Xreferat.com » Рефераты по математике » Морфологический анализ цветных (спектрозональных) изображений

Морфологический анализ цветных (спектрозональных) изображений

Морфологический анализ цветных (спектрозональных) изображений поля зрения X, а векторы Морфологический анализ цветных (спектрозональных) изображений в Морфологический анализ цветных (спектрозональных) изображений, и требуется построить измеримое разбиение Морфологический анализ цветных (спектрозональных) изображенийполя зрения, такое, что цветное изображение Морфологический анализ цветных (спектрозональных) изображений - наилучшая в Морфологический анализ цветных (спектрозональных) изображений аппроксимация f. Так как

Морфологический анализ цветных (спектрозональных) изображенийМорфологический анализ цветных (спектрозональных) изображений,(14*)

то в Ai следует отнести лишь те точки Морфологический анализ цветных (спектрозональных) изображений, для которых Морфологический анализ цветных (спектрозональных) изображений, Морфологический анализ цветных (спектрозональных) изображений=1,2,...,q, или, что то же самое, Морфологический анализ цветных (спектрозональных) изображенийМорфологический анализ цветных (спектрозональных) изображений=1,2,...,q. Те точки, которые согласно этому принципу могут быть отнесены к нескольким множествам, должны быть отнесены к одному из них по произволу. Учитывая это, условимся считать, что запись

Морфологический анализ цветных (спектрозональных) изображений Морфологический анализ цветных (спектрозональных) изображений,(14)

означает, что множества (14) не пересекаются и Морфологический анализ цветных (спектрозональных) изображений.

Чтобы сформулировать этот результат в терминах морфологического анализа, рассмотрим разбиение Морфологический анализ цветных (спектрозональных) изображений, в котором

Морфологический анализ цветных (спектрозональных) изображений (15)

и звездочка указывает на договоренность, принятую в (14). Определим оператор F, действующий из Морфологический анализ цветных (спектрозональных) изображений в Морфологический анализ цветных (спектрозональных) изображений по формуле Морфологический анализ цветных (спектрозональных) изображений, Морфологический анализ цветных (спектрозональных) изображений, i=1,...,q. Очевидно, F всегда можно согласовать с (14) так, чтобы включения Морфологический анализ цветных (спектрозональных) изображений и Морфологический анализ цветных (спектрозональных) изображений, i=1,...,q, можно было считать эквивалентными.

Теорема 2.Пусть Морфологический анализ цветных (спектрозональных) изображений - заданные векторы Rn. Решение задачи

Морфологический анализ цветных (спектрозональных) изображений

наилучшего в Морфологический анализ цветных (спектрозональных) изображений приближения изображения f изображениями Морфологический анализ цветных (спектрозональных) изображений имеет вид Морфологический анализ цветных (спектрозональных) изображений, где Морфологический анализ цветных (спектрозональных) изображений - индикаторная функция множества Морфологический анализ цветных (спектрозональных) изображений. Множество Морфологический анализ цветных (спектрозональных) изображений определено равенством (15). Нелинейный оператор Морфологический анализ цветных (спектрозональных) изображений, как всякий оператор наилучшего приближения удовлетворяет условию F2=F, т.е. является пректором.

Замечание 2. Если данные задачи доступны лишь в черно-белом варианте, то есть заданы числа Морфологический анализ цветных (спектрозональных) изображений, i=1,...,q, которые можно считать упорядоченными согласно условию Морфологический анализ цветных (спектрозональных) изображений, то, как показано в [3], искомое разбиение X состоит из множеств

Морфологический анализ цветных (спектрозональных) изображений

где Морфологический анализ цветных (спектрозональных) изображений, и имеет мало общего с разбиением (14).

Замечание 3. Выберем векторы fi, i=1,..,q единичной длины: Морфологический анализ цветных (спектрозональных) изображений, i=1,...,q. Тогда

Морфологический анализ цветных (спектрозональных) изображений.(16)

Множества (16) являются конусами в Rn , ограниченными гиперплоскостями, проходящими через начало координат. Отсюда следует, что соответствующее приближение Морфологический анализ цветных (спектрозональных) изображений изображения f инвариантно относительно произвольного преобразования последнего, не изменяющего его цвет (например Морфологический анализ цветных (спектрозональных) изображений), в частности, относительно образования теней на f.

Замечание 4. Для любого заданного набора попарно различных векторов Морфологический анализ цветных (спектрозональных) изображений оператор F, приведенный в теореме 2, определяет форму изображения, принимающего значения Морфологический анализ цветных (спектрозональных) изображений соответственно на измеримых множествах Морфологический анализ цветных (спектрозональных) изображений (любого) разбиения X. Всякое такое изображение является неподвижной (в Морфологический анализ цветных (спектрозональных) изображений) точкой F: Морфологический анализ цветных (спектрозональных) изображений, если Морфологический анализ цветных (спектрозональных) изображений, все они изоморфны между собой. Если некоторые множества из Морфологический анализ цветных (спектрозональных) изображений - пустые, или нулевой меры, соответствующие изображения имеют более простую форму.

Иначе говоря, в данном случае формой изображения Морфологический анализ цветных (спектрозональных) изображений является множество всех изображений, принимающих заданные значения Морфологический анализ цветных (спектрозональных) изображений на множествах положительной меры Морфологический анализ цветных (спектрозональных) изображений любого разбиения X, и их пределов в Морфологический анализ цветных (спектрозональных) изображений.

Теоремы 1 и 2 позволяют записать необходимые и достаточные условия наилучшего приближения изображения f(× ) изображениями Морфологический анализ цветных (спектрозональных) изображений, в котором требуется определить как векторы Морфологический анализ цветных (спектрозональных) изображений, так и множества Морфологический анализ цветных (спектрозональных) изображений так, чтобы

Морфологический анализ цветных (спектрозональных) изображений.

Следствие 1.

Пусть Di ,i=1,...,N, - подмножества Rn (15), П - ортогональный проектор (13), Морфологический анализ цветных (спектрозональных) изображений, где Морфологический анализ цветных (спектрозональных) изображений. Тогда необходимые и достаточные условия Морфологический анализ цветных (спектрозональных) изображений суть следующие: Морфологический анализ цветных (спектрозональных) изображений, где Морфологический анализ цветных (спектрозональных) изображений, Морфологический анализ цветных (спектрозональных) изображений.

Следующая рекуррентная процедура, полезная для уточнения приближений, получаемых в теоремах 1,2, в некоторых случаях позволяет решать названную задачу. Пусть Морфологический анализ цветных (спектрозональных) изображений - исходные векторы в задаче (14*), Морфологический анализ цветных (спектрозональных) изображений - соответствующее оптимальное разбиение (14), F(1)- оператор наилучшего приближения и Морфологический анализ цветных (спектрозональных) изображений - невязка. Воспользовавшись теоремой 1, определим для найденного разбиения Морфологический анализ цветных (спектрозональных) изображений оптимальные векторы Морфологический анализ цветных (спектрозональных) изображений. Согласно выражению (13) Морфологический анализ цветных (спектрозональных) изображений, и соответствующий оператор наилучшего приближения (1) (13) обеспечит не менее точное приближение f(× ), чем F(1): Морфологический анализ цветных (спектрозональных) изображений. Выберем теперь в теореме 2 Морфологический анализ цветных (спектрозональных) изображений, определим соответствующее оптимальное разбиение Морфологический анализ цветных (спектрозональных) изображений и построим оператор наилучшего приближения F(2). Тогда Морфологический анализ цветных (спектрозональных) изображений. На следующем шаге по разбиению Морфологический анализ цветных (спектрозональных) изображений строим Морфологический анализ цветных (спектрозональных) изображений и оператор (3) и т.д.

В заключение этого пункта вернемся к вопросу о построении исчерпывающего Морфологический анализ цветных (спектрозональных) изображений-измеримого разбиения X, отвечающего заданной функции Морфологический анализ цветных (спектрозональных) изображений. Выберем произвольно попарно различные векторы Морфологический анализ цветных (спектрозональных) изображенийиз f(X) и построим по формуле (15) разбиение Rn Морфологический анализ цветных (спектрозональных) изображений. Для каждого q=1,2,... образуем разбиение E(N(q)), множества Морфологический анализ цветных (спектрозональных) изображений, j=1,...,N(q), которого образованы всеми попарно различными пересечениями Морфологический анализ цветных (спектрозональных) изображений множеств из Морфологический анализ цветных (спектрозональных) изображений. Последовательность соответствующих разбиений X Морфологический анализ цветных (спектрозональных) изображений, i=1,...,N(q), q=1,2... Морфологический анализ цветных (спектрозональных) изображений -измеримы и Морфологический анализ цветных (спектрозональных) изображений является продолжением Морфологический анализ цветных (спектрозональных) изображений

5.2. Приближение изображениями, цвет которых постоянен на подмножествах разбиения Морфологический анализ цветных (спектрозональных) изображений поля зрения X.

Задано разбиение Морфологический анализ цветных (спектрозональных) изображений, требуется определить цвет и распределение яркостей наилучшего приближения на каждом Ai,i=1,...,N.

Для практики, как уже было отмечено, большой интерес представляет класс изображений (5), цвет которых не изменяется в пределах некоторых подмножеств поля зрения, и задачи аппроксимации произвольных изображений изображениями такого класса.

Запишем изображение (5) в виде

Морфологический анализ цветных (спектрозональных) изображений(17)

где Морфологический анализ цветных (спектрозональных) изображений.

Пусть A1,...,AN - заданное разбиение X, Морфологический анализ цветных (спектрозональных) изображений - индикаторная функция Ai, i=1,...,N. Рассмотрим задачу наилучшего в Морфологический анализ цветных (спектрозональных) изображений приближения изображения Морфологический анализ цветных (спектрозональных) изображений изображениями (17), не требуя, чтобы Морфологический анализ цветных (спектрозональных) изображений

Морфологический анализ цветных (спектрозональных) изображений(18)

Речь идет о задаче аппроксимации произвольного изображения Морфологический анализ цветных (спектрозональных) изображений изображениями, у которых яркость может быть произвольной функцией из Морфологический анализ цветных (спектрозональных) изображений, в то время, как цвет должен сохранять постоянное значение на каждом из заданных подмножеств A1,...,AN поля зрения X, (см. Лемму 3).

Так как

Морфологический анализ цветных (спектрозональных) изображений

то минимум S (19) по Морфологический анализ цветных (спектрозональных) изображений достигается при

Морфологический анализ цветных (спектрозональных) изображений,(20)

и равен

Морфологический анализ цветных (спектрозональных) изображений(21)

Задача (18) тем самым сведена к задаче

Морфологический анализ цветных (спектрозональных) изображений.(22)

В связи с последней рассмотрим самосопряженный неотрицательно определенный оператор Морфологический анализ цветных (спектрозональных) изображений

Морфологический анализ цветных (спектрозональных) изображений .(23)

Максимум (неотрицательной) квадратичной формы Морфологический анализ цветных (спектрозональных) изображений на сфере Морфологический анализ цветных (спектрозональных) изображенийв Rn, как известно, (см.,например, [11]) достигается на собственном векторе yi оператора Фi, отвечающем максимальному собственному значению Морфологический анализ цветных (спектрозональных) изображений>0,

Морфологический анализ цветных (спектрозональных) изображений,

и равен Морфологический анализ цветных (спектрозональных) изображений, т.е. Морфологический анализ цветных (спектрозональных) изображений. Следовательно, максимум в (22) равен Морфологический анализ цветных (спектрозональных) изображений и достигается, например, при Морфологический анализ цветных (спектрозональных) изображений

Теорема 3. Пусть A1,...,AN -заданное измеримое разбиение X, причем (Ai)>0, i=1,...,N. Решением задачи (18) наилучшего приближения изображения Морфологический анализ цветных (спектрозональных) изображенийМорфологический анализ цветных (спектрозональных) изображений изображениями g(× )Морфологический анализ цветных (спектрозональных) изображений (17) является изображение

Морфологический анализ цветных (спектрозональных) изображений(24)

Операторы Морфологический анализ цветных (спектрозональных) изображений,i=1,...,N, и Морфологический анализ цветных (спектрозональных) изображений - нелинейные (зависящие от f(× )Морфологический анализ цветных (спектрозональных) изображений) проекторы: Пi проецирует в Rn векторы Морфологический
    <div class=

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: