通过点对象的轮廓码元素的相关性识别点对象组的链结构图像

DOI:

评审日期

出版日期

注解: 识别点和/或小尺寸物体（TRP）组的图像形状是一项非平凡的任务，因为它们的元素不连贯和简并性。 此外，对于具有非平稳配置（如"链"和"集群"）的GTO，任务变得更加复杂。 这些类型的图像的区分具有独立的含义，并且还可以用于分支出用于更详细地识别TRP的算法。 对于链和簇的有效鉴别器的合成，重要的是确定描述TRP形式和歧视性特征的原则，确定干扰因素影响下决策的统计数据和特征。 这个问题的解决是通过数字图像和信号处理理论的方法，轮廓分析理论用于描述和分析图像形状的算法的合成，概率论的方法和数学统计学用于合成决策方法的方法来实现的。 要将隔离的TRP元素链接到单个对象中，使用构造最小生成树的过程。 它的形状由链复值代码描述-它的轮廓。 这种轮廓的能谱宽度或其样本的相关间隔的量值对形状复杂程度的依赖性给出了选择轮廓的自相关函数（ACF）的特征作为区分链和簇的歧视性特征的理 作为这样的特征，考察了ACF的宽度（相关区间）和TRP轮廓的相邻元素的相关性。 已经合成了用于区分这些类的TRP作为链识别器的相应算法。 发现了各种观测条件下决策算法的特点。 对其有效性和适用性的局限性进行了比较分析。

出版日期: