Эффективные локальные линейные признаки цифровых сигналов и изображений
Мясников В.В.

Институт систем обработки изображений РАН, Самара, Россия, 

Самарский государственный аэрокосмический университет, Самара, Россия

Аннотация:
В работе предлагается метод построения новых эффективных локальных линейных признаков (ЛЛП) сигналов и изображений, которые по построению наилучшим образом согласованы с некоторым критерием качества признака(ов). Под эффективным ЛЛП понимается пара: конечная импульсная характеристика (КИХ) и вычислительно эффективный алгоритм расчета свертки сигнала с этой КИХ (алгоритм вычисления признака). При построении используется разработанный автором метод построения эффективного алгоритма вычисления свертки [5,6], в частности, представленный в работе [5] прямой способ построения эффективного алгоритма. Показано, что построение эффективного ЛЛП приводит к КИХ-ам, отсчеты которых соответствуют последовательностям со специальными свойствами. Такие последовательности названы нормализованными МС-последовательностями. Для КИХ в виде нормализованной МС-последовательности соответствующий алгоритм расчета ЛЛП обладает наименьшей сложностью среди всех других алгоритмов, построенных для последовательностей того же класса. Представлен явный вид алгоритмов вычисления эффективных ЛЛП. Приведены примеры нормализованных МС-последовательностей и их семейств, дан пример эффективного набора ЛЛП.

Литература:

  1. Гельфонд, А.О. Исчисление конечных разностей. Изд. 3-е, испр. / А.О. Гельфонд // М.: Наука, 1967.
  2. Завьялов, Ю.С. Методы сплайн-функций / Ю.С. Завьялов, Б.И. Квасов, В.Л. Мирошниченко – М.: Наука, 1980.
  3. Журавлев, Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации / Ю.И. Журавлев // Проблемы кибернетики, 1978. -N 33. - С. 5–68.
  4. Методы компьютерной обработки изображений. Под ред. В.А.Сойфера. 2-е изд., испр. // М.: Физматлит, 2003.
  5. Мясников, В.В.Сплайны как средство построения эффективных алгоритмов локального линейного преобразования / В.В.Мясников // Компьютерная оптика, 2007. - Т. 31. - № 2. - С. 52-68.
  6. Мясников, В.В.Эффективный алгоритм над множеством алгоритмов вычисления свертки / В.В. Мясников // Компьютерная оптика, 2006. - В. 29. - С. 78-117.
  7. Оппенгеймер, А.В. Цифровая обработка сигналов / А.В. Оппенгеймер, Р.В. Шафер - М.: Связь, 1979.
  8. Рабинер, Л. Теория и применение цифровой обработки сигналов / Л. Рабинер, Б. Гоулд - М.: Мир, 1978.
  9. Сергеев, В.В. Параллельно-рекурсивные КИХ-фильтры в задачах обработки изображений / В.В. Сергеев  // Радиотехника, 1990. - № 8. - С. 38-41.
  10. Форсайт, Д.А. Компьютерное зрение. Современный подход / Д.А. Форсайт, Ж. Понс - М.: ИД «Вильямс», 2004.
  11. Шапиро, Л. Компьютерное зрение / Л. Шапиро, Дж. Стокман - М.: Бином, 2006.
  12. Ярославский, Л.П. Введение в цифровую обработку изображений / Л.П. Ярославский - М.: Сов. радио, 1979.
  13. Glumov, N.I. Application of polynomial bases for image processing using sliding window / N.I. Glumov, V.V. Myas­nikov, V.V. Sergeyev // SPIE, Image Processing and Computer Optics, 1994. - Vol. 2363. - P. 40-49.
  14. Glumov, N.I. Parallel-Recursive Local Image Processing and Polynomial Bases / N.I. Glumov, V.V. Myasnikov, V.V. Sergeyev // Proceedings of the Third IEEE International Conference on Electronics, Circuits and Systems ICECS’96, Rodos, Greece, 1996. - Vol. 2. - P. 696-699.
  15. Myasnikov, V.V. Construction of Integer-Value Polynomials for Recursive Calculation of the Convolution with FIR-Filter / V.V. Myasnikov // Тезисы 7-й Между­народной конференции «International Conference on Pattern Recognition and Image Analysis», Санкт-Петербург, Россия, 2004. С. 331-334.

© 2009, ИСОИ РАН
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846 2) 332-56-22, факс: +7 (846 2) 332-56-20