Вход

Распознование плоских многопредметных изображений

Рекомендуемая категория для самостоятельной подготовки:
Дипломная работа*
Код 366392
Дата создания 08 апреля 2013
Страниц 63
Мы сможем обработать ваш заказ (!) 23 декабря в 12:00 [мск]
Файлы будут доступны для скачивания только после обработки заказа.
4 610руб.
КУПИТЬ

Содержание

ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР ТЕХНОЛОГИЙ ПО КЛАССИФИКАЦИИ ОБЪЕКТОВ
1.1 ПОСТАНОВКА ЗАДАЧИ
1.2 ОБЩИЕ ПОДХОДЫ К РЕШЕНИЮ ЗАДАЧ, СВЯЗАННЫХ С КЛАССИФИКАЦИЕЙ ОБЪЕКТОВ
1.3 МЕТОД МАКСИМАЛЬНЫХ ПЛОЩАДЕЙ
1.4 МЕТОД ГИСТОГРАММ
1.5 ВОПРОСЫ СЕГМЕНТАЦИИ
1.6 ОПИСАНИЕ АЛГОРИТМОВ КЛАССИФИКАЦИИ С ОБУЧЕНИЕМ
ГЛАВА 2. РАЗРАБОТКА НОВОГО ПОДХОДА К КЛАССИФИКАЦИИ ОБЪЕКТОВ
2.1 ВЕКТОР ФИТЧЕРОВ ОБЪЕКТА
2.2 ДИФФУЗНЫЕ КАРТЫ
2.3 ИСПОЛЬЗОВАНИЕ МАХАЛАНОБИС-ДИСТАНЦИИ ДЛЯ КЛАССИФИКАЦИИ ВЕКТОРОВ ФИТЧЕРОВ СИЛУЭТОВ ОБЪЕКТОВ В ДИФФУЗНОЙ КАРТЕ
2.4 ИДЕНТИФИКАЦИЯ ОБЪЕКТА КАК КЛАССА ОБУЧАЮЩЕЙ БАЗЫ
2.5 КРИТЕРИЙ КАЧЕСТВА КЛАССИФИКАТОРА
ГЛАВА 3. РЕАЛИЗАЦИЯ, ТЕСТИРОВАНИЕ, ВНЕДРЕНИЕ АЛГОРИТМА И ОБРАБОТКА РЕАЛЬНОГО МАТЕРИАЛА
3.1 ОПИСАНИЕ АРХИТЕКТУРЫ РАЗРАБОТАННОЙ СИСТЕМЫ
3.2 СТРУКТУРА МОДУЛЕЙ И КЛАССОВ СИСТЕМЫ
3.3 ОПИСАНИЕ ОБУЧАЮЩЕЙ БАЗЫ
3.4 ОПИСАНИЕ ТЕСТОВОГО МАТЕРИАЛА
3.5 СРАВНЕНИЕ РЕЗУЛЬТАТОВ С СУЩЕСТВУЮЩИМИ МЕТОДАМИ
СПИСОК ЛИТЕРАТУРЫ



Введение

Распознование плоских многопредметных изображений

Фрагмент работы для ознакомления

Цель машинного зрения - принятие решений о реальных физических объектах и сценах, основываясь на воспринимаемых изображениях. Машинное зрение теснейшим образом взаимодействует с областью обработки изображений, часто трудно однозначно отнести возникающие задачи и применяемые методы решения к одной из этих областей.
ВЫВОДЫ

Список литературы

Бригхем Ю., Гапенcки Л. Финансовый менеджмент. С-П, Эконо-мическая школа, 1999.
2.Граиберг А.Г. Моделирование социалистической экономики. М.: Экономику 1988.
3.Гранберг А.Г. Динамические модели народного хозяйства. М.: Экономика, 1998
4.Егорова Н.Е., Хачатрян С.Р., Королева Н.В. Моделирование стра-тегии развития инновационно -ориентированных малых предприятий с ис-пользованием производственных функций. В сб. Микроэкономические пред-посылки экономического роста. М., ЦЭМИ РАН, 1999
5.Иванилов Ю.П., Лотов А.В. Математические модели в экономи-ке. М., 1979.
6.Никайдо X. Выпуклые структуры и математическая экономика. М.: Мир, 1992.
7.Солодовников А.С., Бабайцев В.А., Браилов А.В. Математика в экономи¬ке. М.: Финансы и статистика, 1998. Ч. 1.
8.Солодовников В.В., Тумаркин В.И. Теория сложности и проекти-рование систем управления. —М: Наука, 1990. —168 с.
9.Солодовников В.В., Тумаркин В.И. Теория сложности и проекти-рование систем управления. —М: Наука, 1990. —168 с.

10.Тюрин Ю., Литвак Б.Г., Орлов А.И. Анализ нечисловой инфор-мации // Математика и кибернетика.- М.:Знание, 1981.- С. 41.
11.Финансово-кредитный словарь. Том II. П/р В.Ф.Гарбузова. М.: Финансы и статистика, 1994.
12.Финансы, денежное обращение и кредиты, под ред. А.Н. Трошин, В.И. Фомкина, 2000 г.
13.Хелферт Э. Техника финансового анализа: /Под ред. Белых П.П. – М.: Аудит, ЮНИТИ, 1996
14.Цвиркун Л.Д. Структура сложных систем.- М.: Сов. Радио, 1975. —100 с.
15.Шумпетер Й.А. Теория экономического развития. Капитализм, социализм и демократия / предисл. В. С. Автономова. — М.: ЭКСМО, 2007. - 864 с.
16.Von Neyman.A Model of General Equilibrium, Review of Economic Stadies, 13. P. 1-9, 1987.
17.Иванов П.М. Алгебраическое моделирование сложных систем.- М.: Наука, 1996. —271 с.

18.Санто Б. Инновация как средство экономического развития: Пер. с венг./общ. ред. и вступ. Б.В.Сазонова. – М.: Прогресс, 1990. – 296 с.
19.
20.Игонина Л.Л. Инвестиции. Учебное пособие/ Под ред. д.э.н., проф. Слепова В.А. – М.: Экономист, 2003.
21.Игошин Н.В. Инвестиции: организация, управление и финанси-рование: Учеб. Для вузов по экон. спец. – 2-е изд. перераб. и доп. – М.: Юни-ти-Дана, 2001.
22.Общая теория денег и кредита. Под редакцией профессора Е. Ф. Жукова 1995 г.
23.Остапенко В., Мешков В. Собственные источники инвестиций предприятий// Экономист. – 2003’8. с. 28.
24.
25.Интрилигатор М. Математические методы оптимизации и эконо-мическая тео¬рия. М.: Прогресс, 1993.
26.Канторович Л.В., Ланге О., Немчинов B.C. и др. Применение ма-тематики в экономических исследованиях / Под ред. В.С.Немчинова. М., 1990.
27.Котов И.В. и др. Моделирование народохозяйственных процес-сов. Л.: ЛГУ, 1991
28.Красавина Л.Н. Международные валютно-кредитные и финансо-вые отношения, М.:”Финансы и статистика”, 1994.
29.Ланкастер К. Математическая экономика. М.: Советское радио, 1972.
30.Леонтьев В. и др. Исследование структуры американской эконо-мики. М.: ГаЛ техиздат, 1958.
31.Вожегова М.А. Информация как ресурс устойчивого развития компании // Экономика, статистика, информатика. Вестник УМО, - № 4, - 2011. (0,5 п.л.)
32.Вожегова М.А. Оценка инновационной активности компании че-рез призму ее информационной культуры // Экономика, статистика, инфор-матика. Вестник УМО, - № 6, - 2011. (0,45 п.л.)
33.Вожегова М.А. Формирования управленческих новаций для реа-лизации стратегических решений // Межотраслевой научно-практический журнал «Интеграл». - № 5. – 2011. (0,3 п.л)



34.Вожегова М.А. Драйвер инноваций // Inelligent enterprise.- №3. – 2011. (0,2 п.л.)
35.Вожегова М.А. Инновационная активность компаний // Немате-риальные ресурсы регионов: информационный аспект. Сборник научных трудов – Ярославль, изд. «Аверс плюс», 2010. (0,4 п.л.)
36.Вожегова М.А. Практическая польза от взаимодействия ИТ ком-пании Росгосстрах и студентов ВУЗов //VI Международная научно-методическая конференция «Совершенствование подготовки IT-специалистов по направлению: «Прикладная информатика для инновацион-ной экономики»: Сборник научных трудов» / Московский государственный университет экономики, статистики и информатики. – М., 2010. (0,15 п.л.)
37.Вожегова М.А. Информация как стратегический ресурс развития компании// Интеллектуальные ресурсы регионов. Сборник научных трудов – Ярославль, изд. «Аверс плюс», 2009. (0,5 п.л.)

39.Лизинг и коммерческий кредит. М.: “Истсервис”, 1994
40.Литвак Б.Г. Автоматизированные системы экспертного оценива-ния и аккредитация.- М.: Исследовательский центр проблем качества подго-товки специалистов (ИЦ). 2003. —142 с.
41.Литвак Б.Г. Автоматизированные системы экспертного оценива-ния и аккредитация.- М.: Исследовательский центр проблем качества подго-товки специалистов (ИЦ). 2003. —142 с.
42.Литвак Б.Г. Экспертные системы.- М.: Радио и связь, 1982.184 с.
43.Литвак Б.Г. Экспертные технологии в управлении. – М.: Дело, 2004. – 400 с.
44.Расева Е., Сикорский Р. Математика метаматематики. - М.: Нау-ка, 1972.- 592 с.
45.Гантмахер Ф.Р. Теория матриц. М.: Наука, 1989.
46.Гожальчины М.Б., Кишки Е.Б., Стахович Н.С. Некоторые прблемы изучения адекватностей нечетких моделей//Нечеткие множест-ва:Теория возможностей. Под ред. Ягера. — М.: Мир, 1988.С.21.
47.Горелик А.Л., Гуревич И.Б., Скрипкин В.А. Современное состоя-ние проблемы распознавания. – М.: Радио и связь, 1985.
48.Горелик А.Л., Скрипкин В.А. Методы распознавания. – М.: Выс-шая школа, 1984.
49.Гофман А.Л. О приближении функций принадлежности по экс-периментальным данным // Обработка информации и принятие решений в условиях неопределенности.- Фрунзе.: Илим,1981. С.33 — 36.
50.Гудмен И.Э.Нечеткие множества как классы эквивалентности случайных множеств// Нечеткие множества:Теория возможностей. Под ред. Ягера. — М.: Мир, 1988.- С.241—.
51.Дубровская И.С., Койфман Ю.И., Удовиченко Е.Т. Системное моделирование динамической меры качества объектов.//Системные исследо-вания проблем управления качеством и автоматизации процессов управле-ния.-М.: Изд-во стандартов, 2000.- С. 201 —214.
52.Дуда Р., Харт П. Распознавание образов и анализ сцен. – М.:Мир, 1976.
53.Дюбуа Д., Прад А. Общий подход к определению индексов срав-нения в теории нечетких множеств//Нечеткие множества:Теория возможно-стей. Под ред. Ягера. —М: Мир, 1988. С.9.
54.Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации. «Проблемы кибернетики». Вып. 33. – М.: Наука, 1978.
55.Келли Дж. Общая топология.-М.: Наука, 1981. —432 с.
56.Колмогоров А.Н., Драгалин А.Г. Введение в математическую ло-гику. — М.: МГУ, 1982. —120 с.

57. Журид Б.А., Силов В.Б. Метод построения логико-лингвистических моделей интеллектуальных роботов. —Изв. АН СССР: Техническая кибернетика,- 1983.- № 5.- С.188 — 193.
58. Заде Л. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. — М.: Знание, 1974. — С.5 — 49.
59.Маркус М., Минк X. Обзор по теории матриц и матричных нера-венств. М.: 1 ка, 1972.
60.Математические вопросы построения системы моделей. Новоси-бирск, Наука, Сибирское отделение, 1976
61.Мыльник В.В., Титаренко Б.П, Волочиенко В.А. Исследование систем управления, 2-е изд., – М: Академический Проект; Екатеринбург: Деловая книга – 2003.
62.Мыльник В.В., Титаренко Б.П., Волочиенко В.А. Исследование систем управления. - М.: Академический Проект, 2003. - 352 с.
63.Норвич А.М., Турксен И.Б. Построение функций принадлежно-сти// Нечеткие множества и теория возможностей.- М:.»Радио и связь», 1988.- С.64 — 71.
64.Васильев К.К. Статистические методы обработки многомерных изображений / К.К.Васильев, А.А.Спектор // Методы обработки сигналов и полей. – Ульяновск: УЛПИ, 1992, C. 3 - 19
65.Васюков В.Н. Квазиоптимальный алгоритм двумерной фильтра-ции / В.Н. Васюков// Методы статистической обработки изображений и по-лей.- Новосибирск, 1984, C. 14 - 18.
66.Васюков В.Н. Новые подходы к решению задач обработки и рас-познавания изображений / В.Н.Васюков, И.С.Грузман, М.А.Райфельд, А.А.Спектор // Наукоемкие технологии.- 2002. - № 3. - С. 44 - 51.
67.Визильтер Ю.В., Лагутенков А.В. Автоматическое выделение и сопровождение малоразмерных объектов по признаку их движения на циф-ровых изображениях
68.Гай В.Е. Формирование тестовых изображений для оценки каче-ства алгоритмов сегментации / В.Е. Гай, С.Н. Борблик // Цифровая обработка сигналов и ее применение: тр. 8 межд. науч.-техн. конф. – М., 2006. - т.2. - С. 356 - 359.
69.Герчес В.Г. Обнаружение сигналов на многозональном изобра-жении: дис. канд. техн. наук./ В.Г. Герчес. - Ульяновск, 1992. - 143с.
70.Гонсалес Р. Цифровая обработка изображений / Р.Гонсалес, Р. Вудс, М.: Техносфера, 2005. – 1072 с.
71.Градштейн И.С. Таблицы интегралов, сумм, рядов и произведе-ний / И.С.Градштейн, И.М.Рыжик, М.: Наука, 1971. – 1108 с.
72.Грузман И. С. Цифровая обработка изображений в информаци-онных системах / И. С. Грузман [и др.], Новосибирск:НГТУ, 2002. - 456 с.
73.Даджион Д. Цифровая обработка многомерных сигналов / Д. Даджион, Р. Мерсеро, М.: Мир. 1988. – 488 с.
74.Желтов С.Ю., Сибиряков А.В., Выделение характерных черт на цифровых изображениях авиационной и космической съемки.
75.Завалишин Н.В. Модели зрительного восприятия и алгоритмы анализа изображений / Н.В.Завалишин, И.Б.Мучник, М.: Наука, 1974. - 344 с.
76.Злобин В. К. Стохастическая модель спутниковых изображений и ее использование для сегментации природных объектов / В. К.Злобин, В. В. Еремеев, В. М. Васильев // Автометрия. – 2001.- №2.
77.Зуев В.Е. Распространение видимых и инфракрасных волн в ат-мосфере / В.Е. Зуев, М.: Советское радио, 1970. - 784 с.
78.Ким Н.В., Наблюдение за объектами на основе ситуационно-информационного подхода.
79.Киричук В.С.. Обнаружение малоразмерных объектов по после-довательностям ТВ-Изображений ИК диапазона / В.С.Киричук, С.В.Парфененок, В.Ю.Ангеров // Распознавание образов и анализ сцен, тр.5 межд. науч.-техн. конф. – М., 2002.- т.1. - С. 273 - 278
80.Книжников Ю.Ф. Принцип множественности в современных аэ-рокосмических методах и способы дешифрирования серии снимков при сельскохозяйственных исследованиях / Ю.Ф.Книжников, В.И. Кравцова // Аэрокосмические методы в почвоведении и их использование в сельском хо-зяйстве. – М.: Наука, 1990. – С. 47-54.
81.Коростелев А. П. Стохастические рекуррентные процедуры (ло-кальные свойства) / А. П. Коростелев, М.: Наука, 1984. – 208 с.
82.Кравченко В.Ф. Нелинейная фильтрация изображений с сохране-нием малоразмерных деталей в присутствии импульсных и мультипликатив-ных помех / В.Ф.Кравченко, В.И.Пономарев // Радиотехника и
электроника. - 2001. - № 4. - с. 476 – 483


83.Крамер Г. Математические методы статистики / Г. Крамер, М. Мир, 1975, 648 с
84.Ахметшин А.М., Федоренко А.Е. Применение теории марковских случайных полей для сегментации мультиспектральных изображений земной поверхности. http://gis.nmu.org.ua/lit/doc2.doc
85.Ахметшин А.М., Фенога Д.А. Отображение и анализ мультиспек-тральных изображений земной поверхности в базисе Грамма – Шмидта. http://gis.nmu.org.ua/lit/doc1.doc
86.Бакут П. А. Теория обнаружения сигналов / П.А. Бакут. – М.: Ра-дио и связь, 1984. – 440 с.
87.Бакут П.А., Колмогоров Г.С. Сегментация изображений: Методы выделения границ областей / П.А. Бакут, Г.С. Колмогоров. // Зарубежная ра-диоэлектроника. – 1987, - №10.- С. 16-23
88.Балакришнан А.В. Теория фильтрации Калмана: Пер. с англ./А.В.Балакришнан – М.: Мир, 1988, 168 с.
89.Бейтмен Г. Таблицы интегральных преобразований / Г.Бейтмен, А. Эрдейи, М.: Наука, 1989, T1, 343 с.
90.Белов В.В.Обнаружение аномалий подстилающей поверхности земли в ансамбле космических снимков алгоритмами разладки для геоин-формационных систем (ИОА СО РАН, Томск)
91.Бендат Д. Прикладной анализ случайных данных / Д. Бендат, А. Пирсол – М.: Мир, 1989. - 540 с.
92.Богомолов Р.А. Ковариационные функции авторегрессионных случайных полей/ Р.А. Богомолов, В.Р. Крашенинников //Методы обработки сигналов и полей: сб. научн. тр. – Ульяновск: УЛПИ, 1990. – С. 5 - 9.
93.Бокс Д. Анализ временных рядов / Д. Бокс, Г. Дженкинс // Пер. с англ.: Под ред. В.Ф. Писаренко. – М.: Мир, 1974, кн. 1. – 406 С.
94.Бондур В. Г. Моделирование многоспектральных аэрокосмиче-ских изображений динамических полей яркости. / В. Г. Бондур, Н. И Арже-ненко, В. Н. Линник, И. Л. Титова // Исследование Земли из космоса. - 2003, -№ 2.- С. 3 - 17
95.Брокштейн И. М. , Мерзляков С. Н., Попова Н. Р. Обнаружение и локализация малоразмерных объектов на неоднородном фоне // Цифровая оптика. Обработка изображений и полей в экспериментальных исследовани-ях.
96.Бронников А.В. Комбинированные алгоритмы нелинейной фильтрации зашумленных сигналов и изображений / А.В.Бронников, Ю.Б Воскобойников // Автометрия. – 1990, №1.
97.Буряк Д.Ю., Визильтер Ю.В. Автоматизированное конструирова-ние близких к оптимальным процедур идентификации и обнаружения объек-тов на изображении с использованием генетических алгоритмов.

98.Крашенинников В. Р. Адаптивный компенсатор коррелирован-ных помех / В. Р.Крашенинников, А. Г. Ташлинский // Методы обработки сигналов и полей: сб. научн. тр. – Ульяновск: УлПИ, 1992.- С. 120 - 128
99.Кучеренко К.И. Двумерные медианные фильтры для обработки изображений / К.И. Кучеренко, Е.Ф. Очин // Зарубежная радиоэлектроника. – 1986.- №6.
100.Леман Э. Теория точечного оценивания /Э. Леман, М.: Наука, 1991. - 448 с.
101.Лепский А.Е. О нахождении минимального представления кон-тура изображения как решение задачи нечеткой кластеризации. http://semery.narod.ru/lampai/rus/public.html
102.Марпл-мл С.Л. Цифровой спектральный анализ и его приложения / С.Л. Марпл-мл, М.: Мир, 1990. - 584 с.
103.Миньсу Ш. Алгоритм обнаружения объекта, основанный на гра-фе смежности областей/ Ш. Миньсу, Ч. Дайхун // ТИИЭР.- 1984.- №7.- с. 263 - 268.
104.Монахов С.В. Методология анализ и проектирования сложных информационных систем / С.В. Монахов, В.П. Савиных, В.Я. Цветков, М.Просвещение, 2005, - 264 с.
105.Мудров В. И. Методы обработки измерений: Квазиправдоподоб-ные оценки / В. И.Мудров, В.Л.Кушко, М.: Радио и связь, 1983, - 304 с.
106.Мурашов Д.М. Метавыделения фона на последовательностях
изображений с использованием фильтра Калмана / Д.М.Мурашов, А.В.Хилков, И.А.Шамтиев // Распознавание образов и анализ сцен, тр.5 межд. науч.-техн. конф. –М., 2002.- т.2.- С. 389 - 393

107.Руспини Э.Т. Последние достижения в нечетком кластер-анализе//Нечеткие множества:Теория возможностей. Под ред. Ягера. М: Мир. 1998.
108.Селекция и распознавание на основе локационной информации / А.Л. Горелик, Ю.Л. Барабаш, О.В. Кривошеев и др.; Под ред. А.Л. Горелика. – М.: Радио и связь, 1990.
109.Современное состояние теории исследования операций. Под ред. Н.Н.Моисеева. -М.: Наука,1979. —464 с.
110.Современное состояние теории исследования операций. Под ред. Н.Н.Моисеева. -М.: Наука,1979. —464 с.
Очень похожие работы
Найти ещё больше
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.00431
© Рефератбанк, 2002 - 2024