CC BY
41
- создание высокопроизводительных технологических схем разработки по принципу "шахта-лава" с нагрузкой 5000-10000 т/сутки с параметрами: длина лавы - 300-400 м; длина столба 3.5-6.0 км.
- сокращение объема проводимых и поддерживаемых выработок в 2-3 раза на 1000 т добычи угля за счет создания нарезных выработок путем крепления части выработанного пространства очистного забоя (рекомендуется
при ограниченных размерах выемочных полей).
Реализация методических принципов совершенствования технологии разработки пластов, теоретические и экспериментальные исследования показали, что предложенные варианты технологических схем очистных работ с высокой нагрузкой и оптимальными параметрами обеспечивают высокую эффективность добычи и конкурентоспособность угольной продукции в условиях рыночных отношений.
— Коротко об авторах ------------------------------------------------
Алиев С.Б. - Российская Академия государственной службы при Президенте РФ. Кушеков К.К. - Карагандинский государственный технический университет (Казахстан).
--------------------------------------- © С.С. Кубрин, А.Б. Исаев,
С. А. Мастеров, 2005
УДК 51
С. С. Кубрин, А.Б. Исаев, С.А. Мастеров
АНАЛИЗ ЭФФЕКТИВНОСТИ МЕТОДА ГЕОМЕТРИЧЕСКИХ МОМЕНТОВ В ЗАДАЧАХ РАСПОЗНАВАНИЯ ЦИФРОВОГО ТЕКСТА
Семинар № 11
роблема оптического распознавания ж. Л. текста, являющаяся в настоящее время одной из важнейших проблем в такой широкой области научных исследований как распознавание образов, решается в настоящее время методов, в том числе различными модификациями метода моментов [1, 2].
В данной работе разработан алгоритм распознавания цифровых символов, реализованный на вычислительной основе метода геометрических моментов, а эффективность работы созданного алгоритма, его универсальность, оценивалась в процессе выполнения вычислительного эксперимента. В ходе выполнения этого эксперимента системе распознавания, состоящей из 1ВМ РС совместимого ПК и программного
обеспечения, разработанного специально для этих задач в среде МЛТЬЛБ. Были предъявлены выборки, состоящие из набора печатных цифр от 0 до 9, причем цифры предварительно были подвергнуты аффинными преобразованиями: растяжению, сжатию, изменению масштаба по осям ОХ и ОУ декартовой системы координат и повороту на различные углы. Разработанный алгоритм продемонстрировал устойчивость к целому ряду искажений текста.
В основе алгоритма распознавания лежит механизм формирования ряда характерных признаков распознаваемых символов. Из этих характерных признаков формируется эталонная база для предъявляемого конечного ряда печатных цифр, и рассчитываются геометрические моменты по-
рядка (р+я) для специальной функции А^х,у), соответствующей бинарным матрицам цифровых эталонов для ряда от «0» до «9». Геометрические моменты порядка (р+я) функции Цх,у) определяются следующим образом [2]:
+да +да
мр п =|| хРУ‘'■? (х, у ) (1)
—да —да
где р,я = 0,1,2,—,да.
Пусть заданно двумерное изображение МхМ {f(x,y); х,у = 0,—,М-1}, тогда (р+я)-й геометрический момент тря определяется как
м—1 м—1
трЧ = 'Е^хРу“/(х, у ). (2)
х=0 у=0
Чтобы сохранить динамический диапазон тря устойчивым к изменению размеров изображений, плоскость изображения МхМ отображается на квадрат (х,у):хе[-1,+1], уе[-1,+1], при этом координатами (х,у) являются действительные числа в интервале [-1,+1]. Тогда определение геометрического момента тря будет следующим:
трЧ = Т Т *ру9/(х, у) (3)
х=-1 у=-1
Центральный момент инвариантный к сдвигу, равен:
Мр9 = Т - х)р(у - y)qf{x,у) (4а)
где
=тк и у = ^.
тг
тп
У =
(4б)
т0
Ю0 "Ю0
Чтобы получить моменты пря, инвариантные к масштабу, нормализуем центральные моменты следующим образом:
п = ^РЧ Р + Ч
РЧ
2 . (5)
^г00
Из пРя можно получить множество нелинейных функций, инвариантных к повороту, сдвигу и масштабу:
Блок-схема алгоритма распознавания символов
Рх =П20 + П
Рі = (П20 -П02)2 + 4ПЛ
Р3 = (п30 — 3п12 ) + (3п21 — П03 )
(Р4 = (П30 +П12)2 + (П +П03)2?
П03)2]
Р5 = (П30 — 3П )(П30 + П2ЖП0 — П12) — 3(П
+(3п21 — П03)(П21 +П03) Х [3(П30 +П12) — (П21 + П30 ) ],
Рб = (П20 — П02 )[(П30 — П12 )2 — (П + П03 )2 ] +
+4^11(п30 +п12)(п21 +П03).
Числовые значения функций рі,...,Рб могут быть малы. Поэтому, чтобы избежать возможных проблем, связанных с разрядностью числа, в качестве признаков, характеризующих изображение, используются логарифмы абсолютных значений этих функций [3].
Для тестирования метода геометрических моментов был выбран набор цифр от «0» до «9». Как объект распознавания они обладают двумя принципиальными особенностями. Первая особенность состоит в том, что по самому способу составления числа из цифр, соседние цифры в числе обычно независимы, то есть взаимно не коррелируются как буквы в словах. Следовательно, для опознавания каждой данной цифры можно воспользоваться только информацией, заклю-
Начало
Загрузка графического файла с эталонами
Применение аффинных преобразований
Преобразование полученного изображения в бинарное СО/1)
Вычисление моментов для преобразования символов
Сохранение полученных данных на диске
Сравнение полученных значений с эталонными
Вывод результатов на экран
’Ч г
Конец
Значение параметра m, % Изменение масштаба, % Растяжение/сжатие по оси OX, % Растяжение/сжатие по оси OY, % Значение параметра m, град Поворот %
-3O 7Q 7Q 8Q O 1QQ
-2S 7Q 8Q 8Q l 1QQ
-2O 8Q 9Q 8Q 2 1QQ
-lS 8Q 9Q 9Q 3 1QQ
-lO 9Q 9Q 9Q 4 1QQ
-S 1QQ 1QQ 9Q S 9Q
O 1QQ 1QQ 1QQ б 9Q
S 1QQ 1QQ 1QQ 7 9Q
lO 1QQ 1QQ 1QQ 8 8Q
lS 9Q 1QQ 1QQ 9 8Q
2O 8Q 9Q 1QQ lO 8Q
2S 7Q 9Q 9Q lS 7Q
3O 7Q 9Q 9Q 2O 7Q
ченной в ней самой.
Вторая особенность состоит в том, что цифры по самому их существу, по той роли, которую они играют в документах, требуется распознать с высокой надежностью, далеко превосходящую надежность, нужную в большинстве других задач распознавания.
Эти перечисленные особенности в большей степени определили метод получения характерных признаков, представленный формулами (1-6). Блок-схема разработанного алгоритма представлена на рисунке. Как видно из блок-схемы алгоритма для реализации процесса распознавания необходимо создать базу эталонов распознаваемых объектов. Были созданы наборы графиче-
1. Файн В.С. Опознавание изображений (основы неперывно-групповой теории и ее приложения). - М.: Наука, 1992. - 296 с.
2. The Cho-Huak, Roland T. Chin. On image analysis by methods of moments // IEEE transactions on pat-
ских файлов, содержащих эталоны цифр от «Q» до «9».
Для исследования эффективности разработанного алгоритма, цифры от «Q» до «9» были подвергнуты изменению масштаба, растяжению/сжатию по оси OX декартовой системы координат, растяжению/сжатию по оси OY декартовой системы координат и повороту на различные углы.
Результатов тестирования (таблица) позволяют сделать вывод об устойчивости разработанного метода геометрических моментов к аффинным преобразованиям (изменение масштаба, растяжение/сжатие по осям координат, поворот) в достаточно большом диапазоне их измерения.
---------------- СПИСОК ЛИТЕРАТУРЫ
tern analysis and machine intelligence. - 1998. - Vol. 1Q. -P. 41Q-423
3. Hu M.K. Visual pattern recognition by moment invariants // IRE transactions on information theory. - 1962. - Vol. 8. - P. 179-187.
— Коротко об авторах -------------------------------------------------------------------------
Кубрин Сергей Сергеевич - профессор, доктор технических наук, Московский государственный горный университет,
Исаев Андрей Борисович - кандидат технических наук, РУДН.
Мастеров Сергей Александрович - магистр, РУДН.
УДК 622.281.74 Е. С. Кулешов
ОЦЕНКА СОСТОЯНИЯ ВЫРАБОТОК С АНКЕРНОЙ КРЕПЬЮ НА ШАХТАХ РОССИЙСКОГО ДОНБАССА (ПРОБЛЕМЫ И РЕШЕНИЯ)
lS7
