Характеристики двумерной оценки положения фрагмента изображения на основе алгоритма Ньютона – Рафсона
Ключевые слова:
оценка положения фрагмента изображения, дискриминаторы, негауссовское распределение статистики, «тяжелые хвосты распределения», статистическое моделирование
Аннотация
В работе рассмотрена двумерная оценка положения фрагмента изображения в кадре с помощью алгоритмов типа Ньютона – Рафсона. Данные алгоритмы реализованы в виде некоторых типов дискриминаторов. Рассмотрена двумерная дискретная автокорреляционная функция тестового объекта и определены условия ее факторизации на одномерные составляющие. Для некоторых типов дискриминаторов исследовано поведение дискриминационной характеристики. Показано, что плотность вероятности процесса на выходе дискриминатора существенно негауссовская с «тяжелыми хвостами». Методами статистического моделирования подтверждены теоретические расчеты.
Скачивания
Данные скачивания пока не доступны.
Литература
1. Дворкович, В. П. Цифровые видеоинформационные системы (теория и практика) / В. П. Дворкович, А. В. Дворкович – Москва: Техносфера, 2012. – 1008 с.
2. Дворкович, В. П. Измерения в видеоинформационных системах (теория и практика) / В. П. Дворкович, А. В. Дворкович – Мо-сква: Техносфера, 2015. – 783 с.
3. Системы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление / Б. А. Алпатов [и др.]. – Москва: Радиотехника, 2008. – 176 с.
4. Васильев, К. К. Статистический анализ последовательностей изображений/ К. К. Васильев, В. Р. Крашенинников. – Москва: Радиотехника, 2017. – 248 с.
5. Radchenko, Yu. S. Methods for Detecting of Structural Changes in Computer Vision Systems / Yu. S. Radchenko, A. V. Bulygin// Computer Vision in Control Systems-1: International Publishing – Switzerland: 2015. – Chapter 3. – P. 59–90.
6. de Queiroz, R. L. Motion-Compensated Compression of Dynamic Voxelized Point Clouds / R. L. de Queiroz, P. A. Chou //IEEE Transactions on Image Processing, 2017. – V. 26, No 8 . – P. 3886–3895.
7. Ouzir, N. Motion Estimation in Echo-cardiography Using Sparse Representation and Dictionary Learning / N. Ouzir [and etc] //IEEE Transactions on Image Processing, 2018. – V. 27, No1. – P. 64–77.
8. Сирота, А. А. Адаптивные алгоритмы построения сверхразрешения на основе обработки последовательности изображений / А. А. Сирота, А. Ю. Иванников // Оптический журнал. – 2017. – Т. 84, No 5. – С. 38–45.
9. Chao, R. Single Image Super-Resolution via Adaptive High-Dimensional Non-Local Total Variation and Adaptive Geometric Feature / R. Chao, He Xiaohai, N. Truong // IEEE Transactions on Image Processing, 2017. –V. 26, No 1. – P. 90–106.
10. Антонова, Г. М. Сеточные методы равномерного зондирования для исследования и оптимизации динамических стохастических систем / Г. М. Антонова. – Москва : Физмат-лит, 2007. – 224 с.
11. Оценивание дальности и скорости в радиолокационных системах. / под ред. А. И. Канащенкова и В. И. Меркулова. – Москва: Радиотехника, 2004. – Ч. 1. – 312 с.
12. Радиоавтоматика: учебное пособие / В. А. Бессекерский, [и др.]; под ред. В. А. Бессекерского. – Москва: Высш. Школа, 1985. – 271 с.
13. Машарова, О. А. О законе распределения сигналов рассогласования некоторых типов дискриминаторов / О. А. Машарова, Ю. С. Радченко// Физические основы приборостроения. – 2017. – Т. 6, No 2 (24). – С. 90–97.
14. Прохоров, Ю. В. Теория вероятностей (Основные понятия. Предельные теоремы. Случайные процессы) / Ю. В. Прохоров, Ю. А. Розанов. – Москва: Физматлит, 1973. – 494 с.
15. Тыртышников, Е. Е. Матричный анализ и линейная алгебра / Е. Е. Тыртышников. – Москва: Физматлит, 2007. – 480 с.
16. Сирота, А. А. Методы и алгоритмы анализа данных и их моделирование в MATLAB / А. А. Сирота. – CПб. : БХВ-Петербург, 2016. – 384 с.
17. Лагутин, М. Б. Наглядная математическая статистика / М. Б. Лагутин. – Москва: БИНОМ. Лаборатория знаний, 2007. – 472 с
18. Олвер, Ф. Введение в асимптотические методы и специальные функции / Ф. Олвер; [пер. с англ. Ю. А. Брычкова, под ред. А. П. Прудникова]. – Москва: Физматлит, 1990. – 528 с.
2. Дворкович, В. П. Измерения в видеоинформационных системах (теория и практика) / В. П. Дворкович, А. В. Дворкович – Мо-сква: Техносфера, 2015. – 783 с.
3. Системы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление / Б. А. Алпатов [и др.]. – Москва: Радиотехника, 2008. – 176 с.
4. Васильев, К. К. Статистический анализ последовательностей изображений/ К. К. Васильев, В. Р. Крашенинников. – Москва: Радиотехника, 2017. – 248 с.
5. Radchenko, Yu. S. Methods for Detecting of Structural Changes in Computer Vision Systems / Yu. S. Radchenko, A. V. Bulygin// Computer Vision in Control Systems-1: International Publishing – Switzerland: 2015. – Chapter 3. – P. 59–90.
6. de Queiroz, R. L. Motion-Compensated Compression of Dynamic Voxelized Point Clouds / R. L. de Queiroz, P. A. Chou //IEEE Transactions on Image Processing, 2017. – V. 26, No 8 . – P. 3886–3895.
7. Ouzir, N. Motion Estimation in Echo-cardiography Using Sparse Representation and Dictionary Learning / N. Ouzir [and etc] //IEEE Transactions on Image Processing, 2018. – V. 27, No1. – P. 64–77.
8. Сирота, А. А. Адаптивные алгоритмы построения сверхразрешения на основе обработки последовательности изображений / А. А. Сирота, А. Ю. Иванников // Оптический журнал. – 2017. – Т. 84, No 5. – С. 38–45.
9. Chao, R. Single Image Super-Resolution via Adaptive High-Dimensional Non-Local Total Variation and Adaptive Geometric Feature / R. Chao, He Xiaohai, N. Truong // IEEE Transactions on Image Processing, 2017. –V. 26, No 1. – P. 90–106.
10. Антонова, Г. М. Сеточные методы равномерного зондирования для исследования и оптимизации динамических стохастических систем / Г. М. Антонова. – Москва : Физмат-лит, 2007. – 224 с.
11. Оценивание дальности и скорости в радиолокационных системах. / под ред. А. И. Канащенкова и В. И. Меркулова. – Москва: Радиотехника, 2004. – Ч. 1. – 312 с.
12. Радиоавтоматика: учебное пособие / В. А. Бессекерский, [и др.]; под ред. В. А. Бессекерского. – Москва: Высш. Школа, 1985. – 271 с.
13. Машарова, О. А. О законе распределения сигналов рассогласования некоторых типов дискриминаторов / О. А. Машарова, Ю. С. Радченко// Физические основы приборостроения. – 2017. – Т. 6, No 2 (24). – С. 90–97.
14. Прохоров, Ю. В. Теория вероятностей (Основные понятия. Предельные теоремы. Случайные процессы) / Ю. В. Прохоров, Ю. А. Розанов. – Москва: Физматлит, 1973. – 494 с.
15. Тыртышников, Е. Е. Матричный анализ и линейная алгебра / Е. Е. Тыртышников. – Москва: Физматлит, 2007. – 480 с.
16. Сирота, А. А. Методы и алгоритмы анализа данных и их моделирование в MATLAB / А. А. Сирота. – CПб. : БХВ-Петербург, 2016. – 384 с.
17. Лагутин, М. Б. Наглядная математическая статистика / М. Б. Лагутин. – Москва: БИНОМ. Лаборатория знаний, 2007. – 472 с
18. Олвер, Ф. Введение в асимптотические методы и специальные функции / Ф. Олвер; [пер. с англ. Ю. А. Брычкова, под ред. А. П. Прудникова]. – Москва: Физматлит, 1990. – 528 с.
Опубликован
2018-10-16
Как цитировать
Радченко, Ю. С., & Машарова, О. А. (2018). Характеристики двумерной оценки положения фрагмента изображения на основе алгоритма Ньютона – Рафсона. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (4), 140-146. https://doi.org/10.17308/sait.2018.4/1264
Раздел
Интеллектуальные информационные системы
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
