Алгоритм расположения и размеров объектов на основе анализа изображений объектов
Гейдаров П.Ш.

Аннотация:
В работе приводится алгоритм определения расстояния до объекта на основе анализа изображений, полученных при помощи оптических систем. С этой целью рассматриваются изменения значений чёрно-белой цветовой палитры по вертикальным и горизонтальным составляющим, приводится алгоритм сегментации этих кривых и определения коэффициентов размытостей границ объектов изображения. Предлагаемый алгоритм рассматривается на примере одно- и двухлинзовых оптических систем. Рассматривается также возможность определения размеров и смещения объектов относительно оптической оси системы по результатам анализа изображений объектов.

Abstract:
The paper presents an algorithm for determining the distance to the object based on analysis images obtained by optical systems. To this end, it consider curves black and white color palette for the vertical and horizontal components, an algorithm for segmentation of curves and determination coefficients blurs the boundaries of image objects. The proposed algorithm is considered as an example one and two-lens optical systems. It also consider the possibility of determining the size and displacement of objects relative to the optical axis of the system.

Ключевые слова :
расстояние до объекта, визуальная оценка расстояния, радарные системы, дальномеры, резкость изображения, оптические системы, оптические формулы, био­логический глаз.

Key words:
distance to an object, a visual estimate of the distance, radar systems, range finders, image sharpness, optical systems, optical formula, biological eyes.

Литература:

  1. Принцип работы лазерного дальнометра [Электронный ресурс] – http://www.optics4you.ru/article5.html.
  2. Чуриловский, В.Н. Теория оптических приборов / В.Н. Чуриловский. – М.: Машиностроение, 1966. – С. 47-49.
  3. Головко, В.Л. Нейронные сети: обучение, организация и применение. Кн. 4. / В.Л. Головко. – М.: ИПРЖР, 2001. – С. 256.
  4. Гейдаров, П.Ш. Нейронные сети на основе метрических методов распознавания в применении к задачам с нечёткими выводами / П.Ш. Гейдаров // Искусственный интеллект и принятие решений. – 2010. – № 2. – С. 77-88.
  5. Козин, Н.Е. Поэтапное обучение радиальных нейронных сетей / Н.Е. Козин, В.А. Фурсов // Компьютерная оптика. – 2004. – № 26. – С. 138-141.
  6. Круглов, В.В. Нечёткая логика и искусственные нейронные сети / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. – М.: Физматлит, 2001. – 224 с.
  7. Уоссермэн, Ф. Нейрокомпьютерная техника. Теория и Практика / Ф. Уоссермэн; пер. с англ. – М.: Мир, 1992. – 184 с.

References:

  1. The principle of laser ranging. – http://www.optics4you.ru/article5.html. – (in Russian).
  2. Churilovsky, V.N. The theory of optical devices / V.N. Churilovsky. – Moscow: “Mashinostroenie” Publisher, 1966. – P. 47-49. – (in Russian).
  3. Golovko, V.L. Neural networks: training, organization and application / V.L. Golovko. – Moscow: IPRZHR, 2001. – 256 p. – (in Russian).
  4. Geidarov, P.S. Neuron networks on the basis of the metric methods of recognition in application to tasks with fuzzy inference / P.S. Geidarov // Artificial intelligence and decision making. – 2010. – N 2. – P. 77-88. – (in Russian).
  5. Kozin, N.E. Gradual learning the radial neural networks / N.E. Kozin, V.A. Fursov // Computer Optics. – 2004. – N 26. – P. 138-141. – (in Russian).
  6. Kruglov, V.V. Fuzzy logic and artificial neural networks / V.V. Kruglov, M.I. Dli, R.Y. Golunov. – Moscow: “Fizmalit” Publisher, 2001. – 224 p. – (in Russian).
  7. Wasserman, F. Neural Computing. Theory and Practice / F. Wasserman. – Moscow: “Mir” Publisher, 1992. – 184 p. – (in Russian).

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