6.2.3. РАСПОЗНАВАНИЕ ОБРАЗОВ ПО АДАПТИРОВАННЫМ ЭТАЛОНАМ В ПИРАМИДАЛЬНОЙ СТРУКТУРЕ

Идея пирамидально-рекурсивного представления и распознавания изображений хорошо известна [113]. Она заключается в представлении эталона и анализируемого изображения в виде структуры слоев изображений с различным разрешением. На самой вершине такой пирамиды располагается обзорное изображение, состоящее из малого числа пикселов, в основании пирамиды – исходное, наиболее детальное и соответственно состоящее из максимального числа пикселов. Освещенность каждого пиксела верхнего уровня образована усреднением освещенности групп  пикселов ближайшего нижнего уровня. Сущность распознавания заключается в последовательной идентификации, начиная с самого верхнего уровня, соответствующих уровней пирамид анализируемого и эталонного изображений. Так как задача может быть решена на некотором среднем уровне, то уже этим достигается повышение эффективности процесса из-за сокращения вычислительных затрат.

Аналогично этому подходу при распознавании по адаптированному эталону нет необходимости генерировать эталон сразу до уровня высокого разрешения, так как это связано со значительными вычислительными затратами. Генерацию следует начинать с самого верхнего уровня будущей пирамиды, постепенно спускаясь вниз. Информация из предыдущего уровня должна полностью использоваться на последующем. После генерации очередного уровня проводится его идентификация с соответствующим уровнем пирамиды анализируемого изображения. При превышении максимума корреляционной функции некоторого порога процесс прекращается. Для повышения качества распознавания значения корреляционных функций всех задействованных уровней необходимо анализировать совместно.

Важно отметить, что эффективность вычислительного процесса тесно связана с возможностью использования информации предыдущего уровня пирамиды эталона для построения последующего. Есть несколько путей реализации этого подхода. Одним из них является возможность использования пикселов изображения верхнего уровня среди вычисляемых пикселов нижнего уровня, как показано на рис. 6.2.4, где 1 – значения яркости, вычисляемые для верхнего уровня; 2 – для нижнего. Другой подход предполагает когерентность соседних пикселов, поэтому обработка строится исходя из предположения: наиболее вероятно, что рецепторы 2 "видят" те же поверхности, что и ближайшие к ним рецепторы 1 из нижнего уровня (рис. 6.2.4,б).

Рис. 6.2.4. Структура рецепторов соседних уровней пирамиды изображения: верхнего (а) и нижнего (б)

Схема, иллюстрирующая способ распознавания образов в пирамидальной структуре, показана на рис.6.2.5.

Рис. 6.2.5. Схема распознавания объекта по адаптивным эталонам в пирамидальной структуре

Анализируемое изображение 1 является объектом, на котором осуществляется поиск образца по эталону. Пирамида анализируемого изображения 2 представляет серию изображений с ранжированным уровнем загрубления. Обычный путь получения пирамиды – загрубление каждого текущего уровня методом "сворачивания" четверок  смежных пикселов в один.

Математическое описание формы эталона 3 представляет собой формализованную модель трехмерной геометрии и оптических свойств поверхности эталонного образца. Условия наблюдения и освещения 4 – это информация о положении источников света, положении и ориентации датчика, с помощью которого было получено анализируемое изображение, а также фокусное расстояние аппаратуры датчика, коэффициент поглощения среды и др. Установка номера 5 пирамиды сводится к установке степени дискретизации синтезируемого эталона в соответствии со степенями дискретности уровней пирамиды анализируемого изображения.

При первом обращении устанавливается самый грубый (верхний) уровень, соответствующий разрешению верхнего уровня пирамиды анализируемого изображения. При втором обращении устанавливается степень разрешения второго сверху уровня пирамиды анализируемого изображения и т.д. Компьютерный синтез 6 – генерация эталонного изображения методом машинной графики в установленных условиях наблюдения и освещения и при выбранном разрешении (номере уровня). Особенность этого процесса заключается в использовании информации о предыдущем уровне эталона посредством указанного выше метода (рис.6.2.4). Корреляция заключается в определении корреляционной функции соответствующих уровней эталонного и анализируемого изображений. Блок анализа 8 осуществляет идентификацию положения объекта совместным анализом всех корреляционных функций предыдущих уровней. Если решение не может быть принято (знак на рис.6.2.5), то генерируется следующий уровень эталона, иначе – выдается сообщение о положении объекта.