350 руб
Журнал «Радиотехника» №7 за 2014 г.
Статья в номере:
Эффективность идентификации объектов на бинарных изображениях с использованием процедур псевдоградиентной адаптации
Ключевые слова: цифровые изображения идентификация объектов распознавание образов корреляционно-экстремаль¬ный анализ контурный анализ псевдоградиентная идентификация вычислительная сложность вероятность ложной иден¬тификации
Авторы:
Р.Г. Магдеев - аспирант, Ульяновский государственный технический университет. E-mail: radiktkd2@yandex.ru А.Г. Ташлинский - д.т.н., профессор, зав. кафедрой «Радиотехника», Ульяновский государственный технический университет. E-mail: tag@ulstu.ru
Аннотация:
Проведен сравнительный анализ вычислительной сложности и вероятности ложного распознавания методов идентификации объектов на изображении, основанных на сопоставлении с эталоном: корреляционно-экстремального, контурного анализа и псевдоградиентной идентификации. Рассмотрены возможности параметрической оптимизации исследованных методов.
Страницы: 96-102
Список источников

  1. Введение в контурный анализ / под ред. Я.А. Фурмана. М.: Физматлит. 2003. 592 с.
  2. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера. 2005. 1072 с.
  3. Прэтт У. Цифровая обработка изображений: Пер. с англ.М.: Мир. 1982. 480 с.
  4. Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах: Учебник НГТУ: учебное пособие. Новосибирск: Изд-во НГТУ. 2002. 352 c.
  5. Цыпкин Я.З. Информационная теория идентификации. М.: Наука. Физматлит. 1995. 336 с.
  6. Ташлинский А.Г. Псевдоградиентное оценивание пространственных деформаций последовательности изображений // Наукоемкие технологии. 2002. Т. 3. С. 32-43.
  7. Canny J. A computational approach to edge detection. Pattern Analysis and Machine Intelligence // IEEE Transactions on, PAMI-8(6). Nov. 1986.Р. 679-698.
  8. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир. 1976. 511 с.
  9. Tashlinskii A.G. The specifics of pseudogradient estimation of geometric deformations in image sequences // Pattern Recognition and Image Analysis. 2008. V. 18. № 4. P. 700-705.
  10. Ташлинский А.Г. Псевдоградиентное оценивание пространственных деформаций последовательности изображений // Наукоемкие технологии. 2002. Т. 3. С. 32-43.
  11. Tashlinskii A.G., Smirnov P.V., Zhukov S.S. Analysis of Methods of Estimating Objective Function Gradient during Recurrent Measurements of Image Parameters // Pattern Recognition and Image Analysis. 2012. V. 22. № 2. P. 393-399.
  12. Кручинин А.Ю. Эффективность управления процессом распознавания образов в реальном времени // Труды IX международной научно-технической конференции «Новые информационные технологии и системы». Пенза: Изд-во ПГУ. 2010. Ч. 1. С. 150-155.
  13. Себряков Г.Г., Сошников В.Н., Кикин И.С., Ишутин А.А. Оптимизация параметров разбиения анализируемого фрагмента изображения сцены по критериям качества и вычислительной эффективности распознавания наблюдаемых объектов // Тезисы докладов научно-технической конференции «Техническое зрение в системах управления - 2014». М.: ИнституткосмическихисследованийРАН. С. 149-151.
  14. Tashlinskii A.G., Dikarina G.V., Minkina G.L., Repin A.N. Pseudogradient optimization in the estimation of geometric interframe image deformations // Pattern Recognition and Image Analysis. 2008. V. 18. № 4. P. 706-711.
  15. Tashlinskii A.G., Muratkhanov D.S.Structural optimization of pseudogradient algorithms for measuring interframe image deformations // Pattern Recognition and Image Analysis. 2003. V. 13. № 1. P. 177-178.