Введение к работе
Актуальность темы. Существующие проблемы в практическом применении теоретических основ распознавания графической информации заставляют исследователей находить современные и высокоэффективные решения. На сегодняшнем этапе развития практического применения теоретических основ распознавания графической информации остаются нерешенными проблемы: качественного выделения контуров; автоматизированного выделения объектов; вариабельности пространственного расположения объектов и их распознавания; практического применения методологических разработок в распознавании графической информации; качественной классификации объектов распознавания.
Большую значимость в решении указанных проблем приобретает создание программных комплексов и математического аппарата, основанных на применении нейронных сетей, экспертных систем и кибернетики.
В связи с этим разработка и использование альтернативных методов распознавания графической информации с интеллектуальной поддержкой и их практическая применимость является актуальной задачей.
Цель диссертационной работы. Целью диссертационной работы является разработка комплексного подхода к проблеме эффективного и качественно распознавания графической информации, включающего разработку и использование новых методологий для анализа графических массивов данных с использованием нейронных сетей и экспертных систем, с учетом исследования смежных областей науки, изучающих принципы восприятия объектов человеком.
Задачи исследования:
анализ наиболее часто используемых методов выделения объектов на изображении;
анализ способов, подходов и новых направлений распознавания графической информации;
исследование интеллектуальных технологий, применяемых в решении проблем распознавания;
теоретическое обоснование математических моделей, применяемых в системе;
обоснование выбора программных средств и инструментов для проведения анализа и решения проблем качественного распознавания образов;
разработка комплекса алгоритмов получения изображения, выделения контуров и объектов по цвету;
разработка альтернативной архитектуры нейронной сети и алгоритма ее взаимодействия с системой предварительной классификации;
исследование эффективности применения разработанных методов и способов с интеллектуальной поддержкой для решения задач распознавания графической информации.
Методы исследования. Исследование проведено с использованием статистического анализа, системного анализа, абстрактно-логического метода, алгоритмизации, моделирования, оптимизации, нейронных сетей, экспертных систем. Экспериментальная часть работы проводилась с использованием пакета Statistica и языка программирования высокого уровня в среде Microsoft Visual Studio с использованием технологии CUDA.
Научная новизна. Научная новизна диссертационной работы заключается в следующем:
теоретически обоснован новый комплексный подход к процессу распознавания графической информации на основе разработанных подходов;
разработан методологический подход к выделению контуров графических объектов;
установлена взаимосвязь между цветовыми компонентами модели RGB;
реализован подход, моделирующий константность цветовосприятия;
создан алгоритм на основе разработанных подходов для выделения объектов по цвету;
реализован механизм предобработки графических объектов, подаваемых на вход нейронной сети;
обосновано применение экспертной системы для предварительной классификации объектов по цвету;
предложен алгоритм взаимодействия экспертной системы с нейронной сетью;
смоделированы входные значения, подаваемые на нейронную сеть, как взаимосвязь между координатами объекта, представленные в виде временного ряда;
разработана архитектура функционирования нейронной сети при распознавании графических объектов, принадлежащих к различным классам;
проведены экспериментальные исследования по практической реализации разработанных подходов при решении проблем, возникающих в процессе распознавания графической информации растровых изображений.
Практическая ценность работы. Использование разработанных подходов, методов и алгоритмов позволит решать задачи более качественного выделения объектов на цветных изображениях и их идентификации.
Реализация результатов работы. Методологический комплексный подход к распознаванию графической информации с интеллектуальной поддержкой использован в учебном процессе ФГБОУ ВПО «КубГТУ» при изучении дисциплин «Программирование» и «Базы данных» и в системе пропускного контроля для повышения безопасности объектов ООО «РН-Краснодарнефтегаз».
Апробация работы. Основные положения диссертационного исследования апробированы на научных конференциях молодых ученых и студентов.
Опубликовано 5 научных работ, из них 1 статья в рецензируемом журнале из перечня ВАК при Минобрнауки России, а также 4 работы представлены на конференциях, из которых один доклад на IX международной практической конференции «Актуальные достижения европейской науки».
Получено свидетельство о государственной регистрации программы для ЭВМ № 2013618115 от 30.08.2013г. «Программный модуль для проведения анализа и исследования формулы цветового различия в выделении контуров объектов», по заявке № 2013615927 от 11 июля 2013.
Основные положения, выносимые на защиту:
принцип выделения контуров по цветовому различию;
модель константности цветового восприятия;
алгоритм выделения объектов по цвету;
архитектура предложенного функционирования нейронной сети;
использование входных значений нейронной сети в виде временного ряда зависимостей расположения координат графического объекта;
алгоритм взаимодействия нейронной сети с системой предварительной классификации выделенных объектов на изображении.
Объем и структура работы. Диссертационное исследование состоит из введения, пяти глав и заключения, изложенных на 144 страницах. Диссертационная работа содержит 81 рисунков и графиков, 17 таблиц и список использованных источников из 112 наименований.
Похожие диссертации на Методы и реализация комплексного подхода к распознаванию графической информации с интеллектуальной поддержкой
