Введение
Глава 1. Обзор современного состояния проблем реконструкции изображений в невидимой области 13
1.1. Введение 13
1.2. Задача реконструкции изображений в утерянных областях 14
1.3. Восстановление структуры объектов на изображении в процессе реконструкции 16
1.4. Субъективизм в оценке качества реконструкции больших участков изображений 18
1.5. Анализ предметной области
1.5.1. Условная классификация существующих методов 22
1.5.2. Текстурные методы реконструкции 22
1.5.3. Методы реконструкции, привлекающие аппарат дифференциальных уравнений в частных производных 24
1.5.4. Методы реконструкции, использующие поиск по экземпляру 28
1.5.5. Гибридные методы реконструкции 31
1.5.6. Полуавтоматические методы и методы быстрой реконструкции 32
1.5.7. Визуальное восприятие и оценка качества результатов реконструкции 34
Выводы по главе 1 38
Глава 2. Критерий алгоритмической вероятности и разработка методов на его основе для решения задачи реконструкции изображений в невидимой области 40
2.1. Введение 40
2.2. Предсказание на основе алгоритмической вероятности 44
2.3. Практическая алгоритмическая вероятность 47
2.4. Восстановление изображения в утерянной области как частный случай задачи предсказания 48
2.5. Метод реконструкции изображений на базе алгоритмической вероятности с использованием спектрального представления 52
2.6. Учет предыдущего опыта наблюдателя для решения задачи реконструкции изображений в невидимой области 54
2.7. Метод реконструкции изображений на базе алгоритмической вероятности с использованием систем, способных к обучению представлениям 58
Выводы по главе 2 61
Глава 3. Алгоритмы реконструкции изображений в невидимой области на основе критерия алгоритмической вероятности 63
3.1. Введение 63
3.2. Алгоритм реконструкции изображения с использованием спектрального представления 63
3.3. Об алгоритмах обучения систем представлениям
3.3.1. Недостаточность критерия максимизации взаимной информации для выделения информативных признаков 70
3.3.2. Регуляризация как способ повышения информативности выученных признаков 71
3.3.3. Разреженное кодирование 73
3.3.4. Обучение шумоподавлению 75
3.3.5. Геометрическая интерпретация критерия шумоподавления 78
3.3.6. Регуляризация и компактность кода 83
3.4. Сверточный автоэнкодер 84
3.4.1. Разреженное кодирование для сверточного автоэнкодера 86
3.5. Алгоритмы реконструкции изображений в невидимой области,
использующие обучаемые представлениям системы 87
Выводы по главе 3 89
Глава 4. Практическое применение алгоритмов реконструкции изображений в невидимой области на основе критерия алгоритмической вероятности 90
4.1. Введение 90
4.2. Практическое применение алгоритма реконструкции изображений на основе критерия информативности их спекров 90
4.3. Практическое применение алгоритмов реконструкции изображений на основе использования систем, способных к обучению представлениям 104
Выводы по главе 4 114
Заключение 115
Список литературы
