Измерительные системы распознавания образов.

 

Распознавание образов представляет собой задачу преобразования входной информации, в качестве которой уместно рассматривать некоторые параметры или признаки распознаваемых образов, в выходную, представляющую собой заключение о том, к какому классу относится распознаваемый образ.

ИС распознавание образов применяются для автоматического распознавания печатных, рукописных и фотографических знаков, текстов, рисунков и схем, для распознавания звуков речи, команд, передаваемых голосом, для выявления некоторых ситуаций в сложных технических системах, таких как критическое или аварийное состояние и т. п.

Главные цели распознавания образов – это расширение возможностей общения человека с ПК и автоматизации путём освобождения ШОП от многих операций, которые ограничивают быстродействие, надёжность и эффективность функционирования автоматизированных комплексов.

Распознавание определяется как процесс отнесения ситуаций, явлений и образов к одному из нескольких или многих заранее определённых классов на основе анализа их характеристик. При распознавании возникают взаимосвязанные задачи выбора параметров распознавания и задачи нахождения и оценки качества решаемой функции.

Математическим аппаратом постановки и решения задач распознавания с момента их возникновения является теория статистических решений.

Классические результаты теории статистических решений послужили базой для построения алгоритмов распознавания, обеспечивающих определение класса, к которому может быть отнесён неизвестный объект, на основе экспериментальных измерений определённого набора параметров (признаков), характеризующих этот объект, и определённых априорных данных, описывающих классы рассматриваемых объектов. Для выбора параметров предварительно выделяют совокупность параметров (признаков), характеризующих рассматриваемый образ. Эти признаки могут быть представлены в виде точки в многомерном пространстве, которое называется пространством объектов., а вектор – вектором объекта.

Вторая взаимосвязанная задача нахождения решающей функции должна рассматриваться с учётом сведений об объектах. При этом решающая функция должна удовлетворять следующим условиям:

F(x)>0, если объект принадлежит одному классу;

F(x)<0, если объект принадлежит другому классу;

Следовательно, решающая функция позволяет найти гиперповерхность, разделяющую многомерное пространство на классы. После выбора алгоритма распознавания можно приступить к решению основной задачи. Составляющей основу проблемы распознавания – определение алфавита классов и словаря признаков, которые в условиях ресурсных ограничений на построение системы распознавания обеспечивают наибольшую эффективность ЭТР.

Структурная схема системы распознавания образов представлена на рис. 1.

На структурной схеме системы распознавания образов обозначено: ДП – детектор признаков; CPU – цифровое вычислительное устройство; ЗУ - запоминающее устройство; ЦУС – цифровое устройство сравнения; Дп – дисплей и ПП – показывающий прибор.

 

 

Рис. 1. Структурная схема системы распознавания образов

 

Детектор признаков ДП воспринимает физические воздействия, характеризующие объект, и выдаёт на выходе совокупность сигналов. Несущих признаки (параметры) распознаваемого образа. В случае необходимости в детекторе признаков производится освобождение (фильтрация) от помех, нормализация по геометрическим размерам и положению (масштабирование), координатные преобразования и т. п. детектор признаков во многих случаях выполняется в виде рецепторного фотоэлектронного поля с системой развёртки для распознавания образов или ПК.

В запоминающем устройстве ЗУ хранятся программы исходных, промежуточных и конечных данных, а также программы функционирования.

Решение о принадлежности совокупности объектов (образа) к одному из заранее определённых классов принимает классификатор CPU. Это осуществляется в соответствии с принятым критерием распознавания или правилом решения в его устройстве на основе сигналов, выдаваемых ДП.

При этом критерием распознавания называется правило. По которому строится гиперповерхность, разделяющая распознаваемые образы на классы в пространстве признаков (объектов).

Классификатор CPU выполняется в виде сети из линейных пороговых элементов или ВУ, а также МП. Сравнение действительного образцового описания распознаваемых классов и выработка сигналов ошибки производятся в ЦУС.

Для функционирования распознающей системы необходимым условием является наличие сведений о классах совокупностей объектов. Эти сведения задаются заранее или возникают в процессе обучения, который в этом случае предшествует процессу классификации. В процессе обучения на вход распознающей системы последовательно подаются признаки образов каждого класса и, если система при этом сообщает, к какому классу принадлежит образ, то процесс называется обучением с учителем. Если же система не сообщает, к какому классу принадлежит образ, то процесс называется обучением без учителя или самообучением.

При этом каждая система распознавания приспособлена для распознавания только данного вида объектов или явлений. Так система, предназначенная для диагностики заболеваний, не умеет диагностировать отказы аппаратуры, а система, предназначенная для чтения букв русского алфавита, не умеет читать китайские иероглифы или ноты.

В процессе разработки и построения систем распознавания образов необходимо иметь математическую или физико - математическую модель системы. При этом необходимо знать признаки объектов, которые подразделяются на детерминированные, вероятностные, логические и структурные.

Детерминированные признаки – признаки, принимающие конкретные числовые значения.

Вероятностные признаки – признаки, случайные значения которых распределены по всем классам объектов, при этом решение о принадлежности распознаваемого объекта к тому или другому классу может приниматься только на основании конкретных значений признаков данного объекта, определённых в результате проведения соответствующих опытов.

Логические признаки – признаки в виде элементарных высказываний, принимающих два значения да, нет или истина и ложь с полной определённостью.

Структурные признаки (лингвистические, синтаксические) - представляют собой непроизводные элементы (символы) структуры объектов.

К простым системам распознавания относят: читающие автоматические распознающие устройства, автоматы для размена монет, автоматы, предназначенные для отбраковки деталей и т. п.

К сложным системам распознавания относят: системы медицинской диагностики, системы, предназначенные для распознавания образов геологической разведки, системы для отыскания Н и О в технических системах, РЛС и т. п.

Если в качестве классификационного признака использовать способ получения апостериорной информации, то сложные системы распознавания делят на одноуровневые и многоуровневые.

Если в качестве принципа классификации избрать количество первоначальной априорной информации о распознаваемых объектах или явлениях, то системы распознавания, как простые, так и сложные, можно разделить на системы без обучения, обучающиеся и самообучающиеся.

Если в качестве принципа классификации использовать характер информации о признаках распознаваемых объектов, то в зависимости от того, на языке каких признаков производится описание этих объектов или в зависимости от того, какой алгоритм распознавания реализован, системы распознавания могут быть подразделены надетерминированные, вероятностные, логические, структурные и комбинированные.

Детерминированные системы. В этих системах для построения алгоритмов распознавания используются геометрические меры близости, основанные на измерении расстояний междураспознаваемым объектам и эталонами классов.

Вероятностные системы. В данных системах для построения алгоритмов распознавания используются вероятностные методы распознавания, основанные на теории статистических решений.

Логические системы. В этих системах для построения алгоритмов распознавания используются логические методы распознавания, основанные на дискретном анализе и базирующемся на нём исчислении высказываний.

Структурные (лингвистические) системы. В этих системах для построения алгоритмов распознавания используются специальные грамматики, порождающие языки, состоящие из предложений, каждое из которых описывает объекты, принадлежащие конкретному классу.

Комбинированные системы. В этих системах для построения алгоритмов распознавания используется специально разработанный метод вычисления оценок. Такие алгоритмы называют алгоритмами вычисления оценок (АВО). Их применение требует наличия таблиц, где содержатся объекты, принадлежащие соответствующим классам, а также значения признаков, которыми характеризуются эти объекты.