Введение к работе
АКТУАЛЬНОСТЬ ТЕМЫ. Рост значимости задач обработки больших объемов графической информации приводит к необходимости разработки новых высокопрошводигельных систем идентификации и цифровой обработки изображений. Существующие на сегодняшний день вычислительные средства не позволяют решать подобные задачи в реальном масштабе времени. В то же время большинство задач обработки гоображений теоретически могут быть распараллелены, что составляет основной структурный принцип повышения производительности вычислительных систем. Непосредственный подход к реализащш в явном виде распараллеливания ветвей вычислений приводит к построению вычислительных систем, имеющих один поток команд и много потоков данных. Характерными представігтелями последних являются параллельные системы с общим управлением и ассоциативные системы.
Однако решение таких задач на многопроцессорных и параллельных вычислительных системах затрудняется из - за большого объема обрабатываемых данных. При относительной простоте части алгоритмов обработки, распараллеливание оказывается не всегда эффективным, т.к. все алгоритмы требуют повышенного обмена данными между элементами вычислительной системы. Нелинейность имеющихся алгоритмов так же не всегда позволяет использовать вычислители с одиночным потоком команд, которые до сих пор применялись для проведения простейших преобразований изображения. С другой стороны, достижения в микроэлектронной технологии позволяют сегодня создавать многопроцессорные системы матричного типа, обладающие относіггельно низкой стоимостью при достаточно высокой производительности, что позволит наиболее эффективно решать задачи идентификации, кодирования и предварительной обработки графіиеской информации.
ОБЪЕКТ ИССЛЕДОВАНИЯ. Особое место в задачах обработки графіиеской информации зашшает задача идентификации некоторого изображения среди аналогов. Используемые в настоящее время методы идентификации изображений являются недостаточно эффективными, так как имеется необходимость попарного сравнения каждого id имеющихся гоображений с идентифицируемым, следствием чего является низкое быстродействие процесса идентификации для больших массивов данных, а также недостаточно высокая помехозащищенность существующих методов, что снижает достоверность результатов.
ЦЕЛЬ И ЗАДАЧИ РАБОТЫ. Целью работы является разработка комплексного решения проблемы идеіггификацшт заданного шображения, устранешіе канальных шумов и искажений, возникших в результате передачи изображения, а также получение минимального объема передаваемых (хранимых) данных, позволяющее восстановить полностью или с заданными искажениями исходное шображение. Достижение этой цели дает возможность идентифицировать по заданному критерию предъявляемое изображение, сншить требования к каналам связи, сократить время поиска и передачи данных, минимизировать объем требуемой памяти, повысить быстродействие вычислительной системы.
В соответствші с поставленной целью решаются следующие задачи:
теоретически и экспериментально обосновать возможность создания высокопроизводительной системы идентификации и цифровой обработки изображений;
разработать эффективную методику распознавания изображений;
разработать усовершенствованные алгоритмы предварительной обработки графической информации;
разработать алгоритмы минимизации хранимого набора данных;
разработать методы эффективного распараллеливания всего комплекса алгоритмов для решения задачи в масштабе реального времени;
- оценить эффективность различных типов многопроцессорных систем
для решения описанной задачи и предложить наиболее
производительную структуру вычислительной системы.
МЕТОДЫ ИССЛЕДОВАНИЯ. Для решения поставленных задач используются методы теорші построения вычислительных систем, арифметические основы дискретной техники, теорші организации вычислительного процесса, языков программирования, методы вычислительной математики и имитационного моделировашш, теорші случайных процессов.
ОСНОВНЫЕ ПОЛОЖЕНИЯ. ВЫНОСИМЫЕ НА ЗАЩИТУ. На
защиту выносятся следующие положения и результаты:
методика вероятностной вдентификащш изображений;
алгоритм фрактального кодирования данных;
рекурсивно - иерархическое описание изображения;
- структура многопроцессорной вычислительной системы для решения
задач идентификации, кодирования и предварительной обработки
изображений в масштабе реального времени.
НАУЧНАЯ НОВИЗНА. Научная новизна работы состоит в разработке комплекса алгоритмов и структурных решений для задач цифровой обработки и идентификации іпображешій.