Αλγοριθμικές Μέθοδοι Επεξεργασίας/ανάλυσης Πολυμεσικής Πληροφορίας Και Μηχανικής Μάθησης

Abstract

Η διατριβή προτείνει καινοτόμες τεχνικές για την ευφυή επεξεργασία πολυμεσικής πληροφορίας με έμφαση στην κατάτμηση εικόνων και εικονοσειρών καθώς και στην αναγνώριση προτύπων.Με τις εικόνες και εικονοσειρές υψηλής ανάλυσης, οι κλασικές τεχνικές καλούνται να εφαρμοστούν σε όλο και μεγαλύτερο χώρο εικονοστοιχείων. Ιδιαίτερα σε ό,τι έχει να κάνει με την κατάτμηση εικόνων και την αναγνώριση προτύπων, το υπολογιστικό κόστος για τις παραδοσιακές μεθόδους είναι ιδιαίτερα μεγάλο, καθιστώντας τες απρόσφορες για πολλές εφαρμογές.Για την αντιμετώπιση του ανωτέρω προβλήματος, στη διατριβή αυτή προτείνεται και αναλύεται ο αλγόριθμος της Επαγωγικής Σάρωσης. Ο αλγόριθμος αυτός χρησιμοποιεί τελεστές κυλιομένων παραθύρων εισάγοντας ένα σχήμα ταχύτητας προσθετικής αύξησης/πολλαπλασιαστικής μείωσης. Σύμφωνα με τον αλγόριθμο, η επεξεργασία επικεντρώνεται μόνο στις περιοχές που αποδίδουν τα χαρακτηριστικά του τελεστή, αγνοώντας ένα μεγάλο μέρος του χώρου των εικονοστοιχείων. Ως αποτέλεσμα, το υπολογιστικό κόστος ελαττώνεται δραστικά, αφού κλιμακώνεται αποδοτικά όσο η ανάλυση των εικόνων και των εικονοσειρών μεγαλώνει. Επίσης, προτείνεται ένα νέο χαρακτηριστικό ως μέσο γρήγορης κατηγοριοποίησης των εικόνων: τα συμφραζόμενα της εικόνας βάσει ενός τελεστή. Το χαρακτηριστικό αυτό προκύπτει από τη χρήση του αλγορίθμου Επαγωγικής Σάρωσης και σχετίζεται με το ποσοστό της εικόνας που περιέχει τα χαρακτηριστικά που αναζητά ο τελεστής κυλιομένων παραθύρων. Ο αλγόριθμος υλοποιήθηκε σε δύο συστήματα: το σύστημα αυτόματης αναγνώρισης πινακίδων οχημάτων και το σύστημα ταύτισης εικονοσειρών διαφημίσεων τηλεοπτικού προγράμματος. Σύμφωνα με το πρώτο, ο προτεινόμενος αλγόριθμος σαρώνει μία εικόνα ώστε να κατατμηθεί η περιοχή της πινακίδας ενός οχήματος βελτιώνοντας την ταχύτητά του μέχρι και 250% σε σχέση με τις παραδοσιακές τεχνικές. Το δεύτερο σύστημα μεταφέρει τις αρχές του αλγορίθμου της Επαγωγικής Σάρωσης σε εφαρμογή επεξεργασίας εικονοσειρών. Σε αυτή την περίπτωση, ο προτεινόμενος αλγόριθμος αντικαθιστά την επεξεργασία κατά μπλοκ και καταφέρνει να υπολογιστούν γρήγορα (βελτίωση 30% σε σήμα κανονικής ανάλυσης), στα καρέ μιας εικονοσειράς, οι περιοχές που περιλαμβάνουν σε ικανή πυκνότητα τα χαρακτηριστικά του τελεστή.Στο τελευταίο μέρος της διατριβής παρουσιάζονται εφαρμογές τεχνικών μηχανικής μάθησης και στοχαστικών συστοιχιών τους για την αναγνώριση προτύπων σε διάφορα επιστημονικά πεδία. Τα πεδία αυτά είναι η τηλεκπαίδευση, η οπτική αναγνώριση χαρακτήρων και εφαρμογές βιοιατρικής.