Акимов Алексей Викторович Алгоритмы обработки информации в задачах распознавания и аугментации сигналов и изображений на основе моделей деформирующих искажений

Краткое описание

Акимов Алексей Викторович Алгоритмы обработки информации в задачах распознавания и аугментации сигналов и изображений на основе моделей деформирующих искажений

ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ

кандидат наук Акимов Алексей Викторович

Введение

1 Анализ используемых моделей деформирующих искажений в задачах обработки сигналов и изображений

1.1 Задачи сопоставления временных рядов

1.1.1 Методы, основанные на сопоставлении исходных временных рядов

1.1.2 Методы, основанные на предварительном преобразовании временных рядов

1.2 Исправление искажений (дисторсии), возникающих при оптической съемке сцены

1.3 Задача оценки оптического потока

1.4 Выполнение морфинга

1.5 Учет деформирующих искажений в моделях распознавания образов

1.5.1 Эластичные модели распознавания образов

1.5.2 Статистические модели распознавания деформируемых изображений

1.6 Использование деформирующих искажений для аугментации (искусственного размножения) обучающих данных

1.7 Постановка задачи и общая схема проведения исследований в интересах построения алгоритмов обработки информации с использованием моделей

деформирующих искажений

Выводы по главе

2 Модели и алгоритмы внесения деформирующих искажений в сигналы и изображения

2.1 Математическая модель внесения деформирующих искажений

2.2 Внесение деформирующих искажений в решетчатые функции дискретных аргументов

2.2.1 Интерполяция с помощью радиально-базисных функций

2.2.2 Экспериментальные исследования точности разных видов интерполяции при внесении деформирующих искажений

2.3 Эквивалентная статистическая модель влияния деформирующих искажений,

основанная на приближенном представлении нелинейного оператора деформации

как оператора перестановки

2.3.1 Анализ свойств оператора перестановки

2.3.2 Анализ свойств дополнительной помеховой составляющей

Выводы по главе

3 Статистический синтез и анализ алгоритмов распознавания в условиях деформирующих искажений и аддитивного шума

3.1 Синтез и анализ оптимальных и квазиоптимальных алгоритмов распознавания цифровых сигналов в условиях деформирующих искажений

3.1.1 Постановка задачи распознавания детерминированных сигналов в присутствии шумов и деформирующих искажений

3.1.2 Основные соотношения для проведения синтеза и анализа алгоритмов распознавания

3.1.3 Результаты экспериментальных исследований алгоритмов распознавания цифровых сигналов в условиях деформирующих искажений

3.2 Синтез и анализ алгоритмов распознавания цифровых изображений в условиях деформирующих и аддитивных искажений

3.2.1 Исходная статистическая модель и оптимальный алгоритм распознавания

3.2.2 Использование непараметрических смешанных ядерных оценок

3.2.3 Анализ свойств смешанных оценок

3.2.4 Результаты экспериментальных исследований алгоритмов распознавания цифровых изображений в условиях деформирующих искажений

Выводы по главе

4 Модели и алгоритмы искусственного размножения данных путем внесения деформирующих искажений для обучения алгоритмов распознавания лиц методом Виолы-Джонса

4.1 Обоснование и исследование алгоритмов распознавания изображений на основе метода Виолы-Джонса с использованием технологии вычислений на графических процессорах СПОА

4.1.1 Реализация последовательной версии алгоритма на основе метода Виолы-Джонса

4.1.2 Реализация параллельных версий отдельных этапов работы алгоритма на основе метода Виолы-Джонса и экспериментальные исследования по сравнению скорости их работы с последовательными версиями

4.2 Модели и алгоритмы внесения деформирующих искажений с целью аугментации обучающей выборки при распознавании лиц по методу Виолы-Джонса

4.2.1 Алгоритм внесения искусственной деформации на основе гармонических функций

4.2.2 Алгоритм внесения искусственной деформации на основе анализа смещений контрольных точек

4.2.3 Алгоритм внесения искусственной деформации на основе анализа оптического потока с использованием фильтра энтропии

4.2.4 Экспериментальные исследования влияния искусственного размножения элементов обучающей выборки на качество распознавания лиц на основе метода Виолы-Джонса

Выводы по главе

Заключение

Список использованных источников

147