Интеллектуальные робототехнические системы


Основы теории анализа и распознавания изображений. - часть 2


Проиллюстрируем описанный алгоритм распознавания на примере. Задано 10 классов объектов (рис. 4.2а). Требуется определить признаки таблицы обучения, пороги и построить оценки близости для классов объектов, показанных на рис. 4.2б. Предлагаются следующие признаки таблицы обучения:

x1- количество вертикальных линий минимального размера;

x2- количество горизонтальных линий;

x3- количество наклонных линий;

x4- количество горизонтальных линий снизу объекта.

Пример задачи по распознаванию

Рис. 4.2.  Пример задачи по распознаванию

На рис. 4.3 приведена таблица обучения и пороги

?1=1, ?2=1, ?3=1, ?4=1,

=1.

Из этой таблицы видно, что неразличимость символов 6 и 9 привела к необходимости ввода еще одного признака x4.

Таблица обучения для задачи по распознаванию

Рис. 4.3.  Таблица обучения для задачи по распознаванию

Теперь может быть построена таблица распознавания для объектов на рис. 4.2б.

Объект

x1

x2

x3

x4

Результат распознавания

Объект 1

1

2

1

Цифра 2
Объект 2

3

3

0

1

Цифра 8 или 5
Объект 3

4

1

0

Объект 4

4

2

0

1

Читателю предлагается самостоятельно ответить на вопрос: что будет, если увеличить пороги ?1, ?2, ?3, ?4,

? Как изменится качество распознавания в данной задаче?

Заключая данный раздел лекции, отметим важную мысль, высказанную А. Шамисом в работе [55]: качество распознавания во многом зависит от того, насколько удачно создан алфавит признаков, придуманный разработчиками системы. Поэтому признаки должны быть инвариантны к ориентации, размеру и вариациям формы объектов.




Начало  Назад  Вперед



Книжный магазин