Существует широкий круг задач, в которых изображения рассматриваются как источник информации, на основе которой необходимо вынести некоторое решение. Основой решения таких задач является теория распознавания образов, которая особенно активно развивается в связи с развитием информационных технологий и созданием систем искусственного интеллекта.
В настоящее время одним из развивающихся и перспективных направлений в цифровой обработке изображений является применение фрактального анализа. Развитию этого направления способствует тот факт, что большинство изображений в некоторой степени можно считать фракталом или мультифракталом.
Основой создания новых методов обработки изображений является модель изображения, позволяющая описывать изображение в терминах того или иного теоретического подхода. Поэтому необходимо разработать и исследовать модель изображения, основанную на его фрактальных свойствах. В данном случае речь идет о фрактальной модели изображений. Так как для построения фракталов используются системы итерируемых функций, а изображение является псевдофракталом, то одним из возможных способов описания изображения является использование для этого систем итерируемых функций.
Одним из возможных признаков изображения, получаемых с использованием фрактальной модели, который можно использовать для распознавания, является распределение локальных свойств самоподобия, которое отражает наиболее часто встречаемые участки на изображении.
При использовании признака в задачах распознавания образов необходимо его инвариантное поведение относительно различных преобразований, например, таких как преобразование изменения яркости и поворота изображения.
В докладе рассматриваются результаты исследования характера изменения признаков самоподобия изображения при выполнении преобразований над исходным изображением и возможности использования локальных признаков самоподобия для классификации и распознавания изображений.
Файл тезисов: | Короткие тезисы.doc |
Файл с полным текстом: | Privezentsev.pdf |