Статья посвящена проблемам разработки моделей и методов оперативного распознавания графических (оптических) образов. Решается задача оптимизации процессов идентификации визуальных оптических образов по данным систем наблюдения необитаемых подводных аппаратов. Описан алгоритм компенсации информационных потоков (отклонений) с учетом данных стабилизации координат точки корреляционного максимума. Сформулированы условия инвариантности алгоритма идентификации относительно возмущений в пространстве объектов геоситуации. Приведен алгоритм управления формированием эталонного изображения (образа). Определены ограничения метода и условия инвариантности алгоритма идентификации относительно возмущений в пространстве исследуемых объектов.
оптимальная компенсаторная идентификация, оптические образы, геоситуация, пространство объектов
1. Дмитриев А.И, Журавлев Ю.И, Кренделев Ф.П. О математических принципах классификации предметов или явлений // Дискретный анализ - Новосибирск: ИМ СО АН СССР, Вып. 7. 1966.-С. 3-17.
2. Донской В.И. Алгоритмы обучения, основанные на построении решающих деревьев // ЖВМиМФ - 1982,-№4,- С. 963-974.
3. Мерков А.Б. Основные методы, применяемые для распознавания рукописного текста. Лаборатория распознавания образов МЦНМ0.2004. Гл.4/ http://fomit2005.narod.ru/papers/methods.ps
4. Арлазаров В.Л, Славин О.А. Алгоритмы распознавания и технологии ввода текстов в ЭВМ //Информационные технологии и вычислительные системы - 1996. -1 - С. 48-54.
5. Винцюк Т.К. Распознавание устной речи методами динамического программирования // Кибернетика- 1968. -№ 1- С. 81-88.
6. S. Furui. Perspectives of Speech Processing Technologies // “SPECOM’98” International Workshop Proceedings. St.-Petersburg. -St.-Petersburg, 1998. Pp. 1-6.
7. J.C. Anigbogu and A. Belaid, Hidden Markov Models in Text Recognition, HHPRAI. Vol.9. pp. 925-958,1995
8. Шлезингер М.И. Двумерное обобщение контекстно-свободных языков и грамматик // Методы и средства информатики речи. Киев: Ин-т кибернетики НАН Украины - 1991-С. 36-47.
9. Андреев Ю.В., Дмитриев А.С. Динамический хаос и нейронные сети в задачах классификации и распознавания // Нейрокомпьютеры и их применение: сб. докл. 5 Всерос. конф.- 1999. - С.438-441.
10. Терехов С.А. Нейросетевые непараметрические методы анализа экспериментальных данных//ВНИИТФ,- 1998. - 18 с.
11. Zhilenkov, A., Nyrkov, A., Chemyi, S., Sokolov, S. Simulation of in-sensor processes in the sensor - Object system type when scanning the elements of underwater communication lines with a probe beam // International Review on Modelling and Simulations, 2017. 10 (5), pp. 363-370.
12. Sokolov, S., Zhilenkov, A., Nyrkov, A., Chemyi, S. The use robotics for underwater research complex objects // Advances in Intelligent Systems and Computing, 2017. 556, pp. 421-427.
