Научная статья на тему 'Распознавание изображений на основе вычисления их признаков и корреляции между ними'

Распознавание изображений на основе вычисления их признаков и корреляции между ними Текст научной статьи по специальности «Экономика и бизнес»

CC BY
395
86
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ / КОРРЕЛЯЦИОННЫЙ МЕТОД / ПРИЗНАКИ ИЗОБРАЖЕНИЯ / СТАТИЧЕСКИЕ МЕТОДЫ / IMAGE RECOGNITION / CORRELATION METHODS / IMAGE FEATURES / STATISTIC METHODS

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Путятина В. М.

В задаче распознавания изображений пока не существует методов, оптимально сочетающих в себе такие качества как точность распознавания корреляционных методов, ресурсная экономия признаковых методов, возможность применения в условиях неполных данных статистических методов. В связи с этим поднимается вопрос о разработке более эффективных и универсальных алгоритмов, синтезирующих в себе достоинства существующих методов.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Image recognition based on feature-correlation methods

There are still no methods in image recognition that combine in optimal way the accuracy of correlation methods, resource economy of feature methods and ability to be used in incomplete data conditions scenarios of statistic methods. In this regards the question was raised about development of more effective and universal algorithms that would posses all the advantages of named methods.

Текст научной работы на тему «Распознавание изображений на основе вычисления их признаков и корреляции между ними»

В.М. Путятина

РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ВЫЧИСЛЕНИЯ ИХ ПРИЗНАКОВ И КОРРЕЛЯЦИИ МЕЖДУ НИМИ

В задаче распознавания изображений основными являются корреляционный и признаковый подходы. Классический корреляционный подход, основанный на пиксельном сравнении изображения с эталоном, отличается высокой трудоемкостью и требует много памяти. Поэтому существующие модификации корреляционных методов направлены на сокращение пространства признаков распознавания за счет использования различных мер подобия, в которых основной задачей является выбор подходящей оценки схожести изображения с эталоном.

Признаковый подход основан на представлении объекта распознавания в виде совокупности признаков (морфологических, геометрических, интенсивности пикселей и т.п.). На основании анализа признаков принимается решение об идентификации объекта. Частным случаем признаковых методов являются структурные методы, оперирующие не с отдельными признаками, а со структурными элементами, из которых состоит объект (например, линии, треугольники и т.п.), а также статистические (байесовские) методы, использующие функции распределения вероятностей, связанные с классами распознавания образов.

Обычно функции распределения вероятностей не известны и должны оцениваться по множеству обучающих образов. В некоторых случаях известна форма функции распределения вероятностей (нормальная, Релея). Тогда по обучающим образам необходимо оценить только отдельные па -раметры вероятностного распределения (математическое ожидание, дисперсия).

Представляется, что для решения такой сложной и актуальной задачи, как распознавание трехмерных объектов, целесообразно использовать гибридный корреляционно-признаковый подход в сочетании с методами и моделями интеллектуального анализа данных, такими как нейросетевые, контурные, иерархические. Проведенный анализ показал, что в целом ряде ситуаций построение математических моделей исследуемых изображений в традиционной постановке подчас оказывается либо нецелесообразным, либо практически недоступным (системы медицинской, технической диагностики и др.). В то же время гибридные методы, моделирование различных ситуаций распознавания дают, как правило, вполне удовлетворительные результаты. Это тем более важно, когда универсальных методов обработки изображений, сравнимых по эффективности с интеллектуальными возможностями человека, пока не найдено.

Данный анализ и моделирование для решения задач распознавания изображений проводился в рамках разработки образовательного контента по дисциплине «Системы искусственного интеллекта».

i Надоели баннеры? Вы всегда можете отключить рекламу.