Технические науки/6.Электротехника и радиоэлектроника.

К.т.н. Воронин В.В., аспирант Фоломкин Д.В.

Институт сферы обслуживания и предпринимательства

(филиал) ДГТУ, Шахты. Россия

Основные дескрипторы распознавания образов в компьютерном зрении.

Компьютерное зрение — теория и технология создания систем, которые могут производить обнаружение, слежение и классификацию объектов, такие системы получают информацию из изображений.

Примерами применения таких систем могут быть: системы управления процессами (промышленные роботы, автономные транспортные средства); системы видеонаблюдения; системы моделирования объектов или окружающей среды (анализ медицинских изображений, топографическое моделирование); системы взаимодействия (например, устройства ввода для системы человеко-машинного взаимодействия); вычислительная фотография, например для мобильных устройств с камерами.

Целью работы является обзор основных методов распознавания объектов на изображении, а также используемых при этом дескрипторов.

Распознавание образов. Классическая задача в компьютерном зрении и обработке изображений это определение содержат ли поступающие данные некоторый характерный объект, особенность или активность. Существующие методы решения этой задачи эффективны только для отдельных объектов, таких как простые геометрические объекты (например, многогранники), человеческие лица, печатные или рукописные символы, автомобили и только в определённых условиях, обычно это определённое освещение, фон и положение объекта относительно камеры.

Обработка и анализ считаются во всем мире актуальным и перспективным направлением исследований. Сравнительно недавно замечен курс на разделение задачи распознавания изображений: на задачу приведения изображений к удобному для распознавания виду и задачу распознавания. В связи с этим возникла потребность в разработке методов и средств построения формальных описаний изображений – метрик.

Методы распознавания образов. В целом, можно выделить три класса методов распознавания образов:

Метод перебора. В этом случае производится сравнение с базой данных, где для каждого вида объектов представлены всевозможные модификации отображения.

Второй подход – производится более глубокий анализ характеристик образа. В случае оптического распознавания это может быть определение различных геометрических характеристик.

Следующий метод – использование искусственных нейронных сетей (ИНС). Этот метод требует либо большого количества примеров задачи распознавания при обучении, либо специальной структуры нейронной сети, учитывающей специфику данной задачи.

Под образом (объектом) в системе распознавания понимается совокупность данных на входе системы.

Признаки образов.

Двумя существенными проблемами в распознавании образов являются следующие: какие входные данные можно считать уместными и какая предварительная обработка исходных данных (обычно отличающихся чрезвычайной избыточностью) приводит к получению свойств или признаков, действительно позволяющих проводить классификацию.

В зависимости от специфики задачи используется множество типов признаков.

Локальные дескрипторы. Дескрипторы представляют собой структуру описания свойств объекта.

Дескрипторы границ. Область, которая представляет интерес, может быть описана формой ее границы или путем задания ее характеристик. Дескрипторы границы включают в себя ряд наиболее распространённых методов: цепные коды, сигнатуры, аппроксимацию многоугольниками.

Дескрипторы областей. Площадь области определяется как число пикселей, содержащихся в пределах ее границы. Этот дескриптор полезен при сборе информации о взаимном расположении и форме объектов, от которых камера располагается приблизительно на одном и том же расстоянии.

Дескрипторы ключевых точек. Результатом работы детекторов является множество особых точек, для которых необходимо построить математическое описание. Входными данными дескриптора является изображение и набор особых точек, выделенных на заданном изображении. Выходом дескриптора является множество векторов признаков для исходного набора особых точек. Необходимо отметить, что какие-то дескрипторы решают одновременно две задачи – поиск особых точек и построение описателей этих точек, таких как: Детектор Моравеца, Детектор Харриса и Стефана, Детектор MSER's, Детектор FAST, Дескриптор SIFT, Дескриптор PCA-SIFT, Дескриптор SURF, Дескриптор DAISY, Дескриптор BRIEF.

В заключении можно сделать вывод:

В работе были рассмотрены основные принципы распознавания объектов на изображении, используемые методы распознавания и признаки объектов, по котором работают системы распознавания.

Литература:

1. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB Москва: Техносфера, 2006. - 616с. ISBN 5-94836-092-Х

2. В.Т. Фисенко, Т.Ю. Фисенко, Компьютерная обработка и распознавание изображений: учеб. пособие. - СПб: СПбГУ ИТМО, 2008. – 192 с.

3. Визильтер Ю.В., Желтов С.Ю.. Обработка и анализ изображения в задачах машинного зрения: Курс лекций и практических анятий. - М.: Физматкнига, 2010. - 672 с.