Пример готовой дипломной работы по предмету: Программирование
Содержание
ВВЕДЕНИЕ 3
ГЛАВА
1. МЕТОДЫ КОМПЕНСАЦИЙ АППАРАТУРНЫХ ИСКАЖЕНИЙ НА АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЯХ ПРИ ИХ ДЕШИФРИРОВАНИИ 5
1.1 Аппаратурные искажения космофотоснимков и методы их компенсации 5
1.2. Основные методы автоматизированного дешифрирования космофотоснимков 13
1.3. Частотные представления как основа фильтрации изображений 19
ГЛАВА
2. МОДЕЛИ АППАРАТУРНЫХ ИСКАЖЕНИЙ НА АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЯХ 22
2.1 Физическая модель возникновения импульсных шумов и полос 22
2.2 Компьютерное моделирование импульсного шума 24
2.3 Компьютерное моделирование помех в виде полос. 26
ГЛАВА
3. РАЗРАБОТКА НА ОСНОВЕ ЧАСТОТНЫХ ПРЕДСТАВЛЕНИЙ АЛГОРИТМОВ КОМПЕНСАЦИИ АППАРАТУРНЫХ ИСКАЖЕНИЙ ПРИ ДЕШИФРИРОВАНИИ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ЧАСТОТНЫХ ПРЕДСТАВЛЕНИЙ 28
3.1 Разработка алгоритма устранения помех на изображении на основе частотных представлений 28
3.2_Разработка алгоритма автоматизированного дешифрирования аэрокосмических изображений на основе частотных представлений 34
3.3 Вычислительные эксперименты по оцениванию работоспособности разработанных алгоритмов 36
ГЛАВА
4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ АЛГОРИТМОВ НА ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМАХ 42
4.1 Архитектура вычислительной системы 42
4.2 Программная реализация алгоритмов фильтрации космофотоснимков при их дешифрировании 54
ЗАКЛЮЧЕНИЕ 60
Литература 62
Приложение №
1. Описание алгоритма компенсации аппаратурных искажений 64
Приложение №
2. Награды 6
Выдержка из текста
ВВЕДЕНИЕ
Большинство знаний о мире получается из эмпирических данных. Значительная часть задач обработки информации и анализа данных связана с изображениями. Примерами могут служить обработка и анализ данных дистанционного зондирования Земли со спутников, объемные изображения объектов, полученные с помощью голографических устройств, результаты применения методов неразрушающих исследований и контроля в промышленности, разработка “органов зрения” роботов и современных медицинских систем диагностики (рентгенография, машинная томография, эндоскопия и т.д.).
Важнейшими проблемами, решаемыми при исследовании поверхности Земли, являются: мониторинг влияния изменения климата, оценка загрязнения атмосферы, моделирование наводнений и оползней, картографирование, лесовосстановление, определение структуры земного покрова и землепользования, а также поддержка мероприятий по обороне и безопасности. В качестве инструмента исследования поверхности Земли часто применяется космофотосъемка. При этом, информация извлекается на основе анализа полученных со спутников космофотоизображений.
При получении космических снимков часто встречаются изображения, искаженные помехами, появляющимся на этапах формирования или передачи. Причинами возникновения шума на изображении могут быть сбои в работе канала связи, несовершенством аппаратуры и др. В конечном результате это приводит к ухудшению качества визуального восприятия и снижению достоверности решений, которые будут приниматься на основе анализа таких изображений. Ослабление действия помех достигается фильтрацией. Под фильтрацией изображений понимают операцию, имеющую своим результатом изображение того же размера, полученное из исходного по некоторым правилам.
Основными видами помех на аэрокосмических снимках являются импульсный шум и полосы. Импульсные помехи представляют собой значительные по величине одиночные изолированные выбросы (изолированные контрастные точки) [6].
Полосы проявляются в виде квазипериодических изменений интенсивности пикселов только вдоль одной оси координат.
Современные интерактивные программные средства ScanViewer и ENVI вместе с тем не позволяют эффективно устранять помехи вида импульсный шум и полосы и при фильтрации существенно искажают само изображение. Поэтому задача разработки алгоритмов устранения указанных помех является актуальной.
Компенсация вышеописанных аппаратурных искажений производится на этапе предварительной обработки космофотоизображений и необходима для проведения процесса дешифрирования при изучении и исследовании объектов, явлений и процессов на земной поверхности. Под дешифрированием снимка понимается процесс обнаружения, выделения и распознавания на нем изображений различных объектов природного и антропогенного происхождения. Основными этапами дешифрирования являются предварительная обработка фотоизображений, обнаружение и выделение на них объектов, определение их количественных и качественных характеристик, а также их непосредственное распознавание. Для увеличения производительности труда и улучшения условий выполнения работ при обработке изображений процесс дешифрирования необходимо автоматизировать.
На сегодняшний день для автоматизированного дешифрирования аэрокосмических снимков в современных программных средствах используются следующие три группы признаков распознавания: геометрические (форма, размер); яркостные (уровень яркости, цвет); структурные (текстура, структура).
Недостатками таких подходов являются:
Cложность распознавания в условиях сильных помех на изображении;
Необоснованное отнесение объектов снимка в один и тот же класс;
Слабая адаптация существующих методов автоматизированного дешифрирования к изменяющимся условиям съемки и обработки изображений;
Длительность процесса подготовки высокопрофессиональных операторов-дешифровщиков для выполнения работ на комплексах автоматизированного дешифрирования (5-7 лет).
Одной из перспективных возможностей изменения ситуации в области автоматизированного дешифрирования являются разработка и внедрение программно-технологических средств, которые используют новые методы обработки космофотоснимков на основе частотных представлений.
Новизна идеи состоит в использовании:
1. нового метода фильтрации аэрокосмических изображений, который является оптимальным в том смысле, что спектр получаемого в результате фильтрации изображения имеет наименьшее среднеквадратическое отклонение от спектра фильтруемого изображения в заданном двумерном частотном интервале, а вне этого интервала имеет наименьшее отклонение от нуля;
2. нового метода обнаружения и выделения объектов, где в качестве группы признаков распознавания берутся энергетические характеристики изображения (доли энергии распознавамых объектов).
Основная цель работы состоит в разработке, исследовании и программной реализации алгоритмов компенсации аппаратурных искажений на аэрокосмических изображениях на основе частотных представлений.
Поставленная цель достигается решением следующих конкретных задач:
1. Обзор основных существующих методов компенсаций аппаратурных искажений на аэрокосмических изображениях;
2. Разработка алгоритмов компенсаций аппаратурных искажений на аэрокосмических изображениях на основе частотных представлений;
3. Разработка алгоритма выделения и идентификации объектов на космических снимках, группами признаков распознавания для которого являются доли энергии каждого объекта изображения;
4. Программная реализация разработанных алгоритмов;
5. Оценивание работоспособности разработанных алгоритмов на основе вычислительных экспериментов с реальными изображениями
Список использованной литературы
Литература
1. Барский, А.Б. Параллельные процессы в вычислительных системах. Планирование и организация / А.Б. Барский. – М.: Радио и связь, 1990. – 256 с.
2. Берило А. В., NVIDIA CUDA – неграфические вычисления на графических процессорах [Электрон. ресурс].
– Режим доступа: http://www.ixbt.com/video 3/cuda-1.shtml
3. Воеводин, В.В. Параллельные вычисления / В.В. Воеводин, Вл.В. Воеводин. СПб.: БХВ-Петербург, 2002.
4. Гергель, В.П. Теория и практика параллельных вычислений: учеб. пособие/ В.П. Гергель.- М.: Интернет-Университет Информационных технологий; БИНОМ. Лаборатория знаний, 2007. – 423 с.
5. Головашкин, Д.Л. Методы параллельных вычислений: учеб. пособие / Д.Л. Головашкин, С.П. Головашкина. – Самара: Изд-во СГАУ, 2003. Ч. II. – 103 с.
6. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Москва: Техносфера, 2005. – 1072с.
7. Грузман И.С. Цифровая обработка изображений в информационных системах. Учебное пособие. — Новосибирск, 2000. — 166 c.
8. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов: Пер. с англ. под ред. Л.П. Ярославского. – М.: Мир, 1988. – 488 с.
9. Жиляков, Е.Г. Алгоритмы обработки аэрокосмических изображений на основе частотных представлений [Текст]/ Е.Г. Жиляков, А.Ю. Лихошерстный// Вопросы радиоэлектроники. – Москва, 2010. Выпуск 1, — с.73-84 (Серия: ЭВТ)
10. Жиляков, Е.Г. Метод определения точных значений долей энергии изображений в заданных частотных интервалах [Текст]
/ Е. Г. Жиляков, А. А. Черноморец, И. В. Лысенко // Вопросы радиоэлектроники. Сер. РЛТ. — 2007. — Вып. 4. — С. 115-123.
11. Жиляков Е.Г. Методы анализа и построения функций по эмпирическим данным на основе частотных представлений. Белгород, из-во БелГУ, 2007г. – 160с.
12. Жиляков Е.Г. Оптимальная фильтрация изображений на основе частотных представлений [Текст]
/ Е. Г. Жиляков, А.А. Черноморец // Вопросы радиоэлектроники. Сер. ЭВТ. — 2008. — Вып.1. — С.118-132.
13. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации. // Проблемы кибернетики. Вып. 33. М.: Наука, 1978. С. 5-68.
14. Журавлев Ю.И.. Состояние и перспективы развития исследований в области обработки и распознавания видеоинформации. http://technomag.edu.ru/doc/48995.html
15. Калинкина Д., Ватолин Д. Проблема подавления шума на изображениях и видео и различные подходы к ее решению // Графика и мультимедиа. – 2005. – № 9. – с.31-39.
16. Лабутина И.А. Дешифрирование аэрокосмических снимков: Учеб. пособие для студентов вузов / И. А. Лабутина. — М.: Аспект Пресс, 2004. — 184 с
17. Лихошерстный, А.Ю. Обработка космических изображений на основе частотных представлений// А.Ю.Лихошерстный/ Научные ведомости Белгородского государственного университета. – № 9(64)2009 выпуск 11/1,-c.123-131.
18. Павлидис Т. Алгоритмы машинной графики и обработки изображений.– М.: Радио и связь, 1986. – 400 с.
19. Потемкина В.Г. Система научных и инженерных расчетов —
М: Диалог-МИФИ, 1999, 1 том — 366 с.
20. Прэтт Э. Цифровая обработка изображений – М.: Мир, 1982. – 790 с.
21. Фурман Я.А., Юрьев А.Н., Якшин В.В. Цифровые методы обработки и распознавания бинарных изображений. – Красноярск: Изд-во Краснояр. ун-та, 1992. – 248с.
22. Хуанг Т.С. Быстрые алгоритмы в цифровой обработке изображений. Пер. с англ. – М.: Радио и связь, 1984. – 224с.
23. Шлезингер М.И. Математические средства обработки изображений. – К.: Наукова думка, 1989. – 200 с.
24. Шлем М. Qt 4.5. Профессиональное программирование на C++ . — Спб: БХВ-Петербург, 2010. — 896 с.
25. Шлихт Г.Ю. Цифровая обработка цветных изображений. – М., Издательство ЭКОМ, 1997. – 336 с.
26. Ярославский Л.П. Введение в цифровую обработку изображений. – М.: Сов. радио, 1979. – 312 с
