Тип работы:
Предмет:
Язык работы:


Теоретические основы распознавания изображений (Теоретические основы информатики, Российский Экономический Университет им. Г.В. Плеханова)

Работа №102537

Тип работы

Рефераты

Предмет

информатика

Объем работы27
Год сдачи2022
Стоимость400 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
190
Не подходит работа?

Узнай цену на написание


Текст работы имеет одинарный межстрочный интервал.

Введение 3
Глава 1. Основные понятия теории распознавания образов и ее значение 4
Глава 2. Основные задачи, возникающие при разработке систем распознавания образов 7
Глава 3. Классификация систем распознавания образов реального времени 11
Глава 5. Цветовые пространства 17
Глава 6. Методы обработки изображения 19
Глава 7. Метод классификации изображении: персептрон 24
Заключение 26
Список используемых источников 27


Теория распознавания образов является одним из главных разделов кибернетики в теоретическом и в прикладном плане. Автоматизация некоторых процессов предполагает разработку устройств, которые способны реагировать на изменяющиеся характеристики внешней среды неким количеством положительных реакций. Базой для решения задач такого уровня следуют результаты классической теории статистических решений, в рамках которой разработаны алгоритмы определения класса, к которому может быть отнесен распознаваемый объект. На базе статистики за счет применения разделов прикладной математики, теории информации, методов алгебры логики, математического программирования и системотехники основана теория распознавания. Кроме того, в основе теории распознавания графических образов лежат концепции теории обработки изображений. В процессе распознавания цветных объектов применяется фильтрация изображений, операции математической морфологии, изменение яркости и контраста изображений, квантование цвета и преобразование графических изображений в другие цветовые пространства. На данный момент распознавание образов – одно из ведущих направлений кибернетики: оно упрощает взаимодействие человека с компьютером и создает предпосылки для применения различных систем искусственного интеллекта. В данной работе рассматриваются методы деления изображений на цветовые составляющие, выделения, фильтрации и последующего распознавания образов из данного изображения.
Актуальность данной темы заключается в том, что сейчас распознавание образов плотно вошло в повседневную жизнь и является одним из самых основных знаний современного инженера.
Задачи исследования:
· дать понятие теории распознавания образов, определить его значение;
· рассмотреть основные задачи, возникающие при разработке систем распознавания образов;
· классифицировать систему распознавания образов реального времени;
· показать сущность математической теории распознавания образов.
· изучить методы хранения, обработки и распознавания объектов в условиях цветовой близости.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В качестве заключения можно сказать, что на современном этапе развития вычислительной техники задача создания искусственного интеллекта пока неразрешима. Распознавание образов является самой распространенной задачей, которую человеку приходится решать практически ежесекундно от первого до последнего дня своего существования. Для этого он использует огромные ресурсы своего мозга, которые мы оцениваем таким показателем как число нейронов, равное 1010.
Вычисления в сетях формальных нейронов, во многом напоминают обработку информации мозгом. В последнее десятилетие нейрокомпьютинг приобрел чрезвычайную популярность на Западе, где он уже успел превратиться в инженерную дисциплину, тесно связанную с производством коммерческих продуктов. Ежегодно выходят десятки книг, посвященных практическим аспектам нейрокомпьютинга. Интенсивно ведутся работы по созданию новой - аналоговой элементной базы для нейровычислений.
В России же, где в силу общего снижения тонуса научных исследований структура науки оказалась «замороженной», до сих пор бытует мнение, что традиционные математические методы в принципе достаточны для решения любых задач распознавания образов. Нейрокомпьютинг же воспринимается как излишество и дань кратковременной моде. Однако на фоне многочисленных практических успехов нейротехнологии утверждения, что любая конкретная задача может быть в принципе решена и без них выглядят несколько схоластично. Раз нейрокомпьютинг на деле доказывает свою конкурентоспособность разумнее повнимательнее приглядеться к этому феномену.
Перспективы в ближайшем будущем: Основной чертой, отличающей нейрокомпьютеры от современных компьютеров и обеспечивающей будущее этого направления, является способность решать неформализованные проблемы, для которых в силу тех или иных причин еще не существует алгоритмов решения. Нейрокомпьютеры предлагают относительно простую технологию порождения алгоритмов путем обучения. В этом их основное преимущество, их «миссия» в компьютерном мире.
Возможность порождать алгоритмы оказывается особенно полезной для задач распознавания образов, в которых зачастую не удается выделить значимые признаки априори. Вот почему нейрокомпьютинг оказался актуален именно сейчас, в период расцвета мультимедиа, когда развитие глобальной сети Internet требует разработки новых технологий, тесно связанных с распознаванием образов.



1. Чабан. Л.Н. Теория и алгоритмы распознавания образов. Учебное пособие. М.: МИИГАиК. 2004. – 70с.
2. Прэтт У. Цифровая обработка изображений. М.: Мир, 1982. Т.2.
3. Алгоритмические основы построения растровой графики. URL https://www.intuit.ru/studies/courses/993/163/lecture/4491 (дата обращения: 10.12.2018).
4. Форсайт Д., Понс Ж.. Компьютерное зрение. Современный подход. изд. — М.: Вильямс, 2004. — 928 с.
5. Jain, Anil K. (1989). Fundamentals of Digital Image Processing. New Jersey, United States of America: Prentice Hall. ISBN 0-13-336165-9.
6. Лепский А.Е., Броневич А.Г. Математические методы распознавания образов: Курс лекций.- 2009.
7. Файн В. С. Опознавание изображений, М. 1970.
8. Н.С.Пискунов „Дифференциальное и интегральное исчисления”, Москва, „Наука”, 1972 г.
9. Горелик А.Л., Скрипкин В.А. Методы распознавания. - М.: Высш. шк, 2004. - 261 с.
10. Ф. Розенблатт. Принципы нейродинамики. Перцептроны и теория механизмов мозга. Издательство: Мир/Год издания- 1965
11. Бородаенко Д.Н. Распознавание образов // Распознавание образов и искусственный интеллект. 2001. http://www.ocrai.narod.ru (26.12.2007).
12. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М,: Наука, 1974.
13. Материал из Национальной библиотеки им. Н. Э. Баумана
8.2 Обнаружение и распознавание объектов изображений.
14. Эдвард А. Патрик. Основы теории распознавания образов. Пер. с англ. Под ред. Б.Р.Левина. Издательство: М. : "Советское радио".1980. 864 с.
15. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации// Проблемы кибернетики. М.: Наука, 2005. Вып. 33. С. 5-68
16. Фукунага К. Введение в статистическую теорию распознавания образов/ К. Фукунага - М.: Наука, 1979. - 267 с.
17. https://ru.wikipedia.org/
18. Ahlswede, R.; Ning Cai; Li, S.-Y.R.; Yeung, R.W., «Network information flow», Information Theory, IEEE Transactions on, vol.46, no.4, pp.1204-1216, Jul 2000
19. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации// Проблемы кибернетики. М.: Наука, 2005. Вып. 33. С. 5-68

Работу высылаем на протяжении 30 минут после оплаты.




©2024 Cервис помощи студентам в выполнении работ