CC BY
21Информатика и информационно-управляющие системы
Каждую учебную дисциплину также можно представить процессом. Процесс учебной дисциплины разделяется на подпроцессы по виду учебных занятий: лекции, практические занятия, лабораторные занятия, самостоятельная работа студентов, экзамен, зачёт. Самостоятельная работа студентов может подразделяться на освоение теоретического курса, подготовку к лабораторным занятиям, выполнение курсового проекта (курсовой работы), специальных заданий.
Увязка всех учебных дисциплин в единый учебный процесс всегда представляла собой сложную многостадийную работу, выполняемую заведующим кафедрой. При этом существуют следующие проблемы.
Материал отдельных учебных дисциплин должен быть увязан между собой во времени, так как часто одна из учебных дисциплин является в некотором смысле продолжением предыдущей и фундаментом для последующей. Когда эти дисциплины разнесены по курсам и семестрам, такая
увязка обеспечивается автоматически. Но иногда приходится проводить учебные дисциплины параллельно в одном семестре. Тогда можно говорить о ведущей и ведомой дисциплинах. В рамках ведущей дисциплины дается материал, который затем используется в ведомой дисциплине. В этом случае необходимо согласовать последовательность подачи материала. В некоторых случаях могут происходить сбои (например, из-за срывов занятий ввиду праздничных дней, болезни преподавателя или других причин). Тогда необходимо предусматривать перераспределение материала по зависимой дисциплине или давать в ее рамках тот материал, который должен был быть дан в ведущей дисциплине.
На кафедре САПР ПИ СФУ разрабатывается пакет имитационных моделей для анализа учебного процесса в рамках учебных дисциплин, составными частями которых являются лекции, практические занятия, лабораторные занятия, зачет и экзамен.
E. M. Skripachev Siberian Federal University, Russia, Krasnoyarsk
USE OF IMITATING MODELING FOR THE ANALYSIS OF EDUCATIONAL PROCESS
Possibilities of imitating modeling for the analysis of educational process at university are considered.
© CKpnnaneB E. M., 2009
УДК 004.932
С. С. Смоленцева
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск
МОДЕЛИРОВАНИЕ РАСПРЕДЕЛЕНИЯ СНЕЖНОГО ПОКРОВА С УЧЕТОМ ПРЕГРАД НА МЕСТНОСТИ
Рассмотрены основные способы имитации снежного покрова. Приведен алгоритм распределения снежного покрова на горном ландшафте и местности с преградами. Результаты алгоритма демонстрируют реалистичные трехмерные изображения накопления снега с имитацией сугробов, борозд, и тонкого слоя снега на ветреных и затененные областях.
Имитация природных эффектов является неотъемлемой частью компьютерных игр, географических информационных систем, ландшафтного дизайна. Существующие методы, используемые для моделирования снежных сугробов, показывают хорошие результаты, однако, особенности ландшафтного рельефа, как правило, не учитывается при распределении снежного покрова на местности. Алгоритм представляет методику для
моделирования снежных сугробов, сформированных около зданий и других препятствий.
Предполагается, что на поверхности имеется некоторый слой снега, и алгоритм позволяет производить его распределение с учетом движения потока воздуха и освещенности некоторых участков. Первым шагом будут вычисления преград на местности для того, чтобы составить представление о маленьких впадинах и долинах на ландшаф-
Решетневские чтения
те. После этого необходимо вычислить область спокойного течения воздуха вокруг препятствий. Поскольку снег накапливается, эта область в дальнейшем будет рассматриваться как неизменная. С течением времени необходимо периодически повторно вычислять поток, чтобы отразить получающиеся изменения. Места вокруг препятствий формируются в сетку ячеек. Ячейки, находящиеся в пределах препятствий, отмечены как неизменные. Ячейки, расположенные непосредственно выше горизонтальных поверхностей, отмечены как площадь, подвергающаяся изменениям [1].
Техника моделирования снега является достаточно эффективной для представления заснеженного ландшафта с учетом особенностей различных поверхностей. Используя уравнения вычисления потока воздуха на местности и вычисления освещенных участков, можно получить реалистичный эффект, который в дальнейшем может быть применен в компьютерных мультипликациях.
Библиографический список
1. Фиаринг, П. Компьютерное моделирование снега / П. Фиаринг. М. : аСм «Сиграф», 2000. С. 37-46.
S. S. Smolentseva
Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk
OCCLUSION-BASED ACCUMULATION SIMULATION
The main ways of snow simulation are covered in this paper. The algorithm of snow accumulation on mountainous terrain and terrain with obstacles is presented. The results of the algorithm show realistic three-dimensional images of snow accumulation with imitation snow drifts, furrows, and a thin layer of snow on the windy and shaded areas.
© CMO^H^Ba C. C., 2009
УДК 004.932
А. О. Ткаченко
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск
ИДЕНТИФИКАЦИЯ ЛИЧНОСТИ ПО ИЗОБРАЖЕНИЮ РАДУЖНОЙ ОБОЛОЧКИ ГЛАЗА
Поставлена цель разработки и реализации алгоритма распознавания человека по рисунку радужных оболочек глаз на изображениях. Проведен анализ задач, необходимых для достижения данной цели.
На сегодняшний день проблема идентификации человека является актуальной в различных сферах жизни. Традиционные системы идентификации требуют знания пароля, наличия ключа, идентификационной карточки, либо иного идентифицирующего предмета, что усложняет работу с ними. Поэтому все большее распространение получают биометрические системы, основанные на уникальных биологических характеристиках человека, которые трудно подделать и которые однозначно определяют конкретного человека. К таким характеристикам относятся отпечатки пальцев, форма ладони, узор радужной оболочки, изображение сетчатки глаза [1].
Распознавание человека по изображению радужной оболочки глаза выделяется среди биометрических систем тем, что, во-первых, оболочка
имеет очень сложный рисунок, в ней много различных элементов. Поэтому даже не очень качественный ее снимок позволяет точно определить личность человека. Во-вторых, радужная оболочка является объектом довольно простой формы (почти плоский круг). Благодаря этому процесс распознавания личности по изображению радужной оболочки глаза упростился, появилась возможность учесть все искажения изображения, возникающие из-за различных условий съемки. Поскольку радужная оболочка глаза человека не меняется в течение всей его жизни с самого рождения, то процесс идентификации по ней дает высокую надежность [2].
Были изучены некоторые методы локализации и распознавания на изображении радужной оболочки глаза. Помимо проблем устранения шумов
