Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения


Контакты

Подписка

Карта сайта





Журнал с 19.02.2010 входит в новый «Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертации на соискание ученой степени доктора и кандидата наук»
Аннотации (11.2013) : Метод предсказания на основе алгоритмической вероятности в задаче восстановления изображений в утерянных областях

Метод предсказания на основе алгоритмической вероятности в задаче восстановления изображений в утерянных областях

 

© 2013 г.    А. С. Потапов*,**, доктор техн. наук; О. В. Щербаков**, аспирант; И. Н. Жданов**, аспирант

 

*   ОАО "Государственный оптический институт им. С.И. Вавилова"

** Национальный исследовательский университет информационных технологий, механики и оптики, Санкт-Петербург

E-mail: pas.aicv@gmail.com

Рассмотрен критерий алгоритмической вероятности, предоставляющий общее решение задачи экстраполяции символьных строк. Данный критерий расширяет теоретико-информационный подход на основе алгоритмической сложности, широко использующийся при синтезе методов анализа изображений. Даны методические рекомендации о практическом применении критерия алгоритмической вероятности при обработке и анализе изображений. В качестве примера проведена разработка метода восстановления изображений в утерянных областях, скорость вычислений в рамках которого обеспечена путем сужения алгоритмически полного пространства моделей изображений до множества их фурье-образов.

Ключевые слова: алгоритмическая вероятность, восстановление изображений, преобразование Фурье.

 

Коды OCIS: 150.1135.

УДК 004.932.2

Поступила 27.05.2013

ЛИТЕРАТУРА

1.               Luo Q., Khoshgoftaar T.M. Unsupervised Multiscale Color Image Segmentation Based on MDL Principle // IEEE Trans. on Image Processing. 2006. V. 15. № 9. P. 2755-2761.

2.  Lindeberg T., Li M. X. Segmentation and classification of edges using minimum description length approximation and complementary junction cues // Computer Vision and Image Understanding. 1997. V. 67. № 1. P. 88-98.

3.  Ward A., Hamarneh Gh. Statistical Shape Modeling using MDL Incorporating Shape, Appearance, and Expert Knowledge // In Lecture Notes in Computer Science, Medical Image Computing and Computer-Assisted Intervention (MICCAI). 2007. P. 278-285.

4.  Lanterman A. Minimum Description Length understanding of infrared scenes // Proc. SPIE. 1998. V. 3371. P. 375-386.

5.               Li M., Gao Q. and Vitanyi P.M.B. Recognizing on-line handwritten characters using MDL // Proc. IEEE Information Theory Workshop. 1993. P. 24-25.

6.  Yvan G. et al. Self-Consistency and MDL: A Paradigm for evaluating point-correspondence algorithms, and its application to detecting changes in surface elevation // Int. J. of Computer Vision. 2003. V. 51. № 1. P. 63-83.

7.               Mansouri A.R. and Konrad J. Minimum description length region tracking with level sets // Proc. SPIE Image and Video Communications and Process. 2000. V. 3974. P. 515-525.

8.  Solomonoff R. Does Algorithmic Probability Solve the Problem of Induction? // Oxbridge Research, P.O.B. 391887, Cambridge, Mass. 02139. 1997.

9.  Solomonoff R. Algorithmic Probability, Heuristic Programming and AGI. / Baum, E., Hutter, M., Kitzelmann, E. (eds). Advances in Intelligent Systems Research. 2010. V. 10. P. 151-157.

10.  Потапов А.С. Выбор представлений изображений на основе минимизации репрезентационной длины их описания // Изв. вузов. Приборостроение. 2008. Т. 51. № 7. С. 3-7.

11.              Arias P., Caselles V., Sapiro G. A Variational Framework for Non-local Image Inpainting // Proc. EMMCVPR'09. 2009. P. 345-358.

12.  Shibata T., Iketani A., Senda Sh. Fast and Structure-preserving Inpainting Based on Probabilistic Structure Estimation // MVA2011 IAPR Conference on Machine Vision Applications, Nara, JAPAN. 2011. P. 22-25.

 

Полный текст