Зниження розмірності випадкових полів для їх опрацювання, що має важливе значення в задачах розпізнавання образів. Проблема стиснення корельованих зображень. Швидкий метод побудови наближеного базису Карунена-Лоева. Дослідження якості двовимірних базисів.
Аннотация к работе
Цими міркуваннями обумовлено вибір ортогонального розкладу КЛ як найкращого за апроксимаційним критерієм, і підхід до вибору оптимізованого базису з точки зору двох показників: апроксимаційної здатності і витрат. При обробці двовимірних випадкових полів дуже поширеним є випадок, коли шукані наближено оптимальні двовимірні базиси подаються в вигляді добутку двох одновимірних. Проведені автором дослідження дозволяють вирішити ряд актуальних задач по підвищенню ефективності алгоритмів зниження розмірності випадкових полів оптимізованих за двома показниками: апроксимаційній здатності і обчислювальних витратах, що дозволяє знизити витрати на апаратні ресурси в задачі розпізнавання радіовипромінювання РЛС та інших системах розпізнавання і передачі та зберігання даних. При виконанні цієї теми автором було розроблено метод двовимірного наближеного перетворення КЛ та проведено його порівняння з хвильковим наближеним перетворенням КЛ, опубліковано статті [5,6]. Вибір здійснюється серед базисів, які мають високу апроксимаційну ефективність і, які можна побудувати при допустимих витратах. створенні методу побудови ефективного швидкого двовимірного наближеного перетворення КЛ для зниження розмірності випадкових полів. розробці принципу послідовного врахування оброблюваних сигналів для оптимізації формування ознакового простору на основі базису КЛ, який дозволяє підвищувати ефективність систем розпізнавання в ході експлуатації;В першому розділі розглянуто основні проблеми, що виникають в задачах розпізнавання сигналів та полів з великою кількістю відліків, зокрема в задачі розпізнавання випромінювання РЛС. Відзначено, що вони мають складність (де N - число сигналів в навчаючій вибірці, d - число відліків в сигналі), що не дозволяє здійснювати синтез розпізнаючого пристрою для сигналів та полів з кількістю відліків > 1000 засобами сучасної обчислювальної техніки. Розглянуто задачу розпізнавання випромінювання РЛС і зазначено, що вона вимагає здійснення розпізнавання сигналів з базою до 104-105. Як зауважено вище, побудова таких базисів класичними методами є утруднена, тому актуальною є задача зниження розмірності випадкових полів при незначному погіршенні якості і низьких витратах на побудову відповідного базису. У відомих на сьогодні методах стиснення на основі перетворення КЛ[7-8] пропонується спроектувати сигнали в базис КЛ і стискати не самі сигнали, а базисні функції.У дисертації розроблено новий підхід до зниження розмірності випадкових полів і застосовано його для зниження розмірності випадкових полів в задачі розпізнавання випромінювання РЛС.
План
2. Основний зміст роботи
Вывод
У дисертації розроблено новий підхід до зниження розмірності випадкових полів і застосовано його для зниження розмірності випадкових полів в задачі розпізнавання випромінювання РЛС. Розроблено метод стиснення корельованих полів, який може успішно використовуватися в системах дистанційного зондування, радіолокації з синтезованою апертурою, системах телекомунікацій, тощо.
Список литературы
Вперше запропоновано підхід до зниження розмірності випадкових полів шляхом вибору ортогонального базису, який при заданій похибці забезпечує найнижчу розмірність представлення. Вибір здійснюється серед базисів, які мають високу апроксимаційну ефективність і, які можна побудувати при дозволених витратах.
Вперше запропоновано алгоритми наближеного перетворення КЛ для задач зниження розмірності випадкових сигналів та полів, серед яких двовимірний алгоритм наближеного перетворення КЛ, алгоритм із послідовним врахуванням сигналів в реальному часі та алгоритм із низьким споживанням ресурсів.
Вперше проведено аналіз швидких наближених декорелюючих ортогональних перетворень, утворених як добуток одновимірних. Показано неможливість досягнення ними ефективності порівняної з точними методами для широкого класу сигналів. Вказано можливі способи подолання виявлених обмежень. Запропоновано процедуру, яка реалізує один із вказаних методів.
Показано, що перспективним напрямком подальших досліджень, з точки зору застосування в задачах стиснення та зниження розмірності випадкових полів, є побудова оптимізованих ортогональних перетворень, які не подаються як добуток одновимірних.
Створено нову методику стиснення корельованих даних із втратами на основі швидкого алгоритму точного перетворення КЛ. Вперше запропоновано процедуру, яка дозволяє здійснювати теоретично оптимальне стиснення корельованих сигналів. Показано, що даний метод дозволяє добитись підвищення ступеню стиснення в 1.1-2 рази, порівняно з існуючими методами.
На основі отриманих результатів можна сформулювати такі висновки роботи: Запропонований підхід до зниження розмірності випадкових полів шляхом вибору ортогонального базису, який при заданій похибці забезпечує найнижчу розмірність представлення, дозволяє в представленні зі зниженою розмірністю використовувати класичні методи побудови розпізнаючих пристроїв та обробки сигналів та полів. Даний підхід успішно застосовано для зниження розмірності випадкових полів в задачі розпізнавання випромінювання РЛС.
Запропонований двовимірний алгоритм наближеного перетворення КЛ може з успіхом використовуватись в системах розпізнавання, як метод зменшення розмірності випадкових полів. Він дозволяє побудувати досить якісний оптимізований базис і врахувати велику кількість сигналів, що не дозволяють більшість відомих методів. Показано, що даний метод дозволяє відшукати якісніший базис ніж хвильковий наближений базис КЛ для багатьох ансамблів двовимірних сигналів. Показано також, що робота двовимірного наближеного базису КЛ в системах розпізнавання є стійкішою до впливу білого гаусівського шуму, ніж при використанні хвилькового наближеного базису КЛ.
Запропонований метод побудови базису КЛ з послідовним врахуванням сигналів в реальному часі дозволяє модифікувати ортогональне подання в для зниження розмірності в процесі отримання додаткової інформації про сигнали, які не входять в наперед задану множину класів, на які структуровано початкову навчаючу вибірку. Метод може ефективно застосовуватися в системах розпізнавання з тривалим часом навчання, або в ситуаціях, коли навчаюча вибірка апріорі неповна (системах радіорозвідки, пошукових системах, тощо).
Представлений алгоритм побудови базису КЛ з низьким споживанням ресурсів є особливо перспективним для систем стиснення зображень. Він знайшов застосування в запропонованому алгоритмі стиснення корельованих зображень. Система стиснення на його основі може працювати на поширеному обчислювальному обладнанні з великими наборами зображень значних розмірів.
Експериментально продемонстровано, що для широкого класу зображень наближені двовимірні перетворення, які утворені як добуток одновимірних, не можуть досягати ефективності порівнюваної з перетвореннями побудованими за допомогою точних методів. Даний результат отримано на основі запропонованого методу побудови найкращого двовимірного базису КЛ. До вказаних наближених перетворень відносяться запропонований нами наближений двовимірний алгоритм перетворення КЛ та хвильковий алгоритм перетворення КЛ.
Запропоновано і протестовано алгоритм, який частково дозволяє подолати обмеження наближених базисів, КЛ утворених добутком двох одновимірних, на основі оборотньої перестановки пікселів рядків зображень.
Показано, що запропонований алгоритм стиснення корельованих даних дозволяє добитись вищих ступенів стиснення мультиспектральних зображень в 1.1-2 рази порівняно із стисненням сигналів окремо. Застосування методу до інших типів даних показало потенціальну ефективність алгоритму для стиснення відео та кольорових зображень з кількістю кольорових компонент більше трьох. Показано, що ефективність алгоритму в значній мірі залежить від ступеня корельованості даних.
Список публікацій по темі дисертаційної роботи
Мусатенко Ю.С., Курашов В.Н. Найкраще двовимірне перетворення Карунена-Лоева // Вісник Київського університету. ? 1997. ? № 2. ? C.270-282.
Булавенко С.Ю., Курашов В.Н., Мусатенко Ю.С., Находкін М.Г. Методика кількісної обробки СТМ-зображень частково-впорядкованих систем // Вісник Київського університету. ? 1998. ? № 4. ? С.243-248.
Мусатенко Ю.С. Стиснення кольорових зображень з кодуванням кольору на основі перетворення Карунена-Лоева // Вісник Київського університету. ? 1998. ? #2. ? pp.337-352.
Nakhodkin M.G., Musatenko Yu.S., Kurashov V.N. Pattern recognition with fast feature extraction // Optical Memory and Neural Networks. ? 1997. ? v.6. ? #3. ? P.175-186.
Musatenko Yu.S., Kurashov V.N. Optical field analysis by means of reduced Karhunen-Loeve representation with full elements accounting // SPIE Proceedings. ? 1997. ? v.3317. ? P.54-61.
Musatenko Yu.S., Kurashov V.N. Optimal image coding for compression of correlated image sets // SPIE Proceedings. ? 1998. ? v.3408. ? P. 486-497.
Musatenko Yu.S., Kurashov V.N. Optimal color coding for compression of true color images // SPIE Proceedings. ? 1998. ? v.3456. ? P. 185-196.
Musatenko Yu.S., Kurashov V.N. Correlated image set compression system based on new fast efficient algorithm of Karhunen-Loeve transform // SPIE Proceedings. ? 1998. ? v.3527. ? P. 518-529.
Bulavenko S.Yu., Kurashov V.N., Musatenko Yu.S. Analysis of arrangement regularity of bismuth islands on Si(111) 7x7 surface using Fourier rejection filter // Proceedings of the Eighth Inter. Workshop on Ion Beam Surface Diagnostics, Uzhgorod 1998, P. 173-174.
Musatenko Yu. S., S. I. Musatenko and V.N. Kurashov Model of satellite based earthquake precursor recognition system // SPIE Proceedings. ? 1998. ? v.3374. ? P.515-523.
Мусатенко Ю.С., Курашов В.Н. Алгоритм швидкого перетворення Карунена-Лоева з малим споживанням ресурсів // 4-та міжн. конф.”Теория и техника передачи, приема и обработки информации” Тези доповідей - ХТУРЕ, Туапсе 98, С. 77-78.
Мусатенко Ю.С. Система стиснення мультиспектральних зображень на основі швидкого перетворення Карунена-Лоева для супутникових систем зйомки земної поверхні // 4-та міжн. конф.”Теория и техника передачи, приема и обработки информации” Тези доповідей - ХТУРЕ, Туапсе 98, С. 79-80.
Перелік цитованих джерел.
Фрэнкс Л. Теория сигналов. ? М.: Сов. радио, 1974. ?344с.
Игнатов В.А. Теория информации и передачи сигналов . ? М. Радио и связь, 1991. ? 280с.
Омельченко В.А. Спектральная теория распознавания сигналов. ? Х. Вища школа, 1983. ? 156c.
Фукунага К. Введение в статистическую теорию распознавания образов // Пер. с англ. ? М.: Наука, 1979. ? 368с.
Chumakov A.G., Kurashov V.N. Karhunen-Loeve basis synthesis for great capacity signal performance in optical processors // SPIE Proceedings. ? 1993. ? v.2108. ? P. 338-342.
Wickerhauser M.V. Two fast approximate wavelet algorithms for image processing, classification, and recognition // Opt. Eng. ? 1994. ? v.33. ? P. 2225-2235.
J.A. Sahri, A.G.Tescher Near-lossless bandwidth compression for radiometric data // Opt.Eng. ? 1991. ? v.30. ? No.7. ? P.934-939.
J.A. Sahri, A.G.Tescher, J.T.Reagan Practical transform coding of multispectral imagery // IEEE Signal Processing Magazine. ? 1995. ? P.32-43.