Компьютерная оптика
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Правила для авторов

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Компьютерная оптика:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Компьютерная оптика, 2018, том 42, выпуск 2, страницы 273–282
DOI: https://doi.org/10.18287/2412-6179-2018-42-2-273-282
(Mi co504)
 

Эта публикация цитируется в 6 научных статьях (всего в 6 статьях)

ОБРАБОТКА ИЗОБРАЖЕНИЙ, РАСПОЗНАВАНИЕ ОБРАЗОВ

Теоретические основы гипертрейс-преобразования: техника сканирования, математический аппарат и экспериментальная проверка

Н. Г. Федотовa, А. А. Сёмовb, А. В. Моисеевa

a ФГБОУ ВО «Пензенский государственный университет», Пенза, Россия
b ООО «КОМХЭЛФ», Пенза, Россия
Список литературы:
Аннотация: В статье последовательно описывается теоретическая основа нового геометрического метода анализа и распознавания трехмерных (3D) изображений. Дается описание техники сканирования для формирования гипертрейс-преобразования и его математическая модель. Данный метод в отличие от существующих позволяет анализировать 3D-изображения без предварительного их упрощения или построения проекций на плоскости, анализируя непосредственно их трехмерную форму. Обоснован выбор сканирующего инструмента и построение опорной сетки на сфере, необходимой для решения проблемы инвариантности распознавания 3D-изображения к повороту. Разработан математический аппарат стохастической реализации техники сканирования на основе стохастической геометрии и функционального анализа. Введен новый математический инструмент для анализа 3D-изображений – гипертрейс-матрица, позволяющий распознавать пространственные объекты сложной формы и структуры благодаря построению единой математической модели 3D-изображения. Представлено описание нового типа признаков 3D-изображений, имеющих аналитическую структуру, – гипертриплетные признаки, благодаря аналитической структуре которых возможна автоматическая генерация большого количества признаков с заранее заданными свойствами. Рассматриваются результаты экспериментальной проверки, демонстрирующие точность вычисления признаков для распознавания 3D-изображения и доказывающие адекватность разработанного математического аппарата.
Ключевые слова: распознавание 3D-изображений, геометрическое гипертрейс-преобразование, сетка параллельных плоскостей, стохастическое сканирование, аналитическая структура признака, гипертрейс-матрица, инвариантность распознавания.
Финансовая поддержка Номер гранта
Российский фонд фундаментальных исследований 15-07-04484
Работа выполнена при поддержке гранта РФФИ (проект №15-07-04484).
Поступила в редакцию: 09.08.2017
Принята в печать: 16.10.2017
Тип публикации: Статья
Образец цитирования: Н. Г. Федотов, А. А. Сёмов, А. В. Моисеев, “Теоретические основы гипертрейс-преобразования: техника сканирования, математический аппарат и экспериментальная проверка”, Компьютерная оптика, 42:2 (2018), 273–282
Цитирование в формате AMSBIB
\RBibitem{FedSyeMoi18}
\by Н.~Г.~Федотов, А.~А.~Сёмов, А.~В.~Моисеев
\paper Теоретические основы гипертрейс-преобразования: техника сканирования, математический аппарат и экспериментальная проверка
\jour Компьютерная оптика
\yr 2018
\vol 42
\issue 2
\pages 273--282
\mathnet{http://mi.mathnet.ru/co504}
\crossref{https://doi.org/10.18287/2412-6179-2018-42-2-273-282}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/co504
  • https://www.mathnet.ru/rus/co/v42/i2/p273
  • Эта публикация цитируется в следующих 6 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Компьютерная оптика
    Статистика просмотров:
    Страница аннотации:162
    PDF полного текста:57
    Список литературы:24
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024