Смекни!
smekni.com

Морфологический анализ цветных (спектрозональных) изображений (стр. 11 из 18)

Морфологический анализ цветных (спектрозональных) изображений. (16)

Множества (16) являются конусами в Rn , ограниченными гиперплоскостями, проходящими через начало координат. Отсюда следует, что соответствующее приближение

Морфологический анализ цветных (спектрозональных) изображений изображения f(Ч) инвариантно относительно произвольного преобразования последнего, не изменяющего его цвет (например
Морфологический анализ цветных (спектрозональных) изображений), в частности, относительно образования теней на f(Ч).

Замечание 4. Для любого заданного набора попарно различных векторов

Морфологический анализ цветных (спектрозональных) изображений оператор F, приведенный в теореме 2, определяет форму изображения, принимающего значения
Морфологический анализ цветных (спектрозональных) изображений соответственно на измеримых множествах
Морфологический анализ цветных (спектрозональных) изображений (любого) разбиения X. Всякое такое изображение является неподвижной (в
Морфологический анализ цветных (спектрозональных) изображений
) точкой F:
Морфологический анализ цветных (спектрозональных) изображений, если
Морфологический анализ цветных (спектрозональных) изображений, все они изоморфны между собой. Если некоторые множества из
Морфологический анализ цветных (спектрозональных) изображений - пустые, или нулевой меры, соответствующие изображения имеют более простую форму.

Иначе говоря, в данном случае формой изображения

Морфологический анализ цветных (спектрозональных) изображений является множество всех изображений, принимающих заданные значения
Морфологический анализ цветных (спектрозональных) изображений на множествах положительной меры
Морфологический анализ цветных (спектрозональных) изображений любого разбиения X, и их пределов в
Морфологический анализ цветных (спектрозональных) изображений.

Теоремы 1 и 2 позволяют записать необходимые и достаточные условия наилучшего приближения изображения f(Ч) изображениями

Морфологический анализ цветных (спектрозональных) изображений, в котором требуется определить как векторы
Морфологический анализ цветных (спектрозональных) изображений, так и множества
Морфологический анализ цветных (спектрозональных) изображений так, чтобы

Морфологический анализ цветных (спектрозональных) изображений.

Следствие 1.

Пусть Di ,i=1,...,N, - подмножества Rn (15), П - ортогональный проектор (13),

Морфологический анализ цветных (спектрозональных) изображений, где
Морфологический анализ цветных (спектрозональных) изображений
. Тогда необходимые и достаточные условия
Морфологический анализ цветных (спектрозональных) изображенийсуть следующие:
Морфологический анализ цветных (спектрозональных) изображений, где
Морфологический анализ цветных (спектрозональных) изображений,
Морфологический анализ цветных (спектрозональных) изображений
.

Следующая рекуррентная процедура, полезная для уточнения приближений, получаемых в теоремах 1,2, в некоторых случаях позволяет решать названную задачу. Пусть

Морфологический анализ цветных (спектрозональных) изображений - исходные векторы в задаче (14*),
Морфологический анализ цветных (спектрозональных) изображений
- соответствующее оптимальное разбиение (14), F(1)- оператор наилучшего приближения и

Морфологический анализ цветных (спектрозональных) изображений - невязка. Воспользовавшись теоремой 1, определим для найденного разбиения
Морфологический анализ цветных (спектрозональных) изображений оптимальные векторы
Морфологический анализ цветных (спектрозональных) изображений.
Согласно выражению (13)
Морфологический анализ цветных (спектрозональных) изображений
, и соответствующий оператор наилучшего приближения П(1) (13) обеспечит не менее точное приближение f(Ч), чем F(1):
Морфологический анализ цветных (спектрозональных) изображений. Выберем теперь в теореме 2
Морфологический анализ цветных (спектрозональных) изображений
, определим соответствующее оптимальное разбиение
Морфологический анализ цветных (спектрозональных) изображений
и построим оператор наилучшего приближения F(2). Тогда
Морфологический анализ цветных (спектрозональных) изображений. На следующем шаге по разбиению
Морфологический анализ цветных (спектрозональных) изображений
строим
Морфологический анализ цветных (спектрозональных) изображений
и оператор П(3) и т.д.

В заключение этого пункта вернемся к вопросу о построении исчерпывающего

Морфологический анализ цветных (спектрозональных) изображений-измеримого разбиения X, отвечающего заданной функции
Морфологический анализ цветных (спектрозональных) изображений.
Выберем произвольно попарно различные векторы
Морфологический анализ цветных (спектрозональных) изображений
из f(X) и построим по формуле (15) разбиение Rn
Морфологический анализ цветных (спектрозональных) изображений. Для каждого q=1,2,... образуем разбиение E(N(q)), множества
Морфологический анализ цветных (спектрозональных) изображений, j=1,...,N(q), которого образованы всеми попарно различными пересечениями
Морфологический анализ цветных (спектрозональных) изображений множеств из
Морфологический анализ цветных (спектрозональных) изображений. Последовательность соответствующих разбиений X
Морфологический анализ цветных (спектрозональных) изображений, i=1,...,N(q), q=1,2...
Морфологический анализ цветных (спектрозональных) изображений -измеримы и
Морфологический анализ цветных (спектрозональных) изображений является продолжением
Морфологический анализ цветных (спектрозональных) изображений

5.2. Приближение изображениями, цвет которых постоянен на подмножествах разбиения

Морфологический анализ цветных (спектрозональных) изображений поля зрения X.