Оптоелектронні образні нейроподібні мережі око-процесорного типу

Размещено на http://www.allbest.ru/

ВІННИЦЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ

УДК 615.471:681.325

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

ОПТОЕЛЕКТРОННІ ОБРАЗНІ НЕЙРОПОДІБНІ МЕРЕЖІ

ОКО-ПРОЦЕСОРНОГО ТИПУ

Спеціальність: 05.13.13 - Обчислювальні машини,

системи та мережі

Мутасім Якуб Ешхак Абу Шабан

Вінниця - 2007

Дисертацією є рукопис.

Роботу виконано у Вінницькому національному технічному університеті Міністерства освіти і науки України.

Науковий керівник: доктор технічних наук, професор Кожем'яко Володимир Прокопович, Вінницький національний технічний університет, завідувач кафедри лазерної та оптоелектронної техніки

Офіційні опоненти: доктор технічних наук, професор Ткаченко Роман Олексійович, Національний університет “Львівська політехніка”, директор Інституту комп'ютерних наук та інформаційних технологій

доктор технічних наук, професор Пєтух Анатолій Михайлович, Вінницький національний технічний університет, завідувач кафедри програмного забезпечення

Провідна установа: Державний науково-дослідний інститут інформаційної інфраструктури Державного департаменту з питань зв'язку та інформатизації і НАН України, відділ теорії прийняття рішень та нетрадиційних технологій паралельної обробки інформації, м. Львів.

Захист відбудеться “23” березня 2007 р. о 12-30 годині на засіданні спеціалізованої вченої ради Д 05.052.01 у Вінницькому національному технічному університеті за адресою: 21021, м. Вінниця, Хмельницьке шосе, 95.

З дисертацією можна ознайомитись у бібліотеці Вінницького національного технічного університету за адресою: 21021, м. Вінниця, Хмельницьке шосе, 95.

Автореферат розісланий “20” лютого 2007 р.

Вчений секретар

спеціалізованої вченої ради Захарченко С.М.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність роботи. Прогрес ряду областей техніки значною мірою зумовлений створенням високопродуктивних систем розпізнавання образів і обробляння зображень.

Сьогодні особливої актуальності у світі набувають наукові і технічні дослідження у галузі оптичного приладобудування для всього діапазону оптичного випромінювання. Саме оптичним методам належить домінуюча роль в отриманні інформації про людину, навколишнє середовище, властивості природи і т.п.

На цей час в Україні затверджено Державну науково-технічну програму "Образний комп'ютер", реалізація якої розраховано на період до 2010 року, де планується розробити нове покоління "образних" комп'ютерів, які сприйматимуть образи. У теперішній час розробки такого типу комп'ютерів проводяться у провідних країнах світу. Для створення образних нейроподібних комп'ютерів око-процесорного типу потрібна організація гнучкої алгоритмічної структури. Вимоги до подібної структури, яка може знайти застосування в різних галузях науки і техніки як універсальний інструмент для дослідження інформаційних полів, запропонована на рівні “know-how”, традиційних та нетрадиційних алгоритмів (включаючи, з одного боку, вимоги по гнучкій базовій алгоритмічній структурі на виконання “інтелектуальних” операцій обробляння, аналізу та синтезу зображень, а з іншого боку - схемотехнічні вимоги по процесорній частині для забезпечення технічних параметрів на рівні світових стандартів).

У зв'язку з цим є перспективним та актуальним створення волоконних комп'ютерних телекомунікацій (інтерфейсів), адаптивних систем, нейросистем і систем штучного інтелекту, що адаптуються.

У цьому аспекті є перспективними роботи, які проводяться на кафедрі лазерної і оптоелектронної техніки (ЛОТ) ВНТУ під керівництвом д.т.н., проф. Кожем'яки В.П. по створенню оптоелектронного паралельного “процесора” як ефективного універсального засобу передачі, оброблення і відображення інформації, оснащеного мережею волоконно-оптичних ліній зв'язку.

Таким чином, дисертаційна робота відповідає загальному напрямку робіт зі створення оптоелектронного образного комп'ютера і є досить актуальною.

Зв'язок роботи з науковими програмами, планами, темами. Основний зміст роботи складають результати досліджень, що проводилися протягом 2003-2006 років. Науково-дослідна робота виконувалася згідно з планом наукових досліджень Вінницького національного технічного університету та Міністерства освіти і науки України за держбюджетними темами “Образний відео-комп'ютер око-процесорного типу” (№ держ. реєстрації 0102U002261) та „Оптико-електронний квантово-розмірний образний комп'ютер око-процесорного типу: концепції, методологія, база знань” (№ держ. реєстрації 0105U002434).

Мета і задачі дослідження. Метою дослідження є підвищення ефективності та швидкодії обробляння інформації шляхом побудови та реалізації структури оптоелектронної образної нейроподібної мережі око-процесорного типу, які базуються на принципі часової дискретизації та математичному апараті логіко-часових функцій.

Для досягнення цієї мети необхідно розв'язати такі задачі:

1. Сформулювати системні вимоги щодо реалізації методів та побудови оптико-електронних засобів для розпізнавання і обробляння інформації.

2. Проаналізувати та теоретично оцінити принципи побудови оптико-електронних паралельних нейроподібних структур око-процесорного типу.

3. Модифікувати методи представлення зображень в нейроподібних мережах око-процесорного типу у вигляді коефіцієнтів афінних перетворень.

4. Розробити метод випадкового пошуку з метою адаптації нейромережі, побудованої на флуктуаціях ваг міжнейронних зв'язків.

5. Розробити структуру аналізатора для виділення ознак логіко-часових даних, що відповідає основним вимогам до реалізації базових вузлів систем око-процесорної обробляння сигналів і зображень у реальному часі і є оптимальним рішенням поставленої задачі.

6. Провести дослідження схемотехнічних та конструктивно-технічних варіантів реалізації та оцінки ефективності оптоелектронних засобів реєстрації, обробляння та відображення інформації.

Об'єкт дослідження - процес обробляння та передачі інформації шляхом використання структури оптоелектронної нейроподібної мережі око-процесорного типу.

Предмет дослідження - оптоелектронні образні нейроподібні мережі око-процесорного типу для обробляння мультимедійної інформації, архітектура паралельних нейроподібних засобів око-процесорного типу.

Методи дослідження - при розв'язанні поставлених задач використовувалися положення теорії розпізнавання, мультимедійних засобів, системного аналізу, математичної статистики і математичного моделювання, теорії алгоритмів та оптико-електронних ланцюгів.

Наукова новизна одержаних результатів. У роботі отримано такі наукові результати:

1. Запропоновано представлення зображень у нейроподібних мережах око-процесорного типу у вигляді коефіцієнтів афінних перетворень, що дозволило підвищити швидкодію розпізнавання і передачі інформації у теоретично-граничному вимірюванні на два порядки, а у практично реалізованих варіантах нейроподібних структур - у декілька разів по відношенню до класичних методів за рахунок ущільнення розмірів зображень.

2. Вперше для реалізації процесорних елементів у нейроподібних мережах око-процесорного типу запропоновано системний функціональний базис, в основі якого покладено принцип тимчасової дискретизації і математичного апарату логіко-часових функцій, який відрізняється поєднанням паралельного алгебраїчного додавання й уніфікованого образного аналого-цифрового перетворення, що дозволило розробити аналізатор для виділення ознак логіко-часових даних, значно підвищити ефективність і універсальність за рахунок багатофункціональності, паралельності і самокерованості під час управління, перетворення і представлення інформації.

3. Модифікований метод випадкового пошуку з метою адаптації нейроподібної мережі побудовано на флуктуаціях ваг міжнейронних зв'язків, який має всі необхідні якості для створення нейроподібних мереж, що самоадаптуються, відрізняється тим, що використовується методологія настроювання шляхом логіко-часових перетворень.

Практичне значення одержаних результатів.

Практична цінність роботи полягає в тому, що запропоновано шляхи реалізації структури оптоелектронної образної нейроподібної мережі око-процесорного типу.

На основі отриманих наукових результатів:

* розроблено нові рішення схемотехнічної реалізації оптоелектронної образної нейроподібної мережі око-процесорного типу;

* сформульовано вимоги і наведено приклади практичної реалізації структури оптоелектронної образної нейроподібної мережі око-процесорного типу;

* проведено апаратно-програмну реалізацію методів кодування і обробляння інформації в оптоелектронній образній нейроподібній мережі око-процесорного типу;

* виконано модифікацію алгоритму навчання нейроподібної мережі око-процесорного типу, що дало можливість показати, що можна одержати скільки завгодно точне наближення будь-якої безперервної функції багатьох змінних, використовуючи операції складання і множення на число, суперпозицію функцій, лінійні функції, а також одну довільну безперервну нелінійну функцію однієї змінної.

Практичні результати дисертаційної роботи використовуються у навчальному процесі кафедри ЛОТ ВНТУ в рамках спеціалізації "Лазерна та оптоелектронна техніка в телекомунікаційних мережах" при викладанні таких дисциплін, як: "Системи технічного зору і штучного інтелекту", "Теоретичні основи будови оптичних обчислювальних машин і систем", "Оптоелектронні комп'ютери", "Системотехніка оптоелектронних і лазерних систем".

Результати дисертаційної роботи впроваджено на ВП “Центр Мультимедіа”, що призвело до можливості поліпшення якості мультимедійної інформації.

Особистий внесок здобувача. В роботі наведено результати досліджень, проведених автором особисто, а також у співпраці зі співробітниками кафедри лазерної та оптоелектронної техніки ВНТУ. Дисертант брав активну участь у постановці задач та проведенні наукових досліджень, узагальненні та аналізі отриманих результатів.

У публікаціях, написаних у співавторстві, здобувачеві належать: розробка методу фрактального ущільнення зображень [1,2]; модифікація методу випадкового пошуку з метою адаптації нейромережі [3]; реалізація структурного синтезу аналізатора для виділення ознак логико-часових даних [6]; проведення класифікації оптоелектроних і оптичних мереж нейроподібного типу і розробка оптичної мережі [4,5]; розробка методу образного кодування для волоконних нейромереж [8,9]; дослідження ефективності приведених оптоелектронних структур образного комп'ютера [7,8], формулювання вимог і практичної реалізації структури оптоелектронної образної комп'ютерної мережі нейроподіб-ного типу [10]; виконання модифікації алгоритму навчання нейромереж [11,12].

Апробація роботи. Основні результати роботи доповідалися та обговорювалися на таких наукових міжнародних науково-технічних конференціях: II МНТК студентів, аспірантів та молодих вчених “Optoelectronic Information-Energy Technologies-2002” (м. Вінниця, 2002); IV МНТК „Laser and Fiber-Optical Networks Modeling”, (м.Харків, 2002); МНТК „Intelligent Data Acquisition and Advanced Computing Systems: Technologies and Applications”, (Львів, 2003); IV МНТК з оптико-електронних інформаційних технологій “Photonics-ODS - 2005” (м. Вінниця, 2005).

Публікації. За матеріалами дисертації опубліковано 12 друкованих праць. З них 5 статей у фахових виданнях, 4 ? у матеріалах конференцій і симпозіумів, отримано 3 патенти на винахід.

Обсяг та структура дисертації. Дисертаційна робота містить вступ, чотири розділи, висновок, список використаних джерел та чотири додатки. Загальний обсяг дисертації ? 172 сторінки, з яких основний зміст викладений на 143 сторінках, містить 47 рисунків. Список використаних джерел складається з 125 найменувань. Додатки містять програми розв'язання задач на комп'ютері, результати розрахунків та акти впровадження результатів роботи.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність дослідження, вказано зв'язок роботи з науковими програмами, планами та темами наукового напрямку "Оптоелектронні методи та засоби обробляння та передачі інформації". Вказано мету та задачі дослідження. Приведено характеристику наукової новизни та практичного значення отриманих результатів, а також їх впровадження та апробації.

У першому розділі приведено аналіз задач розпізнавання зображень образів та запропоновано системне обґрунтування функціональних особливостей адекватної схемотехніки. Проведено огляд та аналіз оптико-електронних елементів та засобів для обробляння зображень та сигналів як моделей нейротехнічних систем.

Проведено аналіз і класифікацію методів кодування даних та технологій побудови мереж нейроподібного типу. Прикладом такого нетрадиційного підходу є спосіб око-процесорної обробляння сигналів і зображень, що базується на використанні логіко-часових функцій і використовується для розпізнавання зорових образів системами пошуку, спостереження і технічного контролю. Формування універсальної ключ-функції ознак зображення на основі перетворення часових параметрів об'єкту розпізнавання дозволяє обробляти будь-які типи сигналів при надзвичайно високому рівні паралелізму процесу. Математичний апарат, який лежить в основі око-процесорного способу обробляння сигналів і зображень, використовує прості за описом, універсальні і придатні до трансформації логіко-часові функції, що дає високу швидкість і точність обробляння великого об'єму інформації. оптоелектронний реєстрація нейроподібний процесорний

Результатом око-процесорної обробляння зображення виступає універсальна ключ-функція, при порівнянні якої з еталонами бази знань і аналізу початкове зображення розпізнається.

У другому розділі обґрунтовано методологічні принципи організації образних нейроподібних мереж. У роботі запропоновано два варіанти апаратної реалізації аналізатора інформації при око-процесорній обробці зображень і сигналів, досліджено загальні принципи їх функціонування і проаналізовано оптимальність їх застосування. Використання принципових переваг оптоелектроніки при побудові око-процесорної системи обробляння сигналів і зображень дозволить досягти виняткових показників:

* швидкодії (1012 - 1015 операцій з плаваючою комою за секунду завдяки архітектурі масового паралелізму);

* однонаправленості і незмішуваності інформаційних потоків при подальшій передачі інформації (пересилка даних в паралельному форматі, наприклад, у вигляді двовимірного бінарного зображення багаторозрядного двійкового числа зі швидкістю передачі інформації до 10 Тбит/с);

* стійкості до перешкод, безінерційності і інформаційної місткості каналів обробляння (відмінність часу передачі розрядів числа ~30 фс).

Запропоновано представлення зображень у нейроподібних мережах око-процесорного типу у вигляді коефіцієнтів афінних перетворень, що дозволило підвищити швидкодію розпізнавання і передачі інформації у теоретично-граничному вимірюванні на два порядки, а у практично реалізованих варіантах нейроподібних структур у декілька разів по відношенню до класичних методів за рахунок ущільнення розмірів зображень.

Фізична основа фрактального кодування базується на твердженні, що зображення містить афінну надмірність. Математична модель, яка використовується під час фрактального ущільнення зображень, називається системою ітерованих функцій (Iterated Function System). Система ітерованих функцій містить набір перетворень ущільнення

wi. (1)

Як перетворення w_i, використовуються афінні| перетворення

, (2)

де аi, bi, ci, di - афінні коефіцієнти деформації, стиснення, обертання; dх, dy - коефіцієнти зміщення; х, у - координати точки, яка перетворюється; z - її інтенсивність; Si - контрастність зображення; Оі - яскравість зображення.

Знаючи коефіцієнти цих перетворень, можливо відновити початкове зображення.

Для кожної рангової області підбирається доменна область, яка після афінних перетворень найточніше апроксимує рангову область. На практиці застосовуються вісім варіантів відображення одного квадрата в іншій з використанням афінних перетворень. Це повороти зображення на кути 90, 180, 270 ( 90) градусів відносно його центру і перетворення симетрії відносно ортогональних осей, які проходять через центр фрагмента перпендикулярно його сторонам.

Точність апроксимації визначається за допомогою середньоквадратичного критерію

, (3)

де dij - значення, отримані в результаті усереднювання по фрагментам із розмірами 2Ч2 елементів доменної області, яка приводить її розмір до розміру рангової області; rij - значення елементів рангової області; Оij - зміщення, може бути як константою, так і описуватися поліномами першого, другого, третього порядків.Прирівнявши до нуля частинні похідні (3) по S і О:

, (4)

знайдемо значення S і О, при яких досягається мінімум (5):

. (5)

Початкове зображення Декодоване зображення - три ітерації

Декодоване зображення - Декодоване зображення -

8 ітерацій 16 ітерацій

Перевагою даного представлення початкового|вихідного| зображення є те, що дисперсія компоненти Н[n] менше ніж для С|із|[n].

Також запропоновано методи формування кодованих образів при оброблянні зображень, які дозволяють істотно прискорити процедуру випадкового пошуку, наближаючи її швидкодію до детермінованих алгоритмів і зберігаючи її переваги перед іншими методами при побудові нейромереж, що самоадаптуються.

Для надання процесу корекції ваг деякої інерційності, що згладжує різкі скачки при переміщенні по поверхні цільової функції, доповнюється значенням зміни ваги на попередній ітерації

, (6)

де - коефіцієнт інерційності; t - номер поточної ітерації.

Найчастіше, при виділенні контурів, використовуються оператор Робертса. У нашому випадку (рис. 2) він матиме такий вигляд|вид|

b_i,j = (a_i,j - a_i+1,j+1)+(a_i,j+1 - a_i+1,j), (7)

де b_i,j - ознака відповідності точки|точки| контуру зображення; a_i,j - значення точок зображення.

Даний алгоритм добре програмується для роботи в нейронних мережах. При цьому створення помилкових контурів дозволяє локалізувати одиничні і зв'язані перешкоди, розміщені на відстанях, порівняних з дискретизацією системи.

Використання логіко-часових середовищ (ЛЧС) дозволяє виключити ці помилки та перешкоди. Приналежність контуру визначається виразом

b_i,j = a_i-1,j * a_i+1,j * a_i,j-1 * a_i,j+1, (8)

де b_i,j - ознака відповідності точки|точки| контуру зображення; a_i,j - значення точок зображення.

Наприклад, для правого зрізу зображення, процедура буде визначатися формулою:

(9)

де t - фактичний час при якому комірка ai,j знаходилася у стані bi,j.

Ефект даного методу кодування полягає в одночасному введенні і перетворенні зображення, а також формуванні контурів об'єктів (рис. 4,5).

Даний алгоритм розпізнавання легко стикується з побудовою і функціонуванням нейроподібних структур. Вхідний шар нейронів, фоточутливих елементів, передає інформацію в проміжний шар нейронів, але оскільки міжнейронні зв'язки мають визначені ваги і з'єднання нейронів відбувається за взаємопов'язаним принципом, то відбувається аналіз значень сусідніх комірок, а також визначення їх різниці і відхилення від стану спокою. Таким чином, цю частину середовища можна представити у вигляді структурної моделі, показаної на (рис. 6).

У кожній комірці пам'яті розміщується інформація про значення і знак відхилення від стану спокою (еталонного значення), ваги міжнейронних зв'язків набувають значення різниці сусідніх дискрет.

Третій розділ присвячено оцінюванню ефективності алгоритму навчання. Наведено рекомендації для розрахунку помилки навчання нейроподібних мереж, що адаптуються. Згідно методу найменших квадратів, цільовою функцією помилки НМ, що мінімізується, є величина:

, (10)

де - реальний вихідний стан нейрона j вихідного шару N нейронної мережі|сіті| при подачі на її входи p-го образу|зображення|; d_j,p - ідеальний вихідний стан цього нейрона.

Оцінено ефективність оптоелектронних схем при реалізації регулярних обчислювальних структур і алгоритму їх навчання (табл.1).

У четвертому розділі проведено комп'ютерне моделювання. Моделювалися такі алгоритми: послідовний (рядковий) алгоритм виділення контурів на основі оператора Робертса; алгоритм виділення контура на основі пірамідальної (пошарової) обробляння зображень; алгоритм виділення контурів зображень за допомогою аналізу меж двох сусідніх областей; алгоритм виділення контура за допомогою багатошарової нейроподібної структури.

По модельованим алгоритмам визначалася функція часу, необхідна для аналізу зображень. Аргументами даної функції є кількість точок зображення і форма області, для якої створюється контур, а значення функції - час, який необхідно витратити на обробляння зображення. Цей час при моделюванні визначався по перериваннях таймера ПК.

Для аналізу моделювання роботи алгоритмів використовувалися різні типи зображень, вид яких представлений на рис. 7: довільний багатокутник (рис. 7.а); точковий об'єкт - ромб (рис. 7.б); об'єкт, що займає 80 % робочого поля - квадрат (рис. 7.в).

При цьому розміри зображень складали 32?32, 64?64, 96?96, 128?128, тобто співвимірними з апертурою візирного пристрою (рамки).

Аналіз точок груп зображень проводиться аналогічно в кожному шарі і ґрунтується на взаємодії вершин пірамід, розміщених в одному рівні, при необхідності деталізації розглядаються точки, прилеглі даній вершині.

На рис. 8 представлено порівняльну характеристику функціонування розглянутих алгоритмів при аналізі тестових зображень (рис. 7.а) різних розмірів.

Одержані часові залежності експериментально доводять, що алгоритм №4 і пристрій для його реалізації на основі оптичних нейроподібних мереж, за своєю ефективністю набагато перевищують роботу трьох решти алгоритмів, незалежно від того на яких апаратних пристроях вони реалізовані (алгоритм №2).

Особливо велику перевагу розроблений пристрій має при обробці зображень великих об'ємів і високої складності, хоча при цьому зростають апаратні витрати у відмінності від алгоритмів №1 і №3 і частково алгоритму №2 при малій кількості шарів проміжної структури. Оптичний процесорний елемент для реалізації нейромережі око-процесорного типу .

Оптичний процесорний елемент реалізований на базі пристрою для алгебраїчного додавання чисел і складається з: трьох регістрів зсуву; суматора; вузла підсумовування по модулю два (2 елементи АБО і 3 елементи АБО-НІ); вузол формування знаку (елемент АБО і 2 елементи І).

Отримані результати дають можливість зробити висновок про доцільність застосування структур на основі волоконних образних комп'ютерних мереж нейроподібного типу, особливо з урахуванням інтеграції процесорних і оптичних елементарних комірок, що збільшується, для обробляння великих масивів інформації з паралельним введенням даних.

ОСНОВНІ РЕЗУЛЬТАТИ РОБОТИ ТА ВИСНОВКИ

У дисертаційній роботі обґрунтовано і теоретично проаналізовано принципи реалізації оптико-електронних структур око-процесорного типу для реалізації комп'ютерних мереж нейроподібного типу. Для їх реалізації отримано такі основні наукові і практичні результати:

1. У даній роботі запропоновано два варіанти апаратної реалізації аналізатора інформації при око-процесорній обробці зображень і сигналів, досліджено загальні принципи їх функціонування і проаналізовано оптимальність їх застосування. Спосіб око-процесорної обробляння сигналів і зображень базується на використанні логіко-часових функцій і використовується для розпізнавання зорових образів системами пошуку, спостереження, поведінки, біомедичного діагностування і технічного контролю.

2. Розроблено метод фрактального ущільнення зображень, що дозволяє підвищити швидкодію розпізнавання в теоретично-граничному вимірюванні в двісті разів, а в практично реалізованих варіантах - у декілька разів по відношенню до класичних методів.

3. Виконано модифікацію алгоритму навчання нейромереж мереж для можливості використання при навчанні волоконно-образних мереж нейроподібного типу. Показано, що можна одержати досить точне наближення до будь-якої безперервної функції багатьох змінних, використовуючи операції складання і множення на число, суперпозицію функцій, лінійні функції, а також одну довільну безперервну нелінійну функцію однієї змінної.

4. Модифіковано метод випадкового пошуку з метою адаптації нейромережі, побудований на флуктуаціях ваг міжнейронних зв'язків. Володіючи всіма необхідними якостями для створення нейромереж, що самоадаптуються, цей метод вимагає зміни K2 параметрів на кожному пробному кроці, де K - число формальних нейронів повнозв'язної нейромережі.

5. Показано ефективність оптоелектронних інтегральних схем для регулярних обчислювальних структур. Залежно від вживаних в матрицях матеріалів, досягається продуктивність більше 100 Мбит/сек з відносно невеликою кількістю оптичних входів/виходів (10?104) і кількістю транзисторів на один канал більше 50 для реалізації високопродуктивних обчислювальних пристроїв, оптоелектронних об'єднувальних плат, комутаційних схем; або для дисплеїв, аналогових оптичних процесорів, оптичних нейромереж, оптичних пристроїв, що запам'ятовують, - матриці за технологією "рідкі кристали на кремнії", які має велику кількість входів/виходів (більше 105), але меншу продуктивність (менше 10 Мбит/сек) і функціональну складність (менше 50 транзисторів на канал).

6. Розроблено алгоритм виділення контурів, який реалізує операцію виділення контура завдяки порядковому скануванню точок всього поля екрану (рамки, у випадку якщо вона менше екрану), на якому розміщено зображення. Час роботи даного алгоритму прямопропорційний розміру апертурної рамки, або розміру зображення, якщо воно більше візира, і рівно добутку кількості аналізованих точок на час аналізу однієї точки. Форма зображення, його складність і розміщення на полі екрану не впливають на роботу алгоритму.

7. Проведено комп'ютерне моделювання операції відновлення зображень. Оцінка ефективності роботи алгоритму була проведена з використанням програми, реалізованої на мові високого рівня Delphi. Час обробляння зображення 5120?5120 пікселів склало 7 секунд.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Кожем'яко В.П., Майданюк В.П., Абу Шабан Мутасім. Архівація зображень // Оптико-електронні інформаційно-енергетичні технології. - 2001.- № 1.- С.139-159.

2. Кожем'яко В.П., Рейда О.М., Абу Шабан Мутасім. Аналіз методики реставрації зображень “INPAINTING” // Оптико-електронні інформаційно-енергетичні технології. - 2002.- № 1 (3).- С.63-67.

3. Кожем'яко В.П., Мартинюк Т.Б., Аль-Хіярі Мохаммад, Абу Шабан Мутасім. Особливості реалізаці ї оптоелектронних регулярних структур // Оптико-електронні інформаційно-енергетичні технології. - 2003. - № 1-2 (5-6).- С.31-35.

4. Кожем'яко В.П., Мартинюк Т.Б., Клімкіна Д.І., Мутасім Абу-Шабан. Аналізатор інформації для око-процесорної обробки сигналів та зображень // Оптико-електронні інформаційно-енергетичні технології.-2005.-№1(9).-С.64-70.

5. Кожем'яко В.П., Павлов С.В., Яровий А.А., Кожем'яко К.В., Мутасім Абу Шабан. Концепції розвитку біопроцесорних таймерів // Вимірювальна та обчислювальна техніка в технологічних процесах.- 2003 . - № 1. - С.140-143

6. Пат.71203 А України МПК G06F7/50. Пристрій для алгебраїчного додавання чисел / Кожемяко В.П., Мартинюк Т.Б., Асмолова О.В., Громадський М.І., Мутасім Абу Шабан.- № 20031210869; Заявл. 01.12.2003; Опубл. 15.11.2004. - 4 с.

7. Пат.9205 України МПК G06F7/50.Оптоелектронний суматор / Кожемяко В.П. Тарновський М.Г., Лялюк В.Г., Мутасім Абу Шабан - № 200501571; Заявл. 21.02.2005; Опубл. 15.09.2005, Бюл. № 9. - 7 с.

8. Пат.11961 Україна МПК Н03М 1/00.Аналого-цифровий перетворювач для біосигналів / В.П. Кожем'яко, продіус П.Г., Заболотна Н.І., Дмитрук В,В., Мутасім Якуб Ешхак Абу-Шабан - u 2005 07021; Заявл. 15.07.2005; Опубл. 16.01.2006, Бюл. №1.- 7 с.

9. Ольшевська О.В., Чайковська Т.Ю., Абу Шабан Мутасім. Про можливості відтворення зорового бачення в образних комп'ютерах на основі квантових око-процесорів // Abstracts of Second International Scientific Conference of Students, Post-Graduate Students and Young Scientists “Optoelectronic information-energy technologies-2002”. - Вінниця: “УНІВЕРСУМ-Вінниця”. - 2002.- С. 32.

10. Volodymyr P. Kozhemyako, Andriy A. Yaroviy, Mutasim Abu-Shaban. Optical pattern computers: classification by characteristics of optical fiber information-energy networks and prospect of its development // Proceeding of LFNM'2002 4th International Workshop on Laser and Fiber-Optical Networks Modeling. - Kharkiv. - 2002.- С. 135-137.

11. Volodymyr P. Kozhemyako, Leonid I. Timchenko, Andriy A. Yaroviy, Mutasim Abu-Shaban, Olha V. Asmolova. Nanotechnological Quantronum Eye Processors on the Basis of New Generation of Data Conversion //IEEE International Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technologies and Applications. - Lviv. - 2003.- С. 400-403.

12. Савалюк И.Н., Абу Шабан Мутасим. Волоконно-оптические образные компьютерные сети // Abstracts III International Conference of Optoelectronic Information Technologies “PHOTONICS-ODS 2005”. - Вінниця: “УНІВЕРСУМ-Вінниця”. - 2005. - С. 64.

АНОТАЦІЯ

Мутасім Якуб Ешхак Абу Шабан. Оптоелектронні образні нейроподібні мережі око-процесорного типу. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.13 - Обчислювальні машини, системи та мережі. - Вінницький національний технічний університет, Вінниця - 2007.

Дисертацію присвячено реалізації оптоелектронних методів і засобів для обробляння інформації. Запропоновано два варіанти апаратної реалізації аналізатора інформації при око-процесорній обробці зображень і сигналів, досліджено загальні принципи їх функціонування і проаналізовано оптимальність їх застосування. Розроблено метод фрактального ущільнення зображень, що дозволяє підвищити швидкодію розпізнавання в теоретично-граничному вимірюванні в двісті разів, а в практично реалізованих варіантах - у декілька разів, по відношенню до класичних методів. Виконано модифікацію алгоритму навчання нейромереж для можливості використання при навчанні волоконно-образних мереж нейроподібного типу та проведено комп'ютерне моделювання операції виділення контурів об'єктів з попередньою операцією обробляння зображень, що дозволяє надалі провести сегментацію областей, розпізнавання образів, фільтрацію і виключення перешкод, а також проведено комп'ютерне моделювання операції відновлення зображень і оцінено ефективність роботи алгоритму з використанням програми реалізованої на мові високого рівня Delphi.

Ключові слова: оптоелектронні структури, логіко-часове перетворення, оптичні нейронкомп'ютери, квантрон-автомати, нейро-квантрон, оптико-електронні засоби "око-процесорного" типу, таймерний процесор, розпізнавання зображень.

THE SUMMARY

Mutasim Yacoub Eshhaq Abu Shaban. Optoelectronic Imaging Neyrolike Networks of ''Eye-Processor” Type. - A manuscript.

Thesis for the Candidate's degree by speciality 05.13.13 - Computing devices, systems and networks. Vinnytsia National Technical University, Vinnytsia - 2007.

The thesis is devoted to the elaboration of optic-electronic methods and devices for images and signals processing.

Dissertation is devoted to realization of optоelectronic methods and facilities for information processing. Variants of hardware representation of analyzer of information are offered at the eye-processor images and signals processing, investigational total principles of their functioning and analysed optimum their using. Developed method of fractal of images compression , that allows to promote the fast-acting of recognition in inmaximum measurement in two hundred times, and in the practically realized variants in once or twice in relation to classic methods. Modification of algorithm of education neyronets is executed for the posibilities at study of fibre-nets a like neyro type and the computer design of operation of selection of contours of objects of placed is conducted dark-and-light there is previous operation of the images processing, that allows in future to conduct segmentation of regions, recognition of image, filtration and also the computer design of operation of renewal of images is conducted and appraised efficiency of work of algorithm with the use of the program of realized on language of high level of Delphi.

Key words: optic-electronic structure, logic-temporary transformation, optical neural computer, quantron-automaton, neural-quantron, optical-electronic device of "eye-processor" type, timer-processor, image recognition.

АННОТАЦИЯ

Мутасим Якуб Ешхак Абу Шабан. Оптоэлектронные образные нейроподобные сети глаз-процессорного типа. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.13 - Вычислительные машины, системы и сети. - Винницкий национальный технический университет, Винница. - 2007.

Диссертация посвящена реализации оптико-электронных методов и устройств для обработки информации. В работе обосновано и теоретически проанализированы принципы реализации оптико-электронных структур "глаз-процессорного" типа для реализации нейроподобных сетей. Предложено два варианта аппаратной реализации анализатора информации при глаз-процессорной обработке изображений и сигналов, исследованы общие принципы их функционирования и проанализирована оптимальность их применения. Реализована структура анализатора для выделения признаков логико-временных данных, при этом построение анализатора информации отвечает основным требованиям к реализации базовых узлов систем глаз-процессорной обработки сигналов и изображений в реальном времени и является оптимальным решением поставленной задачи. Усовершенствован метод фрактального сжатия изображений путем его внедрения в образные нейроподобные сети глаз-процессорного типа, что позволяет повысить быстродействие распознавания в теоретически-граничном измерении на два порядка, а в практически реализованных вариантах - в несколько раз по отношению к классическим методам. Разработан рекурсивный (волновой) метод сжатия изображений. Выполнена модификация алгоритма обучения нейросетей для возможности использования при обучении волоконно-образных сетей нейроподобного типа.

Модифицирован метод случайного поиска с целью адаптации нейросети, построенный на флюктуациях весов межнейронных связей. Обладая всеми необходимыми качествами для создания самоадаптирующихся нейроподобных сетей, этот метод требует изменения K2 параметров на каждом пробном шаге, где K - число формальных нейронов полносвязной нейросети. Исследованы методы расчета ошибки обучения адаптирующихся нейросетей. Среди различных структур нейроподобных сетей (НС) одной из наиболее известных является многослойная структура, в которой каждый нейрон произвольного слоя связан со всеми аксонами нейронов предыдущего слоя или, в случае первого слоя, со всеми входами НС.

Показана эффективность оптоэлектронной образной сети нейроподобного типа “глаз-процессорного типа”. В зависимости от применяемых в матрицах материалов достигается производительность более 100 Мбит/сек с относительно небольшим количеством оптических входов/выходов (10?104) и количеством транзисторов на один канал более 50 для реализации высокопроизводительных вычислительных устройств, оптоэлектронных объединительных плат, коммутационных схем; либо для дисплеев, аналоговых оптических процессоров, оптических нейросетей, оптических запоминающих устройств - матрицы по технологии "жидкие кристаллы на кремнии", которые имеют большое количество входов/выходов (более 105), но меньшую производительность (менее 10 Мбит/сек) и функциональную сложность (менее 50 транзисторов на канал).

Выполнено компьютерное моделирование операции выделения контуров объектов, размещенных на изображении есть предварительная операция обработки изображений, позволяющая в дальнейшем провести сегментацию областей, распознавание образов, фильтрацию и исключение помех в нейроподобных сетях.

Разработан алгоритм выделения контуров, который реализует операцию выделения контура благодаря построчному сканированию точек всего поля экрана (рамки, в случае если она меньше за экран) на котором размещено изображение. Время работы данного алгоритма прямо пропорционально размеру апертурной рамки, либо размеру изображения, если оно больше за визир, и равно произведению количества анализируемых точек на время анализа одной точки. Форма изображения, его сложность и размещение на поле экрана не влияют на работу алгоритма.

При этом теоретические и практические исследования, которые изложены в кандидатской диссертации, позволили:

* разработать новые схемотехнические решения реализации опто-электронной образной нейроподобной сети глаз-процессорного типа;

* сформулировать требования и привести примеры практической реализации структуры оптоэлектронной образной нейроподобной сети глаз-процессорного типа;

* провести аппаратно-программную реализацию методов кодирования и обработки информации в оптоэлектронной образной нейроподобной сети глаз-процессорного типа.

Также теоретические результаты диссертационной работы используются в учебном процессе на кафедре ЛОТ ВНТУ в рамках специализации "Лазерная и оптоэлектронная техника в биомедицинских системах и аппаратах" при изложении таких дисциплин, как: "Системы технического зрения и искусственного интеллекта", "Теоретические основы строения оптических вычислительных машин и систем", "Оптоэлектронные компьютеры", "Системотехника оптоэлектронных и лазерных систем", а именно в лабораторных работах и практических занятиях.

Результаты диссертационной работы внедрены на ПП “Центр Мультимедиа”, что привело к возможности улучшения качества мультимедийной информации, которая сохраняется и передаётся в системах производства фирмы.

Ключевые слова: оптико-электронные структуры, логико-временные преобразования, оптические нейрокомпьютеры, квантрон-автомат, нейро-квантрон, оптико-электронные устройства "глаз-процессорного" типа, распознавания изображений.

Размещено на Allbest.ru

...