уровни, выделения из них контуров и отнесения к одному из классов.
Данные контура характеризуются классом, к которому принадлежит
контур, а также координатами геометрического центра масс, параме-
трами оценок масштаба
|
b
μ
z
i
|
и угла ориентации
Δ
b
ϕ
z
i
, где индекс
z
i
означает номер уровня. В отличие от зашумленных выделенных конту-
ров, имеющих большое количество точек, или от зашумленной исход-
ной матрицы параметра измерения, получаемые распознанные конту-
ры имеют сравнительно небольшое количество точек. Входные линии
уровней (система контуров) подаются на вход процедуре простран-
ственной триангуляции, работающей на основе триангуляции Делоне,
проводится разбиение и создание набора граней (треугольников), опи-
сывающих неоднородность (дефект). Поверхность неоднородностей,
описанная таким образом, занимает небольшой объем памяти (в смы-
сле хранения) и является достаточно универсальной.
Комплекс программно-математического обеспечения (ПМО)
для решения задач классификации контуров (дефектов) и опреде-
ления их геометрических параметров.
В соответствии с теориями
распознавания образов и контурного анализа [5] на основе предста-
вленных зависимостей разработан комплексный алгоритм распознава-
ния для различных классов дефектов, включающий в себя следующие
алгоритмы: выделения контуров [6–9], эквализации и стандартизации
кодов контуров, огрубления контуров на основе метода получения
выпуклого контура Грэхема и метода получения выпуклого контура
Джарвиса, пересчета кодов контуров из действительного координат-
ного пространства
E
2
k
и комплекснозначного пространства
C
k
, оцен-
ки параметров линейных преобразований контуров, распознавания
контуров в пространстве
C
k
, визуализации (в виде линий уровней,
триангуляционной иррациональной и регулярной сеток).
На основе созданного алгоритма в среде Microsoft VS 7.0 разра-
ботаны элементы ПМО. На вход ПМО подается набор классов (де-
фектов), распознаваемая матрица результатов измерений, исходные
данные для алгоритма принятия решений (априорные вероятности,
значение отношения сигнал/шум и др.). Результатом работы комплек-
са ПМО является решение об отнесении распознаваемого контура
к одному из классов и оценки линейных преобразований (
|
b
μ
|
,
Δ
b
ϕ
,
b
d
и смещение контура относительно начала координат) или решение
о том, является ли распознаваемый контур шумовым. По обработан-
ным данным программный модуль триангуляции выполняет построе-
ние 3D ГМ системы дефектов (рис. 4).
Выводы.
Разработанный комплексный метод на основе теории
распознавания образов является быстрым и позволяет создавать
3D ГМ систем неоднородностей (дефектов) на фоне ГМ объекта
ISSN 1812-3368. Вестник МГТУ им. Н.Э. Баумана. Сер. “Естественные науки”. 2008. № 3
109
