и
  • выводы
  • Глава 5. Графическая информация в интеллектуальных телекоммуникационных системах
    • 5. 1. Алгоритмы, программное обеспечение и технология обработки графической информации
    • 5. 2. Сжатие графической информации
    • 5. 3. Экспериментальные данные и результаты
    • 5. 4. Полученные результаты и
  • выводы

Актуальность темы

Интенсивный прогресс в области развития систем телекоммуникации резко расширил возможности передачи, получения, хранения и обработки информации в самых различных формах ее представления. Вместе с тем, при этом обозначились новые проблемы, а в ряде случаев, некоторые старые проблемы приобрели новую окраску. К числу таких проблем относится проблема эффективного представления и кодирования видеоинформации. С одной стороны, передача данных пользователю в виде изображений или графических образов является одной из наиболее удобных для него форм представления информации. С другой стороны, большая информационная емкость изображений существенно ограничивает возможности передачи видеоинформации по каналам связи. Увеличение ресурсов цифровой обработки информации не решает проблему в глобальном плане, т.к. рост потребностей в этой области всегда опережает достигнутые возможности.

Другой аспект проблемы обозначился в связи с возникновением и развитием интеллектуальных телекоммуникационных систем. Необходимым стало не только передать информацию пользователю в наглядной и образной форме, но и обеспечить такое ее представление, которое позволило бы автоматически анализировать содержание этой информации с помощью современных компьютерных технологий и при этом сразу и непосредственно использовать результаты анализа при решении различных практических задач. Это вызывает потребность разработки когнитивных моделей данных для представления изображений с целью их использования в телекоммуникационных системах.

Разработке эффективных моделей изображений, методов их обработки и кодирования уделено большое внимание в работах отечественных и зарубежных ученых: Журавлева Ю. И., Лебедева Д. С., Ярославского Л. П., Ковалевского.

В.А., Васина Ю. Г., Бонгарда М. М., Файна B.C., Цуккермана И. И., Мучника И. Б., Розенфельда А., Прэтта У., Фу К., Стокхэма Т., Марра Д., Харалика P.M., Павлидиса Т., Нарасимхана Р. и др.

Однако достигнутые в настоящее время результаты не решают в полной мере проблему эффективного представления изображений в силу указанных выше причин. Это делает задачу поиска такого эффективного представления для использования в ИТКС актуальной. Один из путей ее решения может быть основан на анализе дискретных представлений структуры изображений, как наиболее отвечающих цифровым средствам и методам обработки информации. Формирование когнитивных моделей данных на основе анализа и синтеза дискретных представлений изображений может повысить эффективность передачи и использования видеоинформации в ИТКС.

Целью работы является разработка эффективных дискретных представлений и методов кодирования графических изображений для интеллектуальных телекоммуникационных систем, применение которых качественно повышает возможности передачи и использования видеоинформации.

Для достижения поставленной цели в работе решаются следующие задачи:

— определение свойств и характеристик графических изображений, учитывающих пространственный план их построения, степень подобия изображаемым объектам, цветотоновые шкалы и возможные искажения, и установление степени их адекватности когнитивным моделям данных в интеллектуальных телекоммуникационных системах;

— разработка методики структурно-цветового анализа изображений, обеспечивающей высокую достоверность результатов предварительной обработки изображений при локализации и оценке их структурных элементов;

— построение способа объективного выделения структурных элементов графических изображений и формирования полного и точного описания их пространственной структуры;

— построение корректных неискажающих схем редукции структурных элементов изображений на дискретный растр и представление их дифференциальными и секторными цепными кодами;

— получение нормализованных оценок геометрических характеристик ре.

Аудированных на растр структурных элементов изображений, соответствующих дискретно-планиметрическим условиям корректности операторов редукции;

— разработка метода распознавания и оценки геометрических атрибутов редуцированных на растр структурных элементов изображений;

— создание программного обеспечения средств анализа и синтеза дискретных представлений и методов кодирования графических изображений;

— проведение экспериментальных исследований разработанных средств и методов для оценки их эффективности и возможностей использования в интеллектуальных телекоммуникационных системах.

Объектом исследования являются: графические изображения, их свойства и характеристики, способы их получения, формы представления и кодирования, их когнитивные модели и дискретные представления этих моделейадаптивное цветотоновое и центроидное преобразования изображенийинтеллектуальные телекоммуникационные системы.

Предметом исследования являются: методы моделирования, анализа, синтеза и кодирования графических изображенийструктурно-цветовой анализ изображенийоператоры редукции изображений на дискретный растр и их кодирование на основе цепных кодовметоды распознавания структурных элементов изображенийпрограммные средства обработки графических изображенийтехнологии обработки графической информации в интеллектуальных телекоммуникационных системах.

Методы исследования. В работе применялись теоретические и экспериментальные методы исследования.

Теоретические исследования основаны на использовании функционального анализа, геометрии подобий и дискретной планиметрии, методов машинной графики, методов обработки, анализа и кодирования изображений, методов распознавания образов.

В экспериментальных исследованиях разработанных моделей и алгоритмов использовались методы моделирования пространственных структур, основы цифровой обработки изображений, системного программирования, цифровые методы кодирования и передачи информации.

Достоверность изложенных положений работы подтверждается результатами практического применения разработанных программных средств, методики и технологии обработки графической информации, научными трудами и апробациями созданного научно-технического продукта на представительных научных форумах. Достоверность и обоснованность полученных в работе результатов и выводов подтверждается при их сравнительном анализе с известными результатами современных исследований и разработок.

Теоретические положения, установленные в работе, обосновываются адекватностью выбора исходных посылок и последовательным применением аппарата математических выводов для получения аналитических выражений.

Достоверность экспериментальных результатов обеспечена их хорошей согласованностью с теоретическими выводами, выбором корректных критериев при построении алгоритмов обработки информации, а также хорошей воспроизводимостью экспериментальных данных.

На защиту выносятся результаты разработки моделей дискретных представлений и методов кодирования графических изображений, а также создания программных средств анализа и синтеза дискретных представлений и кодирования графических изображений в интеллектуальных телекоммуникационных системах, в том числе:

— анализ свойств и характеристик графических изображений и возможностей построения их когнитивных моделей для интеллектуальных телекоммуникационных систем;

— методика структурно-цветового анализа изображений, обеспечивающая высокую достоверность результатов предварительной обработки изображений с целью локализации и оценки их структурных элементов и высокую степень сжатия видеоданных;

— способ объективного выделения структурных элементов графических изображений и формирования полного и точного описания их пространственной структуры;

— корректные неискажающие схемы редукции структурных элементов изображений на дискретный растр и представления их дифференциальными и секторными цепными кодами;

— нормализованные оценки геометрических характеристик редуцированных на растр структурных элементов изображений;

— метод распознавания и оценки геометрических атрибутов редуцированных на растр структурных элементов изображений;

— создание программного обеспечения средств анализа и синтеза дискретных представлений и методов кодирования графических изображений;

— результаты экспериментальных исследований разработанных средств и методов с целью оценки их эффективности и возможностей использования в интеллектуальных телекоммуникационных системах.

Научная новизна полученных результатов определяется впервые проведенными исследованиями, в результате которых разработаны модели дискретных представлений и основанные на них методы кодирования графических изображений, а также созданы программные средства анализа и синтеза дискретных представлений и кодирования графических изображений, что вносит существенный вклад в решение задач создания интеллектуальных телекоммуникационных систем, в ходе которых:

— определены свойства и характеристики графических изображений — пространственный план их построения, степень подобия изображаемым объектам, цветотоновая шкала и возможные искажения, и установлена их адекватность когнитивным моделям данных в интеллектуальных телекоммуникационных системах;

— разработана методика структурноцветового анализа изображений на основе их адаптивного цветотонового и центроидного преобразований, обеспечивающая высокую достоверность локализации и оценки их структурных элементов и высокую степень сжатия видеоданных;

— предложен способ объективного выделения структурных элементов графических изображений и формирования полного и точного описания их пространственной структуры, основанный на анализе геометрических инвариантов двумерных пространственных структур относительно группы преобразований нерефлексных подобий и ее подгрупп;

— построены корректные неискажающие операторы редукции структурных элементов изображений на дискретный растр и установлена возможность представления результатов редукции дифференциальными и секторными цепными кодами.

— выведены нормализованные оценки геометрических характеристик редуцированных на растр структурных элементов изображений, соответствующие дискретно-планиметрическим условиям корректности операторов редукции;

— разработан метод распознавания и оценки геометрических атрибутов редуцированных на растр структурных элементов изображений, построенный на основе нормализованных оценок их геометрических характеристик;

— предложена и обоснована технологическая схема обработки графической информации, реализованная при выполнении экспериментальных исследований, результаты которых позволили определить условия эффективности и возможностей использования разработанных средств и методов в интеллектуальных системах телекоммуникаций.

Практическая ценность работы заключается в применении новых эффективных представлений и методов кодирования графических изображений.

Разработано и отлажено программное обеспечение, реализующее алгоритмы анализа и синтеза дискретных представлений и методов кодирования графических изображений для интеллектуальных телекоммуникационных систем.

Разработанный программный комплекс обеспечивает как автономное функционирование программ, так и работу их в интегрированном варианте под управлением интерпретатора CGI. Поддерживаются форматы данных растрового изображения, цепных кодов и структурных описаний изображения. Функционирование программного комплекса реализует разработанную технологию обработки графической информации для телекоммуникационных систем.

Проведен анализ возможностей и получены оценки эффективности разработанных средств и методов представления и кодирования графической информации. Установлено, что разработанные модели дискретных представлений графических изображений и методы их кодирования позволяют добиться высокой степени сжатия видеоданных, высокой производительности процедур кодирования и декодирования, и обеспечивают возможность прямого и непосредственного использования данных в их когнитивной форме.

Реализация и внедрение работы. Полученные результаты использованы и апробированы для опытно-производственной эксплуатации системы обработки графической информации в Тульском филиале ОАО «ЦентрТелеком».

Созданные программные средства обработки графической информации позволили повысить эффективность функционирования цифровых каналов связи телекоммуникационных систем при передаче этой информации, обеспечили сокращение объемов памяти для цифрового представления графических изображений и увеличение скорости передачи информации.

Апробация работы. Результаты работы докладывались на российских и международных научно-технических конференциях и конгрессах: Международном Самарском симпозиуме телекоммуникаций для руководящих работников отрасли связи (1996; 2004) — LI Научной сессии, посвященной Дню Радио (Москва, 1996) — LII Научной сессии, посвященной Дню Радио (Москва, 1997) — Международной конференции Internation Conference «Intelligent Networks Services and Standards» (Москва, 1999) — Международной конференции Internation Conference «Intelligent Networks 2000: Services and Problems of Convergence» (Москва 2000) — The 5th International congress on mathematical modelling (Dubna, 2002) — XXXI Международной конференции «Информационные технологии в науке, образовании, телекоммуникациях и бизнесе» (Украина, Крым, Ялта — Гурзуф, 2004) — Международном симпозиуме «Надежность и качество» (Пенза, 2004) — VI Международном конгрессе по математическому моделированию (Нижний Новгород, 2004) — XXXI Международной конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта — Гурзуф, 2004) — V Международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций» (Самара, 2004).

Публикации. Основные научные результаты по теме диссертации опубликованы в 22 научных работах, в том числе: 3 монографии (250с., 272с. и 266с.), 4 статьи в научно-технических журналах и сборниках- 15 тезисов докладов на научно-технических конференциях.

Объем и структура диссертационной работы. Диссертация содержит введение, 5 глав и заключение, изложенные на 138 с. машинописного текста. В работу включены 43 рис., 14 табл., список литературы из 138 наименований и приложение, в котором представлен акт об использовании результатов работы.

1.5. Выводы и постановка цели и задач исследований.

1. На основе анализа свойств и характеристик графических изображений, способов их получения и форм представления определены пространственный план их построения, степень подобия изображаемым объектам (реалистически, геометрически и топологически подобные), дискретная цветотоновая шкала и возможные искажения (искажения цветотоновой шкалы, пространственно-частотные искажения, помехи и шумы).

2. Установлена возможность построения когнитивных моделей данных графических изображений в интеллектуальных телекоммуникационных системах, применение которых позволит повысить пропускную способность каналов связи по отношению к количеству передаваемых за единицу времени информационных единиц (изображений) и обеспечить возможность прямого и непосредственного использования изображений за счет анализа их структуры в различных информационных системах при решении практических задач.

3. Разработана методика структурно-цветового анализа изображений на основе их адаптивного цветотонового и центроидного преобразований, обеспечивающая высокую достоверность предварительной обработки изображений с целью локализации и оценки их структурных элементов и высокую степень сжатия видеоданных. Методика предполагает обработку изображения фильтром, кластеризующим значения цветовых компонент, выделение кластеров этих компонент, распознавание цвета пикселов изображения по выделенным кластерам, формирование слоев (стратификацию) изображения, соответствующих выделенным кластерам и распознавание в этих слоях структурных элементов изображения с помощью центроидного преобразования.

4. Сформулирована и обоснована постановка задачи объективного выделения структурных элементов графических изображений и формирования полного и точного описания их пространственной структуры.

Глава 2. ГЕОМЕТРИЧЕСКИЕ СВОЙСТВА И ХАРАКТЕРИСТИКИ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ.

Ниже рассматривается пространственная структура графических изображений в непрерывной форме. При этом выделяется чисто пространственная компонента структуры — план построения изображения, и привязанная к ней графическая компонента. План изображения представляет собой рисунок из точек и линий. Точки имеют смысл компактных элементов структуры, либо узловлинии — линейных элементов, либо границобласти, ограниченные линиями — планарных элементов, либо фона. Для смыслового различения элементов им присваиваются коды. Изображения формируется в результате процесса гра-фикации — присвоения кодам элементов графических параметров.

Структурные элементы изображений и их взаимосвязи выделяются на основе анализа инвариантов двумерных пространственных структур относительно группы преобразований нерефлексных подобий, определяющей все их геометрические свойства, характеристики и отношения. Рассматриваются также инварианты относительно всех подгрупп группы подобий. Получаемое в результате структурное описание изображения является полным и точным и проявляет когнитивный характер в том смысле, что обеспечивает возможность «понимания» системами автоматической обработки информации пространственного плана построения изображения — определимости кодового значения, местоположения, размеров, формы и других геометрических характеристик, а также взаимосвязей пространственных объектов и их структурных элементов.

2.1. Пространственный план и графикация изображения.

Как было отмечено в разд. 1.1, существенные отличия между различными типами изображений возникают при различных способах их формирования. Одним из таких способов является графический способ, состоящий в том, что на плоскость изображения наносятся его структурные элементы в соответствии с некоторым априорно определенным планом построения изображения. В результате формируются искусственно созданные графические изображения, содержащие в той или иной мере стилизованные изображения соответствующих объектов и отражающие взаимосвязи этих объектов. Поскольку носителем изображения является плоскость — евклидово пространство размерности 2, то план построения изображения имеет пространственный характер.

Ввиду того, что каждый структурный элемент изображения характеризуется своим местоположением на плоскости, то совокупность точек плоскости, определяющая его местоположение, будет являться многообразием [2,35]. Такие многообразия могут иметь размерность 2, 1 и 0. Соответственно, определяются планарные, линейные и компактные структурные элементы изображения.

Планарный элемент определяется некоторой областью на плоскости, а графические выделение этой области производится с помощью различных графических приемов заполнения этой области — заливок, штриховок, шрафиро-вок, регулярных рисунков и текстур [9,82,89]. Линейный элемент определяется некоторой линией на плоскости (трассой позиционирования), а его графический образ представляется линейным условным знаком с условно выраженным поперечным размером, возможно с поперечной и продольной структурой (стилем), осевая линия которого совмещается с трассой позиционирования [9, 82, 89]. Компактный элемент определяется некоторой точкой на плоскости (точкой позиционирования), а его изображение представляет собой графический знак (символ, пиктограмма) с выделенной точкой привязки, совмещаемой с точкой позиционирования [9,82,89].

Таким образом, ГИ образуется совокупностью планарных, линейных и компактных элементов различного вида, размещаемых на плоскости в поле изображения. Различение видов этих элементов визуально производится за счет различения их графических форм. При этом, следует заметить, что сами эти формы могут быть подвергнуты замене, что никак не отражается на пространственных (геометрико-топологических) свойствах и характеристиках изображения. Таким образом, графические формы сами по себе не являются определяющими для пространственной структуры изображений, но являются необходимыми для обеспечения зрительного интерфейса человека, воспринимающего ГИ. Поэтому, следует различать чисто пространственную компоненту изображения и связанную с ней графическую компоненту.

Более строго, для различения видов элементов им необходимо присвоить коды. Тогда пространственная компонента изображения представляет собой функцию, которая для каждой точки плоскости определяет значение кода структурного элемента в этой точке. Ясно, что при этом совокупность точек, определяющих планарный элемент определенного вида, будет представлять собой область, все точки которой имеют код этого элемента. Линейный элемент в этом случае определяется совокупностью точек с кодом этого элемента, образующую линию (трассу позиционирования) на плоскости, а компактный элемент — изолированной точкой (точкой позиционирования) с кодом этого элемента.

Исходя из анализа векторных моделей структуры изображений (разд. 1.3), нетрудно сделать вывод о том, что геометрическое воспроизведение пространственной компоненты структуры изображения может быть представлено рисунком, состоящим из линий и точек. При этом, линиям может быть приписан код размещаемого на них линейного элемента, либо эти линии являются границами, разделяющими планарные элементы. Соответственно, точкам может быть приписан код позиционируемого на них компактного элемента, либо эти точки являются узлами, разделяющими линейные элементы или границы, либо сегменты этих линейных элементов или границ. Планарные элементы на таком рисунке будут полностью определяться совокупностью всех сегментов их границпри этом часть сегментов может совпадать с некоторыми линейными элементами. С учетом высказанного выше замечания, графикатор может быть подвергнут замене в тех или иных целях для изменения характера визуального восприятия ГИ.

Для получения ГИ, описанный выше рисунок необходимо графицировать, т. е. определить графические параметры изображения каждого вида элементов. Графикация естественным образом определяется с помощью графикатора — таблицы, ставящей в соответствие каждому коду вида элемента структуры определенные графические параметры его изображения. Графикатор, по существу, представляет собой систему условных знаков, принятую в данной предметной области. ц ц с,.

С2.

Рис. 2.1. Пространственный план и графикация ГИ.

Пространственный план построения ГИ и результат его графикации с использованием определенного графикатора показаны на рис. 2.1. — и а) план б) графикация.

2.2. Геометрические инварианты двумерных пространственных структур

Согласно современным представления, развитым в геометрии, существует множество различных геометрий и топологий, каждая из которых определяется некоторой группой преобразований пространства (в двумерном случаеплоскости) [2,35]. При этом, предметом рассмотрения каждой такой геометрии или топологии являются свойства, характеристики и отношения подмножеств пространства, инвариантные относительно этой группы преобразований. Так, обычная геометрия плоскости (планиметрия) определяется группой преобразований подобия, которые представляют собой комбинации сдвигов (трансляций), поворотов (ротаций) и масштабных преобразований (гомотетий) плоскости [2]. Существуют также геометрии более жесткого типа, такие как геометрии наложений, движений, отражений и т. д., определяемые подгруппами группы подобий [2].

Таким образом, для определения геометрических свойств и характеристик ГИ необходимо рассмотреть группу преобразований подобия и различные подгруппы этой группы. Подобный подход был успешно применен к задачам обработки графической информации в работах [30,56,62,65]-при этом рассматривались не только геометрические, но и топологические свойства и характеристики, однако была принята линейная структура семейства групп геометрических преобразований. Как будет видно из дальнейшего, эта структура имеет более сложный характер.

Сразу же следует заметить, что группу преобразований подобия необходимо ограничить, исключив из нее зеркальные отражения [2]. Это обусловлено тем, что сдвиг, поворот и масштабирование двумерной структуры сами по себе не приводят к получению ее зеркальной копии. Поэтому, для различения левосторонних и правосторонних структур необходимо рассматривать только нерефлексные (неотражающие) преобразования подобия [2].

Преобразования различных подгрупп группы нерефлексных подобий приведены в табл. 2.1. Каждое преобразование взаимно однозначно отображает точку плоскости (х, у) в ее образ что означает также существование обратного преобразования, отображающего (х*, у*) в [2,35].

В таблице даны названия групп преобразований, обозначения преобразований и групп преобразований, аналитические выражения этих преобразований и аналитические выражения для тех групп, которые являются прямыми произведениями образующих их подгруппдля последних в явном виде записаны соответствующие прямые произведения.

Простейшая подгруппа 01 состоит из единственного элемента — тождественного преобразования И, не зависящего от параметров. Далее следуют три простых группы параметризованных преобразований:

ЗАКЛЮЧЕНИЕ

.

В ходе выполнения настоящей работы получены следующие основные выводы и результаты.

1. На основе анализа свойств и характеристик графических изображений, способов их получения и форм представления определены пространственный план их построения, степень подобия изображаемым объектам (реалистически, геометрически и топологически подобные), дискретная цветотоновая шкала и возможные искажения (искажения цветотоновой шкалы, пространственно-частотные искажения, помехи и шумы), и установлена возможность построения их когнитивных моделей данных в интеллектуальных телекоммуникационных системах.

2. Разработана методика структурно-цветового анализа изображений на основе их адаптивного цветотонового и центроидного преобразований, обеспечивающая высокую достоверность предварительной обработки изображений с целью локализации и оценки их структурных элементов и высокую степень сжатия видеоданных. Методика предполагает обработку изображения фильтром, кластеризующим значения цветовых компонент, выделение кластеров этих компонент, распознавание цвета пикселов изображения по выделенным кластерам, формирование слоев (стратификацию) изображения, соответствующих выделенным кластерам и распознавание в этих слоях структурных элементов изображения с помощью центроидного преобразования.

3. Предложен способ объективного выделения структурных элементов графических изображений и формирования полного и точного описания их пространственной структуры, основанный на анализе геометрических инвариантов двумерных пространственных структур относительно группы преобразований нерефлексных подобий и ее подгрупп. Выделены инварианты структурных элементов изображения (связность, размерность), их взаимосвязей (смежность), геометрические элементы (отрезок, дуга, угол, сегмент переменной кривизны, узел) и их атрибуты (длина, кривизна, координаты). Показано, что описание структуры в форме совокупности взаимосвязанных элементов с приписанными им значениями атрибутов является полным и точным.

4. Построены корректные схемы редукции компактных и линейных структурных элементов изображений на дискретный растр, сводящие до минимума искажающие эффекты дискретизации. При этом установлена взаимосвязь корректных операторов редукции с дифференциальными и секторными цепными кодами линейных структурных элементов изображения, обеспечивающими высокую эффективность их кодирования и возможность использования в когнитивных моделях пространственной структуры изображений.

5. Получены нормализованные оценки геометрических характеристик редуцированных на растр структурных элементов изображений, соответствующие дискретно-планиметрическим условиям корректности операторов редукции. Показано, что для элементов изображений, размещаемых в ближней зоне растра, нормализованные оценки расстояния, направления, величины угла и кривизны, могут быть получены как средневзвешенные значения соответствующих характеристик для локальных переходов по смежным пикселам на растре, что отражает особенности дискретной планиметрии ближней зоны растра.

6. Разработан метод распознавания и оценки геометрических атрибутов редуцированных на растр линейных структурных элементов изображений, построенный на основе нормализованных оценок их геометрических характеристик. Метод основан на использовании трехкомпонентной секторной дискретной системы координат и предполагает вычисления нормализованных оценок характеристик при перемещении текущей точки по цепному коду элемента и контроль значений этих оценок по их размещению в ячейках их дискретизиро-ванных значений.

7. Выполнены экспериментальные исследования разработанных средств и методов, подтвердившие их эффективность и возможности использования в интеллектуальных телекоммуникационных системах. В экспериментах анализировались возможности адаптивного цветотонового и центроидного преобразований изображений для реализации методики структурно-цветового анализа, эффективность процессов синтеза и распознавания изображений, оценивались показатели кодирования и сжатия видеоданных и производительности процедур их обработки.

8. Создано программное обеспечение, реализующее алгоритмы анализа и синтеза дискретных представлений и методов кодирования графических изображений для использования в интеллектуальных телекоммуникационных системах. Разработанные для используемых процедур обработки информации программы построены таким образом, что допускают возможность их использования как в автономном, так и в интегрированном режимах обработки данных.

9. Предложена технологическая схема обработки графической информации, обеспечивающая эффективность использования разработанных средств и методов в интеллектуальных системах телекоммуникаций. Технология обработки данных предполагает выполнение всех необходимых процедур анализа изображений, кодирование и передачу по каналам связи результатов этого анализа и выполнение процедур декодирования, синтеза изображений и их когнитивных моделей данных.

Показать весь текст

Список литературы

  1. О.Д. Язык VRML. — M.: ДИАЛОГ-МИФИ, 2000. — 288с.
  2. Александров А. Д, Нецветаев Н. Ю. Геометрия. М.: Наука, 1990. — 672с.
  3. В.В., Горский Н. Д. Представление и обработка изображений: Рекурсивный подход. Д.: Наука, 1985. — 188 с.
  4. .В., Курганов В. Д., Злобин В. К. Распознавание и цифровая обработка изображений. М.: Высшая школа, 1983. — 295с.
  5. В.М., Шелухин О. И., Афонин М. Ю. Цифровое сжатие видеоинформации и звука. М.: Дашков и К0, 2003.-426с.
  6. П.А., Колмогоров П. С. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника, 1987, № 10. С. 25−46.
  7. П.А., Колмогоров П. С., Варновицкий И. Э. Сегментация изображений: методы пороговой обработки // Зарубежная радиоэлектроника, 1988, № 4. С. 6−24.
  8. A.B., Кривозубов В. П., Балобанов В. Г. Цветовое кодирование черно-белых изображений с помощью персонального компьютера // Ин-фокоммуникационные технологии, Т. 1, № 3, 2003. с.51−56.
  9. A.M. Образ пространства: Карта и информация. М.: Мысль, 1986. — 240с.
  10. Е.А., Островский В. И., Фадеев И. Л. Обработка изображений на ЭВМ. М.: Радио и связь, 1987. — 240с.
  11. Быстрые алгоритмы в цифровой обработке изображений. М.: Радио и связь, 1984. — 224с.
  12. Ю.Г. «Хорошо приспособленные» локальные однородные методы обработки графической информации // Автоматизация обработки сложной графической информации. Горький: ГГУ, 1984. — С. 131−158.
  13. Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. М.: ДИАЛОГ-МИФИ, 2003.-384с.
  14. A.M., Мурынов А. И., Лялин В. Е. Семантически значимая информация в процессах анализа и интерпретации пространственных данных // Вестник ИжГТУ «Программно-аппаратные средства для анализа и обработки сигналов и изображений» Вып. З, 2002. С.28−33.
  15. A.M., Хаба Б. С., Мурынов А. И., Лялин В. Е. Исследование планарных элементов пространственной структуры изображений // Химическая физика и мезоскопия. Т. З, 2001, № 2. С. 134−147.
  16. К.В., Вейцман А. И. Фотографическая структурометрия. М.: Искусство, 1982. — 270с.
  17. В.А., Сергеев В. В., Сойфер В. А. Обработка изображений в автоматизированных системах научных исследований. -М.: Наука, 1982. 214с
  18. Всемирная история. Т. 1. М.: Гос. изд-во полит, лит., 1955. — 748с.
  19. Всеобщая история искусств, (а) Т. I. Искусство древнего мира. М.: Искусство, 1956. — 468с. — (б) Т. VI. Искусство 20 столетия. Кн. 1. — М.: Искусство, 1965.-480с.
  20. А.А., Мурынов А. И., Лялин В. Е. и др. Адаптивное цвето-тоновое преобразование графических изображений // Математическое моделирование и интеллектуальные системы. 2003, № 2. — С. 25−38.
  21. А.Л., Скрипкин В. А. Методы распознавания. М.: Высшая школа, 1977. — 222с.
  22. У. Лекции по теории образов. Т. 1. Синтез образов. М.: Мир, 1979. — 383с. Т.2. Анализ образов. — М.: Мир, 1981. — 448с. Т. З. Регулярные структуры. — М.: Мир, 1983. — 432с.
  23. Т. Теория фотографического процесса. Л.: Химия, 1980. — 672с.
  24. Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. -512с.
  25. Ю.И., Гуревич И. Б. Распознавание образов и анализ изображений // Искусственный интеллект. Кн. 2. Модели и методы. М.: Радио и связь, 1990. — 304с.
  26. Н.В., Мучник И. Б. Модели зрительного восприятия и алгоритмы анализа изображений. М.: Наука, 1974. — 344с.
  27. A.A. Когнитивная компьютерная графика. М.: Наука, 1991. — 192с.
  28. В.П., Батраков A.C. Трехмерная компьютерная графика. М.: Радио и связь, 1995. — 224с.
  29. Интеллектуализация ЭВМ / Е. С. Кузин, А. И. Ройтман, И. Б. Фоминых, Г. К. Хахалин. -М.: Высшая школа, 1989. 159с.
  30. H.H., Флейс М.Э, Яровых В. Б. Проекционные преобразования в геоинформационных системах // ГИС-обозрение, 1995, № 2 (5) (лето-95). С. 23−25.
  31. A.A. Векторно-топологическое представление данных // Мир ПК, 1995, № 12.-С. 3−8.
  32. В.М., Шлезингер М. И. Алгоритм выделения отрезков осевых линий на графических изображениях. Киев: АН УССР. — 1983. — 117с.
  33. Классификация и кластер. М.: Мир, 1980. — 389с.
  34. В.А. Методы оптимальных решений в распознавании изображений. М.: Наука, 1976. — 328с.
  35. А.Н., Фомин C.B. Элементы теории функций и функционального анализа. -М.: Наука, 1981. 544с.
  36. Н.В., Капралов Е. Г. Введение в ГИС. М.: Библион, 1997. — 160с.
  37. Ю.К. Общая геоинформатика. Ч. 1. Теоретическая геоинформатика. Вып. 1. М.: Дата+, 1998. — 119с.
  38. Дж. Компьютерная графика. М.: Энтроп, 1995. — 352с.
  39. Г. Б., Эндрюс Х. С. Сегментация изображения при помощи автоматической классификации // ТИИЭР, т. 67, 1979, № 5. С. 82−97.
  40. A.B., Сорокин А. Д. Форматы и стандарты цифровой пространственной информации // ГИС-обозрение, 1995, № 4 (весна-95). С. 40−45.
  41. A.B., Тикунов B.C. Геоинформатика М.: Картгеоцентр -Геодезиздат, 1993. — 213с.
  42. П.С., Поляков C.B., Якобовский М. В. Визуализация в распределенных вычислительных системах трехмерных расчетов // Труды IV Междунар. конф. по математическому моделированию. М.: Станкин, 2001. — С. 126−133.
  43. И.П. Семантические представления. М.: Наука, 1986. — 295с.
  44. Дж. Когнитивное моделирование // Язык и интеллект. М.: Прогресс, 1996.
  45. О.И., Мечитов А. И., Мошкович Е. М., Фуремс Е. М. Выявление экспертных знаний: Процедуры и реализации. М.: Наука, 1989. — 128с.
  46. Ю.Н., Шибаева И. В. Формирование секторных цепных кодов линейных структурных элементов изображений // Надежность и качество: Труды международного симпозиума. Ч. II / Под. ред. Н. К. Юркова — Пенза: Изд-во Пенз. гос. ун-та, 2004. — С. 470−474.
  47. Ю.Н., Шибаева И. В., Романов М.Л. Использование метода
  48. Барроуза-Уилера для сжатия малоцветных изображений // Информационные технологии в науке, социологии, экономике и бизнесе: Материалы 31 Между-нар. конф. Украина, Крым, Ялта — Гурзуф.: Прилож. к журн. «Открытое образование», 2004.- С.40−41.
  49. М.Н., Хесин А. Я., Янсон Б. А. Автоматизация распознавания телевизионных изображений. М.: Энергия, 1975. — 160с.
  50. .Я. Автоматизация расчета характеристик трафика в сетях ATM // Инфокоммуникационные технологии, Т. 1, № 1, 2003. с.47−53.
  51. .Я., Кузякин М. А., Росляков A.B., Фомичев С. М. Интеллектуальные сети связи. М.: Эко-Тренц, 2000. — 206с.
  52. С.С. О функциональной модели когнитивного процесса // Интеллектуальные системы. Т. 4, 1999, Вып. 3−4. С. 49−82.
  53. Д. Зрение: Информационный подход к изучению представления и обработки зрительных образов. М.: Радио и связь, 1987. — 400с.
  54. М. Графический интерфейс пользователя. М.: Мир, 1996. — 160с.
  55. М. Структура для представления знания // Психология машинного зрения / Под ред. П. Уинстона. М.: Мир, 1978. — С. 249−338.
  56. А.И. Векторизация картографических изображений на основецентроидной фильтрации // Труды Международного форума по проблемам науки, техники и образования. Т. 2. М.: Академия наук о Земле, 2000. — С. 125−127.
  57. А.И. Конфигурационные модели изображений и оценка параметров структурных элементов их деталей // Химическая физика и мезоско-пия. Т.4, 2002, № 1. С. 128−144.
  58. А.И., Вдовин A.M. Анализ пространственной структуры изображений методом центроидной фильтрации // Вестник ИжГТУ «Программно-аппаратные средства для анализа и обработки сигналов и изображений» Вып. З, 2002. С.3−11.
  59. А.И., Вдовин A.M., Лялин В. Е. Оценка геометрико-топологических параметров деталей изображений на основе метода центроидной фильтрации // Химическая физика и мезоскопия. Т.4, 2002, № 2. С. 145−160.
  60. Р. Лингвистический подход к распознаванию образов // Автоматический анализ сложных изображений. М.: Мир, 1969. — С. 22−50.
  61. Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985.-374с.
  62. Обработка изображений и цифровая фильтрация. М.: Мир, 1979. — 318с.
  63. С. Обработка знаний. М.: Мир, 1989. — 293с.
  64. Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986. — 400с.
  65. С.И. Пиксел и вектор. Принципы цифровой графики. -СПб.: БХВ-Петербург, 2002. 496с.
  66. Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. — 288с.
  67. Построение экспертных систем. М.: Мир, 1987. — 441с.
  68. Представление и использование знаний. ML: Мир, 1989. — 220с.
  69. К., Дафф М. Дж. Б., Левьяльди С. и др. Основы клеточной логики с приложениями к обработке изображений // ТИИЭР, т. 67, 1979, № 5. -С. 149−184.
  70. Приобретение знаний. М.: Мир, 1990. — 304с.
  71. У. Цифровая обработка изображений. Кн. 1. — М.: Мир, 1982. -312с. — Кн. 2. — М.: Мир, 1982. — 480с.
  72. А. Распознавание и обработка изображений для цифровых вычислительных машин. М.: Мир, 1972. — 230с.
  73. А., Дейвис J1.C. Сегментация и модели изображения // ТИИЭР, т. 67, 1979, № 5.-С. 71−81.
  74. О. Невозможные фигуры. М.: Стройиздат, 1990. — 120с.
  75. С.С., Самандаров И. Р. Скелетизация бинарных изображений // Зарубежная радиоэлектроника. 1985. — № 11. — С. 30−37.
  76. К.А. Картоведение. М.: Изд-во МГУ, 1982. — 408с.
  77. А.Б. Имитационное моделирование и технология экспертных систем в управлении инфокоммуникационной компанией. М.: Радио и связь, 2002. — 232с.
  78. Н.М. Информационные семантические системы. М.: Высшая школа, 1989. — 127с.
  79. Т. Обработка изображений в контексте модели зрения // ТИИЭР, т. 60, 1972, № 7. С. 82−104
  80. Э., Сандерс К., Скотт Ч., Вольф П. Создание VRML-миров. -Киев: BHV, 1997.-320с.
  81. Толковый словарь по искусственному интеллекту / А. Н. Аверкин, М.Г. Гаазе-Рапопорт, Д. А. Поспелов. М.: Радио и связь, 1992. — 256с.
  82. Д. Руководство по экспертным системам. М.: Мир, 1989. — 388с.
  83. Условные знаки для топографической карты масштаба 1:10 000. М.: Недра, 1977. — 143с.
  84. B.C. Опознавание изображений. М.: Наука, 1970. — 296с.
  85. X. Фотографическая регистрация информации. М.: Мир, 1978. — 670с.
  86. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977. — 320с.
  87. .С., Лялин В. Е. и др. Исследование планарных элементов пространственной структуры изображений // Химическая физика и мезоскопия. Т. З, № 2. Ижевск, ИПМ УрО РАН: Изд. дом «Удм. ун-т», 2001. — С. 134−147.
  88. Э. Искусственный интеллект. М.: Мир, 1978. — 558с.
  89. М. Оператор нахождения контуров на кодированных изображениях // Интегральные роботы. Вып. 1. М.: Мир, 1973. — С. 225−240.
  90. В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998. — 288с.
  91. Ю.В. Структуры данных для представления изображений // Зарубежная радиоэлектроника, 1983, № 8. С. 85−107.
  92. Чэн Ш.-К. Принципы проектирования систем визуальной информации. М.: Мир, 1994. — 408с.
  93. И.В., Мурынов А. И. Применение кластерного анализа для обработки и анализа графических изображений // Проблемы техники и технологии телекоммуникаций: Материалы Пятой Междунар. научн.-техн. конф.- Самара: Изд-во ПГАТИ, 2004, — С. 50−52.
  94. И.В., Росляков A.B., Самсонов М.Ю. IP-телефония. М.: Эко-Трендз, 2001. — 250 с.
  95. И.В., Росляков А. В., Самсонов М. Ю. Центры обслуживания вызовов (Call centre). М.: Эко-Трендз, 2002. — 272 с.
  96. И.В., Шеметова И. В., Чаадаев В. К. Информационные системы компаний связи. М.: Эко-Трендз, 2004. — 266 с.
  97. Е.В., Боресков А. В. Компьютерная графика. Динамика, реалистические изображения. М.: ДИАЛОГ-МИФИ, 1995. — 288с.
  98. Э. Интерактивная компьютерная графика. М.: Вильяме, 2001.-592с.
  99. Экспертные системы: Принципы работы и примеры. М.: Радио и связь, 1987.-224с.
  100. Г. Применение вычислительных машин для обработки изображений. М.: Энергия, 1977. — 160с.
  101. Л.П. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику. М.: Радио и связь, 1987. — 296с.
  102. Пб.АгсеШ С., di Baja G.S. A one-pass two-operation process to detect the skeletal pixels the 4-distance transform // IEEE Trans, on Pattern Recognition and Machine Intell, 1989. v. 11. P. 411−414.
  103. Ballard D. Generalizing the Hough transform to detect arbitrary shapes // Pattern Recogn., 1981, v. 13, № 2. P. 111−122.
  104. Cederberg R. Chain-link coding and segmentation of raster scan devices // Сотр. Graph, and Image Proc., 1979, v. 10, № 2. P. 224−234.
  105. Fleck M.M. Local Rotational Symmetries. Tech. Rep. 852. MIT Press., 1985. — 155p.
  106. Freeman H. On the encoding of arbitrary geometric configurations // IEEE Trans. Electron. Comput., 1961, v. 10, № 2. P. 260−268.
  107. Freeman H. Shape description via nhe use of critical points // Pattern recognition, 1978, v. 10, № з. p. 159−169.
  108. Gapson D.W. An improved algorithm for the sequentional extraction of boundaries from a raster scan // Сотр. Graph, and Image Proc., 1984, v. 28, № 1. P. 109−125.
  109. Haralick R.M. Structural pattern recognition, homomorphisms and arrangements // Pattern Recogn., 1978, v. 10, № 3. P. 223−236.
  110. Julius T. Tov. Pictorial Feature Extraction and Recognition via Image Modeling // Computer Graphics and Image Processing, v.12, 1980, n.4. P. 376−406.
  111. Kwok P. Customising thinning algorithms // 3rt Int. Conf. Image Proc. and Appl., Warwick, 18−20 July, 1989, London, 1989. P. 633−637.
  112. Lam L., Lee S.-W. Thinning methodologies A comprehensive survey // IEEE Trans. Pattern Anal, and Mach. Intell, 1992, 14, № 9. — P. 869−885.
  113. Lepihov Y.N., Shibaeva I.V. Representations of discrete images graphic for the intellectual systems of telecommunication // Тез. докл. Нижний Новгород: Изд-во Нижегородского госуниверситета, 2004. — С. 254.
  114. Paven K., Deepak B. Pseudo one thinning algorithm // Pattern Recogn. Lett., 1991, 12, № 9.-P. 543−555.
  115. Pavlidis T. A thinning algorithm for discrete binary images // CGIP. -1980, v. 13.-P. 142−157.
  116. Rangasami L. and Ramalingam Chellippa. Estimation and Choice of Neighbors in Spatial-Interaction Models of Images // IEEE Transactions on information theory, 1983, v. it-29, no. l, January. P. 61−70.
  117. Schan. H. C .Statistical filter for image feature extraction // Applied Optics, v. 19, № 13, 1 July 1980. P. 2182−2190.
  118. Shannon C.E. A Mathematical Theory of Communication // The Bell Sys. Jornal, 1948.-P. 370−423.
  119. Tanimoto S., Pavlidis T. A hierarchical data structure for picture processing // Comp. Graph, and Image Proc. 1975, v. 4, № 4. P. 320−328.
  120. Verhagen C. J. D. M. Applications of Pattern Recognition and Processing to Physical and Related Problems // Pattern Recognition in Practice, 1980. P. 189−206.
Заполнить форму текущей работой

Сессия? Спокойно!