Введение. 
Интеллектуальный анализ изображений с помощью нечетких отношений на инкапсулирующих гранулах

Изображения являются наиболее сложным типом данных с точки зрения интеллектуального анализа, но, в то же время, очень важным практически и сосредотачивающим усилия большого числа исследователей [Bezdek et al., 1992], [Baltsavias et al., 1999]. Причиной является то, что оцифрованное изображение в его исходном представлении (массив пикселов) представляет собой плохо структурированную информацию [Бутенков и др., 2004]. В процессе анализа изображения структурированность исходных данных обычно повышается за счет их геометрической интерпретации, а затем снова снижается при получении лингвистического описания изображения. На всех этапах этого процесса присутствуют различные виды НЕ-факторов [Нариньяни, 2004]. Многие исследователи приходят к необходимости использования нечетких методов интеллектуального анализа [Walker, 1998], [Bloch, 1999]. Тем не менее, большинство работ в этой области основано на «механическом» переносе методов классического анализа изображений в область нечетких методов и использовании классических парадигм обработки и анализа [Дуда и др., 1976] в нечеткой интерпретации [Tizhoosh, 1997], [Tizhoosh, 1999].

В ряде наших работ [Бутенков и др., 2003], [Бутенков и др., 2004], [Butenkov, 2004], [Бутенков и др., 2005] развивается альтернативный подход к представлению и анализу изображений, основанный на принципах теории информационной грануляции Л. Задэ [Zadeh, 1997]. В настоящей работе эти результаты распространяются на стадию анализа изображений. В статье вводятся перцептуальные отношения нечеткого взаимного положения и нечеткого взаимного расстояния между гранулами. В отличие от результатов, полученных в [Matsakis et al., 2001] и др., предложенные методы не требуют вычисления криволинейных интегралов, что значительно повышает их вычислительную эффективность.