© 2010 г. И. К. Коханенко, доктор техн. наук
Ростовский военный институт ракетных войск, Ростов-на-Дону
E-mail: kik112@yandex.ru
Обосновывается алгоритм анализа изображения для его автоматического распознавания, который рассматривается в статье с точки зрения формализации выделения кластеров либо постоянной, либо подобной интенсивности сигнала, их количества и размеров, двухуровневого принятия решений. Такой подход базируется на гипотезе фрактальности, которая состоит в предположении о степенной зависимости числа пикселов постоянной интенсивности в кластере от его ранга и фрактальном пространственном распределении пикселов в самом кластере. Обоснование гипотезы связывается с гармонией разнообразия и устойчивости изображения как системы. Рассмотрены особенности двухуровневого алгоритма автоматического распознавания сравнением с эталоном. Приведен пример распознавания изображения по наблюдаемой оптической картине. Изучены особенности подобного подхода при анализе видеоинформации на основе карт Кохонена.
Ключевые слова: фрактал, распознавание, видеоинформация, кластер, инвариант, интенсивность, нейросеть, морфологический анализ, аномальная диффузия.
Коды OCIS: 100.4996, 100.5010
УДК 621.397
Поступила в редакцию 11.02.2010
ЛИТЕРАТУРА
1. Пытьев Ю.П. Морфологический анализ изображений // Докл. АН СССР. 1983. Т. 269. № 5. С. 1061–1064.
2. Пытьев Ю.П., Чуличко А.И. Морфологический анализ изображений: сравнение по форме, узнавание, классификация, оценка параметров // ВЦ РАН. Доклады 11-й Всероссийской конф. “Математические методы распознавания образов”. 2003. С. 415–418.
3. География и мониторинг биоразнообразия. М.: изд-во научного и учебно-методического центра МГУ, 2002. 432 с.
4. Коханенко И.К. Фракталы в оценке эволюции сложных систем // АиТ. 2002. № 8. С. 54–62.
5. Коханенко И.К. К фрактальному непараметрическому распознаванию / Обозрение прикладной и промышленной математики. 2008. Т. 15. В. 4. С. 704–705.
6. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. М.: Мир, 1992. 184 с.
Полный текст
