ИСТИНА |
Войти в систему Регистрация |
|
ИПМех РАН |
||
Задача фильтрации динамических изображений, по сравнению с хорошо известной фильтрацией сигналов, обладает характерными особенностями. Общим свойством для всех изображений является многомерность в пространстве координат, т.е. изображения могут быть двухмерными (плоскими), трехмерными (пространственными) и обладать более высокой виртуальной размерностью. К дополнительным, присущим динамическим изображениям, можно отнести: появление еще одной временной координаты, обладающей свойством причинности (однонаправленности), в отличие пространственных координат; необходимость учета не только пространственных, но и временных характеристик изображения; необходимость решения задачи фильтрации в реальном масштабе времени. Перечисленные свойства динамических изображений, как объектов исследования, налагают жесткие требования к методам их фильтрации. В работе используется векторное представление динамических изображений. Векторное моделирование позволяет описать случайное динамическое изображение посредством многомерного случайного процесса и использовать для этой цели марковскую теорию. Обычно устройства обработки изображений являются частью некоторой системы автоматического управления, которая также может быть описана в рамках марковской теории. Единая методология описания динамических процессов обработки изображений и автоматического управления является существенным преимуществом их векторного представления. На основе векторного представления случайного динамического поля разработаны математические модели случайных динамических изображений. Проведено исследование характеристик линейных моделей изображений. Получено уравнение для ковариаций, описывающих пространственные характеристики изображений. Получено уравнение для корреляций, описывающих временные характеристики изображений. Рассмотрены свойства интервала ковариации и времени корреляции изображения. Проведено исследование характеристик нелинейных моделей изображений. Построена линейно-нелинейная модель изображения. Рассмотрены типовые модели изображений. Модель без пространственной динамики. Выбор параметров по заданным ковариационным и корреляционным характеристикам. Модели с пространственной динамикой. Модель ближайших соседей. Модель с упругой динамикой.
The problem of filtration of dynamic patterns has in comparison with well known task of filtration signals a lot of specifications. General option of all patterns is high dimension. Another option of dynamic patterns is time, which has a strong direction. For this reason we have to use space and time characteristic both. More than less we have to solve task of filtration in the real time. For this reason there are strong requests to the methods of filtration. In the project we use vector description of the dynamic patterns. It gives an opportunity to describe random dynamic pattern as multidimensional stochastic process and to use for this one theory of Markov. Usually unit of filtration of pattern is a part of the general automatic control system. Vector description gives an opportunity to use the same methodology for all units of the automatic control system. Based on vector description we have developed mathematical models of the random dynamic patterns. We have investigated characteristics of linear models of patterns. It was derived an equation for covariation, which describes space characteristics of patterns. It was derived an equation for correlation, which describes timing characteristics of patterns. It was investigated interval of covariation and time of correlation of patterns. It was investigated characteristics of the nonlinear models of patterns. It was developed nonlinear-linear model of patterns. It was investigated typical models of patterns: model without dynamics, model with the given parameters of correlation and covariation, models with the space dynamics, models of the nearest neighbour, models with the elastic dynamics.
грант РФФИ |
# | Сроки | Название |
1 | 1 марта 2004 г.-31 декабря 2005 г. | Аналитическое моделирование стохастических систем |
Результаты этапа: |
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".