WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


На правах рукописи

СКЛЯРЕНКО АННА АНАТОЛЬЕВНА

МЕТОДЫ РЕШЕНИЯ ЗАДАЧИ ПОПИКСЕЛЬНОЙ S-АППРОКСИМАЦИИ МУЛЬТИТОНОВЫХ ИЗОБРАЖЕНИЙ И ИХ ОПТИМИЗАЦИЯ

Специальность 05.13.01 – Системный анализ, управление и обработка информации

Автореферат диссертации на соискание ученой степени кандидата технических наук

Ростов-на-Дону - 2012 г.

Работа выполнена на кафедре «Программное обеспечение вычислительной техники и автоматизированных систем», ФБГОУ ВПО «Донской государственный технический университет» (ДГТУ).

Научный консультант: доктор технических наук, профессор Нейдорф Рудольф Анатольевич

Официальные оппоненты: доктор физико-математических наук, профессор Фетисов Валерий Георгиевич, Южный математический институт Владикавказского научного центра РАН доктор технических наук, профессор, Финаев Валерий Иванович, Таганрогский технологический институт ЮФУ

Ведущая организация: ФГАОУ ВПО «Южный федеральный университет»

Защита состоится 15 ноября 2012 года в 16-00 часов на заседании диссертационного совета Д212.058.04 ДГТУ по адресу:

344000, г. Ростов-на-Дону, пл. Гагарина, 1, ауд. № 252.

С диссертацией можно ознакомиться в библиотеке ДГТУ.

Автореферат разослан 12 октября 2012 г.

Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью, просим направлять ученому секретарю диссертационного совета Д212.058.04.

Ученый секретарь диссертационного совета, кандидат технических наук, доцент Могилевская Н.С.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы Основным источником получения информации человеком является зрение, поэтому одним из важных направлений развития информационных технологий является распознавание образов по принципу зрения человека.

Большинство различных информационных систем представляют результаты в виде графических изображений:

графики, диаграмма, схемы и т.д. При таком представлении результатов важно придать выводимому изображению качества, при которых человек будет комфортно их воспринимать и в дальнейшем обрабатывать, а соответствующая подсистема ИС – преобразовывать как графический образ.

Задачи распознавания образов возникают в медицинской диагностике. Например, при исследовании морфологической картины биожидкостей для обнаружения патологических состояний, также при томографических исследованиях. Морфологический анализ изображений также применяется в геодезии и геологии.

Широкое применение методы распознавания и сегментации нашли в металлографии при обработке микрошлифов металлов. Большое значение распознавание образов имеет при автоматизации контроля качества на производстве. Особое место задача распознавания занимает в робототехнике и в реализации технического зрения.

При распознавании изображений очень сложно оценивать цветное графическое изображение, так как оно представляет собой сочетание тысяч и миллионов форм, яркостей, цветностей, границ и тонов. Однако оказывается, что в большинстве из этих задач это и не нужно, так как не все многочисленные черты исследуемого образа являются информативными. Для эффективности анализа некоторые признаки полезно подчеркнуть, усилить, а другие, наоборот, сделать незаметными или устранить. Во многих задач распознавания образов, например, основной характеристикой, передающей структуру и смысл изображения, является яркость его элементов. Для таких задач оказывается достаточным исследование изображения в палитре серых тонов различной яркости. В предельном случае она может отображать всю гамму яркостей от минимальной (черный цвет) до максимальной (белый цвет). Такое изображение называется в данной работе мультитоновым.

В рассмотренных случаях основным этапом распознавания образов является предварительная обработка изображения, результатом которой является его упрощение для дальнейшей визуализации и преобразования. Основным элементом мультитонового изображения является пиксель, характеризующейся яркостью. Поэтому упрощение сводится к попиксельному преобразованию, в результате которого сокращается количество тонов, используемых для передачи изображения.

В связи с этим в каждом конкретном научном исследовании по распознаванию графического образа возникает две задачи. Вопервых, нужно определить количество тонов S, необходимое для передачи признаков, нужных для распознавания образа. Во-вторых, необходимо разработать и реализовать формальный алгоритм преобразования исходного изображения в S-тоновое. Последняя задача выбрана в качестве основной цели настоящей работы и получила в ней название попиксельной S-аппроксимации.

Таким образом, диссертационная работа посвящена решению актуальной научно-технической проблемы, связанной с разработкой и оптимизацией общего метода и ряда частных алгоритмов попиксельной аппроксимации мультитонового изображения с использованием S тонов.

Цель и основные задачи диссертационной работы Основной целью диссертации является разработка алгоритма параметрически оптимальной попиксельной аппроксимации исходного мультитонового изображения S-тоновым.

Системные исследования этой проблемы выявили, что для достижения поставленной цели необходимо решить следующие научные и экспериментально-практические задачи:

1. Исследовать процесс решения задачи распознавания графического образа и выявить основные этапы предварительной попиксельной обработки изображения.

2. Разработать и исследовать математическую модель критериальной оценки эффективности применения попиксельной S-аппроксимации.

3. Провести сравнительное исследование известных алгоритмов попиксельной аппроксимации мультитоновых изображений с использованием разработанной критериальной оценки.

4. Разработать более эффективные алгоритмы попиксельной аппроксимации мультитоновых изображений и провести их сравнительное критериальное исследование.

5. Провести подробный системный анализ результатов, выбрать наиболее перспективную информационную технологию упрощения изображений, а также построить обобщенный алгоритм попиксельной S-аппроксимации.

6. Разработать, исследовать и довести до формального алгоритма метод поисковой параметрической оптимизации попиксельной S -аппроксимации мультитоновых изображений.

7. Разработать комплекс программ, реализующих разработанные алгоритмы, с учетом возможности их практического, научноисследовательского и учебного использования, а также возможности проведения сравнительных численных экспериментов.

Методы исследования. В диссертации применялись методы математического анализа, исследования операций, математического моделирования, теории распознавания изображений, математической статистики, теории планирования экспериментов.

Основные результаты и степень их научной новизны 1. Метод и обобщенный алгоритм параметрически оптимальной попиксельной S-аппроксимации мультитоновых изображений, отличающийся от известных методов преобразования изображений тем, что он позволяет получать S-тоновое изображение, минимально отличающееся по яркостным характеристикам от исходного по разработанному квадратичному критерию (в среднем на 11% по сравнению со стандартными алгоритмами, применяемыми в фотошопах).

2. Комплекс субоптимальных алгоритмов S-аппроксимации мультитоновых изображений, отличающихся от разработанного оптимального простотой реализации и меньшими ресурсными, в частности, временными затратами (в 50-80 раз), а от известных – более обоснованными критериями пиксельных замен, что приводит к более высокой точности аппроксимации (в среднем на 8 %).

3. Модифицированный метод и алгоритм поисковой оптимизации, основанный на идее имитации поведения роя, отличающийся от известных вариантов повышенной эффективностью обнаружения экстремумов и возможностью их параллельного поиска.

4. Метод и алгоритм деления роя, основывающийся на градиентном исследовании пространства оптимизируемых параметров, обоснованные множеством статистически представительных экспериментов, как при исследовании сложных экстремальных аналитических зависимостей, так и при решении конкретных практических задач.

Достоверность результатов исследования достигается за счет корректного применения методов системного и математического анализа, моделирования, исчерпывающей статистической обработки результатов. Проведены представительные по числу опытов вычислительные эксперименты, результаты которых использованы для получения статистически достоверных данных. Общий объем экспериментальных исследований по оценке свойств алгоритмов составил более 1350опытов. Статистическая достоверность опытных данных обеспечивалась несколькими параллельными опытами.

Теоретическая значимость диссертационной работы Теоретически значимыми результатами диссертационной работы являются:

1. Введение этапа попиксельной S-аппроксимации изображений для их упрощения путем уменьшения количества тонов с сохранением информативных для предметной области признаков на этапе предобработки при решении задачи распознавания образов позволяет упростить всю задачу и расширить ее возможности.

2. Предложенная опорная СКО-оценка, обеспечившая объективное сравнительное исследование всех вариантов алгоритмов попиксельной S-аппроксимации мультитоновых изображений, может быть использована как стандартная оценка любых графических аппроксимаций.

3. Разработанный для параметрической оптимизации алгоритма попиксельной S-аппроксимации модифицированный метод роящихся частиц (МРЧ) показал себя при исследованиях эффективным и универсальным инструментом поисковой оптимизации для координатных многоэкстремальных задач.

Практическая полезность диссертационной работы Практически значимыми результатами диссертационной работы являются:

1. Возможность использования созданных алгоритмов попиксельной S-аппроксимации изображений для упрощения изображения путем уменьшения количества тонов на этапе предобработки при решении задачи распознавания образов во многих сферах деятельности: физике, металлографии, управлении оценкой качества, геологии и геодезии, робототехнике, медицине и т.д.

2. Добавление в практику обработки изображений процедуры сокращения количества тонов в исходной тоновой палитре до значения, обеспечивающего сохранение информативных признаков, как обязательного этапа распознавания, повышает его эффективность и упрощает информационную обработку изображения.

3. Модифицированный алгоритм оптимизации на основе МРЧ позволил разработать для исследований «Программное средство S-аппроксимации мультитоновых изображений», построенное на основе концепции объектно-ориентированного программирования и зарегистрированное в Роспатенте (№ 2009616802, заявл. 30.11.2009;

зарег. 27.01.2010). Оно также может быть использовано для осуществления предобработки графических изображений с целью повышения эффективности их дальнейшего распознавания, в различных прикладных задачах.

Кроме того, нужно отметить, что уменьшение количества тонов позволит выбирать более простые, быстрые и эффективные методы сегментации и распознавания изображений, что позволит снизить программную сложность реализации таких методов и повысить точность.

Результаты работы применены при решении практических задач в ЗАО «Инфраструктурный проект», ООО «лиОни» г.

Ростова-на-Дону и фирме «ДейтаМикро» г. Таганрог.

Результаты работы также внедрены в учебный процесс, при изучении методов распознавания и сегментации в рамках курсов «Интеллектуальные системы» и «Методы распознавания образов» специальности «Программное обеспечение вычислительной техники и автоматизированных систем»; курса «Эвристические методы в криптографии» специальности «Компьютерная безопасность» и в Центр дистанционного обучения и повышения квалификации ДГТУ.

Апробация основных теоретических и практических результатов диссертационной работы Основные результаты диссертационной работы докладывались и обсуждались на:

международных научно-технических конференциях «Математические методы в технике и технологиях»: ММТТ-18 – Казань, 2005 г.; ММТТ-20 – Ярославль, 2007 г.; ММТТ-21 – Саратов, 2008 г.; ММТТ-22 – Псков, 2009 г.; ММТТ-23 – Саратов, 2010 г.;

международных научно-методических симпозиумах «Современные проблемы многоуровневого образования» (г. Ростов-на-Дону – с.

Дивноморское): 2007-2009 гг.;

IV региональной научно – практической конференции, АТИ ДГТУ.

– Азов, 2007 г.;

IX-ой Международной научно-технической конференции «Интеллектуальные системы '09»: Конгресс по интеллектуальным системам и информационным технологиям «AIS-IT’09». – Москва, 2009 г.;

международных научно-технических форумах ИнЭРТ (г. Ростовна-Дону): 2009 г., 2012 г.

международных научных семинарах «Системный анализ, управление и обработка информации» (г. Ростов-на-Дону – с.

Дивноморское): 2007 г., 2011 г., 2012 г.

Большинство промежуточных результатов диссертационных исследований докладывались на ежегодных научно-технических конференциях Донского государственного технического университета в 2007 – 2012 гг.

Публикации по теме диссертационной работы Основные результаты диссертации опубликованы в работах, из которых 20 – самостоятельные публикации. В работах, опубликованных в соавторстве, доля материалов, принадлежащих автору диссертации, составляет не менее 50%. При этом 3 статьи, одна из которых – самостоятельная публикация, опубликованы в ведущих научных журналах, входящих в список ВАК РФ.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Работа состоит из введения, четырех глав, заключения, списка литературы из 117 позиций (из них более половины после 2000 года), а также приложений.

Первая глава диссертации посвящена обзору основных этапов распознавания изображений. В ней определены области применения методов распознавания, приведено описание пиксельной и символьно-числовой моделей изображения.

Исследование основных этапов решения задачи распознавания изображений выявило влияние предобработки изображения на дальнейшее качество распознавания. При этом часто предобработка заключается в контрастировании изображения, удаления шумов и уменьшении физического размера графического файла. Но редко решается задача уменьшения количества тонов. В связи с этим актуальна разработка алгоритмов, позволяющих уменьшить количество тонов до конечного значения S с сохранением информативных признаков. Такое упрощение позволяет повысить скорость и эффективность, как дальнейшей сегментации, так и непосредственного выделения признаков.

Среди основных характеристик тоновых изображений выделяется яркость пикселей, т.е. изображение описывается в виде матрицы, каждый элемент которой хранит значение яркости соответствующего пикселя. Поэтому разработаны алгоритмы упрощения изображений на основе попиксельной обработки и диаграмм яркости.

Очевидно, что попиксельная замена может осуществляться различными алгоритмами, которые с разной эффективностью будут приближать упрощенное изображение к исходному. Естественно предположить, что эти алгоритмы могут обеспечивать различную эффективность. Поэтому неизбежно возникает необходимость решения задачи поиска оптимального алгоритма преобразования изображения. В связи с этим в первой главе также приведен анализ существующих поисковых методов оптимизации. На основании анализа вполне представительного списка литературных источников приведены необходимые сведения по теории распознавания изображений, представлена классификация существующих поисковых методов оптимизации. Анализ достоинств и недостатков различных оптимизационных методов позволил выбрать для исследования метод роящихся частиц, так как он по своей сути хорошо реализует координатную задачу поиска.

Во второй главе диссертации рассматривается сущность попиксельной аппроксимации изображений. Вводится понятие b мультитонового изображения, т.е. состоящего из P 2 тонов.

Показывается, что оно может быть представлено в виде матрицы P p, где q [1, Q] - индекс, позволяющий различать Imq {h } ij изображения (например, он может задавать номер изображения); Q – количество упрощаемых изображений; i [1, n], j [1, m] nколичество строк матрицы (количество пикселей по вертикали), mколичество столбцов матрицы (количество пикселей по p горизонтали); соответственно h - яркость пикселя, ij расположенного в i-ой строке и j-ом столбце. В свою очередь упрощенное изображение также представляет собой матрицу S S s размера nxm и обозначается, или в общем случае Im.

Imq (h ) ij Упрощение мультитонового изображения происходит по некоторому правилу (алгоритму), который обозначается как А.

Соответственно процесс преобразования можно описать в виде S P S функциональной зависимости Im A(Im ), или А. Такое P упрощение получило название S-аппроксимации.

Приводится подробное описание разработанных алгоритмов s-аппроксимации, основанных на частотной и интегральной диаграммах яркости. Выполняется сравнительный анализ данных алгоритмов на основе опорной СКО-оценки n m P S 2 P S hIm, Im (hij hij) h N i1j.

В результате анализа выделяется три лучших алгоритма по сравнению с другими и проводится их экспериментальное исследование, в которых используется около 40 изображений различной технической тематики. Испытания проводились для значений S от 2 до 16, т.к. предыдущие исследования показали, что количество тонов больше 16 избыточно при решении задач распознавания, рассмотренных в первой главе. В процессе исследования определено, что выдвинутые алгоритмы попиксельной S-аппроксимации основываются на аксиоме равноудаленности границ от опорной яркости и не дают лучший результат во всех случаях. На рисунке 1 построены круговые диаграммы, показывающие процент случаев, в которых тот или иной алгоритм лидировал по качеству аппроксимации.

Рисунок 1 – Процент случаев, в которых тот или иной алгоритм лидировал Несмотря на малые различия между эффективностью данных алгоритмов и их возможностью применения в инженерной практике, полученные результаты указали на целесообразность постановки задачи совместной оптимизации расположения границ деления диапазона яркости и самих опорных яркостей.

Решение задачи оптимизации зависит от трех факторов:

S количества тонов S, координат вектора опорных яркостей H и s s координат границ интервалов ( ).

h, h k k Для решения оптимизационной задачи разработано два новых, кардинально отличающихся от предыдущих, алгоритмов аппроксимации. По этим алгоритмам в качестве значений опорных яркостей выбираются равностоящие от границ деления значения опорных яркостей. В результате применения этих двух новых алгоритмов для всех значений S найдены параметры аппроксимации, дающие улучшение значения опорной СКО-оценки.

Полученные результаты обуславливают необходимость разработки эффективного метода решения задачи многопараметрической оптимизации. Следующая глава посвящена решению этой задачи.

В третьей главе диссертации разрабатывается метод решения задачи оптимизации S -аппроксимации.

В основу разрабатываемого метода положена идея одного из эвристических алгоритмов поисковой оптимизации, а именно метода роящихся частиц, сущность которого описана в первой главе.

Модификация исходного, так называемого канонического метода, позволила разработать метод роящихся частиц (МРЧ), который показал достаточно хорошую эффективность при поиске оптимума.

Кроме того в нем заложена возможность параллельного поиска нескольких экстремумов. Модификация метода заключается во включении в рой частиц с нестандартным поведением и наделением их свойством оценки знака градиента сканируемого пространства.

Это позволило строить новые рои в областях возможного расположения нового экстремума. Данный алгоритм получил название метода деления роев. Модель метода описывается двумя уравнениями:

1. уравнение состояния по положению, которое задает закон изменения координат частицы в ходе поиска:

k k k ; k 1, K, где Kt – количество роев, x xi, j,t V t t i, j,t1 i, j,tобразовавшихся к t-му этапу; t – темп поиска, введённый в рассмотрение для облегчения настройки процесса поиска; k – номер роя; i – номер частицы ( i [1, m]); j – номер координаты в n-мерном пространстве.

2. уравнение состояния по скорости роения:

k k k ;, где А – общее ускорение k 1, K V Vi, j,t А t t i, j,t1 i, j,t частицы, которое складывается из двух составляющих: силы притяжения Ар и торможения Аtr. При этом каждая составляющая движения может быть как положительной, так и отрицательной в зависимости от типа частицы (социальная, антисоциальная).

Начальное исследование механизма деления роев производится на примерах решения математических многоэкстремальных задач на основе тестовых функций, описание и экстремумы которых хорошо известны. При этом каждая такая функция имеет свои особенности, которые усложняют поиск экстремумов.

Эффективность работы алгоритма зависит от ряда параметров: количества частиц в рое, радиус роя и т.д. Выбор наилучших значений параметров не возможен аналитическим путем, поэтому проводился полнофакторный эксперимент. На его основе найдены оптимальные значения параметров настройки, при которых методом роящихся частиц найдены необходимые экстремумы функций.

В последующих параграфах третьей главы на основе метода роящихся частиц и алгоритма S-аппроксимации построен обобщенный, параметрически определенный алгоритм, на основе которого произведена оптимальная S-аппроксимация для всех исследуемых изображений.

Четвертая глава диссертации посвящена алгоритмическому и программному конструированию средств автоматизированного выполнения S-аппроксимации и проведения вычислительных экспериментов при решении задачи оптимизации S-аппроксимации.

В рамках диссертационной работы разработано программное обеспечение (ПО) «Imaging», удовлетворяющее поставленным требованиям. Программное обеспечение «Imaging» предназначено для выполнения S-аппроксимации одного или нескольких изображений различными алгоритмами и при указанном значении S.

На рисунке 2 представлены результаты S-аппроксимации изображения пористой структуры металла на основе оптимизированного обобщенного алгоритма. Из представленных результатов видно, что 418 тонов избыточно для выделения основных признаков (темные пятна на изображении), достаточно всего четырех тонов. Уменьшение количества тонов позволяет в дальнейшем применить более простые методы распознавания.

Исходное S=2 S=Рисунок 2. Результаты аппроксимации изображения пористой структуры металла C использованием разработанного ПО было проведено исследование построенных алгоритмов при аппроксимации около изображений при значении S равном от 2 до 16 и решена задача оптимизации s-аппроксимации. В процессе проверки были получены содержательные и корректные результаты.

В заключение сформулированы основные научнопрактические перспективы использования результатов диссертационной работы.

1. Исследование процесса решения задачи распознавания графического образа позволило обосновать необходимость и выделило основные этапы предварительной попиксельной упрощающей обработки изображения.

2. Предложенная опорная СКО-оценка обеспечила объективное сравнительное исследование всех вариантов алгоритмов попиксельной S-аппроксимации мультитоновых изображений, и может быть использована как стандартная оценка любых графических аппроксимаций.

3. Последовательная разработка и исследование субоптимальных эвристически построенных алгоритмов попиксельной аппроксимации мультитоновых изображений позволила сформулировать и реализовать идею создания и параметрической оптимизации обобщенного алгоритма попиксельной S-аппроксимации.

4. Проведенные исследования алгоритмов упрощения мультитоновых изображений и оптимизация обобщенного алгоритма позволит создать библиотеку методов попиксельной S-аппроксимации мультитоновых изображений, обладающих различными точностными и ресурсными свойствами.

5. Программная реализация разработанных алгоритмов обеспечила проведение сравнительных численных экспериментов, и показала возможность их эффективного практического, научноисследовательского и учебного использования.

Таким образом, поставленная в диссертации цель достигнута.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Публикации в рецензируемых научных журналах и изданиях 1. Деревянкина* А.А. Структурно-параметрическая оптимизация полутоновых изображений методом S-аппроксимации в задачах распознавания образов / А.А. Деревянкина // Вестник Донского гос.

техн. ун-та. - 2009. - Т. 9. - Спец. вып.: Технические науки, Ч. 2.

2. Деревянкина А.А. Решение многоэкстремальных задач методом делящихся роев / А.А. Деревянкина, Р.А. Нейдорф // Вестник Донского гос. техн. ун-та. – 2010. – Т.10, № 4 (47).

3. Деревянкина А.А. Решение задач распознавания методом роящихся частиц с делением роя / А.А. Деревянкина, Р.А. Нейдорф // Известия ЮФУ. Технические науки. Тематический выпуск «Интеллектуальные САПР». – Таганрог: Изд-во ТТИ ЮФУ, 2010. – № 7 (108).

Публикации в других изданиях 4. Деревянкина А.А. Система структурно-функционального анализа изображений / А.А. Деревянкина, А.П. Коробейников // Современные тенденции развития металлургической, машиностроительной и стакоинструментальной промышленности" в рамках промышленного конгресса юга России и международной специализированной выставки "Метмаш. Станкоинструмент - 2006": сб. тр., 6-8 сент. - Ростов н/Д, 2006.

5. Деревянкина А.А. Теоретические основы использования информационных технологий при распознавании морфологических картин биологических жидкостей / А.А. Деревянкина // Инновационные образовательные технологии в технических университетах: сб. науч. статей по проблемам высшей школы/ Юж. – Рос. гос. техн. ун-т (НПИ).-Новочеркасск, 2006.

6. Деревянкина А.А. Сегментация изображения морфологической картины биологических жидкостей / А.А. Деревянкина // Наука и образование на рубеже тысячелетий. сб. науч. – исследоват. работ /КГТИ. – М., 2006.

* До июля 2011 года соискатель Скляренко А.А. носила фамилию Деревянкина 7. Деревянкина А.А. Распознавание образов – одно из приоритетных направлений исследовательской деятельности образовательных учреждений / А.А. Деревянкина // Формирование компетентностного подхода в подготовке специалиста на основе совершенствования образовательных технологий и развития социального партнерства: материалы IV регион. науч. – практ. конф.

/АТИ ДГТУ. – Азов, 2007.

8. Деревянкина А.А. Система структурно-функционального анализа компонентов эмульсий биологических сред / А.А.

Деревянкина // Математические методы в технике и технологиях - ММТТ-20: сб. тр. XХ Междунар. науч. конф.- Ростов н/Д, 2007. – Т.10: Современные проблемы многоуровневого образования.

9. Деревянкина А.А. Построение словаря информативных признаков как основной этап классификации изображений фаций / А.А. Деревянкина // Системный анализ, управление и обработка информации: 1 – й межвуз. сб. науч. ст./ ДГТУ; ТТИ ЮФУ. – Ростов н/Д, 2007.

10. Деревянкина А.А. Влияние точки кристаллизации на сегментацию изображения фации биологической жидкости / А.А.

Деревянкина // Системный анализ, управление и обработка информации: 1 – й межвуз. сб. науч. ст./ ДГТУ; ТТИ ЮФУ. – Ростов н/Д, 2007.

11. Деревянкина А.А. Методы сегментации рисунка фации биологической жидкости / А.А. Деревянкина // Математические методы в технике и технологиях – ММТТ – 20.:сб. тр. ХХ Междунар.

науч. конф.:в 10 т.- Ярославль, 2007. – Т.7.

12. Деревянкина А.А. Структурно – функциональная диагностика морфологической картины биоэмульсий / А.А. Деревянкина // Математические методы в технике и технологиях – ММТТ – 20.:сб.

тр. ХХ Междунар. науч. конф.:в 10 т.- Ярославль, 2007. – Т.7.

13. Деревянкина А.А. Моделирование методов распознавания образов в учебном курсе "Интеллектуальные системы" в ДГТУ / А.А.

Деревянкина // Математические методы в технике и технологиях – ММТТ – 22: сб. тр. ХХII Междунар. науч.-метод. симп. "Современные проблемы многоуровневого образования" /ДГТУ. – Ростов н/Д, 2008.

14. Деревянкина А.А. Построение информационной модели морфологической картины капли биожидкости / А.А. Деревянкина // Математические методы в технике и технологиях - ММТТ-21: сб. тp.

ХХI Междунар. науч. конф.: в 10 т./СГТУ. - Саратов, 2008. – Т. 5.

15. Деревянкина А.А. Проблемы формирования символьно – числовых моделей полутоновых изображений в задачах их распознавания / А.А. Деревянкина, Р.А. Нейдорф, А.П. Коробейников // Математические методы в технике и технологиях – ММТТ – 22: сб.

тр. ХХII Междунар. науч. конф.: в 10 т. – Псков, 2009. – Т. 6.

16. Деревянкина А.А. Методы и задачи s – аппроксимации полутоновых изображений при распознавании графических образов / А.А. Деревянкина, Р.А. Нейдорф // Математические методы в технике и технологиях – ММТТ – 22: сб. тр. ХХII Междунар. науч.

конф.: в 10 т. – Псков, 2009. – Т. 6.

17. Деревянкина А.А. Исследование влияния ограничения диапазона яркости на эффективность s-аппроксимации полутонового изображения / А.А. Деревянкина // Математические методы в технике и технологиях – ММТТ – 22: сб. тр. ХХII Междунар. науч.

конф.: в 10 т. – Псков, 2009. – Т. 6.

18. Деревянкина А.А. Алгоритм оптимизации и полутоновой аппроксимации фотоизображений / А.А. Деревянкина // AIS-IT'09: тр.

конгр. молодеж. науч. - техн. конф. "Интеллектуальные системы 2009" / ЮФУ. - М.: Физматлит, 2009. - Т. III.

19. Деревянкина А.А. Исследование поведения канонического метода роя частиц / А.А. Деревянкина // AIS-IT'09: тр. конгр.

молодеж. науч. - техн. конф. "Интеллектуальные системы -2009" / ЮФУ. - М.: Физматлит, 2009. - Т. I.

20. Деревянкина А.А. Результаты исследования влияния основных параметров метода роения частиц на его эффективность / А.А.

Деревянкина // Математические методы в технике и технологиях - ММТТ-22: сб. тр. XXII Междунар. науч. конф. и IV Междунар. науч. - метод. симп. - Ростов н/Д, 2009.

21. Деревянкина А.А. Модификация и структурно-параметрическая оптимизация метода роящихся частиц для решения экстремальных задач / А.А. Деревянкина // Математические методы в технике и технологиях - ММТТ-22: сб. тр. XXII Междунар. науч. конф. и IV Междунар. науч. - метод. симп. - Ростов н/Д, 2009.

22. Деревянкина А.А. Оптимизация вектора опорных яркостей при s-аппроксимации изображений / А.А. Деревянкина, Р.А. Нейдорф // Математические методы в технике и технологиях – ММТТ – 23: сб.

тр. ХХIII Междунар. науч. конф.: в 12 т. Т. 6. Секции 6,7/ под общ.

ред. В.С. Балакирева.- Саратов:Сарат. гос. техн. ун-т. 2010.

23. Деревянкина А.А. Автоматизация исследования изображений методом s-аппроксимации / А.А. Деревянкина // Математические методы в технике и технологиях – ММТТ – 23: сб. тр. ХХIII Междунар. науч. конф.: в 12 т. Т. 6. Секции 6,7/ под общ. ред. В.С.

Балакирева.- Саратов:Сарат. гос. техн. ун-т. 2010.

24. Деревянкина А.А. Программная поддержка оптимизации sаппроксимации изображения на основе эвристических алгоритмов / А.А. Деревянкина // Математические методы в технике и технологиях – ММТТ – 23: сб. тр. ХХIII Междунар. науч. конф.: в т. Т. 6. Секции 6,7/ под общ. ред. В.С. Балакирева.- Саратов:Сарат.

гос. техн. ун-т. 2010.

25. Деревянкина А.А. Программное средство поддержки структурнопараметрической аппроксимации полутоновых изображений «Imaging»: свидетельство о государственной регистрации программы для ЭВМ № 2010610865 / А.А. Деревянкина, Р.А.

Нейдорф // Роспатент: № 2009616802, заявл. 30.11.2009, зарег.

27.01.2010.

26. Скляренко А.А. Эффективный метод оптимизации sаппроксимации изображений методом свободных границ / А.А.

Деревянкина, Р.А. Нейдорф // Труды II Международного семинара под общ. ред. Р.А. Нейдорфа – Ростов н/Д, изд. центр Донск. гос. техн. унта 2012.

27. Скляренко А.А. Сравнительное исследование инженерноэвристических подходов к s-аппроксимации полутоновых изображений / А.А. Деревянкина // Труды II Международного семинара под общ. ред. Р.А. Нейдорфа – Ростов н/Д, изд. центр Донск. гос. техн. ун-та 2012.

28. Скляренко А.А. Параметрическая оптимизация обобщенного алгоритма S-аппроксимации мультитоновых изображений / А.А.

Деревянкина, Р.А. Нейдорф // Труды III Международного семинара под общ. ред. Р.А. Нейдорфа – Ростов н/Д, изд. центр Донск. гос.

техн. ун-та 2012.

29. Скляренко А.А. Разработка универсального алгоритма S – аппроксимации полутонового изображения / А.А. Деревянкина, Р.А.

Нейдорф // Инновация, экология и ресурсосберегающие технологии на предприятиях машиностроения, авиастроения, транспорта и сельского хозяйства. Труды X Международного научно-технического форума, 2012.

30. Скляренко А.А. Выбор алгоритма S-аппроксимации для полутонового изображения / А.А. Деревянкина // Инновация, экология и ресурсосберегающие технологии на предприятиях машиностроения, авиастроения, транспорта и сельского хозяйства.

Труды X Международного научно-технического форума, 2012.

В работе [2] автору принадлежит разработка механизма деления роев для решения многоэкстремальных задач. В работе [3] автору принадлежит адаптация метода роящихся частиц с делением роев к решению задачи распознавания образов. В работе [4] автору принадлежит выделение основных этапов структурнофункционального анализа изображений. В работе [15] автору принадлежит построение построение символьно-числовых моделей полутоновых изображений. В работе [16] автору принадлежит разработка методов s-аппроксимации. В работе [22] автору принадлежит решение задачи оптимизации вектора опорных яркостей. В работе [25] автору принадлежит программная реализация алгоритмов s-аппроксимации и возможности их исследования. В работе [26] автору принадлежит разработка алгоритма s-аппроксимации на основе свободных границ. В работах [28, 29] автору принадлежит исследование обобщенного алгоритма s-аппроксимации.

______________________________________________________ В набор 08.10.2012 В печать 10.10.20Объем 1 усл.п.л., 1.0 уч.-изд.л. Офсет. Формат 60х84/16.

Бумага тип №3. Заказ №. Тираж 120.

______________________________________________________ Издательский центр ДГТУ Адрес университета и полиграфического предприятия 344000, г. Ростов-на-Дону, пл. Гагарина, 1.






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.