Введение
1 Текстурные статистические методы анализа изображений 20
1.1 Понятие текстуры 20
1.2 Статистические признаки Харалика 21
1.3 Классификация с помощью статистических признаков 26
1.4 Классификация изображений биомедицинских препаратов 28
1.5 Использование цветовых пространств 30
1.6 Численный эксперимент 33
1.7 Результаты 34
2 Использование диффузионных моделей описания поведения сложных систем 36
2.1 Понятие диффузионной модели 36
2.2 Использование диффузионных моделей для классификации изображений 38
2.3 Модель Diffusion-limited aggregation (DLA) для плоского случая 38
2.4 Оптимизация модели DLA для плоского случая
2.4.1 Априорная оценка коэффициентов выбора 41
2.4.2 Определение точки присоединения новой частицы 42
2.4.3 Особенности реализации 43
2.4.4 Оценка вычислительной сложности з
2.4.5 Численный эксперимент 44
2.4.6 Оценка достоверности результатов
2.5 Модель DLA для поверхности 47
2.6 Оптимизация модели DLA для поверхности
2.6.1 Априорная оценка коэффициентов присоединения 48
2.6.2 Определение точки присоединения новой частицы 49
2.6.3 Оценка вычислительной сложности 50
2.6.4 Численный эксперимент 51
2.7 Результаты 51
3 Метод построения модели с использованием стационарного по токанаграфе 53
3.1 Основные определения 53
3.2 Построение стационарного потока на графе 54
3.2.1 Описание базового алгоритма 55
3.3 Модификация алгоритма построения стационарного потока на графе 56
3.4 Оценка вычислительной сложности 58
3.5 Численный эксперимент 59
3.6 Результаты 62
4 Особенности реализации комплекса программ 64
Заключение 68
Литература 69
