Автоматический анализ изображений и распознавание образов на основе принципа репрезентационной минимальной длины описания

На основе принципа РМДО предложен критерий группирования структурных элементов и разработан алгоритм группирования, заключающийся в итеративном объединении структурных элементов, приводящим к уменьшению суммарной длины описания.

Показано, что группирование структурных элементов приводит к повышению эффективности описаний изображений, то есть данная процедура отражает объективные характеристики пространственной организации элементов изображений.

Рассмотрено иерархическое представление . Представлены разработанные алгоритмы построения иерархических структурных описаний изображений, включающих уровни пикселей, контуров, структурных элементов и их групп. При этом качество описаний повышено за счет введения обратных связей от верхних уровней к нижним. Структура обратных связей выбрана на основе теоретико-информационной модели адаптивного резонанса, предложенной в главе 2. В частности, разработан алгоритм адаптивной коррекции контуров в процессе построения структурных элементов (см. рис. 5).

Размещено на http://www.allbest.ru/

1

Таким образом, в главе 4 подтверждены основные положения предложенной во второй главе методологии исследования представлений на основе принципа РМДО, а именно, подтверждено влияние предметной области на вид оптимального представления, выбор которого может осуществляться на основе критерия РМДО и понятия существенного превосходства представлений, установлена работоспособность теоретико-информационной модели адаптивного резонанса.

В пятой главе приведены результаты экспериментальной проверки и практического применения теоретических положений, методов и алгоритмов, разработанных в предыдущих главах диссертационной работы.

Дано решение задач распознавания целей, текстурного анализа и раннего обнаружения лесных пожаров (см. рис. 6), для которых применение оптико-электронных систем является актуальным. Решение проведено в рамках признакового подхода с использованием рассмотренных в главе 3 методов обобщенных решающих функций и смесей нормальных плотностей распределения, в которых критерии выбора решения модифицированы с использованием принципа РМДО, что позволило, в частности, автоматически определять сложность решения (размерность обобщенного пространства признаков или число компонентов смеси).

Размещено на http://www.allbest.ru/

1

Подтверждено повышение эффективности указанных методов при уточнении используемых в них критериев с помощью принципа РМДО. Повышение эффективности выражается в снижении вероятностей ложной тревоги и пропуска целей (в рассмотренных задачах в среднем с 10% до 6%), а также в снижении трудозатрат на приложение методов указанного типа в конкретных предметных областях, поскольку устраняется необходимость интерактивного поиска оптимальных значений параметров, характеризующих сложность моделей распознавания, для каждого типа объектов. Таким образом, подтверждена корректность и практическая значимость теоретических результатов и методики синтеза систем распознавания образов, полученных в главе 3.

На основе предложенных в главе 4 представлений изображений разработаны методы совмещения изображений. При этом проблема совмещения изображений поставлена как проблема построения их совместного описания (см. рис. 7), в качестве одного из компонентов которого выступает описание взаимного пространственного преобразования изображений. Критерий качества совмещения, основанный на принципе РМДО (2), в данной задаче принял форму:

,

где - общая часть описания изображения и изображения , преобразованного с помощью отображения . В качестве представления S выступает иерархическое структурное представление , предложенное в главе 4.

Размещено на http://www.allbest.ru/

1

В результате, разработанные методы совмещения изображений обладают следующими особенностями, отличающими их от существующих методов совмещения:

· осуществляется автоматический выбор группы пространственных преобразований (в работе рассмотрен выбор из множества преобразований сдвига, движения, подобия, а также аффинных, проективных и полиномиальных преобразований), что приводит к увеличению точности совмещения;

· используются иерархические структурные представления изображений, инвариантные к условиям съемки, что приводит к инвариантности методов совмещения (см. рис. 8);

· на основе модели адаптивного резонанса осуществляется адаптивная коррекция описаний изображений в процессе их сопоставления, что приводит к повышению робастности методов совмещения.

Размещено на http://www.allbest.ru/

1

Подтверждено повышение инвариантности методов анализа изображений при уменьшении значения критерия РМДО для представлений. На основе иерархического структурного описания изображений оказалось возможным проводить автоматическое совмещение аэрокосмических изображений, полученных с разных ракурсов, в разное время суток и года, с помощью сенсоров различных типов (см. рис. 8). При этом вероятность правильного сопоставления пар изображений с существенной изменчивостью для разработанных методов оказалась существенно выше, чем для корреляционных методов (вероятность 84% и 21% соответственно). Также разработаны методы, осуществляющие совмещение изображений, полученных внутри помещений.

В результате, разработанные методы структурного совмещения изображений были успешно применены при решении задач синтеза панорамных снимков, выявления изменений, геокодирования, извлечения изображений из баз данных, автоматической навигации, что подтверждает корректность и практическую значимость теоретических и методологических результатов, полученных в главах 2 и 4.

В заключении сформулированы основные результаты, полученные в диссертационной работе, и приведены сделанные из них выводы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В диссертационной работе дано решение актуальной научной проблемы создания теории выбора решения в методах анализа изображений и распознавания образов и разработки методологии исследования представлений изображений в целях повышения эффективности (вероятности распознавания и степени инвариантности по отношению к условиям съемки) и расширения (на предметные области с высокой априорной неопределенностью) сферы применения оптико-электронных приборов и комплексов.

Следующие основные результаты работы получены лично автором.

1. Введен принцип репрезентационной минимальной длины описания, расширяющий принцип МДО на задачи с существенным индуктивным смещением, задаваемым в форме представлений изображений.

2. На основе принципа РМДО разработана теория выбора решения в задачах автоматического анализа изображений и распознавания образов и создана методология исследования представлений изображений.

а) Впервые предложено формальное определение концепции представления изображений и введен критерий, позволяющий объективно сравнивать качество представлений. Формализован ряд ключевых для иконики понятий: априорной неопределенности, инвариантности и достоверности результатов анализа.

б) Сформулированы и доказаны утверждения о зависимости свойств оптимальных представлений от характеристик предметной области и связи критерия РМДО с степенью априорной неопределенности и инвариантностью представлений изображений.

в) Разработана теоретико-информационная модель адаптивного резонанса, позволяющая установить оптимальный характер обратных связей в иерархических системах анализа изображений.

3. В рамках теории выбора решения на основе критерия РМДО получены частно-теоретические результаты в области признакового анализа изображений.

а) Доказана сводимость критериев, применяемых в существующих методах дискриминантного распознавания образов: ближайшего соседа, эталонных образов, обобщенных решающих функций, опорных векторов, - к критерию РМДО.

б) Разработана методика анализа существующих и синтеза новых методов распознавания образов, позволяющая повысить эффективность решения задач распознавания, в частности, за счет выбора между различными параметрическими семействами решений и автоматического определения точности описания их параметров, относящихся к особенностям предложенной методики.

в) В результате применения методики к задачам синтаксического и логического распознавания образов построены высокоэффективные алгоритмы их решения.

4. В рамках предложенной автором методологии разработано иерархическое структурное представление изображений, на основе которого разработаны предментно-независимые алгоритмы анализа изображений. В отличие от существующих эвристических представлений изображений данное представление основано на объективном количественном критерии, для оптимизации которого привлекается модель адаптивного резонанса, что позволяет достигнуть высокой степени инвариантности по отношению к изменениям условий съемки.

5. Получены эффективные решения задач распознавания образов и сопоставления изображений, снятых с разных ракурсов, подверженных сезонно-суточным изменениям и смене типа сенсора. Показатели эффективности разработанных методов и алгоритмов превосходили (в ряде случаев существенно) на момент их создания уровень аналогичных отечественных и зарубежных образцов, либо значительно повышали эффективность использования известных решений. Это позволило успешно применить данные решения в приложениях выявления изменений на серии изображений, синтеза панорамных снимков, извлечения из баз данных изображений, геокодирования, экологического мониторинга и автоматической навигации.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ

Монографии

1. Потапов А.С. Распознавание образов и машинное восприятие: общий подход на основе принципа минимальной длины описания: С-Пб, Политехника. 2007. 548 с.

Статьи в журналах, рекомендованных ВАК

2. Потапов А.С., Малышев И.А., Луцив В.Р. Совмещение аэрокосмических изображений с субпиксельной точностью методом локальной корреляции // Оптический журнал. 2004. Т. 71. № 5. С. 31-36.

3. Потапов А.С. Влияние взаимных геометрических искажений изображений на возможность их пространственного совмещения методом локальной корреляции // Оптический журнал. 2004. Т. 71. № 8. С. 74-80.

4. Потапов А.С., Малышев И.А., Луцив В.Р. Принцип минимальной длины описания как средство улучшения дискриминантных методов распознавания // Оптический журнал. 2006. Т. 73. № 10. С. 41-46.

5. Андреев В.С., Губкин А.Ф., Ильяшенко А.С., Кадыков А.Б., Лапина Н.Н., Луцив В.Р., Малышев И.А., Новикова Т.А., Потапов А.С. Алгоритмы автоматической обработки и анализа аэрокосмических снимков // Оптический журнал. 2007. Т. 74. № 5. С. 12-30.

6. Потапов А.С. Выбор модели пространственного преобразования изображений по критерию минимальной длины описания // Оптический журнал. 2007. Т. 74. № 5. С. 48-53.

7. Потапов А.С. Теоретико-информационный подход к введению обратных связей в многоуровневых системах компьютерного зрения // Оптический журнал. 2007. Т. 74. № 10. С. 59-65.

8. Потапов А.С. Исследование представлений изображений на основе принцип репрезентационной длины описания // Изв. вузов. Приборостроение. 2008. Т. 51. № 7. С. 3-7.

9. Потапов А.С., Петроченко В.Г. Количественное описание законов перцептивного группирования с помощью принципа репрезентационной минимальной длины описания // Оптический журнал. 2008. Т. 75. № 8. С. 42-47.

Научные публикации в прочих изданиях

10. Lutsiv V.R., Malyshev I.A., Pepelka V., Potapov A.S. Target independent algorithms for description and structural matching of aerospace photographs // Proc. SPIE. 2002. V. 4741. P. 351-362.

11. Lutsiv V., Malyshev I., Potapov A. Hierarchical structural matching algorithms for registration of aerospace images // Proc. SPIE. 2003. V. 5238. P. 164-175.

12. Potapov A.S., Luciv V.R. Information-theoretic approach to image description and interpretation // Proc. 7^th Int. Workshop on New Approaches to High-Tech: Nondestructive Testing and Computer Simulations in Science and Engineering. 2003. V. 7. P. F8-F11.

13. Потапов А.С. Принцип минимальной длины описания и сравнение гипотез // Современная логика: проблемы теории, истории и применения в науке. Труды VIII Общероссийской научной конференции. С-Пб. 2004. С. 409-412.

14. Potapov A.S., Luciv V.R. Information-theoretic approach to image description and interpretation // Proc. SPIE. 2003. V. 5400. P. 277-283.

15. Potapov A.S. Image matching with the use of the minimum description length approach // Proc. SPIE. 2004. V. 5426. P. 164-175.

16. Potapov A.S., Gamayunova O.S. Information criterion for constructing the hierarchical structural representations of images // Proc. SPIE. 2005. V. 5807. P. 443-454.

17. Potapov A.S., Luciv V.R., Malyshev I.A. Sub-pixel precise image analysis in the industrial environment // Proc. 8^th Int. Workshop on New Approaches to High-Tech: Nondestructive Testing and Computer Simulations in Science and Engineering. 2004. V. 8. P. E17-E20.

18. Bahvalov J.N., Potapov A.S. A statistical model of interpolation and its application to texture segmentation // Proc. 8^th Int. Workshop on New Approaches to High-Tech: Nondestructive Testing and Computer Simulations in Science and Engineering. 2004. V. 8. P. E26-E30.

19. Lutsiv V., Potapov A., Novikova T., Lapina N. Hierarchical 3D structural matching in the aerospace photographs and indoor scenes // Proc. SPIE. 2005. V. 5807. P. 455-466.

20. Bahvalov J.N., Potapov A.S. A statistical model of interpolation and its application to texture segmentation // Proc. SPIE. 2005. V. 5831. P. 191-198.

21. Potapov A.S., Luciv V.R., Malyshev I.A. Sub-pixel precise image analysis in the industrial environment // Proc. SPIE. 2005. V. 5831. P. 199-203.

22. Potapov A.S. Information-theoretic interpretation of Gestalt // Perception. 2006. V. 35. P. 78.

23. Lyakhovetskii V., Potapov A., Ivanov S. Strategies for storing spatial transformations of chess positions // Perception. 2006. V. 35. P. 105.

24. Ляховецкий В.А., Потапов А.С., Попечителев Е.П. Методика изучения и модель информационной структуры памяти человека // Известия ТРТУ, Таганрог, 2006. № 11. C. 4-9.

25. Потапов А.С. Новые методы автоматического анализа изображений в задачах экологического мониторинга // Труды межд. научн. конф. Измерительные и информационные технологии в охране здоровья, Метромед-2007. 2007. С. 155-162.

26. Потапов А.С., Новикова Т.Н. Распознавание дымов на основе текстур динамических изображений // Труды V межд. конф. молодых ученых и специалистов «Оптика-2007». СПб: СПбГУ ИТМО. 2007. С. 364-365.

27. Потапов А.С. Технологии искусственного интеллекта: анализ проблематики и построение структуры учебной дисциплины // Научно-технический вестник СПбГУ ИТМО. 2007. Вып. 43. С. 308-313.

28. Potapov A.S. Synthetic pattern recognition methods based on the representational minimum description length principle // Digest of the 2^nd International Topical Meeting on Optical Sensing and Artificial Vision, OSAV'2008. 2008. P. 124-125.

29. Потапов А.С. Программный модуль «Перцептивное группирование структурных элементов» // Свидетельство о государственной регистрации программы для ЭВМ. М.: РОСПАТЕНТ. 2008. № 2008612428.

30. Потапов А.С. Программный модуль «Теоретико-информационная аппроксимация изображений габоровскими функциями» // Свидетельство о государственной регистрации программы для ЭВМ. М.: РОСПАТЕНТ. 2008. № 2008612429.

Размещено на Allbest.ru