Геометрический и структурный подходы к распознаванию образов

Геометрический и структурный подходы к распознаванию образов - student2.ru

Любое изображение, которое возникает в результате наблюдения какого-либо объекта в процессе обучения или экзамена, можно представить в виде вектора, а значит и в виде точки некоторого пространства признаков.

Этапы структурного подхода:

n выделяется набор исходных понятий - типичных фрагментов, встречающихся на изображениях, и характеристик взаимного расположения фрагментов - "слева", "снизу", "внутри" и т. д. Эти исходные понятия образуют словарь, позволяющий строить различные логические высказывания, иногда называемые предположениями.

n строится описание образов, которые должны быть столь полными, чтобы решить вопрос о том, к какому образу принадлежит данный объект.

При реализации лингвистического подхода возникают две задачи:

n задача построения исходного словаря, т. е. набор типичных фрагментов,

n задача построения правил описания из элементов заданного словаря.

Методы распознавания образов

Эвристические методы

Эвристические методы — это интуитивные методы принятия решений, учитывая опыт и знания специалистов. Эвристические методы делятся на два класса:

1. опирающиеся на расстояние и меру сходства;

2. опирающиеся на частотный состав.

Обычно системы, построенные такими методами, включают набор специфических процедур, разработанных применительно к конкретным задачам распознавания.

Математические методы

n Математические методы построения систем распознавания можно разделить на два класса: детерминистские и статистические.

n Детерминистский подход базируется на математическом аппарате, не использующем в явном виде статистические свойства изучаемых классов образов. Примером детерминистского подхода могут служить итеративные алгоритмы обучения.

n Статистический подход к решению задачи заключается в выборе метода из класса теории принятия статистических решений. Статистическая теория принятия решений опирается на:

— законы распределения;

— параметры распределения;

— вероятностные оценки качества распределений.

Лингвистические методы

n Если описание объектов производится с помощью непроиз­водных элементов (подобъектов) и их отношений, то для по­строения автоматических систем распознавания применяется лингвистический или синтаксический подход с использованием принципа общности свойств. Объект можно описать с помощью иерархической структуры подобъектов, аналогичной синтаксической структуре языка.

Дискриминантная функция

n Назначение -решение задач распознавания в ситуациях, когда в материале обучения представлены объекты образов, распределенные нормально в пространстве «объекты — свойства».

n Постановка задачи. В исходных данных, представленных в виде ТОС, присутствуют представители всех образов. Для каждого объекта указана его принадлежность к образу. В процессе распознавания определяется принадлежность объектов экзамена к одному из образов.

n Геометрический и структурный подходы к распознаванию образов - student2.ru Геометрический и структурный подходы к распознаванию образов - student2.ru Метод решения задачи. Этот метод основан на предположении, что объекты, составляющие каждый из образов, многомерно нормально распределены. Мы опираемся на эталонные объекты.

Если D(x) > 0 - 1-ый образ,

Если D(x) < 0 - 2-ой образ.

Направление опробования

n Идея данного алгоритма заключается в построении некоторой стратегии, позволяющей последовательно выбирать участки для опробования. При этом строятся три чистых стратегии и одна смешанная.

n Первая чистая стратегия заключается в рассмотрении самых нетипичных голотипов (голотипов, отвечающих краевым компонентам связности). В первую очередь выбирается для опробования голотип с минимальным коэффициентом типичности, затем голотип, стоящий рядом с ним и т. д.

n Вторая чистая стратегия заключается в рассмотрении самых типичных голотипов. В этом случае в первую очередь выбирается для опробования голотип с максимальным коэффициентом типичности, затем голотип, стоящий рядом с ним в упорядоченной последовательности и т. д.

n Третья чистая стратегия заключается в рассмотрении голотипов, отвечающих срединным компонентам связности. В этом случае в первую очередь опробоваетсяголотип, типичность которого наиболее близка к средней типичности между междуголотипами. Затем голотип, стоящий по типичности рядом с ним и т. д.

n Смешанная стратегия заключается в выборе голотипов для опробования следующим образом. В первую очередь выбирается самый нетипичный голотип, затем самый типичный, затем первый из срединных голотипов, затем снова нетипипичный и т. д.

Энтропия

n Этот метод основан на том, что для каждого объекта формируется свое решающее правило, для чего вокруг каждого объекта экзамена описывается система концентрических сфер. Далее рассматриваются только те из них, в которые попадает достаточно много объектов обучения. Для каждой из этих сфер определяется функция энтропии, характеризующая преобладание точек одного из образов в этой сфере. Результат определяется по той сфере, где значение функции оптимально. Точка экзамена относится к тому классу, который в этой сфере преобладает.

Метод масок

n Алгоритмически метод "масок" напоминает метод "теневого портрета", распространенный в прошлом столетии, когда из черной бумаги вырезался профильный портрет человека или изображения животных и птиц для иллюстраций и др. В таком портрете концентрировались некоторые основные признаки образа, и это давало запоминающуюся картину черного профиля (свет - тень).

n Так как метод "масок" использует "логическое" описание образа, то значения координат составляют либо ноль, либо 1; а в интерпретации либо свет, либо тень

Наши рекомендации