2.5.3. Прямое сравнение признаков

Прямое сравнение признаков применялось совместно с корреляционным методом сравнения изображений с выборкой. Анализируется входное множество признаков , гдеN – число классов, M – число образцов класса в обучающей выборке. Были рассмотрены следующие варианты классификации.

1) По максимуму корреляции. Результат обнаружения вычисляется как:

. (2.9)

2) По числу превышений фиксированного порога по всей выборке. Введем некоторый порог . Определим результат обнаружения по следующей формуле:

. (2.10)

3) Интегральный критерий с фиксированным порогом. Аналогично 2) вводим порог . Результат обнаружения вычисляем по формуле:

. (2.11)

4) Интегральный критерий с плавающим порогом. Введем два порога ,. Вычисляем максимум корреляции по всему множеству. Если, то полагаем результат классификации гарантированно неудачным и полагаем. В противном случае вычисляем конечный пороги результат обнаружения получаем по формуле (2.11).

5) Комплексный критерий. Вводим дополнительные пороги ,, так что. Если, то полагаем результат классификации гарантированно неудачным и полагаем. В противном случае применяем следующий алгоритм:

Если то вычисляем результат по критерию 1, иначе

если то вычисляем результат по критерию 2, приняв, иначе

если то вычисляем результат по критерию 3, принявиначе

если то вычисляем результат по критерию 3, приняв.

6) Комплексный критерий с усреднением. Вводим дополнительные пороги аналогично 5). Вычисляем минимум корреляции по всему множеству . Если, то полагаем результат классификации гарантированно неудачным и полагаем. В противном случае применяем следующий алгоритм и вычисляем частичные результаты для каждого из подходящих условий:

Если то вычисляем частичный результат по критерию 1.

Если то вычисляем результат по критерию 2, приняв.

Если то вычисляем результат по критерию 4, принявв критерии.

Если то вычисляем результат по критерию 3, приняв.

За конечное принимается среднее частичных результатов по числу выполненных условий.

Для упрощения комплексирования результатов распознавания различных классификаторов масштабируется в диапазон [0,1] по следующей формуле:

, (2.12)

где ,.

В случае, когда распознавание по вектору признаков осуществляется одновременно несколькими классификаторами, результирующий вектор выходов получается как покомпонентное среднее векторов выходов всех классификаторов.

2.5.4. Вычисление показателя качества классификации

Пусть имеется результат обнаружения {k,Q}, где k – номер класса к которому отнесено очередной результат, – номера обнаруженных классов, аQ – показатель качества обнаружения, вычисляемый по следующей формуле:

Q=p_i*-p_i**, i=1,N^P.

Здесь, p_i*- максимальный выход классификатора, а p_i** - второй максимальный по величине выход классификатора из N^P возможных классов.

За предварительный результат распознавания принимается тот класс k^*, для которого показатель качества максимален. Полученный результат k* считается успешным распознаванием, если Q>Q^max, определенного для данного класса.

2.6. Принятие решения

Для каждого возможного класса подсчитывается число таких зон, отнесенных к этому классу, для которых показатель качества распознавания выше определенной величиныQ_i^max. Если для какого-либо класса число зон больше заданной величины , гдеN^Z – число зон интереса, то принимается решение об успешном распознавании этого класса, с показателем качества равным среднему показателю по всем зонам, отнесенным к этому классу. В случае если все зоны указывают на один класс, распознавание полагается успешным со средним по всем зонам показателем качества, вне зависимости от показателей качества отдельной зоны.