Построение систем распознавания образов
объекта, то h - пространственно-инвариантна. При этом h зависит лишь от
разности координат (x-a,y-b). Для пространственно-инвариантной системы
[pic]
при этом для линейной пространственно-инвариантной системы
[pic]
Последнее выражение известно как интеграл свертки, согласно которому
распределение по изображению представляет собой свертку распределения по
объекту с ФОТИ. Именно функция h описывает процесс переноса информации от
объекта в пространство изображения и характеризует все геометрические
искажения, присущие процессу визуализации.
Окончательное упрощение обобщенных соотношений, описывающих процесс
формирования изображений, получается в том случае, когда свойства системы в
двух перпендикулярных направлениях не коррелируют друг с другом. Это
означает, что двухмерную ФОТИ можно представить в виде произведения
двух одномерных ФОТИ. Так для пространственно-зависимой системы имеем
[pic]
а для пространственно-инвариантной
[pic]
Это свойство системы называется разделимостью.
В итоге для линейной, пространственно-инвариантной разделимой системы
получаем
[pic]
Учитывая рассмотренное, легко понять, что, наблюдая изображение, мы
не можем считать его точным представлением распределения по объекту. Это
можно заметить путем внимательного рассмотрения изображения и сравнения
его с объектом или явлением. Причина - несовершенства системы визуализации.
Именно поэтому в теории обработки изображений большое внимание
уделяется методам исключения соответствующих искажений, получившим
название обращение свертки (Вытекает из рассмотрения хотя бы последнего
интеграла свертки!).
В соответствующих задачах интеграл свертки рассматривается с учетом
искажения изображений шумами. Так для линейных систем полное
представление о задаче создает выражение
[pic]
где n(x,y) - распределение шума в изображении.
* * *
Теперь сконцентрируем внимание на следующем важном термине
распознавания образов - “класс”. Здесь, прежде всего, обратим внимание на
то, что как человек, так и автомат принимают решение на основе
отождествления совокупности конкретных значений характеристик объектов или
явлений не просто друг с другом, а обычно с некоторым классом, в который
объединяются объекты или явления, имеющие общие свойства (например:
характеристики выхода из строя агрегатов и систем той же АЭС - класс
опасных отказов или класс отказов, требующих определенного технического
вмешательства, но неопасных).
Таким образом, классы - это объединения объектов (явлений),
отличающиеся общими свойствами, интересующими человека.
Всегда, имея в виду цель распознавания, в конечном итоге принятое
решение об отнесении объекта к тому или иному классу определяет реакцию
соответствующей системы на данную входную ситуацию однозначно.
Таким образом, в самых общих чертах распознавание можно определить как
соотнесение объектов или явлений на основе анализа их характеристик,
представляющих образы этих объектов, с одним из нескольких, заранее
определенных классов.
И следует обратить внимание на то, что термин “распознавание” в
равной мере относится как к процессам восприятия и познания,
свойственным человеку и живым организмам, так и к техническим попыткам
человека реализовать “электронные” или “вычислительные” аналоги этих
процессов, то есть к решению задач в рамках предмета распознавания как
раздела информатики.
1.2.2. Системы распознавания
До этого мы говорили о проблеме распознавания в целом, о теории, о
возможности замены человека автоматом. Теперь сосредоточим внимание на
практическом применении соответствующих знаний. При этом обратим
внимание и на то, что те практические реализации методов распознавания ,
о которых в этих случаях шла речь, носят название систем распознавания
(СР).
Здесь необходимо подчеркнуть, что именно центральную задачу
распознавания образов представляет построение на основе систематических
теоретических и экспериментальных исследований эффективных
вычислительных средств (объединяемых в понятии “системы распознавания”)
для отнесения описаний с объектов, явлений, процессов к соответствующим
классам.
Широкий круг задач, возлагаемых на такие системы, определяется
приведенным нами определением самого понятия “распознавание” и включает
выяснение по разнородной, часто неполной, нечеткой, искаженной и
косвенной информации факта, обладают ли изучаемые объекты, явления,
процессы, ситуации фиксированным конечным набором свойств, позволяющим
отнести их к определенному классу. Сюда входят как непосредственно задачи
распознавания и классификации, так и такие задачи, в результате решения
которых на основе распознавания требуется выяснить, в какой области из
конечного числа областей будут находиться некоторые процессы через
определенный промежуток времени.
Отсюда понятно, что к задачам распознавания должны относиться задачи
технической и медицинской диагностики, геологического прогнозирования,
прогнозирования свойств химических соединений, распознавания свойств
динамических и статических объектов в сложной фоновой обстановке и при
наличии активных и пассивных помех, прогнозирования урожая, обнаружения
лесных пожаров, управления производственными процессами.
Разработки систем распознавания, начатые с 50-х годов, исчисляются
тысячами. Сегодня уже трудно назвать такую отрасль науки и сферы
производства, где СР не используются или не будут. При этом применение
методов распознавания в ряде направлений науки и техники оказывает
обратное влияние на эти направления, поистине революционизирующее влияние.
Рассмотрим некоторые применения.
1) Системы технической диагностики.
Их внедрение - важнейший фактор повышения эффективности использования
машин и технологического оборудования, резкого сокращения расходов на
эксплуатацию.
Исторически сложившаяся тенденция усложнения, а значит удорожания
машин постоянно увеличивает затраты на эксплуатацию. Выход - переход к
системам технической диагностики (распознавания состояния машин), например,
безразборный поиск неисправностей. В результате вместо планово-
предупредительного ремонта - ремонт по фактической необходимости.
Например, в инструкции по эксплуатации автомобиля предусмотрены плановые
технические обслуживания через 500 км, 1000 км, 2000 км и т.д. Если же его
оснастить системами распознавания состояний, то от плановых ТО можно было
бы отказаться заменив их обслуживанием отдельных узлов и систем по
необходимости.
2) Медицинская диагностика.
Автоматизированные системы диагностики в медицине - путь увеличения
- широты и глубины охвата симптомов;
( рассчитывать только на память врача во всех ситуациях очень трудно.
Лучше функцию памяти отдать компьютеру)
-оперативности;
(компьютер обеспечит почти мгновенный результат)
-достоверности.
(диагноз компьютера не зависит от внешних факторов, как это случается
с человеком)
3) Сельское хозяйство.
Области применения здесь:
-распознавание размеров урожая по данным космических наблюдений;
-уменьшение ручного труда при сортировке плодов по форме, цвету и
размерам и т.п.
4) Военное дело.
Сложные системы вооружения:
-автоматический функциональный контроль технического состояния систем
и ввод резервирующих;
-роботы, обслуживающие фазированные антенные решетки радаров.
На основе рассмотренного можно уже ответить на вопрос, что же
представляет собой СР.
В первом приближении:
“СР - это автоматическое вычислительное устройство, предназначенное
для распознавания образов (каких? можно уже не повторяться).
Заметим, что это очень поверхностное определение. Сегодня физически
СР это и вычислительная машина как один составляющий элемент СР;
-это и такие часто более дорогостоящие технические средства, как
средства обнаружения распознаваемых объектов (например, патологических
изменений того или иного органа человека);
-это и средства измерений параметров обнаруженных объектов (без них
не получить признаков распознавания);
-это и математическое обеспечение, в составе которого: методы и
алгоритмы обработки измерительной информации; методы и алгоритмы
определения признаков распознавания; методы и алгоритмы непосредственно
распознавания объектов, явлений , процессов ( построения решающих правил
отнесения объектов к тому или иному классу); методы и алгоритмы в
некотором смысле оптимального управления процессом распознавания; методы и
алгоритмы оценки эффективности СР как на стадии проектирования, так и в
процессе ее функционирования;
-наконец, для больших систем это и коллектив подготовленных
специалистов обеспечивающих жизненный цикл существования системы.
Рассмотрим подробнее отдельные элементы.
а) Средства обнаружения распознаваемых объектов.
К ним в разных областях применения относятся:
в медицине:
-рентгеновские аппараты;
-аппараты УЗИ;
-ЯМР-томографы;
-энцефалографы;
-рентгеновские томографы;
-кардиографы и т.д.
в военном деле:
-радиолокаторы;
-оптические (лазерные) локаторы;
-лазерные дальномеры;
-приемники гамма-излучения;
-сонары - ультразвуковые локаторы.
Средства обнаружения представляют дорогостоящую часть СР. Но этим
дорогостоящая часть СР не ограничивается.
б) Средства сопряжения.
Для сопряжения средств обнаружения с ЭВМ необходимы специальные
электронные устройства аппаратного интерфейса. Эти составные части СР
также достаточно дорогостоящи.
в)Средства измерений параметров распознаваемых объектов,явлений,
процессов.
Средства измерений часто входят в состав обнаружителей (РЛС -
измерение дальностей, углов, Рс/Рш).
г) Методы и алгоритмы обработки измерительной информации
Часто для получения признаков распознавания или параметров , которые
их обусловливают необходима специальная математическая обработка (пример,
для РЛС - определение дальностей целей по временной задержке сигналов,
угловых координат по разности фаз, коэффициентов лобового сопротивления
целей по координатам и их производным и т.п.).
Сам процесс назначения признаков - творческий процесс, говорят -
эвристический, зависящий от человека.
д) Методы и алгоритмы принятия решения о принадлежности объектов
распознавания.
е) Методы и алгоритмы оптимального управления распознаванием.
ж) Методы и алгоритмы оценки эффективности распознавания.
Как алгоритмы принятия решений, так и управление распознаванием, так
и оценка эффективности определяются сложностью систем распознавания и
представляют концентрированное применение комплекса математических операций
соответствующего назначения.
з) Э В М
Наконец, ЭВМ. Это обязательный элемент современной СР. Вся обработка
измерений с целью выделения признаков распознавания, вся математика
классификации, управления и оценки эффективности выполняется ЭВМ. Само
развитие теории и методов распознавания обязано появлению ЭВМ.
и) Коллектив подготовленных специалистов.
Такая составляющая на первый взгляд не имеет отношения к системе.
Однако без коллектива подготовленных специалистов трудно обойтись в
больших системах, решения которых чрезвычайно ответственны. В таких
системах оценка эффективности - это показатель, которым пользуются с
момента создания СР и до конца ее существования. При этом пользуются этим
показателем специалисты, а не система. А сама необходимость такого
использования связана с тем, что в процессе работ появляется возможность
повысить эффективность СР за счет получения новых данных и уточнения
параметров системы в результате анализа специалистами конкретного случая
распознавания с последующим уточнением этими специалистами имеющихся
параметров. То есть, система в течение своей жизни (говорят - “жизненного
цикла”) изменяется (динамизм системы).
Таким образом, СР - сложная динамическая система, состоящая в общем
случае из коллектива подготовленных специалистов и совокупности
технических средств получения и переработки информации, обеспечивающих
на основе специально сконструированных алгоритмов решение задачи
классификации соответствующих объектов, явлений или процессов.
После того, как описан состав и функции элементов СР, для завершения
общих представлений о проблеме распознавания можно провести и некоторые
поверхностные сравнения технических СР и такой совершенной СР, как
человек.
Так рецепторы человека, к которым мы относим зрительные, слуховые,
осязательные, обонятельные и вкусовые рецепторы - это средства обнаружения,
а иногда и измерения характеристик распознаваемых объектов, явлений,
процессов. Тут аналогия полнейшая.
Далее на пути оперирования с информацией у технических СР стоит
устройство сопряжения с ЭВМ. Естественными аналогами его являются
биологические средства связи человеческих рецепторов с мозгом, выполняющим
роль ЭВМ.
Но это, пожалуй, - все, что мы сегодня знаем наверняка. И вопросов
здесь больше, чем ответов:
-какие функции выполняют рецепторы в части первичной обработки
результатов обнаружения объектов, явлений;
-каковы характеристики линий передачи данных от рецепторов к мозгу
как ЦВС;
-какие признаки выделяет система обработки;
-какие алгоритмы использует мозг для решения задачи классификации,
оптимального управления процессом распознавания;
-как человеку удается избавиться от специфичности, свойственной
техническим СР и т.д.
В процессе нашего дальнейшего изучения предмета Вы сами поставите еще
много нерешенных в этом плане вопросов. А их разрешение чрезвычайно важно
для построения быстродействующих и высокоэффективных технических СР,
помогающих человеку в его повседневной практике.
Достижение соответствующих целей - задачи XXI века.
Тема 2
Задачи, решаемые в процессе создания систем распознавания.
Л Е К Ц И Я 2.1.
Проблематика задач создания систем распознавания на описательном
уровне
При изучении первой темы мы уже создали представления о проблеме
распознавания в целом. Казалось бы, можно было бы теперь сразу перейти к
теоретическому осмысливанию составляющих этой проблемы. Однако какие это
составляющие, как они соотносятся друг с другом в общей постановке
проблемы, этого пока не было возможности выделить.
Поэтому, прежде чем перейти к формальной постановке
соответствующих задач, постараемся рассмотреть их и осмыслить на
описательном уровне.
Итак, мы уже знаем, что распознавание образов в технике - необходимый
элемент процесса механизации и автоматизации машин, устройств и систем для
-замены человека там, где используется тяжелый физический труд;
-реализации быстрых реакций в управлении там, где нет времени на
раздумье;
-замены человека в так называемых рутинных операциях, то есть,
повторяющихся действиях, не требующих умственных усилий.
Уже протяжении 4-х десятков лет эти потребности реализовывались
в таких конкретных на приложениях, как создание специалзированных
роботов, техническая и медицинская диагностика, метеопрогноз,
формализованная оценка общественных, экономических и социальных
явлений и процессов. На это, начиная с 50-х годов, были направлены
усилия научной и инженерной мысли.
В результате сопоставления конкретных решений и разработок
оказалось, что несмотря на многообразие и особенности приложений, задачи
создания систем распознавания имели много общего, не зависящего от
указанной специфики.
Вот почему для выработки методических подходов теории
распознавания имело смысл выделять общие повторяющиеся приемы, а их
число естественно должно быть ограниченным и легко объединяемым в задачи.
Сами же эти задачи должны были явиться ключевыми для создания любой
системы распознавания. В результате оказалось, что найденный методический
подход к построению систем распознавания образов инвариантен к предметной
области.
Постараемся осмыслить эту инвариантность построения СР , рассмотрев
простые реализации систем.
А. Распознавание стороной А самолетов стороны В (этот пример мы
будем часто использовать в последующем, постепенно его усложняя).
Здесь фактически требуется создать автоматическую систему,
обеспечивающую стороне А решение указанной задачи.
Понятно, что цель создания такой системы - оборона стороны А от
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
|