Распознавание изображений с использованием хаотической трансформации эталонов и объектов

Тип работы:
Реферат
Предмет:
Физико-математические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

который подтверждается экспериментальными исследованиями. Обработка образов полос на основе предлагаемой методики обеспечивает их непрерывность на малоконтрастных изображениях. Появляется возможность дальнейшего автоматического анализа.
Следует отметить возможность и целесообразность применения метода в промышленности для автоматического анализа различного рода сцен, которые содержат полосовые образы.
список литературы
1. Mery D., Berti M. A. Automatic Detection of Welding Defects Using Texture Features // Insight. 2003. Vol. 45, N 10. P. 676−681.
2. Silva R. R., Caloba L. P., Siqueira M. H. S. Evaluation of the Relevant Characteristic Parameters of Welding Defects and Probability of Correct Classification Using Linear Classifiers // Insight. 2002. Vol. 44, N 10. P. 197−218.
3. Методы компьютерной обработки изображений / Под ред. В. А. Сойфера. М.: Физматлит, 2003. 784 с.
Султан Садыкович Садыков —
Алексей Александрович Орлов —
Александр Андреевич Ермаков —
Сведения об авторах
д-р техн. наук, профессор- Муромский институт (филиал) Владимирского государственного университета, кафедра информационных систем канд. техн. наук, доцент- Муромский институт (филиал) Владимирского государственного университета, кафедра информационных систем- E-mail: AlexeyAlexOrlov@rambler. ru
аспирант- Муромский институт (филиал) Владимирского государственного университета, кафедра информационных систем
Рекомендована кафедрой информационных систем
Поступила в редакцию 12. 09. 08 г.
УДК 681. 3
В. В. Гордиенко, В. М. Довгаль, Р. А. Пузына
РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ ХАОТИЧЕСКОЙ ТРАНСФОРМАЦИИ
ЭТАЛОНОВ И ОБЪЕКТОВ
Приведен метод распознавания изображений объектов путем использования дискретных хаотических отображений для трансформации эталонов и объектов распознавания изображения, а также для выбора их информативных фрагментов с целью восстановления и распознавания.
Ключевые слова: распознавание изображения, хаотический, отображение, эталон, объект, трансформация, таксон восстановления, отказ, матрица.
Настоящая статья посвящена разработке метода распознавания искаженных изображений (объектов), поступающих в графическую базу данных, в которой содержится определенное количество различающихся по Хеммингу эталонных изображений.
Очевидно, что прямое сопоставление эталона и искаженного изображения, выступающего в роли объекта распознавания, с использованием расстояния по Хеммингу обычно неприемлемо. Это обстоятельство послужило отправной точкой для разработки нового метода распознавания. В течение ряда лет авторы предлагаемого метода, имея опыт в области распознавания образов, разрабатывали методы компьютерной стеганографии на основе теории хаотических систем.
При исследовании хаотического рассеивания сообщения по пространству изображения-контейнера с последующим восстановлением был обнаружен эффект восстановления исходного изображения с визуально не воспринимаемыми отличиями (изменениями). При этом восстановление выполнялось не по всему изображению, а по случайным образом выбранному малому участку с предварительным хаотическим рассеиванием (трансформацией) исходного изображения.
Представим основные термины и введем аббревиатуры. Все изображения являются черно-белыми, они адекватно замещаются 0,1-матрицами размером Эталонные изображения, хранящиеся в графической базе данных (ГБД), калиброваны по центру размещения и углу поворота. Такие изображения будем называть форматированными и обозначать «ЭФИ& quot-. Поступающие в ГБД и полученные, например, в результате сканирования, фотографирования и т. д., как правило искаженные, изображения, являющиеся объектами распознавания, будем называть входными «ВИ& quot-.
Основное существенное отличие предлагаемого метода распознавания ВИ заключается в том, что в нем используются положения теории хаотических систем [см. лит.]. Сегодня в достаточной степени изучены одномерные дискретные отображения, являющиеся генераторами хаотических числовых рядов (ХЧР). В качестве генератора ХЧР будем использовать отображение Э. Лоренца, имеющее минимальную вычислительную сложность по числу операций следующего вида:
Хг+1 =1−2|Хг|. (1)
Начальное (стартовое) значение ХЧР Х0 задается в виде правильной десятичной дроби. Как известно, каждому стартовому значению соответствует один и только один ХЧР. Установленным фактом является то, что все ХЧР при различных стартовых значениях не повторяются и не имеют совпадающих элементов как внутри себя, так и между собой. При этом необходимо иметь представительную разрядную сетку не менее 32 двоичных разря-
32
дов, тогда в рядах будет содержаться Я = 2 чисел. Очевидно, что строгое упорядочение не может быть осуществлено для числового ряда, имеющего одинаковые по значимости элементы, поэтому никакие генераторы, кроме хаотических, не могут быть использованы в предлагаемом методе.
На первом этапе распознавания выполняется предварительная обработка ЭФИ. С этой целью для всех ЭФИ из ГБД выполним операцию хаотического рассеивания в пространстве формата. Операция хаотического рассеивания содержит следующие процедуры.
1. Все элементы формата каждого ЭФИ нумеруются от
1 до N.
2. Запускается генератор ХЧР (1) с заданного стартового значения и формируется N чисел, которые ставятся во взаимно однозначное соответствие номерам позиций элементов формата.
3. Выполняется быстрая сортировка полученного ХЧР с алгоритмической сложностью
О =
4. Все значения (0 или 1) в каждой имеющей свой порядковый номер позиции (от 1 до N) для каждого ЭФИ переносятся в новые позиции, расположение которых теперь однозначно определяется строго равными значениями элементов упорядоченного ХЧР и исходного ХЧР.
Полученные в результате формы представления ЭФИ будем называть хаотическими трансформантами эталонов и обозначать «ХТЭ& quot-.
На втором этапе распознавания при поступлении ВИ в ГБД оно вначале калибруется по центру и углу поворота, а затем над ним также выполняется операция хаотического рассеивания. Полученное В И будем называть частичным трансформантом и обозначать «ХТВИ& quot-.
На третьем этапе предлагаемого метода выполняется операция хаотического выбора подмножества мощностью Р элементов изображений ХТЭ или ХТВИ, которые условимся
называть таксонами восстановления и обозначать «ТВ& quot-. Механизм хаотического выбора подмножества из формата изображения реализуется также с помощью отображения (1) с некоторым заданным значением Х0, одинаковым для всех изображений. Полученный ХЧР преобразуется в битовую строку, из которой сохраняются биты с номерами позиций с 1 до Р & lt- N, но при Р, не меньшем значения N /а. Параметр, а через Р задает ту минимальную часть трансформанта, которая после восстановления изображения (см. ниже) позволяет по нему осуществить визуальное распознавание исходного изображения.
Формирование Т В для всех ХТЭ осуществляется один раз после завершения загрузки ГБД. Для каждого изображения вычленяется множество ТВу при у = 1, 2, …, S, где S = ^/а. После формирования ТВ все многообразие ЭФИ при реализации предлагаемого метода распознавания в общем объеме не используется. На заключительном этапе метода обрабатывается только малая часть изображения. Это обстоятельство существенно снижает емкостную сложность (затраты памяти) метода и соответственно его алгоритмической реализации.
На четвертом этапе метода распознавания выполняется сопоставление по расстоянию Хемминга между выбранным таксонами из ХТВИ и всеми — из ХТЭ. Если осуществляется выбор одного или нескольких (до пяти) Ж ХТЭ по минимуму расстояния Хемминга, то реализуется следующий этап метода, в противном случае выполнятся присоединение к выбранному одного, любого, ТВ для всех ХТВИ и ХТЭ. При невыполнении условий перехода к следующему этапу метода выполняется очередное присоединение ТВ.
Сформулируем важное утверждение: «Поскольку Т В являются высокоспецифичными для каждого изображения и строго различаются на основании свойства ХЧР не повторять значения собственных элементов, а также в силу исходного различия по расстоянию Хем-минга эталонов ГБД между собой, то итерация присоединения очередного ТВ завершается за конечное число шагов на основании того, что объединение разных ТВ из их множества в совокупности, например при S = N, приводит к его полному совпадению с исходным трансформантом изображения& quot-.
На пятом этапе метода распознавания выполняются процедура восстановления ВИ и его классификация на основании нового множества ТВу, которое формируется для каждой пары ТВу из ХТВИ и ТВу из ХТЭ для каждого из выбранного на предыдущем этапе метода применением операции конъюнкции всех пар элементов (каждая определяется одинаковым порядковым номером от 1 до N). Формируется новый трансформант промежуточного изображения (ТПИ), в который строго на свои позиции переносятся только единичные значения из нового ТВу в строгом соответствии с их размещением в ХТВИ. После этого выполняется процедура восстановления ВИ по полученному ТПИ.
Процедура восстановления (обратная операции хаотического рассеивания, с сохранением используемых для него исходного и упорядоченного ХЧР) выполняется в следующей последовательности.
1. Каждому элементу из упорядоченного ХЧР, имеющего свой порядковый номер, ставится во взаимно однозначное соответствие каждая позиция значения из ТПИ, имеющая одинаковый номер от 1 до N.
2. Из исходного ХЧР позиции элементов изображения переносятся из ТПИ в позиции, строго соответствующие совпадающим значениям элементов упорядоченного ХЧР. Перенос осуществляется для всех элементов изображения.
3. Восстановление осуществляется для всех полученных ТПИ. В результате получаются новые изображения, число которых равно РЖ.
На шестом этапе выполняется соотнесение каждого из Р восстановленных изображений по их ТПИ с одним и только одним ЭФИ. С этой целью определяется расстояние по Хем-мингу между первым восстановленным ТПИ и ЭФИ. Затем выбирается второй ТВ из ХТВИ и повторяется построение ТПИ, а также выполняется процедура восстановления ВИ. После
этого выполняется операция дизъюнкции для всех пар элементов, имеющих равные порядковые номера в двух восстановленных изображениях, и формируется третье изображение. Это изображение назовем аккумулятором. Вновь вычисляется расстояние по Хеммингу между полученным аккумулятором и выбранным ЭФИ. Осуществляется построение всех Р восстановленных ВИ с промежуточным и обязательным формированием аккумуляторов с определением расстояния по Хеммингу от него до выбранного ЭФИ. Аналогичным образом выполняются все построения для всех Ж ЭФИ.
Если хотя бы для одного фиксированного ЭФИ из множества Ж расстояние по Хеммин-гу от него до последовательно формирующихся Р аккумуляторов убывает, то рассматриваемое ВИ относится к этому эталону. Но если для всех ЭФИ из множества Ж указанное расстояние возрастает, то процесс распознавания прекращается. В этом случае пользователь или выбраковывает ВИ, или включает его в исходном виде в качестве эталона, пополняя графическую базу данных.
Представленный метод распознавания алгоритмизирован и был разработан программный продукт «НаоБ-ООР& quot-, использование которого показало, что при распознавании черно-белых изображений размером 500*500 при, а = 100 все искаженные до 40% тестовые входные изображения, полученные из эталонов (в количестве 1000), распознавались. При этом количество Ж = 2, а максимальное наблюдаемое значение — 24. Коэффициент качества распознавания для общего случая имеет оценку не ниже 0,94.
Вместе с тем затраты времени в некоторых случаях достигали 5 с при среднем показателе затрат времени 0,8 с. Основным источником завышенных затрат времени является сортировка, поэтому для ее реализации рекомендуется использовать многоядерные вычислители или эффективно использовать для сортировки и слияния процессоры видеокарты (пиксельные и шейдерные), не занятые при реализации разработанного метода распознавания.
В настоящее время авторский коллектив завершает разработку программного продукта для распознавания изображений в формате. Ьшр с тремя байтами на пиксел.
литература
Паркер Т. С., Чжуа Л. О. Введение в теорию хаотических систем для инженеров // ТИИЭР. 1987. Т. 75, № 8. С. 6−40.
Виктория Викторовна Гордиенко Виктор Митрофанович Довгаль
Роман Андреевич Пузына
Сведения об авторах
канд. техн. наук, доцент- Курский государственный технический университет, кафедра уголовного права
д-р техн. наук, профессор- Курский государственный технический университет, кафедра программного обеспечения вычислительной техники- заведующий кафедрой- E-mail: vmdovgal@yandex. ru аспирант- Курский государственный технический университет, кафедра программного обеспечения вычислительной техники
Рекомендована кафедрой программного обеспечения вычислительной техники
Поступила в редакцию 12. 09. 08 г.

ПоказатьСвернуть
Заполнить форму текущей работой