Размещено на http://www.allbest.ru/

Державний комітет зв'язку та інформатизації України

Національна академія наук України

Державний науково-дослідний інститут

інформаційної інфраструктури

Автореферат

дисертації на здобуття наукового ступеня кандидата технічних наук

05.13.06 - Автоматизовані системи управління

та прогресивні інформаційні технології

ЕФЕКТИВНІ МЕТОДИ ТА АЛГОРИТМИ ОБРОБКИ СИГНАЛІВ І ДАНИХ В СИСТЕМНИХ ТА НЕЙРОННИХ СЕРЕДОВИЩАХ

Худий Андрій Михайлович

Львів - 2002

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. При розв'язуванні ряду задач, таких як цифрова обробка зображень, розпізнавання образів, обробка метеорологічних даних та ін., результати необхідно отримувати в реальному масштабі часу.

Створення швидкодіючих систем обробки інформації можливе на базі нових методів, алгоритмів та архітектурних принципів. Останнім часом розроблено принципи побудови обчислювальних засобів, що використовують групу обчислювачів, які працюють на базі паралельної організації обчислень. Ці принципи лягли в основу теорії створення надвисокопродуктивних засобів обробки інформації в системних та нейронних середовищах.

Наявність значної уваги до автоматизованих систем управління та прогресивних інформаційних технологій на базі штучних нейронних мереж, яка приділяється в останні роки з боку науковців та користувачів-практиків різних сфер діяльності, підтверджується великою кількістю публікацій в наукових виданнях, високим рівнем представництва на спеціалізованих науково-технічних міжнародних конференціях, присвячених різноманітним проблемам обчислювальної техніки, теорії зв'язку, мультимедійних систем.

Досягнуто помітних успіхів на шляху використання нейромережевих технологій в наукових дослідженнях, сфері бізнесу, авіації, митній справі та ін. Якщо початкові дослідження в області нейромереж будувалися на використанні моделей біологічних нейронів У.Маккалоха, У.Пітса та гіпотетичного механізму діяльності головного мозку, то у 80-90-х роках нейрокомп'ютерна техніка збагатилася моделями, що мають відповідники в реальних фізичних системах.

Точність функціонування сучасних нейромереж як в режимі відтворення, так і в режимі навчання залишається недостатньою для багатьох практичних задач, тому доцільним є створення нових методів та алгоритмів обробки сигналів і даних у нейронних середовищах.

Вагомий внесок у розвиток теорії створення надвисокопродуктивних засобів обробки інформації в системних та нейронних середовищах внесли такі вчені як Івахненко О.Г., Малиновський, Вінцюк Т.К., Степашко, Сіроджа І.Б., Яцимірський М.М., Драган Я.П., Васильєв В.І., Боюн, Ткаченко Р.О., Грицик В.В., Шлезінгер М.І. та ін.

Зв'язок роботи з науковими програмами, планами та темами. Дисертаційна робота виконувалась в рамках держбюджетних тем та контрактів Державного науково-дослідного інституту інформаційної інфраструктури Держкомзв'язку та НАН України: з Державним комітетом зв'язку та інформатизації України “Створення інформаційно-аналітичної системи комплексного розвитку західного регіону України як одного з варіантів типової системи територіально-адміністративного управління” (контракт № 202-18і/4-00, 1999р.); з Національним агентством інформатизації “Розробка інформаційних технологій для відбору, обробки та представлення інформації економічного, соціально-політичного та еколого-природничого призначення з метою моделювання, прогнозування і прийняття рішень” (г/д № 1-7/3-97 1997 р.).

Мета роботи. Метою роботи є створення високоефективних інформаційних технологій обробки та перетворення зображень і даних на базі архітектури системних обчислювальних середовищ та нейронних мереж для підвищення точності функціонування сучасних нейромереж як в режимі відтворення, так і в режимі навчання.

Задачі дослідження. Згідно з поставленою метою задачами дослідження були:

- створення алгоритмів налаштування системних обчислювальних середовищ для розв'язування складних задач в реальному часі на базі нейронних мереж;

- дослідження та реалізація алгоритмів дискретних перетворень на системних обчислювальних середовищах;

- дослідження та реалізація алгоритмів попередньої обробки зображень у мультиконвеєрних обчислювальних середовищах у реальному масштабі часу;

- розробка та дослідження алгоритмів аналізу, оцінки, прогнозування складних процесів, зображень і даних на базі нейронних середовищ;

- налаштування системних обчислювальних середовищ і нейронних мереж для розв'язування практичних задач в реальному часі.

Об'єкт дослідження. Об'єктом дослідження дисертаційної роботи є системні обчислювальні середовища і нейронні мережі.

Предмет дослідження. Предметом дослідження дисертаційної роботи є методи та алгоритми обробки сигналів і даних у системних обчислювальних середовищах і нейронних мережах.

Наукова новизна одержаних результатів:

- розроблено і досліджено інформаційні технології налаштування високопродуктивних системних обчислювальних середовищ та нейронних мереж для розв'язування складних задач в реальному часі;

- вивчено і досліджено обчислювальні процеси на заданих рівнях розпаралелювання алгоритмів дискретних перетворень та обробки складних зображень на базі системних обчислювальних середовищ, отримано ефективні оцінки для реалізації досліджених обчислювальних процесів на системних обчислювальних середовищах;

- розроблено алгоритм фільтрації зображень на базі мультиконвеєрних обчислювальних середовищ;

- отримано високоефективний алгоритм для розпізнавання та компресії зображень на базі нейронних мереж;

- розроблено структуру інформаційно-аналітичної системи аналізу, оцінки, прогнозування складних фізичних процесів і зображень на базі нейронних мереж та системних обчислювальних середовищ.

Практичне значення одержаних результатів. На основі розроблених ефективних методів та алгоритмів обробки сигналів і даних у системних обчислювальних середовищах та нейронних мережах налаштовано обчислювальні процеси швидких перетворень просторової фільтрації зображень на мультиконвеєрних обчислювальних середовищах, реалізовано обробку двовимірних та тривимірних реальних зображень відтворених та спрогнозованих даних на базі нейронної мережі, а також створено тришарову структуру нейромережі для компресії зображень, здійснення навчання розпізнавання зображень. Створені обчислювальні середовища та нейронні мережі дозволяють підвищити ефективність розв'язування проблемно-орієнтованих і спеціалізованих задач в реальному масштабі часу.

Реалізація та впровадження результатів роботи. Розроблені методи і алгоритми реалізовано на системних обчислювальних середовищах та нейронних мережах. Вони використовувалися при проведенні досліджень в рамках держбюджетних тем Державного науково-дослідного інституту інформаційної інфраструктури. На основі запропонованих структур розроблено і впроваджено алгоритми для обробки двовимірних і тривимірних зображень, розроблено нейронні мережі в інформаційно-аналітичній системі аналізу, оцінки та прогнозування складних процесів. Дані про впровадження підтверджені відповідними документами.

Особистий внесок здобувача. Всі результати дисертаційної роботи отримані автором самостійно. В роботах, написаних у співавторстві, здобувачу належать: розробка та дослідження нейронних структур [5], здійснення обчислювальних експериментів та розробка інформаційних технологій на базі нейронних структур [6], концепція імітаційного моделювання і здійснення обчислювальних експериментів [8].

Апробація результатів дисертації. Основні результати роботи доповідалися на Першій міжнародній конференції з інформаційних технологій і систем (Львів, 1993), Міжнародній конференції з управління “Автоматика - 2000”, (Львів, 2000), наукових семінарах Секції інформатики Державного західного наукового центру (1995-2001рр.), наукових семінарах Державного науково-дослідного інституту інформаційної інфраструктури (1993-2001рр.).

Публікації. За темою дисертаційної роботи опубліковано 8 наукових праць, серед яких 4 статті в наукових фахових виданнях, 2 доповіді в збірниках матеріалів наукових конференцій, 2 препринти.

Структура та обсяг роботи. Дисертація складається з вступу, чотирьох розділів, висновків та списку використаної літератури. Робота викладена на 159 сторінках і містить 148 сторінок основного тексту та список літератури зі 121 найменування.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність роботи, подано аналіз стану проблеми, сформульовано мету та задачі досліджень, наукову новизну та практичну цінність отриманих результатів, відзначено їх апробацію, подано короткий зміст роботи.

У першому розділі проведено аналіз архітектур системних та нейронних середовищ, подано оцінку основних властивостей описаних архітектур. Здійснено огляд основних принципів побудови моделі колективу обчислювачів, які лягли в основу теорії створення надвисокопродуктивних засобів обробки інформації у вигляді однорідних обчислювальних систем. Наведено функціональну схему однорідного обчислювального середовища, показано функціональні схеми обчислювальної та запам'ятовуючої комірок.

У загальному випадку маємо інформаційну технологію і систему колективу обчислювачів у наступному вигляді: , де - задача розв'язування; - метод розв'язування задачі; - алгоритм відображення методу розв'язування задачі; - системні середовища та нейронні мережі колективу обчислювачів; - налаштування або програмна реалізація обчислювального процесу в системних та нейромережевих структурах колективу обчислювачів. В обчислювальних середовищах використовують інформаційну технологію як елементи простих автоматів з програмованою структурою, поєднуючи переваги спеціалізованих і проблемно-орієнтованих структур.

Подано аналіз і дослідження основних задач, відомих в галузі нейромережевої техніки, а також проведено оцінку можливостей застосування існуючих засобів до основних класів практичних задач обробки сигналів і даних в реальному часі. Вказано основні переваги та недоліки відомих нейропарадигм. Показано, що точність функціонування сучасних нейромереж як в режимі відтворення, так і в режимі навчання залишається недостатньою для багатьох практичних задач, тому доцільним є створення нових методів та алгоритмів обробки сигналів і даних у нейронних середовищах.

Другий розділ присвячено реалізації алгоритмів дискретних перетворень на однорідних обчислювальних середовищах (ООС). Показано можливість програмного налаштування ООС, що дозволяє адаптувати структуру обчислювального пристрою до алгоритму задачі. Досліджується алгоритм реалізації швидких перетворень Фур'є та Адамара на однорідних обчислювальних середовищах. Налаштування обчислювальних процесів на ООС представлено у вигляді графів.

Розглядаються основні принципи реалізації швидких перетворень Фур'є та Адамара на однорідних обчислювальних середовищах: принцип структурно-алгоритмічної орієнтації; розпаралелювання алгоритму розв'язування задачі; формування ярусно-паралельної форми (ЯПФ) алгоритму; автоматичне поярусне розташування мікропрограмних (МП) модулів, які є базовими функціями арифметичних операцій алгоритму; вирівнювання по початковій лінії всіх МП-модулів, які складають один ярус; розташування контрольних трас і трас, якими передаються інформаційні потоки, що зв'язують два яруси; синхронізація вхідних трас МП-модулів; одночастотність вихідних інформаційних потоків з ярусів алгоритму.

Досліджується принцип побудови ЯПФ-алгоритмів швидких перетворень Фур'є та Адамара, що представляє собою послідовність підмножин-ярусів, складених з мікропрограмних модулів арифметичних операцій комплексного додавання, віднімання і множення для алгоритму Фур'є і дійсних додавання і віднімання для алгоритму Адамара таким чином, що модулі одного яруса інформаційно не залежать один від одного. Для кожної інформаційно зв'язаної пари МП-модулів, розташованих на сусідніх рівнях, на всіх проміжних ярусах вводяться “фіктивні” яруси, які виконують пересилання інформації.

Способи розташування МП-модулів і формування ЯПФ алгоритмів відповідають навантаженому графу певних ортогональних перетворень і принципам формування ЯПФ алгоритмів. Представленням алгоритму задачі в кодах команд ООС здійснюється налаштування обчислювального процесу по кроках: алгоритм вирівнювання яруса; алгоритм синхронізації вихідних з яруса сигналів; алгоритм розташування трас, якими передаються інформаційні потоки, коефіцієнти і константи між сусідніми ярусами; алгоритм синхронізації тактів сигналів, які поступають в наступний ярус; алгоритм налаштування ООС, які складають тіло наступного яруса.

Досліджено реалізацію двовимірного дискретного перетворення Фур'є на ООС. Двовимірне ДПФ можна записати в матричному вигляді:

,

де - матриці дискретного перетворення Фур'є розмірності та , відповідно; і - матриці розмірності вихідного сигналу і результату його перетворення, відповідно. Це перетворення є двовимірним подільним, базисні функції яких є добутком одновимірних базисних функцій.

Кількість операцій при реалізації двовимірного ДПФ без факторизації відповідних матриць дорівнює операцій замість операцій, якщо двовимірне перетворення неподільне. Побудова аналогів алгоритмів швидких двовимірних подільних перетворень призводить до додаткового зменшення числа операцій.

У роботі детально досліджується можливість реалізації алгоритмів двовимірних перетворень Фур'є на базі обчислювальних процесів ООС. В роботі також здійснена реалізація на ООС швидких перетворень Уолша-Адамара, Уолша-Пелі та Уолша.

У третьому розділі розглянуто питання реалізації алгоритмів попередньої обробки зображень у мультиконвеєрній обчислювальній системі (МКОС). У ряді випадків радикальним шляхом збільшення продуктивності системи цифрової обробки сигналів і даних є використання спецпроцесорів з паралельною структурою. В розділі досліджено методи попередньої обробки зображень, зокрема, лінійна фільтрація, медіанна фільтрація, пошук об'єктів заданого класу з використанням узгодженої фільтрації.

В основу підходу покладено обчислення значення елементів зображень, які є функціями багатьох змінних - елементів вихідного зображення, розташованих в околі біжучого елемента зображення для локальних перетворень, і значення функції від всього дискретного зображення для глобальних перетворень, таких як лінійні ортогональні перетворення. Структурна схема універсальної макроконвеєрної системи наведена на рис. 1.

Рис. 1. Структурна схема універсальної (програмованої) макроконвеєрної системи

Попередньо виконується налаштування конвеєра на виконання заданого перетворення, тобто, запис наборів команд із пам'яті кожного процесора. Кожен набір команд відповідає одній певній локальній функції елементів зображення. Для цього вихідне перетворення, тобто функція багатьох змінних , повинно бути представлене у вигляді послідовності локальних функцій

.

Кожна з функцій визначена на вікні , яке є невеликим, порівняно з розмірами всього зображення. Звичайно в практичних системах обробки зображень розміри вікна дорівнюють . Таким чином, за допомогою набору команд, записаного в пам'ять -го процесора, здійснюється обчислення . Елементи зображення послідовно, наприклад, в процесі послідовного сканування, поступають з буферної пам'яті на вхід першого етапу. На кожному етапі конвеєра обробки зображення формується окіл біжучого елемента зображення в межах вікна розміром і за програмою, записаною в пам'яті -го процесора, обчислюється значення функції , де - зображення на виході ()-го етапу. Тут існує первинна затримка інформації до заповнення всіх етапів, а потім в кожному такті на виході -го етапу з'являється черговий елемент перетвореного зображення .

Таким чином, одночасно обчислюючи функції , при умові, що для обчислення кожної із заданих функцій потрібен однаковий час, отримуємо прискорення обробки цілого зображення в разів. З метою розширення класу просторово-інваріантних перетворень, що допускають макроконвеєрне розпаралелювання, у розділі досліджується наступне представлення функції перетворення:

,

де - функція змінних - результатів макроконвеєрного обчислення значення перетворень. Тоді у відповідній обчислювальній системі буде макроконвеєрів обробки зображення, які об'єднуються ()-м етапом, на яких обчислюється значення функції . Таким чином, отримаємо так звану мультимакроконвеєрну систему обробки зображення.

В розділі розглянуто і досліджено реалізацію в МКОС алгоритмів попередньої обробки зображень лінійної та рангової фільтрації. Лінійний просторово-інваріантний фільтр описується формулою згортки:

,

де - імпульсна характеристика фільтра, що має розміри .

Досліджено конвеєрне розпаралелювання двовимірної лінійної фільтрації як обчислення лінійної функції змінних у вигляді послідовного обчислення лінійних функцій.

Рангова фільтрація є нелінійним методом цифрової обробки зображень, який застосовується в основному для усунення завад різного типу в зображеннях. Задавши вікно локальної обробки розмірами , двовимірну рангову фільтрацію представляють для конвеєрного розпаралелювання у наступному вигляді:

,

де - двійковий ваговий коефіцієнт, який визначає ранг фільтра, тобто і - -та порядкова (рангова) статистика послідовності елементів зображення. Коли або , то виконується екстремальна фільтрація зображення.

Розглянуто конвеєрне розпаралелювання медіанної фільтрації як ефективний метод нелінійної обробки сигналів у системах реального часу. Медіанну фільтрацію легко узагальнити на два виміри, використовуючи двовимірне вікно бажаної форми. Для вказаних вище методів конвеєрного розпаралелювання алгоритмів фільтрації зображень показано їх практичну реалізацію на МКОС. Отримано відповідні мікропрограмні модулі ООС: медіанної фільтрації, екстремальної фільтрації, виділення контуру. Узагальнено модулі медіанної, максимальної, мінімальної фільтрації, виділення контуру. З метою усунення завад на зображенні, які проявляються у вигляді окремих світлих плям на темному фоні або окремих темних плям на світлому фоні, досліджено макроконвеєрну реалізацію екстремальної фільтрації. Для цього може використовуватися метод локального просторово-інваріантного перетворення, в якому локальна функція для усунення темних плям на світлому фоні визначається наступним чином:

.

Для усунення світлих плям на темному фоні виконуються подвійні перетворення:

,

де - вікно з центром в точці з координатами , розміри якого визначаються розмірами плям, які видаляються. Для макроконвеєрної реалізації медіанного фільтра можна використовувати апроксимацію у вигляді послідовних фільтрів, що еквівалентно макроконвеєрному розпаралелюванню ітеративної медіанної фільтрації, тобто представленню медіанного фільтра у вигляді:

.

При розв'язуванні задачі згладжування зашумлених зображень ітеративна медіанна фільтрація як локальне нелінійне перетворення дає можливість добре подавити шум і при цьому не спотворити в значній мірі вихідне (незашумлене) зображення.

У розділі здійснено дослідження реалізації алгоритмів просторової фільтрації на ООС. Статистика сигма-фільтра має вигляд:

,

де - цілі числа,

Згладжування шуму процедурою здійснюється шляхом її послідовного застосування до одного і того ж зображення. Фільтр достатньо простий, володіє високою обчислювальною ефективністю, добре адаптований до характеру області, яка досліджується.

У четвертому розділі проведено дослідження важливих задач аналізу, оцінки та прогнозування складних фізичних процесів, зображень і компресії даних на нейронних мережах і розпізнавання зображень. Розглянуто інформаційні нейромережеві технології виділення закономірностей просторової структури сонячної циклічності.

Класичним сигналом з 11-річною, в середньому, циклічною повторюваністю сонячної активності (закон Швабе-Вольфа) є дані телескопічних спостережень плям і їх груп на поверхні Сонця. Введений Вольфом індекс відносних чисел сонячних плям (число Вольфа) обчислюється за зваженою сумою , де - число сонячних плям, - число їх груп, - коефіцієнт, що враховує особливості конкретного спостерігача і флуктуації, спричинені погодними умовами. Для опису закономірності інформаційно-двовимірної структури даних є математична модель:

,

де - квантована на квантилів функція форми циклічного розподілу в координатах геліошироти і часу сонячних плям на диску Сонця, - геліоширота, а “+” і “-” означають північну і південну півкулі Сонця.

Досліджено модель для реалізації та проведення взаємоузгодженого дослідження одновимірної та двовимірної структури сонячного циклу, виділення множини його інформативних ознак для формування і розв'язання проблеми виділення і прогнозування геоактивної компоненти індексів сонячної активності на базі нейронних мереж.

Розглянуто можливості деяких двовимірних та тривимірних структур сонячної циклічності, виділення геометрії форми квантиля тривимірних зображень сонячних циклів. Показано, що числа груп сонячних плям містять множину інформативних ознак і параметрів, які характеризуються статистичною стійкістю структури, що дозволяє формулювати і розв'язувати задачі апроксимації і прогнозування. Досліджено ефективний підхід, на основі групового врахування аргументів і створення парадигм нейронної мережі, використовуючи велику розмірність даних, для розв'язування задачі геліопрогнозування.

Запропоновано інформаційну технологію нейронної мережі для обробки і відтворення індексів сонячної активності за рахунок різкого скорочення часу навчання мережі, яка відкрила нові перспективи розв'язування та прогнозування складних процесів. При цьому реалізовано на штучній нейронній мережі основні задачі: знаходження оптимальних обсягів для відтворення і прогнозування три-, дво- і одновимірних задач; оцінювання прогнозування груп сонячних плям на наступні цикл і рік в залежності від геліошироти для виділення геоактивної компоненти. Наведені дані підтверджують статистичну стійкість форми двовимірних образів сонячних циклів на квантилях і служать основою обґрунтованого виділення геоактивної компоненти сонячної активності.

Спрогнозовані на цикл і на рік дані, характеризують зміну сонячної активності в геоактивному діапазоні геліоширотних інтервалів. Наведено дані тривимірної структури, а також двовимірної мікро-макроструктури спрогнозованих чисел груп сонячних плям.

У цьому розділі розглянуто впроваджені інформаційні нейромережеві технології компресії зображень. Нейромережа виконана на основі тришарової схеми (рис. 2), де елементи , виконують функції перетворень системи координат простору. На входи мережі подаються вектори реалізацій, а на виходах мають бути відтворені ці самі реалізації. Перетворення системи координат простору здійснюють з метою забезпечення розподілу точок реалізацій біля головної діагоналі гіперкуба.

Рис. 2. Нейромережа для компресії зображень

Перший крок компресії передбачає перетворення векторів-реалізацій з входу на вихід мережі з мінімальними їх спотвореннями при мінімальному числі нейронних елементів прихованого шару. При достатньо точному перетворенні вхідних векторів у вихідні інформація про зображення може бути представлена набором векторів-реалізацій , число яких рівне числу початкових векторів-реалізацій зображення, та параметрами вихідної частини нейромережі. Останні задані вагами синаптичних зв'язків між прихованими і вихідними шарами та параметрами деформуючих елементів .

Другий крок компресії полягає в навчанні нейромережі, що здійснює функціональне перетворення виду , де - біжуча компонента вектора; - відповідний йому номер відтворюваної реалізації, що змінюється в діапазоні , при рівному числу векторів-реалізацій зображення.

Для здійснення функціонального перетворення використовується одновходова двокаскадна нейромережа. Інформація про зображення в такому випадку представлена виключно параметрами нейромережі. Отже, відтворення зображення здійснюється з допомогою ланцюжка двох нейромереж, зображеного на рис. 3, що складають двокаскадну нейромережу.

На вхід нейромережі (рис. 3) подається сигнал лінійної розгортки (номер відповідної реалізації). Оскільки параметри першого каскаду схеми визначено під час стиску зображення, вони передаються на приймач (відтворюючу частину), отже, на виході першого каскаду для кожного формується вектор стиснутого зображення .

Таким чином, при здійсненні операцій стиску та відтворення зображень на передавачі, де здійснюють операції компресування, визначаються параметри двох каскадів структури (рис.3).

Рис. 3. Нейромережа для відтворення зображень

Приймач, що здійснює відтворення зображення, може виконувати вказану дію, якщо на нього з передавача передані всі параметри нейромережі, якою він по суті є.

Досліджено результати відтворення компресії зображень. Показано високу ефективність результатів застосування нейромережі для визначення параметрів афінних перетворень. Запропоновані інформаційні нейромережеві технології використано для розпізнавання зображень.

ВИСНОВКИ

фільтрація нейронний мультиконвеєрний інформаційний

В дисертаційній роботі на базі проведених теоретичних досліджень розроблено інформаційні технології обробки сигналів і даних в системних та нейронних середовищах. Результати доведено до практичної реалізації, здійснення обчислювальних експериментів і впровадження. В роботі одержані такі основні результати:

1. Проведено аналіз властивостей архітектур системних та нейронних середовищ, досліджено основні принципи синтезу моделі колективу обчислювачів, які лягли в основу створення надвисокопродуктивних засобів обробки інформації на базі однорідних обчислювальних систем; запропоновано алгоритм налаштування функціонування обчислювальних середовищ та нейромережі для забезпечення режиму реального часу.

2. Розроблено алгоритми дискретних перетворень на обчислювальних середовищах; досліджено алгоритми швидких перетворень Фур'є і Адамара на системних середовищах, здійснено налаштування обчислювальних процесів; запропоновано основні принципи реалізації швидких перетворень на системних обчислювальних середовищах.

3. Досліджено та здійснено реалізацію швидких перетворень Уолша-Адамара та Уолша-Пелі на базі налаштованих обчислювальних процесів у системних середовищах.

4. Розроблено алгоритми попередньої обробки зображень: лінійної фільтрації, медіанної фільтрації, пошук об'єктів заданого класу з використанням узгодженої фільтрації на базі налаштованих макроконвеєрних обчислювальних середовищ.

5. Досліджено та розроблено методи і алгоритми мультиконвеєрного однорідного обчислювального середовища попередньої обробки зображень лінійної та рангової фільтрації, де реалізується конвеєрне розпаралелювання двовимірної лінійної фільтрації як обчислення лінійної функції змінних у вигляді послідовного обчислення лінійних функцій; запропоновано алгоритм конвеєрного розпаралелювання рангової фільтрації нелінійної цифрової обробки зображень.

6. Досліджено та розроблено метод і алгоритм конвеєрного розпаралелювання на базі системних обчислювальних середовищ медіанної фільтрації, екстремальної фільтрації, виділення контуру у системах реального часу, де запропоновано апроксимацію у вигляді послідовних фільтрів, що еквівалентно макроконвеєрному розпаралелюванню ітеративної медіанної фільтрації як локальне нелінійне перетворення, яке дає можливість добре погашати завади і при цьому не пошкоджувати вихідне (незашумлене) зображення.

7. Досліджено задачі аналізу, оцінки та прогнозування складних фізичних процесів, зображень і компресії даних на нейронних мережах і розпізнавання зображень; розглянуто впровадження інформаційних нейромережевих технологій виділення закономірності просторової структури сонячної циклічності; досліджено ефективний підхід на основі групового врахування аргументів і створення парадигм нейронної мережі, використовуючи значну розмірність даних для розв'язування геліопрогнозування.

8. Запропоновано та досліджено інформаційну технологію на базі нейронної мережі для обробки і відтворення індексів сонячної активності за рахунок різкого скорочення часу навчання мережі, яка відкрила нові перспективи для розв'язування та прогнозування складних процесів; при цьому реалізовані на штучній нейронній мережі основні задачі: знаходження оптимальних обсягів для відтворення і прогнозування три-, дво- і одновимірних задач; оцінювання прогнозування для виділення геліоактивної компоненти.

9. Розроблено метод та реалізовано інформаційні нейромережеві технології компресії зображень на базі одновходової двокаскадної нейромережі; досліджено результати відтворення компресії зображень, показано високу ефективність результатів та застосування нейромережі для визначення параметрів афінних перетворень; створені інформаційні нейромережеві технології використано для розпізнавання зображень.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗДОБУВАЧА ЗА ТЕМОЮ ДИСЕРТАЦІЇ

Худий А.М. Синтез базових модулів нейронних мереж засобами однорідних обчислювальних середовищ // Вісник Державного університету “Львівська політехніка”.-1999.-№364.-С.-333-340.

Худий А.М. Структурний алгоритм розпізнавання образів // Вісник Державного університету “Львівська політехніка”.-2000.-№392.-С.-101-104.

Худий А.М. Математичні аспекти конвеєрного методу обробки інформації // Вісник Національного університету “Львівська політехніка”.-2000.-№407.-С.-71-74.

Худий А.М. Обробка зображень за допомогою нейромереж // Інформаційні технології і системи.-2000.-№1(3).-С.163-170.

Грицик В.В., Ткаченко Р.О., Худий А.М. Архітектури і алгоритми системних та нейронних мереж.- Львів: НАІ України, Державний НДІ інформаційної інфраструктури; препринт №3, 1998 р.- 43 с.

Войчишин К.С., Грицик В.В., Ткаченко Р.О., Худий А.М. Аналіз, оцінка та прогнозування складних фізичних процесів, зображень і даних на нейронних середовищах.- Львів: Держкомзв'язку та інформатизації України, Державний НДІ інформаційної інфраструктури; препринт №6, 1999 р.- 35 с.

Худий А. М. Реалізація конвеєрного методу обробки інформації на однорідних обчислювальних системах // Міжнародна конференція з управління “Автоматика - 2000”.-Львів.-2000.-Т.7.-Ч.2.-С.-280-283.

Грицик В.В., Камінський Р.М., Худий А.М. Концепція імітаційного моделювання та експериментального дослідження функцій людино-машинного інтерфейсу в інформаційних технологіях // Перша міжнародна конференція з інформаційних технологій і систем.- Львів, 1993.- С.-50-53.

Размещено на Allbest.ru