Методы распознавания
Для реальных задач распознавания применяются, в основном, два подхода: корреляционный и признаковый. Каждый из подходов в распознавании имеет право на существование. Более того, в рамках каждого подхода есть свои конкретные алгоритмы, имеющие определенную область применения, которая зависит от характера различий входных и эталонных изображений, от помеховой обстановки в поле зрения, требований к объемам вычислений и скорости принятия решений.
Корреляция
Корреляционные методы нашли широкое применение при обнаружении и распознавании изображений в системах навигации, слежения, промышленных роботах. При полностью заданном эталоне многошаговая корреляция путем сканирования входного поля зрения является по сути полным перебором в пространстве сигналов. Поэтому эту процедуру можно считать базовой, потенциально наиболее помехоустойчивой, хотя и очень трудоёмкой. Значительно более простые с точки зрения вычислительной сложности методы основаны на переходе в пространство признаков, которые характеризуются существенно меньшей размерностью по сравнению с пространством сигналов (изображений). Наиболее помехоустойчивы при действии как случайных помех, так и локальных помех являются алгоритмы, основанные на методе частных корреляций. При этом частные коэффициенты корреляций, полученные для отдельных фрагментов эталона в сигнальном пространстве могут рассматриваться как признаки (в общем случае разно шкальные). Обработка таких признаков, т.е. их свертка, зависит от типа изображений, помеховой обстановки (например, степени заслонения полезного изображения, наличия ложных изображений в поле зрения).
Признаковый
Признаковые методы - наиболее разработаны в теории распознавания образов. Главную трудность в признаковых методах составляет выбор признаков. При этом исходят из естественных правил:
а) признаки изображений одного класса могут различаться лишь незначительно (за счет влияния помех);
б) признаки изображений разных классов должны существенно различаться;
в) набор признаков должен быть минимально возможным, т.к. от их количества зависит и надежность, и сложность обработки.
Хотя признаковые методы и не обладают такой помехозащищенностью как чисто корреляционные, однако, благодаря меньшим трудозатратам, их применение оправдано.
Алгоритм распознавания изображений с использованием дискретного вейвлет-преобразования
Поскольку в ходе разработки алгоритма, основной акцент был сделан на универсальность метода относительно объектов распознавания и его высокую помехозащищённость, было принято решение использовать метод корреляции изображений в пространстве вейвлет-коэффициентов. Для того, чтобы с помощью разрабатываемого алгоритма возможно было различать идентичные по форме объекты различных цветов, корреляция производится отдельно по трём каналам цветовой модели RGB. Выбор модели RGB обусловлен её распространённостью, простотой реализации и широким цветовым охватом по сравнению с цветовой моделью CMYK. Общая блок-схема алгоритма распознавании изображений и комментарии к ней представлены ниже:
Входными параметрами для представленного алгоритма являются:
Изображение, распознавание которого необходимо провести.
База образцов, представляющая собой хранилище пронумерованных эталонов, представленных в виде массивов вейвлет-коэффициентов.
После загрузки изображения, оно раскладывается по трём цветовым каналам RGB. Каждая цветовая компонента представляется в виде массива целых чисел, характеризующих яркость пикселей в определённом цветовом канале. После разложения, производится декомпозиция каждой из матриц вейвлетом Хаара до второго уровня разложения. В результате данной процедуры на выходе имеются 18 наборов вейвлет-коэффициентов, характеризующих данное изображение. Далее происходит загрузка из базы образцов вейвлет-коэффициентов одного из эталонов и наложение их на вейвлет-коэффициенты распознаваемого изображения. Результатом этой процедуры является коэффициент корреляции, определяющий близость представленного эталона и распознаваемого изображения в пространстве вейвлет-коэффициентов. Процедура загрузки нового эталона и корреляции продолжается для всех объектов базы образцов. Конечным этапом распознавания является выбор наилучшего коэффициента корреляции и сопоставление его определённому эталону.