Учебное пособие. – СПб: Университет ИТМО, 2015. – 215 с.Учебное пособие охватывает основные методы теории цифровой обработки сигналов, используемые при вторичной обработке изображений, а также основы теории распознавания образов. В пособие включены и сведения о используемых в настоящее время методах сжатия и восстановления изображений, которые составляют отдельную важную группу методов обработки изображений. Материал пособия разбит на три раздела, включая введение. В каждом разделе, кроме введения, приведены краткие теоретические сведения об используемых для решения соответствующих задач математических методах.
Пособие может быть использовано при подготовке магистров по направлениям 09.04.04 «Программная инженерия», 09.04.02 Информатика и вычислительная техника, а также инженеров и аспирантов.Содержание
Введение
Методы вторичной обработки изображений
Задача сегментации изображений
Методы сегментации изображения (локализации объекта)
Метод порогового ограничения
Операции над бинарными изображениями
Метод наращивания областей
Методы выделения границ объектов
Градиентный метод
Выделение контуров
Градиентная обработка при линейной фильтрации
Описание контура объекта
Скелетизация объекта
Выделение характерных точек объекта
Основы теории распознавания образов
Задача распознавания изображений
Методы распознавания на основе сравнения с эталоном
Распознавание по проекциям
Распознавание на основе двумерных гистограмм
Признаковые методы распознавания
Построение решающих функций для двоичных наборов параметров
Контурные методы распознавания
Определение расстояния между описаниями объектов
Вероятностный подход к распознаванию
Структурные методы распознавания
Непроизводные структурные элементы
Составные структурные элементы
Методы распознавания, основанные на знаниях
Критерии эффективности распознавания изображений
Задача распознавания лиц
Метод главных компонент
Линейный дискриминантный анализ
Синтез объектов линейных классов
Гибкие контурные модели лица
Сравнение эластичных графов
Методы, основанные на геометрических характеристиках лица
Сравнение эталонов
Оптический поток
Скрытые Марковские модели
Прикладные задачи распознавания изображений
Классификация и применение искусственных нейронных сетей
Основные классы решаемых задач при распознавании человека по изображению лица
Поиск изображения в больших базах данных
Задача контроля доступа
Задача контроля фотографии в документах
Нейросетевые методы распознавания человека по изображению лица
Модель искусственного нейрона
Классификация нейронных сетей
Разделение пространства признаков на области и извлечение ключевых признаков
Многослойные нейронные сети
Нейронные сети высокого порядка и моментные НС
Радиально-базисные нейронные сети
Топологически упорядоченное преобразование пространства
Распознавание с учётом топологии пространства
Когнитрон
Неокогнитрон
Свёрточные нейронные сети
Достоинства и недостатки нейросетевых методов распознавания
Применение ИНС для извлечения ключевых характеристик
Применение ИНС для извлечения ключевых характеристик лица
Применение ИНС для классификации образов
Применение ИНС для классификации напрямую по входным сигналам
Системы распознавания по входным сигналам с 4 неявным извлечением ключевых характеристик внутри сети
Применение ИНС для классификации по заранее извлеченным признакам
Метод собственных фильтров для распознавания лица
Метод сравнения эластичных графов на основе вейвлетов Габора
Методы распознавания на основе скрытых марковских моделей
Эксперименты по распознаванию лица
Аппаратные и программные средства реализации ИНС
Программное обеспечение для моделирования ИНС
Аппаратная реализация нейронных сетей
Принципы построения нейросистем на базе нейрочипа
Заключение
Литература
