ВУЗ:
Составители:
Применение адаптивных псевдоградиентных алгоритмов позволяет
решить ряд задач оценивания в сложных условиях параметров ПД МИ.
Подробнее рекуррентные псевдоградиентные алгоритмы рассмотрены в
третьей главе.
1.7. Заключение
Алгоритмы оценивания параметров межкадровых пространственных
деформаций многомерных гауссовских изображений в условиях помех,
синтезированные на базе метода максимального правдоподобия, могут иметь
три вида представления, один из которых соответствует минимизации
квадратичной формы, второй по структуре близок к корреляционно-
экстремальному, а третий - к процедурам многомерного дискриминирования.
Оценка нижней границы погрешностей, возникающих при решении задачи
оценивания пространственных деформаций, полученная с использованием
неравенства Рао-Крамера, тесно связана со средними значениями
межэлементных разностей изображений.
Тензорные рекуррентные процедуры оценивания параметров
пространственных деформаций последовательности изменяющихся МИ,
найденные в предположении марковости деформаций, на современном этапе
нереализуемы в системах реального времени из-за требования слишком
больших вычислительных ресурсов.
Анализ методов преодоления априорной неопределенности при синтезе
алгоритмов обработки последовательностей многомерных изображений в
условиях комплекса мешающих факторов показывает, что для оценивания
пространственных деформаций изображений больших размеров
перспективным является синтез рекуррентных безыдентификационных
адаптивных алгоритмов. Представительной группой таких алгоритмов
являются псевдоградиентные алгоритмы. Сформированные ими оценки
сходятся к оптимальным при довольно слабых условиях. При этом скорость
сходимости имеет обычный для адаптивных алгоритмов порядок.
Псевдоградиентные алгоритмы применимы к обработке многомерных
изображений с плавно меняющейся неоднородностью, рекуррентны, не
требуют предварительной оценки каких-либо параметров исследуемых
