Технологии моделирования систем оптической обработки информации

Мельков А. Е.

МГОУ имени В.С. Черномырдина

Центральная задача проблемы распознавания образов – построение на основе систематических теоретических и экспериментальных исследований эффективных вычислительных средств для отнесения формализованных описаний объектов (сформированных в пространстве признаков) к соответствующим классам (рис. 1).

Статистические (вероятностные) модели.

Модели вычисленияоценок.

Модели алгоритмов классификации

Модели, основанные на исчислении высказываний, в частности на аппарате алгебры логики.

Модели, построенные на основе так называемого «метода потенциальных функций».

Детерминистические модели.

Рис. 1. Модели алгоритмов классификации.

Используя ряд признаков образа (рис. 2), можно выделить и другие задачи – распознавание объекта вне зависимости от масштаба, угла обзора и инвариантного состояния.

Признаки Фурье

Моментные признаки

Признаки Хартли

Рис. 2. Виды признаков исследуемого образа.

Моментные признаки составляют большую группу признаков, активно используемых при решении задач распознавания образов. Помимо самих моментов часто используются их комбинации, которые называются моментными инвариантами.

Используя моменты второго и третьего порядков, получим семь моментных инвариантов, которые не зависят от смещения и вращения изображения:

Φ1 = µ02 + µ20,

Φ2 =( µ20 - µ02)2 + 4 µ112,

Φ3 = (µ30 - 3 µ12)2 + (3 µ21 - µ03)2,

Φ4 = (µ30 + µ12)2 + (µ21 + µ03)2,

Φ5 = (µ30 - 3 µ12)( µ30 + µ12) [(µ30 + µ12)2 – 3 (µ21 + 3 µ03)2] +

+ (3 µ21 - µ03) (µ21 + µ03)[3(µ30 + µ12)2 – (µ21 + µ03)2],

Φ6 = (µ20 - µ02)[(µ30 - µ12)2 – (µ21 + µ03)2] + 4µ11 (µ30 + µ12)(µ21 + µ03),

Φ7 = (3µ21 - µ03)(µ30 + µ12)[(µ30 + µ12)2 – 3(µ21 + µ03)2] –

- (µ30 - 3µ12)(µ21 + µ03)[3(µ30 + µ12)2 – (µ21 + µ03)2],

где µ - момент, Φ – моментный инвариант

Методы реализации признаков представлены на рис. 3.

Реализация признаков

Преобразование Фурье

Рис. 3. Методы реализации признаков.

Моментные признаки изображения получили большое распространение при анализе изображений; построение системы технического зрения; создании систем летательных аппаратов, а также систем распознавания образов.

Недостатком данных признаков можно считать высокую чувствительность к воздействию шумов на процесс вычисления моментов.

Получение Фурье признаков изображения основано на реализации Фурье-преобразования. Преобразование Фурье (рис. 4) используется во многих областях науки.

Рис. 4. Преобразование Фурье.

В обработке сигналов и связанных областях преобразование Фурье обычно рассматривается как декомпозиция сигнала на частоты и амплитуды, то есть, обратимый переход от временного пространства в частотное пространство.

По теореме о свертке, преобразование Фурье превращает сложную операцию свертки в простое умножение, что означает, что они обеспечивают эффективный способ вычисления основанных на свёртке операций, таких как умножение многочленов и умножение больших чисел.

В случае моделирования оптической системы обработки информации в виртуальной среде компьютера, необходимо максимально оптимизировать работу программы и ее отдельных компонентов в соответствии с вышеописанными критериями.