Алгоритм автоматического построения процедуры локальной нелинейной обработки изображений на основе иерархической регрессии
Копенков В.Н., Мясников В.В.

Аннотация:
В работе предложен алгоритм автоматического построения (конструирования) вычислительной процедуры локальной обработки цифровых сигналов/изображений. Вычислительная процедура основана на локальном дискретном вейвлет-преобразовании изображения, используемом для предварительного анализа изображения, и иерархической регрессии, используемой для получения результата преобразования. Построение процедуры производится на основе анализа прецедентов обработки (пар изображений «вход»-«выход»), учитывает ограничение по сложности конструируемого преобразования и максимизирует качество обработки и обобщающую способность.

Ключевые слова :
локальная обработка, иерархическая регрессия, вычислительная эффективность.

Литература:

  1. Вапник, В.Н. Теория распознавания образов / В.Н. Вап­ник, А.В. Червоненкис. – М.: Наука, 1974.
  2. Воронцов, К.В. Комбинаторный подход к оценке качества обучаемых алгоритмов // Математические вопросы кибернетики; под ред. О.Б. Лупанов. – М.: Физматлит, 2004. – Т. 13. – С. 5-36.
  3. Глумов, Н.И. Применение полиномиальных базисов для обработки изображений в скользящем окне / Н.И. Глу­мов, В.В. Мясников, В.В. Сергеев // Компьютерная оптика. – 1995. – Вып. 14-15, ч. 1. – С. 55-68.
  4. Даджион, Д. Цифровая обработка многомерных сигналов / Д. Даджион, Р. Мерсеро. – М.: Мир, 1998.
  5. Методы компьютерной обработки изображений. Под редакцией В.А. Сойфера / М.В. Гашников, Н.И. Глумов, Н.Ю. Ильясова, В.В. Мясников [и др.], под общей редакцией В.А. Сойфера. – 2-е изд., испр. – М.: Физматлит, 2003. – 784 с.
  6. Прэтт, У. Цифровая обработка изображений / У. Прэтт. – М.: Мир, 1982. – Т. 1-2
  7. Сергеев, В.В. Сравнительный анализ методов нейронных сетей и иерархической аппроксимации в задачах фильтрации изображений / В.В. Сергеев, В.Н. Копен­ков, А.В. Чернов // Автометрия. – 2006. – Том 42, № 2. – С. 100-106.
  8. Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика / Ф. Уоссермен. – М.: Мир, 1992. – 240 с.
  9. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. – М.: Техносфера, 2005. – 1072 с.
  10. Ahn, H. Tree-structured exponential regression modeling / H. Ahn // Biometrical Journal. – 2007. – Vol. 36. – P. 43-61.
  11. Breiman, L. Classification and regression trees / L. Breiman, J.H. Friedman, R.A. Olshen and C.J. Stone.// Monterey, Calif., U.S.A.: Wadsworth, Inc., 1984.
  12. Haikin, S. Neural Networks: A Comprehensive Foundation / S. Haikin. – М.: «Vilyams», 2006. – 1104 p.
  13. Kopenkov, V. Effecient algorithms of local discret wavelet transform with HAAR-like bases / V. Kopenkov // Pattern Recognition and Image Analysis. – 2008. – Vol. 18, N 4. – P. 654-661.
  14. Kopenkov, V.N. Research the Performance of a Recursive Algorithm of the Local Discrete Wavelet Transform. / V.N. Kopenkov, V.V. Myasnikov // 20-th International Conference on Pattern Recognition (ICPR-2010). – Istambul, Turcey August 23-26, 2010. Abstract book. – P. 317.
  15. Kopenkov, V.N. Regression restoration methods as applied to solve the problem of multidimensional indirect measurements / V.N. Kopenkov, V.V. Sergeev, E.I. Tim­bai // Pattern Recognition and Image Analysis. – 2011. – Vol. 21, N 2. – P. 480-483.
© 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