Главная » 2014»Август»1 » Скачать Многомасштабные методы синтеза и анализа изображений. Переберин, Антон Валерьевич бесплатно
07:03
Скачать Многомасштабные методы синтеза и анализа изображений. Переберин, Антон Валерьевич бесплатно
Многомасштабные методы синтеза и анализа изображений
Диссертация
Автор: Переберин, Антон Валерьевич
Название: Многомасштабные методы синтеза и анализа изображений
Справка: Переберин, Антон Валерьевич. Переберин А. В. Многомасштабные методы синтеза и анализа изображений : Дис. канд. физ.-мат. наук : 05. 13. 11 М. , 2002 Москва, 0 138 c. :
Объем: 138 стр.
Информация: Москва, 0
Содержание:
Введение Основы многомасштабного представления информации
16 Структура вейвлет-разложения сигнала Преобразование Хаара Вейвлет-преобразования дискретных сигналов Вейвлет-преобразования конечных сигналов Вейвлет-преобразования двумерных сигналов Древовидные структуры для представления вейвлет-преобразований Адаптивное сеточное представление объектов, определенных на плоскости Задача реконструкции освещенности на плоскости
22 Двумерные сигналы и сеточное представление Использование вейвлет-анализа для построения адаптивных сеток
223 Дерево узлов Альтернативный подход: дерево ячеек Примеры работы метода 3 Многомасштабный анализ и реконструкция освещенности
234 Методы глобальной освещенности Метод Монте-Карло трассировки лучей Представление функции освещенности Вычисление значений освещенности Начальное приближение функции освещенности Структура преобразования Дерево преобразования и триангуляция Выбор фильтров Примеры работы метода
24 Описание метода реконструкции освещенности
25 Анализ результатов Многомасштабное представление линий уровня
33 Описание задачи Построение последовательности управляющих точек Построение линии
34 Уточнение формулировки задачи В-сплайновые кривые и вейвлеты Реализация вейвлет-преобразования Преобразование управляющей последовательности Сглаживание кривой Масштабирование и отображение кривой Реализация и анализ результатов Генерация текстур
42 Постановка задачи Описание модели
424 Базовый элемент и репликации Построение изображения из репликаций Определение параметров модели Масштабирование
47 Примеры Управляющие маски слоев Представление данных и особенности реализации Связь с теорией вейвлет-анализа Анализ результатов Развитие задачи
Заключение Иллюстрации А Многомасштабный анализ и вейвлет-преобразования А1 Ортогональный многомасштабный анализ А2 Неортогональный многомасштабный анализ А3 Вычисление вейвлет-преобразований А4 Двумерные преобразования А5 Нормализация вейвлет-базисов
СПИСОК ЛИТЕРАТУРЫ
Введение:
Повышение эффективности обработки информации является актуальной задачей компьютерной графики. Требования к реалистичности генерируемых изображений постоянно растут. Это приводит увеличению объемов обрабатываемой информации, к усложнению алгоритмов обработки, и, как следствие, к росту вычислительных затрат. В то же время, для многих приложений (например, игровых) необходима очень высокая скорость обработки графической информации. Рост производительности оборудования решает эту проблему, как показывает практика, лишь отчасти. Возможны следующие пути повышения эффективности обработки графической информации. Первый путь сокращение объемов данных. Описание объекта может содержать избыточную или несущественную информацию, которую можно отбросить. Допустим, имеется сеточное представление объекта некоторого рельефного изображения на плоской поверхности (см. пример на с. 111). Чтобы передать сложную структуру изображения, сетка должна быть достаточно мелкой (и, следовательно, содержать большое число вершин и треугольников). Однако заметно, что выдерживать постоянный шаг сетки для всего объекта не требуется. Мелкая сетка явно избыточна для задания фрагмента плоскости. Некоторые участки изображения также можно представить с помощью более крупных треугольников. Таким образом, объект можно представить сеткой с меньшим числом треугольников. Затраты на обработку такой сетки снижаются, также уменьшается расход памяти для ее хранения. Существенность информации может определяться не только особенностями объекта, но и особенностями отображения объекта. Предположим, что сетку из вышеприведенного примера потребовалось отобразить в область малого размера. При этом может получиться, что реальный размер некоторых треугольников сетки составит менее 1-2 пикселов. Очевидно, что в таком случае имеет смысл использовать более крупную сетку. Второй путь поиск удобных для обработки представлений информации. Например, представлений, которые обеспечивают эффективную реализацию таких упомянутых выше операций, как сокращение общего объема данных и выбор информации, существенной для отображения объекта при заданных условиях. Также желательно, чтобы одно представление могло использоваться для решения сразу нескольких подзадач сложной многоэтапной обработки объекта. В этом случае отсутствие необходимости на каждом этапе преобразовывать объект в новое представление может упростить общую процедуру обработки и повысить эффективность ее реализации. Третий путь разработка более производительных алгоритмов обработки информации. Повышение производительности может достигаться разными методами, например, оптимизацией существующих алгоритмов, применением более эффективных численных методов, распараллеливанием, аппаратной поддержкой части вычислений и т.д. Очевидно, что разработка производительных алгоритмов тесно связана с поиском представлений информации, обеспечивающих эффективную обработку. Допустим теперь, что существует описание объекта в виде многослойной структуры, обладающей следующим свойством: первый слой содержит информацию, достаточную для грубого (с низким разрешением) приближения объекта; при добавлении информации из каждого последующего слоя степень детализации постепенно увеличивается, пока объект не будет восстановлен полностью (то есть с максимальным разрешением). Такое представление обладает целым рядом полезных свойств. Прежде всего, оно позволяет выделить на изображении фрагменты, которые при переходе от слоя к слою меняются либо слабо, либо, напротив, сильно. Слабые изменения свидетельствуют о том, что данный фрагмент достаточно хорошо представим и с невысоким разрешением. Это позволяет исключить информацию, соответствующую такому фрагменту, из последующих слоев, и обеспечивает, таким образом, сжатие информации, т.е. сокращение объемов данных. Сильные изменения, наоборот, соответствуют фрагментам, которые требуется представлять с высоким разрешением, их локализация позволяет выделять контуры изображения, мелкие детали и т.д. Многослойное представление открывает широкие возможности и для редактирования объектов: вносить изменения можно не в объект целиком, а либо в одно из приближений объекта, либо в детализирующие слои. Иерархическая структура позволяет эффективно отображать объект в зависимости от конкретных условий (параметров графического устройства, расположения объекта в сцене, положения наблюдателя). Возможна демонстрация объекта с разрешением, возрастающим по мере получения детализирую
