Введение
1. Современное состояние исследований по проблеме распознавания текстурных изображений 15
1.1 Понятие текстуры и практические примеры распознавания текстурных 16
изображений
1.1.1 Определение текстуры 16
1.1.2 Типы текстур в изображении 17
1.2 Формальная постановка задачи распознавания текстурных изображений 19
1.3 Информативные признаки для распознавания текстур 20
1.4 Сегментация изображений 25
1.5 Распознавание текстурных изображений 27 1.5.1 Методы распознавания изображений 28
1.6 Нейросетевые классификаторы изображений 30
1.6.1 Классификатор Хемминга 30
1.6.2 Параметрическая векторная нейронная сеть 32
1.6.3 Многослойная нейронная сеть 35
1.7 Содержание задачи диссертационной работы 36
ВЫВОДЫ 37
2. Метод нейросетевого распознавания текстур с использованием секущих линий изображений 38
2.1 Проблема формирования вектора признаков
для распознавания текстурного изображения 38
2.2 Секущие линии изображения. Одномерная сегментация 40
2.3 Таблица частот распределения сегментов по длине и яркости 43
2.4 Предварительная обработка текстурных изображений 45
2.4.1 Приведение изображения к заданной средней яркости 46
2.4.2 Масштабирование текстурного изображения 49
2.5 Статистические характеристики корреляционного типа для текстурных изображений 50
2.5.1 Матрицы смежности сегментов по яркости и длине 51
2.5.2 Корреляционные функции для показателей длины и яркости объектов в поле изображения 54
2.6 Критерий подобия двух текстурных изображений 60
2.7 Нейросетевая классификация текстурных изображений 61
2.7.1 Особенности применения сети Хемминга
для распознавания текстурных изображений 61
2.7.2 Схемы поиска эталонных изображений в базе данных 63
2.7.3 Распознавание текстур с применением векторной параметрической нейронной сети 66
ВЫВОДЫ 68
Программная система tic - инструментальное средство анализа и классификации текстурных изображений 69
3.1 Программная среда разработки 70
3.1.1 Используемые классы 70
3.1.2 Описание классов 71
3.2 Функциональные задачи и требования к программе TIC 72
3.3 Формирование статистических признаков текстурного изображения 75
3.3.1 Формирование секущих линий 75
3.3.2 Алгоритм одномерной сегментации функции яркости вдоль 76 секущих линий
3.3.3 Вычисление матрицы частот сегментов по длине и яркости 77
3.3.4 Вычисление матрицы смежности сегментов по длине и яркости 78
3.3.5 Вычисление корреляционной функции плотности расположения сегментов в поле изображения 81
3.4 Работа с базой эталонных изображений 83
3.5 Подсистема классификации изображений 85
3.5.1 Полный перебор по среднеквадратичному отклонению 86
3.5.2 Полный перебор по энтропийному критерию 88
3.5.3 Решение задачи распознавания с использованием нейронной сети 88 Хемминга
3.5.4 Векторная параметрическая нейронная сеть 90
3.6 Визуализация и документирование данных 94
3.7 Предварительная обработка изображений 96
3.8 Предварительная обработка сегментов 97
3.8.1 Масштабирование 97
3.8.2 Приведение изображения к заданной средней яркости 98
3.9 Безопасность доступа к системе TIC 99
ВЫВОДЫ 100
4. Экспериментальное исследование методов анализа и неиросетевого распознавания текстурных изображений 101
4.1 Исходные данные для проведения экспериментальных исследований 103
4.2 Примеры распознавания текстурных изображений в системе TIC 104
4.3 Анализ устойчивости статистических характеристик одномерных сегментов 112
4.4 Исследование точности распознавания текстур на векторной нейронной сети 113
4.5 Исследование быстродействия вычислительных схем распознавания текстурных изображений 114
Выводы 116
Заключение 117
Список литературы
