Рекомендуем

Распознавание нечётко определяемых состояний технических системБелов В.В., Смирнов А.Е., Чистякова В.И. Распознавание нечётко определяемых состояний технических систем180 р.
Проектирование нечетких систем средствами MatlabШтовба С.Д. Проектирование нечетких систем средствами Matlab
Основы гибридизации нечетких моделейБорисов В.В., Федулов А.С., Зернов М.М. Основы гибридизации нечетких моделей

Книга

Нейросетевые системы искусственного интеллекта в задачах обработки изображений

2015 г.
154 стр.
Тираж 500 экз.
Формат 60х90/16 (145x215 мм)
Исполнение: в мягкой обложке
ISBN 978-5-9912-0537-5
ББК 32.813
УДК 004.932.2
Аннотация

Книга посвящена вопросам разработки систем компьютерного зрения, основной задачей которых является тематическая дешифрация аэрофотосъемки и спутниковых снимков, сделанных в видимом и инфракрасном диапазонах волн. В качестве основного инструмента дешифрации авторы предлагают использовать модели и алгоритмы теории искусственного интеллекта и теории машинного обучения. Большое внимание уделено вопросам построения и обучения нейросетевых классификаторов, основанных на нейронных сетях прямого распространения без обратных связей.

Для специалистов, может быть полезна аспирантам и студентам соответствующих специальностей.

"Artificial intelegence and neural networks in computer vision tasks" by Akinin M.V., Nikiforov M.B., Taganov A.I.

This book is dedicated to the development of computer vision systems, whose main task is the thematic decoding aerial photographs and satellite images taken in visible and infrared wavelengths. The main instrument decryption authors suggest the use of models and algorithms of the theory of artificial intelligence and machine learning theory. Much attention is paid to the issues of construction and training of neural network classifier based on neural networks of direct distribution without feedback.

Оглавление

Обозначения и сокращения

Введение

ГЛАВА 1. Разработка и анализ математической модели процесса совмещения данных ДЗЗ и ЦКМ
1.1. Математическая модель процесса совмещения цифровых карт местности с данными дистанционного зондирования Земли
1.2. Анализ требований к источникам исходных данных
1.2.1. Анализ требований к данным дистанционного зондирования Земли, получаемых от сенсоров космических аппаратов
1.3. Методы и алгоритмы совмещения цифровых карт местности с данными дистанционного зондирования Земли
1.3.1. Краткая характеристика существующих методов и алгоритмов совмещения
1.3.2. Методы и алгоритмы совмещения, основанные на использовании искусственных нейронных сетей и нейроподобных концепций

ГЛАВА 2. Разработка алгоритма моделирования системы искусственного интеллекта, выполняющей совмещение данных ДЗЗ и ЦКМ путем поиска образов объектов, присутствующих на ЦКМ, на спутниковом снимке
2.1. Алгоритм моделирования системы искусственного интеллекта
2.2. Выделение образов на спутниковом снимке
2.2.1. Структура, принципы обучения и функционирования
2.2.2. Инициализация весов нейронов карты с помощью датчика псевдослучайных чисел. Выбор датчика псевдослучайных чисел
2.2.3. Обучение
2.3. Классификатор
2.3.1.Структура, принципы обучения и функционирования классификатора
2.3.2. Алгоритм построения векторного пространства при знаков образов
2.3.3. Машина опорных векторов
2.3.4. Искусственная нейронная сеть прямого распространения без обратных связей
2.4. Поиск соответствий между образами, выделенными на спутниковом снимке, и объектами, присутствующими на ЦКМ

ГЛАВА 3. Разработка алгоритма моделирования системы искусственного интеллекта, выполняющей совмещение данных ДЗЗ и ЦКМ с помощью контурного корреляционного совмещения, основанного на использовании нейросетевой ассоциативной памяти
3.1. Алгоритм моделирования системы искусственного интеллекта
3.2. Предварительная обработка спутникового снимка
3.2.1. Описание алгоритма
3.2.2. Алгоритм устранения слабых и прерывистых контуров
3.3. Выделение контуров на спутниковом снимке
3.3.1. Описание алгоритма
3.3.2. Алгоритмы выделения контуров на спутниковом снимке
3.4. Описание контуров
3.5. Поиск совпадений контуров образов на спутниковом снимке с границами объектов на ЦКМ
3.5.1. Структура коррелятора, принципы его обучения и функционирования
3.5.2. Формирование множества пар совпадающих точек

ГЛАВА 4. Экспериментальные исследования возможности использования систем искусственного интеллекта, выполняющих совмещение спутниковых снимков и ЦКМ
4.1. Описание программного стенда
4.2. Порядок проведения экспериментального исследования
4.2.1. Цели экспериментального исследования
4.2.2. Условия проведения экспериментального исследования
4.2.3. Входные и выходные параметры экспериментального исследования
4.2.4. План проведения экспериментальных исследований
4.3. Результаты экспериментального исследования
4.3.1. Методика анализа результатов экспериментального исследования
4.3.2. Результаты экспериментального исследования

Заключение

Библиографический список