компресія, компрессия ; навчання, обучение, teaching, education ; обробка зображень, обработка изображений, image processing ; самонавчання, самообучение ; сегментація, сегментация, segmentation ; фільтрація, фильтрация ; штучні нейронні мережі, ШНМ, искусственные нейронные сети, ИНС

Дисертацію присвячено створенню та дослідженню методів обробки зображень (компресії, сегментації, фільтрації) на основі використання спеціалізованих штучних нейронних мереж. Розглянуті традиційні методи обробки зображень, визначені їх основні недоліки та переваги, показано перспективність використання нейромережних методів. Вперше запропоновано конкурентну нейронну мережу та метод її самонавчання,. що в якості вхідного сигналу використовують фрагменти зображень у матричній формі замість векторів-образів, що забеспечує зображення міжпікскльних кореляційних зв'язків та змістовної структури фрагменту. Ця мережа є простою у чисельній реалізації та має фільтруючі та слідкуючі властивості: ця ж мережа покладена в основу гібридної системи адаптивного розпізнавання фрагментів зображень, що утворюється послідовним з'єднанням матричної самоорганізувальної карти та матричної мережі векторного квантування. Також вперше запропоновано спеціалізовану нейронну мережу для аналізу незалежних компонент та метод її навчання у реальному часі, що має підвищену швидкодію та дозволяє одночасно вирішувати як задачі стиснення, так і власне задачі сліпої ідентифікації та сепарації сигналів. Удосконалено методи навчання для вирішення задач стиснення зображень на основі аналізу головних компонент та головних підпросторів, що мають підвищену швидкодію. Також удосконалені методи самонавчання самоорганізувальних карт Т. Кохонена на основі калманівської фільтрації сигналів та використання робастних критеріїв та спеціалізованої мережі сліпої сепарації.

• УДК // Аналіз зображень
• УДК // Групування ( кластерізація ) образів