Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Моделирование и анализ пространственной структуры графических изображений на основе дискретно-планиметрической модели гиперрастра

Диссертация: Моделирование и анализ пространственной структуры графических изображений на основе дискретно-планиметрической модели гиперрастра
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Одной из основных и первичных форм представления изображений является их дискретное представление в растровой форме. Влияние собственной пространственной структуры растра приводит к возникновению различных искажающих эффектов дискретизации при воспроизведении структуры изображений, что существенно осложняет их последующий анализ. Необходимы учет особенностей дискретной геометрии растра… Читать ещё >

Содержание

  • Список сокращений

Глава 1. Задачи моделирования и анализа пространственной структуры графических изображений и методы их решения.

1.1. Графические изображения.

1.2. Задачи моделирования и анализа структуры изображений.

1.3. Модели и методы моделирования и анализа структуры изображений.

1.4. Выводы и постановка цели и задач исследований.

Глава 2. Структурно-графикационная модель изображений.

2.1. Сигнатурно-кодовая карта изображения.

2.2. Трансформационный анализ пространственной структуры изображений.

2.3. Пространственно-структурные свойства изображений.

2.4. Графикационная структура изображений.

2.5. Полученные результаты и

выводы.

Глава 3. Формирование растровых представлений пространственной структуры изображений и эффекты дискретизации.

3.1. Точечные операторы формирования растра.

3.2. Линейные и планарные операторы формирования растра.

3.3. Геометрические аберрации на растре.

3.4. Полученные результаты и

выводы.

Глава 4. Дискретно-планиметрическая модель гиперрастра.

4.1. Толерантность точек плоскости, индуцированная растровой сеткой.

4.2. Формирование гиперрастра.

4.3. Структура и свойства гиперрастра.

4.4. Операторы формирования гиперрастра.

4.5. Эффекты дискретизации на гиперрастре.

4.6. Полученные результаты и

выводы.

Глава 5. Методы, алгоритмы, программное обеспечение и технология обработки графической информации.

5.1. Сравнительный анализ результатов распознавания структурных элементов изображения на растре и на гиперрастре.

5.2. Метод центроидной релаксации.

5.3. Алгоритмы, программное обеспечение и технология обработки графической информации.

5.4. Экспериментальные данные и результаты.

5.5. Полученные результаты и

выводы.

Моделирование и анализ пространственной структуры графических изображений на основе дискретно-планиметрической модели гиперрастра (реферат, курсовая, диплом, контрольная)

Актуальность темы

Массовая компьютеризация и информатизация всех отраслей знаний стимулировали разработку новых математических моделей исследуемых объектов в различных предметных областях. К числу таких объектов относятся изображения, предоставляющие большое количество информации об изображенных объектах в наглядной и образной форме. В то же время возможности извлечения полезной информации из изображений определяются их пространственной структурой. Поэтому задачи моделирования и анализа структуры изображений возникают в различных прикладных областях при решении самых разнообразных задач.

Одной из основных и первичных форм представления изображений является их дискретное представление в растровой форме. Влияние собственной пространственной структуры растра приводит к возникновению различных искажающих эффектов дискретизации при воспроизведении структуры изображений, что существенно осложняет их последующий анализ. Необходимы учет особенностей дискретной геометрии растра и систематический анализ эффектов дискретизации для реализации таких методов обработки графической информации, которые компенсировали бы влияние указанных эффектов. Это вызывает потребность разработки дискретно-планиметрических моделей пространственной структуры изображений для построения корректных и максимально точных методов их анализа.

Разработке и исследованию моделей изображений и методов их анализа и синтеза уделено большое внимание в работах отечественных и зарубежных ученых: Брезенхама Дж., Бонгарда М. М., Васина Ю. Г., Журавлева Ю. И., Ковалевского В. А., Лебедева Д. С., МарраД, Мучника И. Б., Нарасимхана Р., ПавлидисаТ., ПрэттаУ., Роджерса Д., Розенфельда А., СтокхэмаТ., ФайнаВ.С., ФрименаХ., Фу К., Харалика P.M., Цуккермана И. И., Шермана Г, Ярославского Л. П. и др.

Однако достигнутые в настоящее время результаты не решают в полной мере проблему эффективного дискретно-планиметрического представления изображений в силу неполного учета особенностей дискретной геометрии растра и использования частных приемов компенсации искажений дискретизации, направленных на улучшение визуального восприятия растровых изображений, но при этом, ни в какой мере не способствующих улучшению показателей качества их автоматического анализа. Таким образом, актуальной является задача поиска такого эффективного представления для использования в системах обработки графической информации.

Целью работы является разработка новых эффективных дискретных представлений пространственной структуры графических изображений, их математических моделей и методов анализа, применение которых качественно повышает возможности решения практических задач распознавания изображений, а также реализация разработанных моделей и методов для решения различных прикладных задач, связанных с обработкой графической информации.

Для достижения поставленной цели в работе решаются следующие задачи:

— разработка метода анализа пространственной структуры изображений, обеспечивающего объективное построение полного и точного описания структуры графических изображений и выявляющего все существенные геометрико-топологические свойства, характеристики и взаимосвязи его структурных элементов;

— разработка математической модели пространственной структуры графических изображений, учитывающей пространственный план их построения и графические факторы их воспроизведения;

— исследование различных способов формирования дискретных растровых представлений пространственной структуры графических изображений и выявление возникающих на растре искажающих эффектов дискретизации структурных элементов изображений;

— анализ искажающих эффектов дискретизации структурных элементов изображений на растре для построения их дискретных представлений, обладающих минимальной неопределенностью;

— разработка и исследование дискретно-планиметрической модели изображений, обеспечивающей дискретное представление их пространственной структуры с минимальной неопределенностью;

— сравнительный анализ методов распознавания структурных элементов изображения в их различных дискретных представлениях;

— разработка метода обнаружения, распознавания и оценки дискретно представленных структурных элементов изображений;

— разработка эффективных вычислительных схем и алгоритмов формирования, преобразования и анализа дискретных представлений пространственной структуры графических изображений;

— разработка технологии и создание программного обеспечения обработки графической информации, реализующих разработанные средства и методы моделирования и анализа дискретных представлений пространственной структуры графических изображений;

— проведение экспериментальных исследований разработанных средств и методов для оценки их эффективности и возможностей использования при решении различных прикладных задач, связанных с обработкой графической информации.

Объектом исследования являются графические изображения, их особенности, свойства и характеристики, их пространственная структура, математические модели этой структуры и ее дискретных представлений, способы формирования и преобразования таких представлений и возможности их использования в системах обработки графической информации.

Предметом исследования являются методы моделирования и анализа пространственной структуры графических изображений, способы получения дискретно-планиметрических представлений этой структуры и построения их математических моделей, основанные на этих моделях методы обнаружения, распознавания и оценки структурных элементов изображений, реализующие эти методы алгоритмы, программы и технологии обработки графических изображений, а также оценки их эффективности и возможностей практической реализации при решении различных прикладных задач, связанных с обработкой графической информации.

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

Теоретические исследования основаны на использовании функционального анализа, топологии, аффинной и дифференциальной геометрии, теории графов, теории пространств толерантности, основ машинной графики и вычислительной геометрии, теории обработки и анализа изображений, распознавания образов.

В экспериментальных исследованиях разработанных моделей и алгоритмов использовались методы моделирования пространственных структур, системного анализа, цифровой обработки изображений и машинной графики, системного программирования.

Достоверность изложенных положений работы подтверждается результатами практического применения разработанных методов, алгоритмов, программных средств 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 адекватным выбором исходных посылок и последовательным применением математического аппарата при получении из них выводов, а также верификацией этих выводов данными систематического исследования полученных аналитических результатов.

Достоверность экспериментальных результатов подтверждается их согласованностью с теоретическими выводами, обоснованным выбором корректных критериев при построении алгоритмов обработки информации, воспроизводимостью результатов на больших объемах экспериментального материала при выполнении серий вычислительных экспериментов с большим количеством изменяемых значений влияющих параметров, наглядностью интерпретации полученных практических результатов обработки информации.

На защиту выносятся результаты разработки и исследования математических моделей дискретных представлений пространственной структуры графических изображений, методов и алгоритмов их формирования, преобразования и анализа, а также результаты практической реализации этих моделей, методов и алгоритмов — технология и программные средства обработки изображений для решения различных прикладных задач, связанных с обработкой графической информации, в том числе:

— метод трансформационного анализа пространственной структуры изображений, реализующий схему восходящего анализа, обеспечивающий объективное построение полного и точного описания структуры графических изображений и выявляющий все существенные геометрико-топологические свойства, характеристики и взаимосвязи их структурных элементов;

— структурно-графикационная модель изображений, учитывающая пространственный план их построения и графические факторы их воспроизведения;

— результаты исследования различных способов формирования дискретных растровых представлений пространственной структуры графических изображений и выявления возникающих на растре искажающих эффектов дискретизации структурных элементов изображений;

— результаты анализа искажающих эффектов дискретизации структурных элементов изображений на растре на основе использования векторов принадлежности границ ячеек растровой сетки, необходимые для построения их дискретных представлений, обладающих минимальной неопределенностью;

— дискретно-планиметрическая модель гиперрастра, построенная на основе теории пространств толерантности и обеспечивающая дискретное представление пространственной структуры изображений с минимальной неопределенностью;

— результаты сравнительного анализа методов распознавания структурных элементов изображения в их растровом и гиперрасгровом дискретных представлениях;

— метод центроидной релаксации, обеспечивающий обнаружение, распознавание и оценку дискретно представленных структурных элементов изображений;

— эффективные вычислительные схемы и алгоритмы формирования, преобразования и анализа дискретных представлений пространственной структуры графических изображений;

— технология и программное обеспечение обработки графической информации, реализующие разработанные средства и методы моделирования и анализа дискретных представлений пространственной структуры графических изображений;

— результаты экспериментальных исследований разработанных средств и методов и оценки их эффективности и возможностей использования при решении различных прикладных задач, связанных с обработкой графической информации.

Научная новизна полученных результатов определяется впервые проведенными исследованиями, в результате которых разработаны новые модели дискретных представлений графических изображений в форме гиперрастра, а также разработаны методы, построены алгоритмы и созданы технология и программные средства обработки, преобразования и анализа дискретных гиперрастровых представлений изображений, что качественно повышает возможности решения практических задач распознавания изображений и, тем самым, вносит существенный вклад в решение задач создания интеллектуальных систем обработки графической информации, в ходе которых:

— разработан метод трансформационного анализа пространственной структуры изображений, реализующий схему восходящего анализа, обеспечивающий объективное построение полного и точного описания структуры графических изображений и выявляющий все существенные геометрико-топологические свойства, характеристики и взаимосвязи их структурных элементов на основе последовательного выделения инвариантов структуры изображений относительно подгрупп группы аффинных преобразований (трансляций, движений и нерефлексных аффинных преобразований), что позволяет однозначно определить элементы структуры, их пространственные атрибуты и взаимосвязи;

— построена структурно-графикационная модель изображений, учитывающая пространственный план их построения и графические факторы их воспроизведения и формирующая на основе трансформационного анализа описание структуры графического изображения в виде графа, образованного совокупностью структурных элементов, связанных бинарным пространственным отношением смежности;

— исследованы различные способы формирования дискретных растровых представлений пространственной структуры графических изображений и выявлены различные искажающие эффекты дискретизации структурных элементов изображений на растреустановлено, что при применении любого оператора формирования растра возникают необратимые искажения дискретизации, характер которых непостоянен и существенно зависит от способа формирования растра;

— проанализированы искажающие эффекты дискретизации структурных элементов изображений на растреустановлено, что различия в искажающих эффектах обусловлены различиями в определении векторов принадлежности границ ячеек растровой сетки, что позволило сформулировать условия, необходимые для построения дискретных представлений изображений, обладающих минимальной неопределенностью;

— на основе использования теории пространств толерантности разработана дискретно-планиметрическая модель гиперрастра, обеспечивающая дискретное представление пространственной структуры изображений с минимальной неопределенностью — с точностью, определяемой элементами порождающей растровой сетки — узлами, границами и внутренностями ячеек сетки;

— в результате сравнительного анализа методов распознавания структурных элементов изображения в их растровом и гиперрастровом дискретных представлениях установлена более высокая эффективность гиперрастрового представления, обусловленная характерными для гиперрастра отсутствием необратимых эффектов дискретизации и более высокой точностью представления структурных элементов изображений, в предельных случаях достигающей значений с нулевой погрешностью;

— разработан метод центроидной релаксации, обеспечивающий эффективное обнаружение, распознавание и оценку дискретно представленных на растре структурных элементов изображений и возможность преобразования их растровых представлений в гиперрастровые за счет получения субпиксельных оценок пространственных атрибутов элементов;

— разработаны эффективные вычислительные схемы и алгоритмы формирования, преобразования и анализа дискретных представлений пространственной структуры графических изображений, обеспечивающие высокую производительность вычислительных процессов и существенное снижение используемых ресурсов памяти за счет дифференциального цепного кодирования изображений, формируемого на основе анализа результатов их центроидного преобразования, последующей сегментации цепных кодов и распознавания структурных элементов;

— предложена и обоснована технология обработки графической информации, создано программное обеспечение, реализующее эту технологию и использованное при выполнении экспериментальных исследований, результаты которых позволили определить оценки эффективности и возможностей применения разработанных средств и методов моделирования и анализа дискретных представлений пространственной структуры графических изображений при решении различных прикладных задач, связанных с обработкой графической информации.

Практическая ценность работы заключается в применении новых эффективных представлений, моделей и методов анализа пространственной структуры графических изображений.

Разработано программное обеспечение, реализующее методы и технологию обработки графической информации на основе формирования, преобразования и анализа дискретных гиперрастровых представлений пространственной структуры графических изображений.

Разработанный программный комплекс обеспечивает реализацию эффективных вычислительных схем и алгоритмов обнаружения, распознавания и оценки структурных элементов изображения в их растровом и гиперрастровом дискретных представлениях, взаимные преобразования этих представлений и поддержку растровых форматов графических данных, цепных кодов и структурных описаний изображений, что позволяет использовать этот комплекс совместно с существующими программными средствами обработки изображений для построения интеллектуальных систем и технологий обработки графической информации.

Использованное при создании программного обеспечения разработанное инструментальное технологическое программное средство — двухтактный интерпретатор Pilot, обеспечивая высокий уровень автоматизации работ по созданию исследовательского, технологического и специализированного программного обеспечения, в еще большей степени расширяет возможности интеграции разработанных средств и методов моделирования и анализа пространственной структуры изображений, что позволяет создавать программные и информационные продукты для многоцелевого использования и для создания автоматизированных систем обработки графической информации различного назначения.

Результаты экспериментальных исследований разработанных средств и методов и оценки их эффективности и возможностей использования при решении различных прикладных задач, а также опыт их внедрения и эксплуатации при создании программных и информационных продуктов в ряде организаций и предприятий подтверждают целесообразность их использования для качественного повышения возможностей решения практических задач, связанных с обработкой графической информации.

Реализация и внедрение результатов работы. Полученные результаты использованы при выполнении 14 НИОКР, выполненных в ИжГТУ, Физико-техническом институте УрО РАН и Удмуртском государственном университете (УдГУ), и внедрены в ряде организаций и предприятий, где они используются для выполнения производственных, опытно-производственных, научно-исследовательских и учебно-методических работ:

— алгоритмы и комплекс программ автоматизированного дешифрирования изображений объектов местности на космических снимках земной поверхностипрограммное обеспечение многоцелевого высокоразрешающего анализатора фотоизображений СИН-5 (29 НИИ МО РФ);

— методики и программы моделирования, анализа и визуализации внутреннего строения пространственных структур сплошных сред (Физико-технический институт УрО РАН);

— программы технологической подготовки и обработки данных для создания базовых цифровых карт территорийбазовые цифровые карты г. Ижевска, г. Сарапула, г. Глазова (Госкомзем Удмуртской республики (УР)), базовая цифровая карта УР (Госкомэкология УР) — система программного обеспечения технологической подготовки и документирования цифровых карт (ГУД АГП «Удмуртаэрогеодезия») — программные приложения ГИС Maplnfo 5.0, обеспечивающие функционирование геоинформационной системы «Монитор-Иж» для контроля оперативной обстановки на территории города (Штаб МВД УР) — ис-торико-лингвистическая ГИС Камско-Вятского междуречья и экспертные системы мониторинга территориального распределения уровней заболеваемости населения г. Ижевска и Удмуртской республики (УдГУ);

— алгоритмы и программы обработки и кодирования графической информации (Тульский филиал ОАО «Центр Телеком»);

— инструментальное технологическое программное средство — двухтактный интерпретатор Pilot, обеспечивающее высокий уровень автоматизации работ по созданию исследовательского, технологического и специализированного программного обеспечения (ИжГТУ);

— учебно-методические материалы по дисциплинам «Компьютерная графика», «Интерактивные графические системы», «Человеко-машинное взаимодействие» (ИжГТУ).

Разработанные методики, алгоритмы и программы обеспечивают повышение качества выполняемых работ, повышение производительности труда, снижение себестоимости производимой продукции, позволяют создавать программные и информационные продукты для многоцелевого использования и для создания автоматизированных систем обработки графической информации различного назначения.

Апробация работы. Результаты работы докладывались на российских и международных научно-технических конференциях и конгрессах: VI и V Российских университетско-академических научно-практических конференциях (Ижевск, 1999, 2001) — IV Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2003) — VI Международном конгрессе по математическому моделированию (Нижний Новгород, 2004) — XXXI и XXXII Международных конференциях «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2004, 2006) — V Международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций» (Самара, 2004) — VII Международной конференции «Цифровая обработка сигналов и ее применение» (Москва, 2005) — Межрегинальной научно-практической конференции «Развитие информационного пространства». (Ижевск, 2005) — Научной конференции «Теория управления и математическое моделирование» (Ижевск, 2006) — Международной конференции «Информационные технологии в образовании» (Ижевск, 2006).

Публикации. Основные научные результаты по теме диссертации опубликованы в 34 научных работах, в том числе: 5 статей в списке, утвержденном ВАК, 2 статьи в научно-технических журналах и сборниках, 7 тезисов докладов на российских и международных научно-технических конференциях и конгрессах, 19 научно-технических отчетов по 14 НИОКР.

Объем и структура диссертационной работы. Диссертация содержит введение, 5 глав и заключение, изложенные на 148 с. машинописного текста, а также 4 приложения. В работу включены 51 рис., 12 табл., список литературы из 155 наименований. В приложениях представлен акт об использовании результатов работы.

Эти выводы также справедливы для.

— 2−10 1 б) [-1].

Рис. 3.10. Однородные разбиения [+1| и [-1J и их интервалы квантования.

1 i >

0 а) И,+1] У б) [+1,+1] У всех четырех видов однородных растров представленных на рис. 3.11.

Таким образом, и в однородном растре v проявляются эффекты искажений дискретизации, хотя и более регулярного характера. Это обусловлено тем, что все четыре вида однородных растров обладают свойством анизотропии, связанной с направлением ВПГ ячеек растра и приводящей к возникновению искажений дискретизации.

Анизотропия проявляется в отсутствии искажений диагональных узловых прямых, ориентированных в направлении ВПГ, и наличии искажений (лестничный эффект) диагональных узловых прямых, ориентированных в направлении, ортогональном направлению ВПГ (см. рис. 3.13).

В связи с тем, что ОФР (3.10) и (3.12) порождают четыре равноценных растра возникает вопрос выбора одного из них. Поскольку отсутствуют какие-либо предпочтения, этот вопрос мог бы быть решен по соглашению, подобно сов) [-1,-1] О г) [+1,-1].

Рис. 3.11. Структура и ячейки однородных растров [-1,+1], [+1,+1|, [-1,-1] и |+1,-11 глашению об отсчете величин углов против часовой стрелки (например, выбором растра [+1,+1], обычно используемого по соглашению в машинной графике.

Однако, в отличие от названного соглашения, для которого изменение его условия на противоположное (отсчет величин углов по часовой стрелке) фактически ничего не изменяет и является вполне обратимым, нали.

Рис. 3.12. Искажения дискретизации диагональных прямых на растре [+1,+1] чие искажений дискретизации в любом из выбранных растров приводит к необратимости изменения подобного соглашения на противоположное.

Поворот изображения на 90°, 180° или 270° (обычная операция в машинной графике) изменяет характер возникающих искажений дискретизации (см. рис. 3.13). На рис. 3.14 показаны искажения дискретизации одной и той же диагональной прямой (пунктир) на растре [+1,+1] (сплошная линия) и на растре [-1,-1] (точечный г) [+1,-1] в) [-1,-1].

Рис. 3.13. Анизотропия однородных растров пунктир). Если учесть, что растр [-1,-1] может быть получен путем поворота растра [+1,+1] на 180°, то фактически наблюдается усиление искажений дискре.

— 1,-1].

Рис. 3.14. Совмещение растров.

Cv^(z)=[z] = [z] + =< тизации. При многократном повторении по- [+!>+!] добных операций эти искажения могут достигать любой сколь угодно большой величины. Поэтому выбор по соглашению любого из четырех однородных растров, представленных на рис. 3.11, не является корректным решением.

Следует отметить, что во многих реализациях систем машинной графики [99,133] операция взятия целой части числа (функция Integer) понимается как функция Антье — [z], принимающая значение наибольшего целого числа, не превосходящего z:

Cv (z), z>0,.

Cv (z), z<0,z = Cv (z), (3.13).

Cv (z)-l, z<0,z*Cv (z).

В этом случае интервалы квантования аналогичны позитивизированным интервалам на рис. 3.10 а, сдвинутым вправо на величину +0.5.

Совершенно равноценна также обычно не используемая на практике симметричная (3.13) схема квантования, для которой интервалы квантования аналогичны негативизированным интервалам на рис. 3.10 б, сдвинутым влево на величину -0.5:

Cv (z), z<0,.

Cv (z), z>0,z = Cv (z), (3.14).

Cv (z)+1, z > 0, z Ф Cv (z).

Применение ОФР (3.13) и (3.14) также приводит к образованию четырех видов однородных растров с однотипными по размерам и по принадлежности границ ячейками, аналогичных растрам, показанным на рис. 3.11, но отличающихся от них сдвигами по абсциссе и ординате на величины ±0.5.

Для этих видов растров величина максимальной абсолютной погрешности квантования увеличивается, удовлетворяет соотношению (3.2) и не превосходит 1.

CvM (z)=[z]-=".

Очевидно, что характер возникающих искажений дискретизации для этих.

— 2 -1 1.

84 i i+1.

— 1.5 -0.5 0.5 1.5 a) [+1]* -2−10 1 2 растров такой же, как на рис. 3.12.

Максимальная абсолютная погрешность квантования при использовании ОФР (3.13) и (3.14) может быть уменьшена до величины 0.5, если определить координаты центров интервалов квантования (и, соответственно, координаты центров ячеек растра и соответствующих им пикселов) не целыми числами, а величинами полусумм соседних целых чисел (так, как это реализовано в OpenGL [133]), что компенсирует сдвиги интервалов квантования и ячеек растра:

— 1.5 -0.5 0.5 1.5 б) [-if.

0.5 /-1 i i-0.5.

Рис. 3.15. Однородные разбиения [+1] и [-1] и их интервалы квантования z (+)=[z]++0.5, z (-)=[z]~-0.5.

В этом случае интервалы квантования (см. рис. 3.15) полностью идентичны интервалам квантования на рис. 3.10, формирующиеся растры (см. рис. 3.16) полностью идентичны растрам на рис. 3.11, а возникающие искажения дискретизации такие же, как на рис. 3.12. Единственное отличие состоит в том, что ячейки растра не индексируются целыми числами, а координируются числами, дробная часть которых составляет величину 0.5 (показаны на рис. 3.16).

3.15).

1.5 0.5 о.

— 0.5 -1.5.

— 1.5 -0.5 я 0.5 1.5 а) [-l,+l].

1.5.

0.5 о.

— 0.5 -1.5.

0.5 о.

— 0.5 -1.5 X.

— 1.5 -0.5 q 0.5 1.5 в) [-1,-1]'.

— 1.5 -0.5 q 0.5 1.5 г) [+1,-1]*.

Рис. 3.16. Структура однородных растров И,+1]*, [+1,+1]*, [-1,-1]* и [+1,-1]*.

Во всех рассмотренных ОФР принадлежащими ячейке являлись две смежные ее стороны и замыкающий их узел растровой сетки. При этом ВПГ ячейки полностью определялся двумя ортогональными компонентами, которые в свою очередь определяли принадлежащий ячейке узел растровой сетки.

Возникает вопрос о возможности построения ОФР с ячейками, для которых принадлежащие им границы не являются смежными. Ясно, что формируемые такими операторами растры неоднородны и включают в себя ячейки с различной принадлежностью их границ и узлов растровой сетки. Однако при определенной регулярности чередования таких ячеек на растре можно получить квазиоднородный растр, обладающий свойством однородности по отношению к квазиячейкам — группам ячеек, периодически повторяющимся на растре.

На рис. 3.17 показано, как в результате действия ОФР Cv образуется квазиоднородный растр, составленный из двух типов ячеек (рис. 3.17 а), чередующихся на растре в шахматном порядке. При этом образуются периодически повторяющиеся квазиячейки двух типов (рис. 3.17 в), составленные из четырех смежных ячеек растра. О.

— к t t.

А >

1 1 1 ! а) ячейки растра б) растр в) квазиячейки растра jj.

Рис. 3.17. Структура квазиоднородного растра (ОФР Cv) ii.

Оператор Cv порождает всего восемь типов растров — растр, показанный на рис. 3.17 б, три производных от него растра, получаемых поворотами на 90°, 180° и 270°, и четыре производных растра, получаемых зеркальными отражениями.

Все эти растры анизотропны и приводят к таким же искажениям дискретизации, какие возникают при фор

Рис. 3.18. Искажения дискретизации ОФР Cv* мировании однородных растров (см. рис. 3.18).

Возможно также построение нерегулярных растров с неповторяющимися конфигурациями принадлежащих ячейкам растра границ и узлов растровой сетки. При построении таких растров должны соблюдаться следующие очевидные условия однозначности:

— каждая граница должна принадлежать одной и только одной из двух прилегающих к ней ячеек;

— каждый узел должен принадлежать одной и только одной из четырех прилегающих к нему ячеек.

Соблюдение этих условий может быть достигнуто за счет применения ОФР Cvs на основе стохастического квантования, при котором принадлежность ячейкам границ и узлов растровой сетки определяется выбором ячеек, прилегающих к каждой границе и к каждому узлу растровой сетки в соответствии с заданным распределением вероятностей (по жребию).

На рис. 3.19 а показан растр, полученный путем стохастического квантования с равными вероятностями выбора ячеек. Очевидно, что в таком растре образуется большое количество типов ячеек (всего 256 типов), различающихся по принадлежности прилегающих к ним границ и узлов растровой сетки. Так на рис. 3.19 все 25 ячеек изображенного фрагмента растра имеют различные типы и не повторяются.

Характер искажений дискретизации диагональных узловых прямых на растре, полученном путем стохастического квантования, показан на рис. 3.19 б. Как видно из рисунка, искажения имеют вид нерегулярных осцилляций — наблюдаются одиночные всплески (эффект зубцов) и группы подряд идущих всплесков (лестничный эффект). J ?

1 ' 1 '.

1 к .1 и а) растр б) искажения дискретизации.

Рис. 3.19. Структура нерегулярного растра (ОФР Cvs) и искажения дискретизации на нем.

Рассмотренные искажающие эффекты дискретизации точечных ОФР на диагональных прямых сведены в табл. 3.3, из которой можно сделать следующие выводы:

ЗАКЛЮЧЕНИЕ

.

В работе получены следующие основные выводы и результаты.

1. Разработан метод трансформационного анализа пространственной структуры изображений, реализующий схему восходящего анализа, обеспечивающий объективное построение полного и точного описания структуры графических изображений и выявляющий все существенные геометрико-топологические свойства, характеристики и взаимосвязи их структурных элементов на основе последовательного выделения инвариантов структуры изображений относительно подгрупп группы аффинных преобразований (трансляций, движений и нерефлексных аффинных преобразований), что позволяет однозначно определить элементы структуры, их пространственные атрибуты и взаимосвязи.

2. Построена структурно-графикационная модель изображений, учитывающая пространственный план их построения и графические факторы их воспроизведения и формирующая на основе трансформационного анализа описание структуры графического изображения в виде графа, образованного совокупностью структурных элементов, связанных бинарным пространственным отношением смежности.

3. В результате исследования различных способов формирования дискретных растровых представлений пространственной структуры графических изображений выявлены различные искажающие эффекты дискретизации структурных элементов изображений на растре и установлено, что при применении любого оператора формирования растра возникают необратимые искажения дискретизации, характер которых непостоянен и существенно зависит от способа формирования растра.

4. В результате анализа искажающих эффектов дискретизации структурных элементов изображений на растре установлено, что различия в искажающих эффектах обусловлены различиями в определении векторов принадлежности границ ячеек растровой сетки, что позволило сформулировать условия, необходимые для построения дискретных представлений изображений, обладающих минимальной неопределенностью.

5. На основе использования теории пространств толерантности разработана дискретно-планиметрическая модель гиперрастра, обеспечивающая дискретное представление пространственной структуры изображений с минимальной неопределенностью — с точностью, определяемой элементами порождающей растровой сетки — узлами, границами и внутренностями ячеек сетки.

6. В результате сравнительного анализа методов распознавания структурных элементов изображения в их растровом и гиперрастровом дискретных представлениях установлена более высокая эффективность гиперрастрового представления, обусловленная характерными для гиперрастра отсутствием необратимых эффектов дискретизации и более высокой точностью представления структурных элементов изображений, в предельных случаях достигающей значений с нулевой погрешностью.

7. Разработан метод центроидной релаксации, обеспечивающий эффективное обнаружение, распознавание и оценку дискретно представленных на растре структурных элементов изображений и возможность преобразования их растровых представлений в гиперрастровые за счет получения субпиксельных оценок пространственных атрибутов элементов.

8. Разработаны эффективные вычислительные схемы и алгоритмы формирования, преобразования и анализа дискретных представлений пространственной структуры графических изображений, обеспечивающие высокую производительность вычислительных процессов и существенное снижение используемых ресурсов памяти за счет дифференциального цепного кодирования изображений, формируемого на основе анализа результатов их центроидного преобразования, последующей сегментации цепных кодов и распознавания структурных элементов.

9. Предложена и обоснована технология обработки графических данных, основанная на разработанных средствах и методах моделирования и анализа дискретных представлений пространственной структуры изображений, эффективность использования которых в интеллектуальных системах обработки графической информации обеспечивается путем последовательного преобразования изображений в их полные и точные структурные описания, определяющие структурные элементы изображения и их взаимосвязи.

10. Создано программное обеспечение, реализующее разработанные модели, методы, алгоритмы и технологию обработки графической информации на основе формирования, преобразования и анализа дискретных гиперрастровых представлений пространственной структуры графических изображений, взаимных преобразований растрового и гиперрастрового представлений и поддержки растровых форматов графических данных, цепных кодов и структурных описаний изображений, что позволяет использовать программный комплекс совместно с существующими программными средствами обработки изображений.

11. Разработано инструментальное технологическое программное средство — двухтактный интерпретатор Pilot, использованный при создании программного обеспечения, который обеспечивает высокий уровень автоматизации работ по созданию исследовательского, технологического и специализированного программного обеспечения, что позволяет создавать программные и информационные продукты для многоцелевого использования и для создания автоматизированных систем обработки графической информации различного назначения.

12. Выполнены экспериментальные исследования разработанных средств и методов моделирования и анализа дискретных представлений пространственной структуры графических изображений, результаты которых подтвердили их эффективность и перспективность их использования в интеллектуальных системах обработки графической информациив результате экспериментов установлены высокая надежность распознавания и оценки структурных элементов изображения в их гиперрастровом представлении, высокая и возрастающая по стадиям обработки изображения степень сжатия информации, а также высокая производительность и технологичность созданных средств обработки графической информации.

13. Внедрение разработанных средств и методов моделирования и анализа изображений в ряде организаций и предприятий, а также опыт их эксплуатации при выполнении производственных, опытно-производственных и научно-исследовательских работ подтвердили целесообразность их использования для качественного повышения возможностей решения практических задач, связанных с обработкой графической информации. Разработанные методики, алгоритмы и программы обеспечили повышение качества выполняемых работ, повышение производительности труда, снижение себестоимости производимой продукции, позволили создать программные и информационные продукты многоцелевого использования и автоматизированные системы обработки графической информации различного назначения.

Результаты выполненных исследований позволяют сформулировать следующие возможные перспективные направления их развития.

1. Обобщение гиперрастровой модели на другие типы растровых сеток и на более широкий класс изображений, а также разработка соответствующих методов моделирования и анализа изображений могут обеспечить существенное расширение круга решаемых задач и возможных методов их решения.

2. Использование полученных результатов по сжатию графической информации, сопоставимых с наилучшими достигнутыми в этой области результатами [4,15], для сокращения различных видов трафика видео-сообщений [67], может способствовать развитию интеллектуальных систем телекоммуникаций [68].

3. Большой познавательный и научный интерес представляет возможность применения гиперрастровой модели для разработки дискретной гиперрастровой планиметрии на основе замены понятия конгруэнтности в непрерывной геометрии понятием толерантности в дискретной геометрии.

Можно ожидать, что развитие работ в области интеллектуальных компьютерных технологий обработки графической информации в ближайшем будущем значительно расширит возможности применения и использования этих технологий и полученные в настоящей работе результаты могут стать полезными для реализации этих возможностей.

Показать весь текст

Список литературы

  1. А.Д., Нецветаев Н. Ю. Геометрия. — М.: Наука, 1990. — 672 с.
  2. Р.А., Мирзаханян Э. А. Общая топология. М.: Высшая школа, 1979. — 336 с.
  3. .В., Курганов В. Д., Злобин В. К. Распознавание и цифровая обработка изображений. М.: Высшая школа, 1983. — 295 с.
  4. В.М., Шелухин О. И., Афонин М. Ю. Цифровое сжатие видеоинформации и звука. М.: Дашков и К°, 2003. — 426 с.
  5. П.А., Колмогоров П. С. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника. 1987. — № 10. — С. 25−46.
  6. П.А., Колмогоров П. С., Варновицкий Н. Э. Сегментация изображений: методы пороговой обработки // Зарубежная радиоэлектроника. -1988. № 4. — С. 6−24.
  7. Н.С., Бурцев В. А., Красильников И. Г. и др. Векторизация тексто-графических изображений // ГИС-обозрение. 1995. — № 1. — С. 17−19.
  8. Р.Л., Криттенден Р.Дж. Геометрия многообразий. -М.: Мир, 1967. 335 с.
  9. В.А., Кислюк О. С., Хамидуллин А. В. Формирование растровых графических изображений пространственных объектов, построенных методом конструктивной геометрии // Программирование. 1989. -№ 3. — С. 88−92.
  10. М.М. Проблема узнавания. М.: Наука, 1967. — 320 с.
  11. Н.С. Черчение. М.: Стройиздат, 1989. — 420 с.
  12. Е.А., Островский В. И., Фадеев И. Л. Обработка изображений на ЭВМ. М.: Радио и связь, 1987. — 240 с.
  13. Ю.Г. Математические модели структурированного описания графических изображений // Автоматизация обработки сложной графической информации. Горький: Изд-во Горьк. ун-та, 1984. — С. 92−117.
  14. Ю.Г., Крахнов А. Д. Метод от общего к частному в задачах дискретной геометрии // Автоматизация обработки сложной графической информации. Горький: Изд-во Горьк. ун-та, 1986. — С. 67−80.
  15. Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. М.: ДИАЛОГ-МИФИ, 2003.-384 с.
  16. К.В., Вейцман А. И. Фотографическая структурометрия.- М.: Искусство, 1982. 270 с.
  17. В.А., Сергеев В. В., Сойфер В. А. Обработка изображений в автоматизированных системах научных исследований. М.: Наука, 1982. — 214 с.
  18. Всеобщая история искусств. Т. VI. — Искусство 20 столетия. — Кн. 1.- М.: Искусство, 1965. 480 с.
  19. И., Люка М. Машинная графика и автоматизация проектирования. М.: Мир, 1988. — 300 с.
  20. .Ф., Комиссарчук А. А. Алгоритм поиска объектов на дис-кретизированном изображении // Тез. докл. II Всесоюз. конф. по автоматизированным системам обработки изображений. Львов, 1986. — С. 73−75.
  21. В. Интерактивная машинная графика: структуры данных, алгоритмы, языки. М.: Мир, 1981. — 384 с.
  22. Д., Кон-Фоссен С. Наглядная геометрия. М.: Наука, 1981. — 344 с.
  23. Н.Н. Геометрическое моделирование. М.: Наука, 2002. — 472 с.
  24. С.А., Кац Б.М., Киврин В. И. Телевизионные измерительные системы. -М.: Связь, 1980. 189 с.
  25. М.П. Автоматический ввод и обработка фотографическихизображений на ЭВМ. -М.: Энергия, 1976. 156 с.
  26. С.Б. Эффективность и чувствительность телевизионных систем. -M.-JL: Энергия, 1964. -344 с.
  27. ДеМерс М. Н. Географические информационные системы. М.: Дата+, 1999.-507 с.
  28. Д.А., Низовкин В. А. Сегментация изображений на ЭВМ // Зарубежная радиоэлектроника. 1985. — № 10. — С. 5−31.
  29. Т. Теория фотографического процесса. JL: Химия, 1980. — 672 с.
  30. Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.-512 с.
  31. Ю.И., Гуревич И. Б. Распознавание образов и анализ изображений // Искусственный интеллект. Кн. 2. — Модели и методы. — М.: Радио и связь, 1990.-304 с.
  32. Н.В., Мучник И. Б. Модели зрительного восприятия и алгоритмы анализа изображений. М.: Наука, 1974. — 344 с.
  33. А.В., Мурынов А. И., Сапегина J1.H. Алгоритмы и программное обеспечение центроидной векторизации растровых изображений // Тез. докл. V Росс, унив.-акад. науч.-практ. конф. Ч. 8. — Ижевск, 2001. — С. 35−36.
  34. А.В., Мурынов А. И., Сапегина JT.H. Микровекторизация картографических изображений // Тез.докл. IV Росс, унив.-акад. науч.-практ. конф. -Ч. 2.-Ижевск, 1999.-С. 171−172.
  35. И.Г. Выделение прямолинейных границ на цифровых изображениях с помощью преобразования Радона // Автоматизированная обработка визуальной информации. Новосибирск, 1989. — С. 29−39.
  36. Н.Н., Флейс М.Э, Яровых В. Б. Проекционные преобразования в геоинформационных системах // ГИС-обозрение. 1995. — № 2 (5). — С. 23−25.
  37. Н.Н., Флейс М. Э., Яровых В. Б. Использование разнородных пространственных данных в геоинформационных системах // ГИС-обозрение. -1994.-№ 1.-С. 22−24.
  38. В. Классификация моделей цифровых картографических данных // Картография. Вып. 4. — Геоинформационные системы. — М.: Картгео-центр-Геодезиздат, 1994.-С. 83−88.
  39. А.А. Векторно-топологическое представление данных в цифровой картографии // Мир ПК. 1995. — № 12. — С. 3−8.
  40. JI.B. Быстрый алгоритм оконтуривания объектов на изображениях // Автометрия. 1990. — № 1. — С. 11−16.
  41. В.М., Шлезингер М. И. Алгоритм выделения отрезков осевых линий на графических изображениях. Киев: АН УССР, 1983. — 117 с.
  42. В.Е. Графические системы САПР. М.: Высшая школа, 1990. -142 с.
  43. Ш., Номидзу К. Основы дифференциальной геометрии. -Т. 1.-М.: Наука, 1981.-344 с.
  44. В.А. Методы оптимальных решений в распознавании изображений. М.: Наука, 1976. — 328 с.
  45. В.Н. Способ оценки похожести изображений, основанный на преобразованиях подобия // ЖВМиМФ. Т. 40. — 2000. — № 5. — С. 797−808.
  46. А.Н., Фомин С. В. Элементы теории функций и функционального анализа. -М.: Наука, 1981. 544 с.
  47. В.В., Утробин В. А. Основы теории активного восприятия изображений. Нижний Новгород: Вектор, 1997. — 249 с.
  48. Н.В., Капралов Е. Г. Введение в ГИС. М.: Библион, 1997. -160 с.
  49. Ю. Тенденции развития моделей данных в ГИС и их значения для ГИС-приложений // ArcReview: современные информационные технологии. 1997. — № 3. — С. 15- - 1997. — № 2. — С. 2.
  50. Ю.К. Модели данных геоинформационных систем // Инф. бюлл. ГИС-ассоциации. 1998. -№ 2 (14). — С. 70−72- -1998. — № 3 (15). — С. 68−69.
  51. Ю.К. О роли растровой информации в ГИС // ArcReview: современные информационные технологии. 1988. — № 1 (4). — С. 14−15.
  52. Ю.К. Общая геоинформатика. Ч. 1. — Теоретическая геоинформатика. Вып. 1. — М.: Дата+, 1998. — 119 с.
  53. Дж. Компьютерная графика. М.: Энтроп, 1995. — 352 с.
  54. И.И., Полозов B.C., Широкова J1.B. Алгоритмы машинной графики. -М.: Машиностроение, 1977. 200 с.
  55. Г. Б., Эндрюс Х. С. Сегментация изображения при помощи автоматической классификации // ТИИЭР. Т. 67. — 1979. — № 5. — С. 82−97.
  56. А.В., Сорокин А. Д. Форматы и стандарты цифровой пространственной информации // ГИС-обозрение. 1995. — № 1. — С. 40−45.
  57. А.В., Тикунов B.C. Геоинформатика М.: Картгеоцентр-Геодезиздат, 1993. — 213 с.
  58. Л.Н. Искажающие эффекты дискретизации графических изображений на растре // Материалы XXXII Междунар. конф. «Информационные технологии в науке, социологии, экономике и бизнесе» // Прилож. к журн. «Открытое образование». 2006. — С. 173−174.
  59. Л.Н. Точечные операторы формирования растровых представлений пространственной структуры изображений и эффекты дискретизации // Вестник Ижевского государственного университета. 2006. — №.1. — С. 10−17.
  60. Л.Н., Микрюков А. В., Мурынов А. И., Телегина М. В. Графическая информация в информационном пространстве // Тез. докл. Межрег. науч.-пракг. конф. «Развитие информационного пространства». Ижевск, 2005. — С. 187−189.
  61. Л.Н., Мурынов А. И. Гиперрастровая модель изображений // Вестник Ижевского государственного университета. 2006. — №.1. — С. 17−24.
  62. Ю.Н., Шибаева И. В. Формирование секторных цепных кодов линейных структурных элементов изображений // Тр. Междунар. симп. «Надежность и качество». Ч. II. — Пенза: 2004. — С. 470−474.
  63. М.Н., Хесин А. Я., Янсон Б. А. Автоматизация распознавания телевизионных изображений. М.: Энергия, 1975. — 160 с.
  64. .Я. Автоматизация расчета характеристик трафика в сетях ATM // Инфокоммуникационные технологии. Т. 1. — 2003. — № 1. — С. 47−53.
  65. .Я., Кузякин М. А., Росляков А. В., Фомичев С. М. Интеллектуальные сети связи. М.: Эко-Трендз, 2000. — 206 с.
  66. А.В., Мурынов А. И., Сапегина Л. Н. Историко-лингвистическая геоинформационная система Камско-Вятского междуречья // Тез. докл. V Росс, унив.-акад. науч.-практ. конф. Ч. 8. — Ижевск, 2001. — С. 34−35.
  67. А.В., Мурынов А. И., Сапегина Л. Н. Экспертная геоинформационная система для анализа территориального распределения уровня заболеваемости городского населения // Тез. докл. V Росс, унив.-акад. науч.-практ. конф. Ч. 8. — Ижевск, 2001. — С. 33−34.
  68. А.В., Мурынов А. И., Сапегина Л. Н., Телегина М. В. Разработка и применение новых технологий создания цифровых карт // Тез. докл. V Росс, унив.-акад. науч.-практ. конф. Ч. 8. — Ижевск, 2001. — С. 40−41.
  69. М. Графический интерфейс пользователя. М.: Мир, 1996. — 160 с.
  70. В.Е., Кислицкий В. Н., Лященко А. А. и др. Геометрическое моделирование и машинная графика в САПР. Киев: «Выща школа», 1991. — 374 с.
  71. В.И. Компьютерная графика. -М.: АСТ-Пресс СКД, 202 с.
  72. А.И. Модель пространственной структуры для представления цифровой карты // Вестник Удмуртского университета. 1996. — № 3. — С. 151−159.
  73. А.И. Объектно-топологическая модель пространственных данных для ГИС // Тез.докл. IV Росс, унив.-акад. науч.-практ. конф.- Ч. 2.1. Ижевск, 1999.-С. 169−170.
  74. А.И. Объектный формат пространственных данных для ГИС // Материалы IV Всерос. форума «Геоинформационные технологии. Управление. Природопользование. Бизнес». М., 1997. — С. 124−126.
  75. А. И. Сапегина JI.H. Анализ растровых изображений на основе центроидной фильтрации. // Тез. докл. V Росс, унив.-акад. науч.-практ. конф. Ч. 8. — Ижевск, 2001. — С. 39−40.
  76. А.И., Вдовин A.M. Анализ пространственной структуры изображений методом центроидной фильтрации // Вестник Ижевского государственного университета. 2002. — Вып.З. — С. 3−11.
  77. 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. 161−177.
  78. О.Р. Цифровые модели для ГИС // Инф. бюлл. ГИС-ассоциации. 1998. — № 4 (16). — С. 30−32- 1998. — № 5 (17). — С. 28−29.
  79. Р. Лингвистический подход к распознаванию образов // Автоматический анализ сложных изображений. М.: Мир, 1969. — С. 22−49.
  80. Р. Синтаксическая интерпретация классов изображений // Автоматический анализ сложных изображений. М.: Мир, 1969. — С. 50−64.
  81. В.Г., Шаронов С. Н. Метод преобразования координат для адаптивной сегментации изображения // Измерительная техника. 1990. № 12. — С. 9−10.
  82. У., Спрулл Р. Основы интерактивной машинной графики. -М.: Мир, 1976.-562 с.
  83. Оре О. Теория графов: М.: Наука, 1968. — 352 с.
  84. Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986. — 400 с.
  85. Петров МН, Молочков В. П Компьютерная графика. СПб.: Питер, 2002. — 736 с.
  86. И.В. Эффективное кодирование цветных графических изображений для передачи по каналам связи телекоммуникационных систем // Ж.
  87. АН Украины «Искусственный интеллект» 2005. — № 3. — С. 641−648.
  88. Э.Г., Шикин Е. В. Дифференциальная геометрия. М.: Изд-во МГУ, 1990.-384 с.
  89. С.И. Пиксел и вектор. Принципы цифровой графики. -СПб.: БХВ-Петербург, 2002. 496 с.
  90. JI.C. Непрерывные группы. М.: Наука, 1984. — 520 с.
  91. Ф., Шеймос М. Вычислительная геометрия: М.: Мир, 1989. — 478 с.
  92. 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.
  93. У. Цифровая обработка изображений. Кн. 1. — М.: Мир, 1982. -312 е.--Кн. 2.-М.: Мир, 1982.-480 с.
  94. Д. Инженерная графика в САПР. М. Мир, 1989. — 391 с.
  95. Роджерс Д Алгоритмические основы машинной графики.-М: Мир, 1989.-512 с.
  96. Д., Адаме Дж. Математические основы машинной графики. -М.: Машиностроение, 1980. 240 с.
  97. А. Распознавание и обработка изображений для цифровых вычислительных машин. М.: Мир, 1972. — 230 с.
  98. А., Дейвис Л. С. Сегментация и модели изображения // ТИИЭР. Т. 67. — 1979. -№ 5. — С. 71−81.
  99. Э.Т., Иванова А. К., Куликов А. С. и др. Разработка и оформление конструкторской документации радиоэлектронной аппаратуры. -М.: Радио и связь, 1989. 448 с.
  100. .П., Горбачев В. Г., Власов М. Ю. Концептуальные топологические отношения в ГИС // Инф. бюлл. ГИС-ассоциации. -1996. № 5 (7). — С. 62−63.
  101. С.С., Самандаров И. Р. Скелетизация бинарных изображений // Зарубежная радиоэлектроника. 1985. — № 11. — С. 30−37.
  102. К.А. Картоведение. М.: Изд-во МГУ, 1982. — 408 с.
  103. А.В. Геоинформатика. Томск: Изд-во Том. ун-та, 2006. — 336 с.
  104. Н.А. Общая теория изображений. М.: Архитекгура-С, 2004. — 672 с.
  105. Т.В. Сегментация линейных объектов для автоматизированной генерализации // ГИС-обозрение. 1996. — № 3−4 (9). — С. 50−51.
  106. Условные знаки для топографических планов масштабов 1:5000, 1:2000, 1:1000, 1:500.-М.: Недра, 1989.-286 с.
  107. Условные знаки, образцы шрифтов и сокращения для топографических карт масштабов 1:200 000 и 1:500 000. -М.: ВТУ ГШ, 1963. 58 с.
  108. Ш. Утробин В. А. Информационные модели системы зрительного восприятия для задач компьютерной обработки изображений. Нижний Новгород, Изд-во Нижегородского гос. тех. ун-та, 2001. — 234 с.
  109. B.C. Опознавание изображений. М.: Наука, 1970. — 296с .
  110. А., Пратт М. Вычислительная геометрия. Применение в проектировании и на производстве. М.: Мир, 1982. — 304 с.
  111. Дж., ван Дэм А. Основы интерактивной машинной графики. -Ч. 1.-М.: Мир, 1985.-436 е.--Ч. 2.-М.:Мир, 1985.-564 с.
  112. X. Фотографическая регистрация информации. -М: Мир, 1978. 670 с.
  113. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977. — 320 с.
  114. Я.А., Кревецкой А. В. Передреев А.К. и др. Введение в контурный анализ и его приложения к обработке изображений и сигналов. М.: Физматлит, 2002. — 592 с.
  115. Е.И., Жалковский Е. А., Жданов Н. Д. Цифровые карты. М.: Недра, 1992.-419 с.
  116. ХруповС. Организация данных в ГИС // ГИС-обозрение. -1997. № 2. — С. 38−41.
  117. М. Оператор нахождения контуров на кодированных изображениях // Интегральные роботы. Вып. 1. — М.: Мир, 1973. — С. 225−240.
  118. В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998. — 288 с.
  119. Ю.В. Графические информационные системы // Зарубежная радиоэлектроника. 1985. — № 10. — С. 31−55.
  120. Ю.В. Структуры данных для представления изображений //
  121. Зарубежная радиоэлектроника. 1983. — № 8. — С. 85−107.
  122. Чэн Ш.-К. Принципы проектирования систем визуальной информации. М.: Мир, 1994. — 408 с.
  123. Ш., Санжей Ч. Основы пространственных баз данных. М.: КУДИЦ-ОБРАЗ, 2004, — 336 с.
  124. Г. Квазитопологический метод распознавания линейных изображений // Автоматический анализ сложных изображений. М.: Мир, 1969.-С. 11−21.
  125. Е.В., Боресков А. В. Компьютерная графика. Динамика, реалистические изображения. М.: ДИАЛОГ-МИФИ, 1995. — 288 с.
  126. М.И. Математические средства обработки изображений.- Киев: Наукова думка, 1989. 200 с.
  127. Ю.А. Пространства толерантности // Кибернетика, 1970, № 2. С. 37−49.
  128. Ю.А. Равенство, сходство, порядок. М.: Наука, 1971. — 257 с.
  129. Э. Интерактивная компьютерная графика -М.: Вильяме, 2001. 592 с.
  130. И. Практическое введение в машинную графику. М.: Радио и связь, 1984, — 136 с.
  131. Г. Применение вычислительных машин для обработки изображений. -М.: Энергия, 1977. 160 с.
  132. Л.П. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику. -М.: Радио и связь, 1987. — 296 с.
  133. Arcelli С., di Baja G.S. A one-pass two-operation process to detect the skeletal pixels the 4-distance transform // IEEE Trans, on Pattern Recogn. and Mach. Intell. V. 11.- 1989.-P. 411−414.
  134. Ballard D. Generalizing the Hough transform to detect arbitrary shapes // Pattern Recogn.-V. 13. 1981. -№ 2. -P. 111−122.
  135. Bresenham J.E. A Linear Algorithm for Incremental Digital Display of Circular Arcs // CASM. V. 20. -1977. — P. 100−106.
  136. Bresenham J.E. Algorithm for Computer Control of a Digital Plotter // IBM System J. V. 4. — 1965. — P. 25−30.
  137. Cederberg R. Chain-link coding and segmentation of raster scan devices // Сотр. Graph, and Image Proc. V. 10. — 1979. — № 2. — P. 224−234.
  138. Fleck M.M. Local Rotational Symmetries // Tech. Rep. 852. MIT Press. — 1985.- 155 p.
  139. Freeman H. On the encoding of arbitrary geometric configurations // IEEE Trans. Electron. Сотр. V. 10. — 1961. — № 2. — P. 260−268.
  140. Freeman H. Shape description via nhe use of critical points // Pattern recogn.-V. 10.- 1978.-№ 3.-P. 159−169.
  141. Furst M.A., Caines P.E. Edge Detection with Image Enhancement via Dynamic Programming // Сотр. Vision, Graph, and Image Proc. V. 33. -1986. — № 3. — P. 263−279.
  142. Gapson D.W. An improved algorithm for the sequentional extraction of boundaries from a raster scan // Сотр. Graph, and Image Proc. V. 28. -1984. — № 1. — P. 109−125.
  143. Haralick R.M. Structural pattern recognition, homomorphisms and arrangements //Pattern Recogn. V. 10. — 1978.-№ 3.-P. 223−236.
  144. Kittler J. and Paler K. An Absorption Edge Detector // Сотр. Graph. -1983. № 8. — P.345−350.
  145. Lam L., Lee S.-W. Thinning methodologies A comprehensive survey // IEEE Trans. Pattern Anal, and Mach. Intell. — V. 14. — 1992. — № 9. — P. 869−885.
  146. Murynov A.I., Levitskaya L.N., Shibaeva I.V. The Model Discretely-Planimetry Graphic Structures of the Image Graphic // Book of Abstracts of the 6th International Congress on Mathematical Modelling. Nizhny Novgorod, 2004. — P. 258.
  147. O’Gorman L. KxK thinning // Сотр. Vision, Graph, and Image Proc. -V. 51.- 1990,-№ 2.-P. 195−215.
  148. Paven K., Deepak B. Pseudo one thinning algorithm // Pattern Recogn. -V. 12. 1991. -№ 9. -P. 543−555.
  149. Pavlidis T. A thinning algorithm for discrete binary images // CGIP. -V.13. 1980. — P. 142−157.
  150. Pavlidis Т., Horowitz S. Segmentation of plane curves / IEEE Trans. Сотр. V. 23. — 1974. — № 8. — P. 860−870.
  151. Rosenfeld A. A characterization of parallel thinning algorithms // Information and Control. V. 29. — 1975. — P. 286−291.149
Заполнить форму текущей работой

На отлично!