Повышение эффективности распознавания изображений в оптических процессорах

• Автор: Хоцкин, Валерий Ильич
• Шифр специальности: 05.12.20
• Научная степень: Кандидатская
• Год защиты: 1983
• Место защиты: Новосибирск
• Количество страниц: 157 c. : ил

Глава I. СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ.

§ 1.1. Проблема распознавания изображений и пути

ее решения

§ 1.2. Предварительная обработка распознаваемых

изображений

§ 1.3. Выбор оптимальной системы признаков

§ 1.4. Алгоритмы принятия решений

Выводы к главе

Глава II. МЕТОДЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ В ОПТИЧЕСКИХ ПРОЦЕССОРАХ (ОП)

§ 2.1. Обработка изображений по интенсивности и

по амплитуде

§ 2.2. Алгоритмы распознавания изображений, реализуемые в ОП
§ 2.3. Предобработка изображений в ОП и методы
ее реализации
§ 2.4. Оценка качества распознавания в ОП
Выводы к главе П
Глава III. ВЫЧИСЛЕНИЕ И ОБРАБОТКА ПРИЗНАКОВ В ОПТИКОЭЛЕКТРОННЫХ ПРОЦЕССОРАХ.
§ 3.1. Способы достижения инвариантности процедуры распознавания к изменению ориентации
и масштаба распознаваемых объектов
§ 3.2. Параллельный процессор с когерентным освещением

§ 3.3. Параллельно-последовательный процессор с
когерентным освещением
§ 3.4. Параллельный процессор с некогерентным
(монохроматическим) освещением
Выводы к главе Ш
Глава IV. МАКЕТЫ ОПТИКО-ЭЛЕКТРОННЫХ УСТРОЙСТВ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ И ИХ ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ
§ 4.1. Когерентно-оптический коррелятор с параллельным способом вычисления решающей функции
§ 4.2. Когерентный коррелятор параллельно-последовательного типа
§ 4.3. Дифракционный коррелятор интенсивности
§ 4.4. Оптико-электронный процессор для обработки
изображений в реальном масштабе времени...,
Выводы к главе 1У
ОСНОВНЫЕ РЕЗУЛЬТАТЫ
ЛИТЕРАТУРА

Актуальность проблемы обработки двумерных массивов данных (изображений) не вызывает сомнений. С рдной стороны это обусловлено тем, что подавляющее количество информации (до 90%) поступает на обработку в виде изображений (космические и аэрофотоснимки, микрофотографии, печатный текст, графики и т.д.).
С другой стороны, решение таких важнейших технических проблем, как автоматический контроль качества изделий, создание промышленных роботов, заменяющих человека, автоматическое чтение текста с целью обмена информацией между человеком и ЭВМ и т.д. трудно представить без достижения определенных успехов в области автоматической обработки изображений. Поэтому почти одновременно с появлением мощных ЭВМ возникли исследования, посвященные автоматизации труда человека на их основе, и, в частности, решению проблемы автоматической обработки изображений. В этой связи важно отметить, что по подсчетам японских специалистов к настоящему моменту около 10% всего машинного времени тратится на обработку изображений и наблюдается тенденция к увеличению этого времени [I].
Трудностей при решении проблемы обработки изображений много и на них подробно остановимся в § 1.1. Сейчас же отметим только тот факт, что уже можно считать доказанной невозможность создания универсального прибора, способного одинаково хорошо обрабатывать любые типы изображений. Отсюда и такое большое разнообразие аппаратурных реализаций устройств обработки изображений, которые принято объединять в три большие группы
С2]:
- электронные устройства (аналоговые и цифровые);

а Зр - процентная точка нормального распределения.
Недостатком описанного знакового алгоритма является то, что он не учитывает абсолютных значений контраста.
Для реализации рангового алгоритма все значения 3,£ ранжируются по модулю (т.е. из величин і^іі формируется-вариационный ряд) и вводится вес на каждое положительное значение 3.
( ] - порядковые индексы после ранжирования)
о [О если
Ч = < . І (2.40)
I Л если >
а решающее правило имеет вид п
23 ^ * VIр, принимается гипотеза Н0
(2.41)
22 > принимается гипотеза Н,,
где ^Інекоторая функция от эталонного (априорно заданного) изображения.
Описанный алгоритм есть разновидность рангового алгоритма Вилкоксона.
Некоторые рекомендации относительно методов расчета порога VIр приведены, например, в [3] и основаны на построении модели сигнала и помехи.
В данной ситуации возможно также использование алгоритмов, основанных на критерии серий и критерии тренда [53] , смысл которых состоит в определении числа участков одного знака контраста, а также аналогичного им сдвигового критерия [53]. В пог -(1) _(2)
следнем случае находятся векторы (ггк - ті ) , отрицательным,
нулевым и положительным значениям которых присваиваются соответственно значения -1,0 и I. Затем вычисляются значения скалярного произведения каждого такого вектора самого на себя с