Метод автоматизированного конструирования процедур обнаружения объектов по их структурному описанию

Abstract

Данная статья посвящена проблеме автоматизированного конструирования процедур анализа изображений. В работе приведено описание созданного метода автоматизированного построения процедур обнаружения объектов на изображении по их структурному описанию. В основе данного метода лежит идея формального преобразования исходной модели объекта. Для выполнения преобразований были введены операции над моделями. Конструирование процедуры поиска объекта на изображении основывается на его структурном описании и на моделях известных алгоритмов, которые находятся в базе знаний системы. В качестве известных алгоритмов были реализованы процедура классического преобразования Хафа и алгоритм рекурсивного перебора всех точек изображения для проверки условий из описания объекта. Метод был реализован в виде системы логического вывода.

Аннотация (на русском)

Метод автоматизированного конструирования процедур обнаружения объектов по их структурному описанию

Данная статья посвящена проблеме автоматизированного конструирования процедур анализа изображений. В работе приведено описание созданного метода автоматизированного построения процедур обнаружения объектов на изображении по их структурному описанию. В основе данного метода лежит идея формального преобразования исходной модели объекта. Для выполнения преобразований были введены операции над моделями. Конструирование процедуры поиска объекта на изображении основывается на его структурном описании и на моделях известных алгоритмов, которые находятся в базе знаний системы. В качестве известных алгоритмов были реализованы процедура классического преобразования Хафа и алгоритм рекурсивного перебора всех точек изображения для проверки условий из описания объекта. Метод был реализован в виде системы логического вывода.

For citation

References

1. Дуда Р., Харт П. Распознавание образов и анализ сцен. Москва.: Мир, 1986.
2. Марр Д. Зрение: информационный подход к изучению представления и обработке зрительных образов. Москва.: Радио и связь, 1987.
3. Forsyth D.A., Ponce J. Computer Vision: A Modern Approach. Prentice Hall, Upper Saddle River, N.J., 2002.
4. CVonline: On-Line Compendium of Computer Vision. Editor: Robert B. Fisher, Division of Informatics, University of Edinburgh. <http://www.dai.ed.ac.uk/CVonline/>
5. Zheltov S.U., Sibiryakov A.V., Building Extraction at State Resesarch Institute of Aviation Systems (GosNIIAS), Third International WorkShop on Automatic Man-Made objects Extraction From Aerial and Space Images, Ascona, Switherland, June 10-16, Bulkema Publishers, 2001.
6. Batchelor B.G. Intelligent Image Processing in Prolog. Springer-Verlag, London, 1991.
7. Jones A. C., Batchelor B. G. PIP -An integrated environment for developing Prolog-based image processing applications. Practical Application Co. Ltd., Blackpool, U. K., 1996.
8. Banzhaf W., Nordin P., Keller R.E., Francone F.D. Genetic Programming -an Introduction: On the Automatic Evolution of Computer Programs and Its Applications. Dpunkt.verlag and Morgan Kaufmann Publishers, Inc. USA. 1998.
9. Teller A., Veloso M. PADO: A new learning architecture for object recognition, Symbolic visual learning. Oxford University Press, 1995.
10. Братко И. Программирование на языке Пролог для искусственного интеллекта. Москва.: Мир, 1990.
11. Illingworth J., Kittler J. A survey of the Hough transform. Computer. Vision, Graphics, and Image Processing 44. 1988.
12. Risse T. Hough Transform for line Recognition: Complexity of Evidence Accumulation and Cluster Detection. Computer Vision, Graphics, and Image Processing 46, 1989.