Дипломная работа (ВКР) — бакалавр, специалист на тему Цифровая обработка изображения на основе синглтонной модели нечеткого логического вывода.

Содержание:

Содержание

Введение. 3

1. Анализ
предметной области. 7

1.1 Основные понятия цифровой
обработки изображений. 7

1.1.1 Цифровая обработка. 10

1.1.2 Оцифровка. 12

1.2 Классификация методов цифровой
обработки изображения. 13

1.3 Обзор средств для реализации
нечеткой логики для обработки изображения  18

1.3.1 Основы теории нечетких
множеств. 18

1.3.2 Системы обработки нечетких
изображений. 24

1.4 Постановка задач работы.. 25

2. Выбор
средств для реализации нечеткой логики для обработки изображения  27

2.1 Алгоритм цифровой обработки
изображения. 27

2.2 Механизм нечеткого вывода cинглтонной cистемы нечеткой логики цифровой
обработки изображения. 34

2.3 Выбор языка программирования и
среды для реализации алгоритма. 35

3. Разработка
программного приложения для цифровой обработки изображения  38

3.1 Создание
программного кода на основе нечеткого логического вывода. 38

3.2 Разработка
приложения для цифровой обработки изображения на основе нечеткого логического
вывода. 47

3.3 Тестирование
программного обеспечения. 54

3.4 Сравнительные
характеристики обработки изображения. 54

4.   Экономический раздел. 57

4.1 Организация и планирование работ
по разработке программного приложения цифровой обработки изображения. 57

4.2 Расчёт стоимости реализации
программного приложения. 61

Заключение. 66

Список литературы, 67

Приложение. 69

Введение:

Введение Цифровая обработка изображений
(ЦОИ) — это использование цифрового компьютера для обработки цифровых изображений
с помощью алгоритма. Как подкатегория или область цифровой обработки сигналов, цифровая
обработка изображений имеет много преимуществ перед аналоговой обработкой изображений.
Она позволяет применять к входным данным гораздо более широкий спектр алгоритмов
и позволяет избежать таких проблем, как накопление шума и искажений во время обработки.
Поскольку изображения определяются в двух измерениях (возможно, больше), цифровая
обработка изображений может быть смоделирована в виде многомерных систем. На генерацию
и развитие цифровой обработки изображений в основном влияют три фактора: во-первых,
развитие компьютеров; во-вторых, развитие математики (особенно создание и совершенствование
теории дискретной математики); в-третьих, возрос спрос на широкий спектр приложений
в окружающей среде, сельском хозяйстве, военном деле, промышленности и медицине.

Обработка изображений определяется
как метод улучшения необработанных изображений, полученных с использованием различных
датчиков зрения, для различных применений, таких как медицинская визуализация, киноиндустрия,
интеллектуальный транспорт и т. Д. Чтобы применить методы обработки изображений,
первым шагом является оцифровка изображения в файл изображения. Кроме того, методы
должны применяться для перестановки частей изображения, улучшения цветоделения и
улучшения качества.

Цифровая обработка изображений
позволяет использовать гораздо более сложные алгоритмы, а, следовательно, может
предложить, как более сложную производительность при простых задачах, так и реализацию
методов, которые были бы невозможны аналоговыми средствами.

В частности, цифровая обработка
изображений — это конкретное применение и практическая технология, основанная на:
классификации, извлечении признаков, многомасштабном анализе сигналов, распознавании
образов, проекции.

Методы, используемые в цифровой
обработке изображений, следующие: анизотропная диффузия, скрытые марковские модели,
редактирование изображений, восстановление изображений, независимый компонентный
анализ, линейная фильтрация, нейронные сети, дифференциальные уравнения в частных
производных, пикселизация, сопоставление точечных признаков, анализ основных компонентов,
самоорганизующиеся карты, вейвлеты.

Однако, имеется ряд проблем,
которые показывают, что особенности изображения почти естественно
должны считаться нечеткими: идентификация перехода между наклоном серого значения
и ребром, значение границы размытого объекта, принадлежность серого цвета к классу
“ярких" или “темных” пикселей. Обычно эти проблемы просто устраняются путем
присвоения пороговых значений — эвристических или вычисленных — объектам для их
классификации. Нечеткая логика позволяет правильно оценивать количество и обрабатывать
несовершенные данные, что позволяет объединить их для принятия окончательного решения,
даже если известны только эвристические правила и никаких аналитических соотношений.

Обработка нечетких изображений
— это попытка перевести способность человеческого мышления в проблемы компьютерного
зрения, поскольку предоставляется понятный инструмент для вывода из несовершенных
данных.

Обработка нечетких изображений
является особенной с точки зрения ее связи с другими методами компьютерного зрения,
поскольку характеризуется как описание нового класса методов обработки изображений.
Цифровая обработка изображения на основе синглтонной модели нечеткого логического
вывода является актуальной задачей, поскольку предоставляет новую методологию, дополняющую
классическую логику, составляющую любой инструмент компьютерного зрения. Необходимо
разработать новый тип понимания и обработки изображений. Обработка нечетких изображений
может быть отдельной процедурой обработки изображений или дополнять части сложной
цепочки обработки изображений.

Положения теории теория нечетких
множеств, основоположником которой является Л. Задэ, легли в основу алгоритмов нечеткого
вывода, работу над которыми вели Мамдани [13], Цукамото [14], Сугено [15], Ларсен
[16], Мизумото [17] и другие исследователи. К большинству современных систем ЦОИ,
в том числе, основанных на нечетком выводе, предъявляются повышенные требования
по быстродействию, т.к. задержки в принятии решения могут привести к потере актуальности
самого решения, следовательно, к снижению эффективности самой системы ЦОИ.

Целью работы является исследование
процесса цифровой обработки изображения, разработка программного приложения для
обработки изображения на основе синглтонной модели нечеткого логического
вывода.

Для достижения цели поставлены
следующие задачи:

1) изучение существующих методов
цифровой обработки изображения;

2) обзор и выбор средств для
реализации нечеткой логики для обработки изображения;

3) разработка программного
приложения для цифровой обработки изображения.

Объектом исследования является
система ЦОИ, основанная на синглтонной модели нечеткого логического вывода с базами
знаний большой размерности.

Предметом исследования являются
алгоритмы повышения быстродействия систем ЦОИ, основанных на механизмах нечеткого
вывода.

Методы исследования. В работе
применяются методы искусственного интеллекта, теории нечетких множеств, теории графов,
теории алгоритмов, параллельного программирования, вычислительных экспериментов
и статистического анализа, программа Mathlab.

Новизна работы заключается
в том, что предложена синглтонная модель, отличающаяся значительно большими вычислительными
затратами, обеспечивает большую устойчивость к изменениям контраста и освещения,
помимо того, что позволяет избежать получения двойных краев, что позволяет формализовать
знания о предметных областях, содержащие сложные транзитивные зависимости между
фактами.

Заключение:

Заключение Эти результаты позволяют
нам сделать вывод, что, несмотря на значительно большие вычислительные затраты
по сравнению с оператором Собеля, реализованная система для цифровой обработки
изображений на основе синглтонной модели нечеткого логического вывода с помощью
программы MathLab
обеспечивает
большую устойчивость к изменениям контраста и освещения, помимо того, что
позволяет избежать получения двойных краев. Дальнейшая настройка весов,
связанных с правилами нечеткого вывода, по-прежнему необходима, чтобы еще
больше уменьшить включение в выходное изображение пикселей, не принадлежащих
краям, как показано на рисунках в главе 3.

В работе решены следующие
задачи:

1) изучены существующие методы
цифровой обработки изображения;

2) проведен обзор средств
для реализации нечеткой логики для обработки изображения, в результате которого
выбран пакет MathLab.

3) разработано программное
приложение для цифровой обработки изображения с помощью синглтонной
модели нечеткого логического вывода.

Фрагмент текста работы:

1.1 Основные
понятия цифровой обработки изображений Эффективные системы для создания,
анализа и обработки изображений создаются и применяются во многих областях. Это
стало возможно после того, как появились персональные мощные и недорогие компьютеры,
к которым можно подключить новые детекторы изображений и дисплеи. Например, сейчас
они используются для реконструкции рентгеновских и магнитно-резонансных изображений
(МРТ) в медицине, для анализа многоспектральных аэрофотоснимков и спутниковых изображений
для экологических и военных целей, для считывания универсальных кодов продуктов,
которые указаны на товарах и ценниках в розничных магазинах, и это лишь некоторые
из них.

Рассмотрен приведенный ниже
набор данных, который взят из первого издания "Цифровая обработка изображений"
Гонсалеса и Вудса. Эти данные представляют собой 5-битное изображение размером 64
× 64 (2 5 = 32 значения серого) (рис.1.1). Этот набор данных был введен вручную
(всего с 4 ошибками) в 1988 году Ранджитом Бхаскаром, аспирантом в области визуализации,
для использования студентами. Изображение было отрисовано с использованием так называемой
процедуры “overstrike” на линейном принтере (рис. 1.2), где “темные” пиксели печатались
с использованием нескольких надпечатанных символов, а более светлые пиксели — с
помощью разреженных символов (например, и “-”).

Изображение – это воспроизведение
или имитация формы человека или вещи. Оптический аналог объекта, создаваемый линзой,
зеркалом и т.д. [Ной Вебстер].

Картинка рассматривается как
изображение, т.е. плоское представление яркости, количества света, отраженного или
переданного объектом.