Пятом открытом германо-российском семинаре по распознаванию образов и пониманию изображений, г. Херршинг, Германия, 1998;

Пятом Международной конференции “Распознавание образов и анализ изображений”(РОАИ-5-2000), г. Самара, 2000;

Четвертой Всероссийской с международным участием конференции "Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-4-98), г. Новосибирск, 1998;

Десятой Всероссийской конференции «Математические методы распознавания образов» (ММРО-10), г. Москва, 2001;

Шестой Международной конференции “Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-6-2002), г. Великий Новгород, 2002;

Седьмой Международной конференции «International Conference on Pattern Recognition and Image Analysis» (PRIA’2004), г. Санкт-Петербург, 2004;

Международной конференции “Computer Vision and Graphics” (ICCVG 2004), г. Варшава, Польша, 2004;

Второй Международной конференции по Автоматизации, Управлению и Информационным технологиям (ACIT 2005), «Signal and Image Processing» (ACIT-SIP), г. Новосибирск, Академгородок, 2005;

Девятой Всемирной конференции по теории систем, кибернетике и информатике, г. Орландо, США, 2005;

Научно-технической конференции с международным участием «Перспективные информационные технологии в научных исследованиях, проектировании и обучении» (ПИТ-2006), г. Самара, 2006;

Восьмой Международной конференции “Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-8), г. Йошкар-Ола, 2007.

Публикации

По теме диссертации опубликовано 63 работы, в том числе:

1 монография в издательстве Физматлит,

27 статей в ведущих рецензируемых научных журналах и изданиях, определенных Высшей аттестационной комиссией,

35 статей в сборниках трудов конференций и тезисов докладов.

Структура диссертации

Диссертация состоит из введения, четырех разделов, заключения, списка использованных источников и четырех приложений. Она изложена на 456 страницах машинописного текста (без приложений), содержит 71 рисунок, 9 таблиц, список использованных источников из 217 наименований.

На защиту выносятся

Алгебраическая система алгоритмов ЛЛФ сигналов и изображений, включающая отношения и операции с алгоритмами ЛЛФ, а также построение распространения множества алгоритмов ЛЛФ. Определение алгоритма, индуцированного априорной информацией о задаче ЛЛФ, как наилучшего алгоритма в распространении.

Метод построения индуцированного алгоритма ЛЛФ и приведенного компетентного алгоритма над множеством алгоритмов постоянной сложности (АПС) ЛЛФ.

Теоретическое обоснование метода построения индуцированного алгоритма.

Численная процедура определения параметров индуцированного алгоритма, построенного над приведенным компетентным алгоритмом, которая дает точное решение за конечное время.

Метод прямого построения эффективного алгоритма ЛЛФ для сплайн-представления КИХ.

Определения НМС-последовательностей, НМС-наборов последовательностей и их семейства.

Положения (предложение, леммы и теоремы), связанные с существованием и единственностью НМС-последовательности и НМС-набора последовательностей.

Алгоритм модели CR, порождаемый НМС-последовательностью или НМС-набором последовательностей. Аналитические выражения сложности алгоритма.

Метод построения эффективных локальных линейных признаков и их наборов путем решения задач построения, соответственно, НМС-последовательностей и НМС-наборов последовательностей, согласованных с заданным производящим функционалом. Свойство единственности решения указанных задач.

Метод согласованной оптимизации двухэтапной процедуры локальной нелинейной обработки сигналов и изображений, базовая итерационная процедура метода; доказательство сходимости базовой итерационной процедуры при определенных условиях и ее модификации, используемые при невыполнении таких условий.

Конкретизация метода согласованной оптимизации для задач настройки:

-процедуры совместного обнаружения и локализации объектов на изображениях,

-процедуры распознавания локальных объектов на изображениях.

КРАТКОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

фильтра длины M:

задается в виде набора распределений вероятности, характеризующих согласованность входных сигналов того или иного типа некоторым конечно-разностным уравнениям.

Задача Z формулируется при следующих ограничениях:

известны до момента решения задачи Z;

известны только на момент решения задачи.

На искомый метод построения эффективного алгоритма ЛЛФ накладываются дополнительные требования. Они выражаются в том, что метод:

учитывает ограничения задачи Z;