Введение к работе
Актуальность темы. Многие современные технические задачи связаны с распознаванием и принятием решений о внутренней структуре объектов, с дистанционным мониторингом состояния систем на основе обработки визуальных образов. При этом возникает необходимость обработки изображений, которой посвящено большое количество зарубежных и отечественных работ. Принимаемые решения часто основываются на идентифицируемых структурных элементах и их свойствах, полученных по результатам анализа снимков (Chino S., Christoyianni I., DeCartel J.M., Dermatas E., Duda R.O., Fujimura S., Gonzalez R.C., Keyes W.I., Kokkinakis G., Hanaizumi H., Hart P.E., Roe R.W., Stork D.G., Surdu J.R., Абакумов А.А., Вайнберг Э.И., Галушков А.И., Горбунов В.В., Дудкин А.А., Игнатьев А.А., Казак И.А., Курозаев В.П., Назиров Р.Р., Садыхов Р.Х., Соколов В.А., Шорин М.В. и др.).
Существующие системы обработки изображений успешно функционируют только при использовании качественных, контрастных снимков. В случае расплывчатых, зашумленных или низкоконтрастных изображений они обычно характеризуются низкой точностью выявления структур, что не позволяет в полной мере реализовать возможности традиционных методов идентификации снимков, в т.ч. алгоритмов сегментации аномальных структурных элементов. Задача усложняется при поиске или идентификации скрытых, завуалированных или зарождающихся структур (охраняемые объекты, минирование местности, возникновение патологии в биосистемах и др.). В этом случае необходимо использовать всю доступную информацию для принятия решения о возможном нахождении идентифицируемых структур на изображении.
В настоящее время существуют работы, в которых авторы для обработки неструктурированной информации предлагают использовать нейросетевые методы (Большаков А.А., Бровкова М.Б., Колентьев С.В., Макаренко А.А., Миркес Е.М., Ососков Г.А., Стадник А.В., Суятинов С.И., Федяев О.И. и др.). Однако открытыми остаются вопросы выбора критериев идентификации и разработки интеллектуальных технологий для автоматизированного распознавания зашумленных изображений. Кроме того, для повышения точности идентификации и эффективности принятия решений следует применять не только методы и модели искусственного интеллекта, но и расширенный вектор признаков, включающий доступную априорную информацию, например, о форме анализируемых структурных элементов, о физической плотности вещества и т.д., что позволит существенно повысить информативность визуальных данных. Следовательно, возникает необходимость создания более совершенных систем обработки изображений, способных относительно быстро и правильно распознавать структурные элементы на снимках различного качества.
Развитие сетевых технологий и совершенствование средств передачи данных создали основу для построения нового поколения систем распознавания изображений - Web-ориентированных систем дистанционного мониторинга состояния объекта и анализа полученных изображений, однако их практическая реализация требует обработки значительного объема информации. В случае автоматизированной идентификации скрытых структур на зашумленных снимках эта проблема обостряется. Поэтому для снижения вычислительных затрат и реализации автоматизированного распознавания возможных структурных элементов на исследуемых снимках целесообразно применить современные технологии виртуализации и облачных вычислений, комбинированные модели и алгоритмы.
Это обусловливает актуальность темы диссертационного исследования, которое соответствует приоритетным направлениям развития науки, технологий и техники РФ «Информационно-телекоммуникационные системы».
Целью работы является повышение эффективности распознавания структурных элементов на зашумленных изображениях на основе комбинированных алгоритмов, используемых в системах поддержки принятия управленческих решений в автоматизированных системах обработки изображений.
Для реализации этой цели необходимо решить следующие задачи:
-
выполнить анализ существующих методов обработки изображений (снимков) для идентификации структурных элементов;
-
сформировать критерии идентификации выделяемых структур;
-
разработать комбинированные алгоритмы распознавания структур на снимках;
-
создать методику интеллектуальной поддержки для принятия управленческих решений в автоматизированных системах обработки изображений;
-
разработать специальное математическое и программное обеспечение для автоматизированной системы идентификации структурных элементов на зашумленных изображениях;
-
апробировать предложенные интеллектуальные технологии обработки изображений при решении практических задач.
Объектом исследования являются плохо структурированные и зашум-ленные изображения.
Предмет исследования – комбинированные модели, методы и алгоритмы распознавания различных структур на зашумленных изображениях.
Методы исследования. При решении поставленных задач в работе использовались системный анализ, теория управления, методы теории идентификации и распознавания образов, методы и алгоритмы обработки изображений, метод клеточных автоматов, нейросетевые технологии.
Научная новизна работы:
разработаны критерии распознавания скрытых структурных элементов в зашумленных изображениях, отличающиеся учетом доступной априорной и апостериорной информации, что позволило разработать комбинированные алгоритмы дистанционной обработки снимков;
предложены комбинированные алгоритмы распознавания скрытых технических объектов, отличающиеся использованием технологий клеточных автоматов и неокогнитрона, что позволило учесть доступную геометрическую информацию о форме и взаимном расположении структурных элементов;
создан комбинированный алгоритм идентификации структурных изображений на рентгеновских снимках, отличающийся использованием количественной оценки рентгеноскопической плотности среды, кластеризации структур по признакам плотности изображения, нейронных сетей, что позволило разработать соответствующее специальное математическое обеспечение для поддержки управленческих решений в дистанционных автоматизированных системах обработки изображений;
построена архитектура специального математического обеспечения для поддержки принятия решений в автоматизированных системах мониторинга и обработки изображений, отличающаяся использованием комбинированных алгоритмов идентификации структур на зашумленных снимках, что позволило предложить интеллектуальную интернет-технологию автоматизированной идентификации скрытых и завуалированных объектов с применением виртуализации и облачных вычислений.
Практическая ценность работы заключается в создании комбинированных алгоритмов распознавания возможных аномальных и регулярных структур на зашумленных изображениях, что позволяет решать различные практические задачи по выявлению скрытых или завуалированных объектов на снимках.
Предложенный комбинированный алгоритм распознавания скрытых технических объектов апробирован при идентификации минных полей по снимкам из космоса.
Реализация согласно выявленным требованиям и предложенным принципам создания интеллектуальных систем дистанционного мониторинга и автоматизированной обработки снимков позволит повысить эффективность принятия управленческих решений по зашумленным изображениям. Результаты диссертации используются в учебном процессе различных вузов г. Саратова.
Достоверность и обоснованность результатов диссертационного исследования подтверждаются результатами компьютерного моделирования; успешным использованием полученных результатов в различных организациях; соответствием основных теоретических положений и выводов практическим результатам, полученным на основе разработанных моделей и алгоритмов.
Апробация работы. Основные результаты работы обсуждались на Международных научно-технических конференциях: «Математические методы в технике и технологиях» (Казань, 2005; Саратов, 2008, 2010, 2011; Харьков, 2012); «Информационные технологии в политическом, социальном и экономическом менеджменте» (Саратов, 2006); «Человеческий фактор в управлении социальными и экономическими системами» (Пенза, 2006); «Идентификация систем и задачи управления» (Москва, 2008); «Инфокоммуникационные технологии в науке, производстве и образовании» (Новочеркасск, 2008); «Перспективные информационные технологии для авиации и космоса» (Самара, 2010); «Инновации и актуальные проблемы техники и технологий» (Саратов, 2010); «Новые направления развития приборостроения.» (Минск, 2011).
Исследования поддержаны Государственным фондом содействия развитию малых форм предприятий в научно-технической сфере по программе «Участник молодежного научно-инновационного конкурса У.М.Н.И.К.» (2009 - 2010 гг.).
На защиту выносятся:
-
критерии идентификации скрытых и завуалированных структур снимков, основанные на характеристиках формы, взаимном расположении элементов и физической плотности;
-
комбинированный алгоритм идентификации структур на снимках земной поверхности на основе технологий клеточных автоматов и неокогнитрона;
-
метод оценки физической плотности вещества по изображению объекта;
-
комбинированный алгоритм для дистанционной обработки рентгеновских изображений;
-
архитектура системы интеллектуальной поддержки при принятии решений в системе дистанционного мониторинга и автоматизированной обработки снимков, а также технические принципы ее интернет-реализации.
Публикации. Основные результаты диссертационной работы опубликованы в 17 работах, в т.ч. 3 статьи - в журналах из списка, рекомендованного ВАК РФ.
Структура и объем диссертации. Диссертация состоит из введения, пяти разделов, заключения, списка использованной литературы и приложения. Работа изложена на 168 страницах машинописного текста, содержит 47 рисунков и 3 таблицы, список литературы включает 126 наименований.
