Читать в оригинале

<< ПредыдущаяОглавлениеСледующая >>


20.1. СИСТЕМЫ РАСПОЗНАВАНИЯ ОБРАЗОВ

Многие задачи анализа изображений можно успешно решить с помощью классической системы распознавания образов, блок- схема которой показана на рис. 20.1.1 [1-4]. Системы распознавания образов предназначены для классификации входных изображений или их частей на несколько категорий. Например, применительно к задаче исследования земных ресурсов аэрофотографию полей, занятых под сельскохозяйственные культуры, можно разбить на маленькие фрагменты и каждый фрагмент классифицировать по типу выращиваемой культуры: пшеница, кукуруза, хлопок и т. д. Каждый фрагмент входного изображения можно рассматривать как точку в некотором пространстве всех возможных фрагментов. Для фрагмента размером  элементов, в котором каждое значение элемента квантовано на  уровней, число различных возможных фрагментов  может оказаться очень большим даже для относительно маленьких фрагментов и при грубом квантовании. Поэтому обычно возникает необходимость сократить это число посредством выделения признаков. Типичными признаками являются контурные точки, текстурные параметры и коэффициенты Фурье. Эти признаки также можно рассматривать как точки в некотором пространстве. Для выработки алгоритма распознавания образов (классификации) измеряются признаки специально подобранных фрагментов изображений, точная классификация которых известна.

image1

Рис. 20.1.1. Блок-схема системы распознавания образов.

Рис. 20.1.2. Пример классификации обучающей выборки по двум признакам.

Этот набор фрагментов называется обучающей выборкой. Результаты измерений признаков отображаются в пространство признаков. На рис. 20.1.2 показаны результаты измерения двух признаков (например, средней яркости и какого-либо параметра текстуры) фрагментов из обучающей выборки. Можно ожидать, что измеренные признаки обучающей выборки будут группироваться в соответствии с принадлежностью фрагментов к классам. В этом случае будут установлены границы областей принятия решений для разделения признаков новых фрагментов, подлежащих классификации. На ранних этапах развития распознавания образов многим представлялось, что это направление приведет к решению почти всех проблем, связанных с анализом изображений. Впоследствии этот оптимизм угас из-за двух ограничений методов распознавания образов. Во-первых, изображения имеют огромные размеры и во многих случаях число возможных классов очень велико. Поэтому обработка, которую должно производить устройство распознавания образов, часто оказывается невыполнимой. Более важное ограничение состоит в том, что методами классификации нельзя получить описание изображения, необходимое, например, для управления промышленным роботом. В качестве другого примера можно привести задачу структурного анализа сцены, для которой требуется получать описания типа «тело  расположено выше и правее тела » и т.д. Хотя во многих случаях методы классического распознавания образов оказываются непригодными для анализа изображений, от них не следует полностью отказываться. Существуют некоторые частные задачи анализа изображений, которые хорошо решаются методами распознавания образов.

 



<< ПредыдущаяОглавлениеСледующая >>