Анотація до роботи:

Скаковська А.М. Функціонально-статистична модель розпізнавання зображень. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.23 – системи та засоби штучного інтелекту. –Харківський національний університет радіоелектроніки, Харків, 2008.

Дисертаційне дослідження виконано з метою розробки нової функціонально-статистичної моделі та адаптивних методів розпізнавання електронно-оптичних зображень, що дозволяє підвищити ефективність функціонування систем розпізнавання шляхом класифікаційного настроювання електронно-оптичної системи без участі людини-оператора.

На основі системного аналізу сформоване спеціальне математичне та програмне забезпечення, призначене для функціонування у системах штучного інтелекту, а розроблена модель склала основу алгоритму та програмного інтерфейсу розпізнавання зображень з урахуванням суб’єктивних особливостей досліджень.

Удосконалення автоматизованої технології опрацювання даних, поєднане з комплексом методів і моделей розпізнавання образів і теорії нечітких множин, дозволяє застосовувати апаратно-програмний комплекс, що складає основу досліджень при синтезі електронно-оптичних систем штучного інтелекту.

У дисертаційній роботі наведено теоретичне обґрунтування та вирішення актуальної наукової задачі розробки нової ефективної функціонально-статистичної моделі та методів адаптивного розпізнавання електронно-оптичних зображень. Аналіз отриманих результатів дає підставу зробити такі висновки:

1. На основі системного аналізу функціональних можливостей сучасних електронно-оптичних систем розпізнавання визначено проблему дисертаційних досліджень: підвищення ефективності розпізнавання електронно-оптичних зображень. Якість отриманого зображення залежить від типу досліджуваного зразка, вибору робочих умов електронно-оптичної системи, досвіду та стану зору оператора. Тому необхідність адаптації до суб’єктивних особливостей дослідження вимагає створення спеціальної системи, здатної створювати зображення оптимальної якості і оцінювати поточний функціональний стан системи з метою його корекції, але не виключає участі людини.

2. Розроблена функціонально-статистична модель розпізнавання електронно-оптичних зображень основана на оцінці інформаційної здатності електронно-оптичної системи розпізнавання і реалізується шляхом максимізації інформаційної міри різноманітності функціональних станів такої системи на кожному кроці навчання. Розробка такої моделі дозволила значно спростити синтез адаптивного розпізнавання зображень, оскільки вона є максимально наближеною до його системної реалізації. Моделювання інтелекту експерта і включення його методів мислення в контур управління електронно-оптичною системою розпізнавання дозволило ураховувати суб’єктивні особливості дослідження та істотно зменшити кількість випробувань у процесі розпізнавання.

3. Удосконалено, досліджено і реалізовано метод адаптивного розпізнавання електронно-оптичних зображень, що ґрунтується на прямій оцінці інформаційної спроможності системи за умов нечіткої компактності реалізацій образу й обмеження обсягу навчальної вибірки. Розроблений метод дозволив адаптувати вхідний математичний опис функціонального стану системи, що навчається, з метою побудови оптимального в інформаційному розумінні нечіткого класифікатора, який при достатній глибині оптимізації його просторово-часових параметрів функціонування забезпечує класифікацію функціональних станів системи розпізнавання з достатньо високою точністю за нечіткою навчальною матрицею (похибка 5%). Оцінка здійснювалася за результатами 50 прогонів алгоритму навчання автоматизованої системи розпізнавання електронно-оптичних зображень.

4. Набув подальшого розвитку метод автоматичної класифікації чорно-білих зображень класу 2D для самонастроювання електронно-оптичних систем, що полягає в оптимізації просторово-часових параметрів функціонування системи розпізнавання шляхом максимізації її інформаційної спроможності. Це дозволяє сформувати керуючі впливи на функціональну ефективність електронно-оптичної системи розпізнавання із урахуванням досвіду експерта. Для оцінки технічного стану електронно-оптичної системи розпізнавання досліджено збіжність алгоритму оптимізації контрольних допусків на управляючий параметр такої системи, визначено мінімальний обсяг репрезентативної навчальної вибірки, реалізовано оптимізацію розпізнавання зображень за оперативністю, проаналізовано спостережуваність та оцінено асимптотичну точність системи.

5. Проведено імітаційне моделювання розроблених моделі та методу адаптивного розпізнавання електронно-оптичних зображень. Розроблено та запатентовано новий спосіб автофокусування растрового електронного мікроскопа за зображенням досліджуваного зразка, який дозволив зменшити час настроювання на 50%. Розроблені модель, метод та програмний інструментарій використані при проектуванні системи автофокусування зображення для нової моделі електронного мікроскопа РЕМ-106-І, що підтверджено актом впровадження ВАТ “Selmi” (м.Суми, протокол №3 від 30.03.2007).

Публікації автора:

1. Кузьмін І.В. Класифікаційне настроювання електронного мікроскопа за методом функціонально-статистичних випробувань / І.В.Кузьмін, А.М.Скаковська // Оптико-електронні інформаційно-енергетичні технології. – Вінниця: ВДТУ, 2001. – №1. – С.92-98.

2. Краснопоясовський А.С. Визначення нормованого поля допусків на параметр настройки при автофокусуванні електронного мікроскопа за зображенням / А.С.Краснопоясовський, А.М.Скаковська // Радіоелектроніка. Інформатика. Управління. – Запоріжжя: ЗНТУ, 2001. – №2. – С.33-36.

3. Краснопоясовський А.С. Оцінка асимптотичної точності системи розпізнавання образів з відкритою абеткою класів / А.С.Краснопоясовський, А.М.Скаковська // Вісник Сумського державного університету. Серія технічні науки. – Суми: СумДУ, 2002. – №1 (34). – С.86-89.

4. Краснопоясовський А.С. Визначення мінімального обсягу репрезентативної навчальної вибірки / А.С.Краснопоясовський, А.М.Скаковська, М.В.Козинець // Вісник Сумського державного університету. Серія технічні науки. – Суми: СумДУ, 2002. – №12(45). – С.70--73.

5. Краснопоясовський А.С. Обчислювальний аспект оптимізації контейнерів класів розпізнавання у радіальному базисі /А.С.Краснопоясовський, А.М.Скаковська, І.В.Шелехов // Вісник Кременчуцького державного політехнічного університету. – Кременчук: КДПУ, 2003. – №3(20). – С.86-89.

6. Скаковская А.Н. Функционально-статистический метод управления растровым электронным микроскопом // Радіоелектронні і комп’ютерні системи. – Харків: НАКУ ім. М.Є.Жуковського «ХАІ», 2007. -– №2(21). -–С.16-20.

7. Соколов О.Ю. Класифікація зображень в контейнерному просторі ознак розпізнавання / О.Ю.Соколов, А.М.Скаковська // Східно-Європейський журнал передових технологій.–Харків, 2008. –№ 1(31). –С.50-52.

8. Краснопоясовський А.С. Оптимізація параметрів нормалізації образу при класифікаційному настроюванні електронного мікроскопа / А.С.Краснопоясовський, А.М.Скаковська // Автоматизированные системы управления и приборы автоматики: Всеукр. межвед. научн.-техн. сб. – Харьков: ХНУРЭ, 2003.–- Вып. 123. –- С.62-66.

9. Соколов О.Ю. Оптимізація стабілізації зображення за оперативністю при класифікаційному настроюванні системи розпізнавання / О.Ю.Соколов, А.М.Скаковська // Системи обробки інформації: Зб. наук. праць. – Харків: ХУПС, 2007. – Вип.9(67). – С.92-94.

10. Пат. 64570А України, МКІ H 01 J 37/21. Спосіб автоматичного фокусування електронного мікроскопа за зображенням досліджуваного об’єкта / А.С.Краснопоясовський, А.М.Скаковська, М.В.Козинець, І.В.Шелехов. Заявник і патентовласник СумДУ. – №2003065957. Заявл. 26.06.2003. Опубл. 16.02.04, Бюл. № 2.

11. Краснопоясовський А.С. Автофокусування електронного мікроскопа за зображенням / А.С.Краснопоясовський, А.М.Скаковська // Матеріали 5-ї Всеукр. міжнар. конф. УкрОбраз’2000: Оброблення сигналів і зображень та розпізнавання образів. – Київ, 2000. – С.183-186.

12. Скаковська А.М. Класифікаційна настройка електронного мікроскопа. // Матеріали Міжнар. конф. з управління «Автоматика-2001». – Одеса: ОДПУ, 2001. – С.117-118.

13. Скаковська А.М. Оптимізація автофокусування електронного мікроскопа за оперативністю // Матеріали 6-ї Міжн. конф. «Контроль і управління в складних системах». – Вінниця: Універсам, 2001. – С.110.

14. Скаковська А.М. Класифікаційне настроювання інтелектуальної системи // Материалы Междунар. научн. конф. «Современные методы кодирования в электронных системах». – Сумы: СумГУ, 2002. – С.28.

15. Скаковська А.М. Побудова оптимального класифікатора за методом функціонально-статистичних випробувань /А.М.Скаковська, В.О.Боровик // Материлы 3-й Междунар. междисципл. научн.-практ. конф. «Современные проблемы гуманизации и гармонизации управления». – Харків: ХНУ ім.В.Н.Каразіна, 2002. – С.264-265.

16. Скаковська А.М. Інформаційний синтез адаптивної системи керування, що навчається // Материалы ІІ Междунар. научн. конф. «Современные методы кодирования в электронных системах». – Сумы: СумГУ, 2004. – С.38-39.

17. Скаковська А.М. Розпізнавання морфологічних зображень в медицині / А.М.Скаковська, В.О.Боровик // Матеріали 6-ї Міжнар. міждисципл. наук.-практ. конф. «Сучасні проблеми науки та освіти». – Харків: ХНУ ім.В.Н.Каразіна, 2005. – С.249.

18. Скаковська А.М. Об’єктно-орієнтована реалізація алгоритму навчання та екзамену системи керування, що навчається / А.М.Скаковська, В.О.Боровик // Матеріали 7-ї Міжнар. міждисципл. наук.-практ. конф. «Сучасні проблеми науки та освіти». – Харків: ХНУ ім.В.Н.Каразіна, 2006. – С.245.

19. Соколов А.Ю. Интеллектуальные методы управления растровым электронным микроскопом на основе функционально-статистического подхода / А.Ю.Соколов, А.Н.Скаковская // Матеріали 14-ї Мiжнар. конф. з автоматичного управління «Автоматика-2007». – Севастополь: СНУЯЄтаП, 2007. – С.176-178.

20. Скаковська А.М. Теоретико-множинна модель системи розпiзнавання зображень // Матеріали І Міжнар. наук.-техн. конф. «Інтелектуальні системи в промисловості і освіті». – Суми: СумДУ, 2007. – С.51-52.

21. Скаковська А.М. Розпізнавання електронограм в електронній мікроскопії / А.М.Скаковська, А.І.Тищенко // Материалы научн.-техн. конф. препод., сотрудн. и студентов мех.-мат. факультета. – Сумы: СумГУ, 2000. – С.98-100.

22. Скаковська А.М. Обробка нечітких зображень // Научн.-техн. конф. препод., сотрудн. и студентов мех.-матем. факультета. – Сумы: СумГУ, 2001. – С.88-90.