Файл: Виноградов Р.И. Автоматическое опознавание электрических сигналов.pdf

77

Формирователи признаков обеспечивают преобразование непре­ рывных сигналов в дискретную форму, а также выделение инвариант­ ных признаков. Кроме того, формируются и другие признаки, кото­ рые, например, позволяют определить высоту тона, что с помощью инвариантных признаков осуществить

нях. Динамические же дешифраторы будут отличаться составом эта­ лонов в соответствии с тем языком,для опознавания речевых сиг­ налов которого построен автомвт.

Проводя аналогию со слуховой системой человека, можно вы­ двинуть следующую гипотезу.Механизмы фильтрации сигналов,форми­ рование признаков,принцип действия дешифраторов,а также анали­ заторы экстремумов являются врожденными и,по-видимому,в некой-то степени могут передаваться по наследству.Формирование же набо­ ров эталонов в динамических дешифраторах осуществляется в про­ цессе непосредственных контактов биологической системы с окру­ жающей средой.

78

Г ж а в 8 Ш

АВТОМАТИЧЕСКОЕ ОПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ ПЛОСКИХ ГЕОМЕТРИЧЕСКИХ ФИГУР

§ 3 .1 . Постановке задэчи

Преобразование оптических изображений в электрические сиг­ налы позволяет рассмотреть применение разработанного метода автоматического опознавания электрических сигналов для целей опознавания изображений плоских геометрических фигур. Задача опознавания оптических изображений представляет собой сложную проблему. Поэтому на первом этапе при рассмотрении этого во­ просе был наложен ряд ограничений, который сводился в следую­ щему:

1) рассматривались только плоские геометрические фигуры;

2) опознаваемые фигуры располагались на ровном фоне;

3) отсутствовало взаимное наложение фигур.

Введенные ограничения могут быть сняты при соответствую­ щей корректировке алгоритмов опознавания.

При построении опознающих систем основной трудностью яв­ ляется наличие преобразований, которым подвергаются изображе­ ния опознаваемых оригиналов. Изменение условий восприятия, трансформация и искажение объектов приводят в тому, что один и тот же объект может иметь похожие, но не идентичные описания Опознавание в общем случае возможно лишь тогда, когда в запо­ минающем устройстве опознающего автомата имеются эталонные описания образов, инвариантных относительно возможных преоб­ разований.

Ни у кого не вызывает сомнения возможность существования признаков, допускающих различение внешне похожих, но в то же

79

время различных объектов. Однако методы мх выделения в настоя­ щее время еце не определились, а выбор признаков, к сожалению, производится по методу проб, совершенно произвольно. Установ­ ление признаков изображений считается одной иг наиболее слож­ ных зэдач теории автоматического опознавания образов и состав­

ределены основные принципы автоматического опознавания образов, появляются все новые и новые разработки опознающих автоматов. Некоторые конструкторы стремятся подражать природе, другие же абстрагируются от данных физиологии и пытаются применить спе­ циальные разделы математики, а также достижения современной злектроники.

Вое существующие работы по опознаванию образов в основном ведутся по двум направлениям, которые отличаются друг от дру­ га по принципу построения алгоритмов опознавания.

Первое направление объединяет работы по созданию предпрограмнированных опознающих устройств, которые отличаются четкой фиксацией набора классов объектов. Второе направление объеди­ няет работы по созданию самоорганизующихся опознающих автома­ тов, которые позволяют осуществлять опознавание при отсутствии точного описания изображений объектов.

К сожалению, оба эти направления имеют серьезные ограниче­ ния. Основным недостатком является то, что используемые алго­ ритмы опознавания не обеспечивают реиение ээдзчи выбора уни­ версальных признаков изображений объектов, т .е . таких призна­ ков, с помощью которых имеется возможность опознать изображение любого объекте.

В настоящее время имеется больвое число предложенных прин­ ципов построения читающих машин [42, 43]. Хочется отметить, что приоритет в области создания читающих мввин принадлежит советскому инженеру В.Е. Агапову, который уже в 1932 году на­ чал разрабатывать читающее приспособление, обеспечивающее не­ посредственный ввод информации с первичных документов в счет­ ные машины.

Перечислим основные из существующих методов, которые мо­ гут быть использованы при построении читающих маиин:

-метод масок;

-метод эондов;

цип действия которого позволяет приблизиться к решению пробле­ мы распознавания букв и цифр независимо от их размера и стиля написания. Их читающий автомат состоит из следящей системы, анализатора направлений и запоминающего устройства.

Следящая система обеспечивала обход наружного контуре изо­ бражения буквы лучем электронно-лучевой трубки, который дви­ гался шагами рввной длины. Анализатор направлений определял среднее направление луча и вырабатывал последовательность ко­ дов основных направлений, которые сравнивались с образцами хранящихся эталонов. Признаком распознаваемого символа здесь служит последовательность кодов основных направлений. Система эта построена и успешно испытана в вычислительном центре АН УССР [4 5 ].

Данный метод фиксации последовательности основных направ­ лений при обходе наружного контура символа является в принципе правильным, тех как любые конфигурации и маршруты человек за­ поминает, используя этот же метод.

В 1957 году группе американских ученых под руководством Розенблата предложила схему узнающей машины и назвала ее перцептроном. В основу схемы была положена случайная коммутация моделей нейронов и рецепторного поля. В схемных решениях бло­ ков опознавания и обучения разные авторы использовали различ­ ные законы "поощрения" перцептрона в процесое его обучения.

В процеосе обучения перцептронв, которое сопровождается большим числом показов эталонов, подвергнутых различным пре­ образованиям, происходит формирование границ областей классов, которые имеют довольно сложную форму. При каждом предъявлении эталона производят уточнение границ. Как правило, по оконча­ нии процесса обучения имеется вероятность неправильного опо-

81

ЗН8В8НИЯ, ХОТЯ 0Н8 МОЖ0Т ИМОТЬ ДОСТЭТОЧНО М8Л0в ЗЯЭЧвЯИб. Обу-

чбиному перцептрону могут быть предъявлены цифры, которые не предъявлялись при обучении, но они должны незначительно отли­ чаться от цифр, показанных при обучении. Экспериментальная про­ верка показала, что опознающая система правильно опознает до 80J& всех предъявленных цифр, а при запараллеливании семи ассо­ циирующих систем и применении других мер удэется довести число правильно опознанных цифр до 98,5%. Однако опознающие системы данного типа имеют тот недостаток, что предполагают значитель­ ную компактность в расположении точек каждого из классов. При наличии же изоформных преобразований изображения областей клас­ сов не будут являться компактными.

Анализ опубликованных работ поквзэл, что в настоящее вре­ мя как предпрогрвммированные, так и созданные самоорганизующие­ ся опознающие системы в общем виде не решают проблемы опозна­ вания.

В связи с тем, что ряд опознаваемых объектов может быть представлен в виде одной и той же геометрической фигуры, необ­ ходимо абстрагироваться и прежде всего решить задачу опознава­ ния геометрических фигур.

Рассмотрим основные зэдэчи, которые должен решать автомат, опознающий плоские геометрические фигуры.

Во-первых, это получение контурных изображений геометри­ ческих фигур, что необходимо для осуществления надежного опо­ знавания изображений фигур. Кроме того, наличие контуров по­ зволяет наиболее экономичным способом считывать информацию об опознаваемых геометрических фигурах. Получение контурных изо­ бражений в настоящее время может быть реализовано о помощью телевизионных устройств [46], которые позволяют проводить одновреиенно фильтрацию и препарирование контурных изображений.

Во-вторых, поиск и обнаружение мест, несущих информацию о контуре фигуры.

В-третьих, опознавание контурных изображений. Перечислим основные требования в алгоритму опознавания:

в) инвариантность алгоритма опознавания относительно орто­ гональных преобразований изображений фигур. Это значит, что изображение фигуры должно быть опознано независимо от того, где расположено в квк ориентировано изображение объекта в по­ ле зрения опознающего автомата. Предложенные рядом авторов методы центрирования изображений, а также опознавания изобра-

82

*ений фигур при их дискретных разворотвх вокруг опредеДенных точек не являются перспективными, тек как приводят к значитель­ ному увеличение оборудования;

б) инвариантность алгоритма опознавания относительно подос ных (масштабных) преобразований изображений фигур. Отсутствие эталонных описаний фигур, инвариантных относительно подобных преобразований, приводит к необходимости значительного увели­ чения пвмяти опознающего автомате и усложнению процесса опо­ знавания;

в) инвариантность алгоритма опознавания относительно перс- пективно-аффинных преобразований изображений фигур. Это позво­ лило бы опознавать изображения фигур, расположенных под рэзлич ными ракурсами относительно оптической оси опознающего авто­

мата; г) возможность классификации фигур, эталонные описания

которых отсутствуют. Решение этой зэдвчи имеет очень ввжное значение, так как практически нет возможности получить эталон­ ные описания всех геометрических .фигур. Поэтому установление степени сходства ранее неизвестного изображения фигуры с од­ ним из эталонов представляет значительный интерес;

д) возможность опознавания изображений фигур при условии отсутствия частей этих изображений, а также их искажений по­ мехами. Прэнтичесни мала вероятность того, что мы получим це­ лостные и неискаженные изображения фигур. Поэтому все алгорит­ мы опознавания, которые базируются на жестких методах сравне­ ния опознаваемых изображений с эталонными изображениями фигур, могут обеспечить высокую надежность опознавания лишь при усло­ вия достаточно точной предварительной нормализации изображе­ ний этих фигур.

Анализ многолетних работ биологов и психологов, а также критическое изучение разработанных ранее методов автоматиче­ ского опознавания образов позволили применить разработанный метод автоматического опознавания электрических сигналов для опознавания изображений плоских геометрических фигур. Приме­ нение этого метода значительно рэсвнряет возможность опознаю­ щих автоматов благодаря использованию признаков геометрических фигур, инвариантных относительно различных групповых преобра­ зований.

Создавая новые технические кибернетические системы, всегда полезно предварительно изучить управляющие системы органиче-