книги из ГПНТБ / Рубахин, В. Ф. Психологические основы обработки первичной информации

тий, построению внутренней пространственной квази-модели ситуации и формированию на этой основе целесообразной стратегии поведения во внешней среде. На наш взгляд, в модели несколько упрощенно трактуются структура и функции первого слоя, связанного с процедурами восприятия и опознания, ибо в нем в сложных условиях фактически реализуются многие функции раз­ ных слоев, в том числе и более высокого уровня. В целом модель весьма пер­ спективна, хотя пока для ее функционирования необходим большой объем априорной информации.

Указанные работы составляют новое, психологически более обоснованное, перспективное направление общей теории автома­ тического опознания. На них основываются «структурные» мето­ ды опознания образов. Однако до настоящего времени не опи­ сана процедура формирования (алгоритм) лингвистической модели сложного изображения и управления восприятием с помощью этой модели. В ряде случаев модели имеют весьма схематизиро­ ванный характер.

Как видно, все рассмотренные модели не могут быть полностью отнесены к классу «детерминированно-эвристических». Сущест­ вующие опознающие устройства, опирающиеся на эти модели, обладают пока примитивным аппаратом отражения; низкой чувст­ вительностью восприятия и измерения; не опираются на иерархи­ ческую систему моделей и имеют весьма ограниченное число уров­ ней отражения; не имеют механизмов перцептивного кодирования и обладают весьма ограниченным, фиксированным языком для описания простых объектов; не имеют эвристических и регулирую­ щих функций; не способны к действенному перцептивному обуче­ нию и т. д. Вопросы индикаторного анализа не решаются вовсе. Отсюда их ограниченная практическая применимость. Существую­ щие модели не могут в полной мере быть использованы для работы с реальными многотоновыми изображениями.

Каковы же практические пути и возможности построения и использования формальных моделей, отражающих особенности перцептивно-опознавательной деятельности человека, примени­ тельно к дешифрированию? Рассмотрим возможности'слойно-сту­ пенчатого моделирования в интересах построения универсальной модели процесса опознания зашумленных изображений.

6.1.3. Слойно-ступенчатое моделирование процесса опознания

Формально процесс восприятия и опознания сложных изобра­ жений более адекватно может быть описан с помощью аппарата математической логики [255]. В соответствии с выявленными закономерностями восприятия зашумленных изображений чело- веком-оператором это описание должно отражать слохгао-ступен- чатую природу процессов обработки первичной информации.

Рассмотрим один из вариантов решения этой задачи путем использования формальной модели, основанной на ступенчатом

.исчислении предикатов. Данная модель, по исследованиям

237

Ю. И. Фейгина, позволяет вести исчисление предикатов в слоях с расширением области исходных индивидуумов каждого слоя. Речь идет о восприятии отдельных объектов.

Сущность используемого метода заключается в последовательном при­ менении к внешней ситуации, состоящей из некоторой «области индивидуумов- и основных предикатов» так называемого «узкого функционального исчисле­ ния», в результате чего выделяются структуры разных ступеней. Структура первой ступени состоит из предикатов, являющихся логическими функ­ циями одного или нескольких основных предикатов. Причем новые предикаты образуются с помощью известных логических операций: конъюнкции, ди­ зъюнкции, импликации, эквивалентности и др. Функции и «высказывания» данной ступени образуют первую «расширенную» область индивидуумов с включением в нее первоначальной. Структура и области второй, третьей и. более высоких ступеней формируются на основе логических преобразований первоначальных индивидуумов и основных предикатов, а также функций и высказываний всех предыдущих ступеней. Подобная логика обеспечивает отражение как дедуктивных, так и индуктивных процедур.

«Слойно-ступенчатое» исчисление ведется с использованием «естествен­ ного» языка единичных объектов.* Для анализа и описания реальных ситуа­ ций при извлечении информации применяется иерархическая система языко­ вых индивидуумов и предикатов. Использование подобного языка в слойноступенчатом исчислении в принципе обеспечивает построение внутренней, модели, условно-изоморфного аналога внешней ситуации. Построение таких, внутренних моделей основывается на потенциале восприятия, представляю­ щем собой совокупность записанных в памяти элементарных неразложимых кодовых языковых выражений, соотнесенных с единичными объектами внеш­ ней среды.

Структурно слойно-ступенчатая модель может быть представлена со­ стоящей из нескольких слоев. Последние объединяются в две условныегруппы: а) сенсорно-перцептивные («реальные») слои, связанные с непосред­ ственным восприятием стимула данного уровня разрешения; б) слои «пред­ ставлений», связанные с использованием лишь потенциала восприятия, за пределами возможностей разрешения воспринимаемого стимула. В со­ ответствии с таким делением можно говорить о двух фазах функционированиямодели, неразрывно взаимодействующих друг с другом. В последних слоях, реализуются экстраполяционные процедуры к эталонам.

В процессе функционирования соблюдается условие «предикативности»,, т. о. слойно-ступенчатая модель сводится к первичным индивидуумам по ступеням в пределах слоя, по слоям — в пределах всей модели. Так осуще­ ствляется «вскрытие» структуры воспринимаемого изображения и извлечения информации до возможного предела. Причем выявление этой структуры,

вязыковых терминах и процесс опознания идут как бы в одном русле. На. ходе слоев и исчисления в целом образуются «мозаики» языковых выражений,, сопровождаемые вероятностными оценками.

При низком уровне шумов внешние ситуации (объекты), фиксированные-

ввиде информационных моделей, относятся к непересекающимся классам основного множества, имеющим свои наименования. Эти классы обычнообразуют таксономические системы. Воздействие шумов приводит к объеди­ нению классов основного множества в различных сочетаниях. Выполненные исследования показывают,что в ряде случаев результаты слойно-ступенчатого- исчисления не совпадают ни с одним из уровней таксономической системы.

*Интересны в этом отношении соображения В. Н. Пушкина о функцио­ нировании в процессе смыслового восприятия и оперативного мышления двух языков: Ls — для фиксации связей и свойств элементов среды; Ьт — для

отражения динамики установления новых связей между элементами среды иь о необходимости разработки на этой основе раздельных формальных языко­ вых систем в рамках алгебры логики и «аналитической геометрии мысли» [ 229J..

258

В связи с этим, по-вндпмому, наиболее рациональной формой выхода слойиостунсичатого исчисления является конъюнктивная форма суждения (конъюкция классов основного множества). Эта форма в известной мере обеспечивает отражение структуры целостно воспринятой ситуации и ее формализацию.

Таковы общие принципы функционирования слойно-ступенча­ той модели. Она имеет сложное строение и фактически состоит из ряда «подмоделей». При расширении ее функциональных воз­ можностей на сложные объекты структура значительно усложня­ ется.

К основным особенностям описываемой формальной модели относятся: отсутствие процедур предварительной фиксации и опре­ деления вероятностного распределения признаков воспринимае­ мых объектов; построение внутреннего аналога воспринимаемых структур методами слойно-ступенчатого исчисления; «ведение» опознавательного процесса на основе языковых процедур; ис­ пользование некоторых эвристических операций. Выполненный анализ говорит о том, что данная модель с известным приближе­ нием может быть отнесена к классу детерминированно-эвристиче- ских.

Слойно-ступенчатое исчисление дает возможность вскрыть структуру локальных областей информационных моделей при решении перцептивных задач. Однако этот путь не всегда приводит к достижению цели опознания, в частности, при высокой степени зашумленности информационной модели, а также при решении диагностических дешифровочных задач.

В этих случаях слойно-ступенчатое исчисление при опознании локальных областей должно быть дополнено индикаторным, основанным на использовании индикаторов — окружающих по­ мехоустойчивых объектов, при наличии корреляционных или функционально-логических связей между ними. При этом могут быть два варианта: а) индикаторы используются целостно, без вскрытия их внутренней структуры; б) использование индикато­ ров предполагает анализ их внутренней структуры. Во втором случае осуществляется сложное взаимодействие слойно-ступенча­ того и индикаторного исчисления. Задача приобретает индика­ ционный характер в широком смысле слова.* Первый вариант связан с опознанием внешних элементов ситуации; второй — с дешифрированием ее внутренних элементов. При этом могут быть использованы два принципа индикаторных решений: структурно­ вероятностный и структурно-логический. В любых случаях инди­ каторное исчисление способствует повышению надежности и эф­ фективности дешифрирования, образуя дополнительный канал извлечения информации из зашумленных изображений.

Ю. И. Фейгиным дано формальное решение некоторых инди­ каторных задач, основанных на использовании логического прин­

* Эта задача (задача «8») определения ненаблюдаемого явления по на­ личию комбинации внешних признаков детально рассматривается в [291].

25»

ципа анализа причинно-следственных связей между опознавае­ мой локальной областью (областями) и ее индикаторами. Здесь структура ситуации отражается на основе приведенного логиче­ ского базиса, включающего набор кортежей опознаваемых объек­ тов (локальных областей) и их индикаторов, отвечающих при­ чинно-следственным отношениям (импликации) между ними. Кортежи образуются путем установления соответствия между инди­ цируемыми объектами и их индикаторами. В результате форми­ руется единое множество кортежей, на котором строятся логиче­ ские функции.

Проблема машинного решения индикаторных задач имеет два аспекта: построение приведенного логического базиса и реализа­ цию индикаторного исчисления. Если при построении и приве­ дении логического базиса устанавливаются зависимости между воздействиями и их проявлениями, то в процессе индикаторного исчисления решается обратная задача: осуществляется поиск и оп­ ределение индикаторов. На выходе индикаторного исчисления формируются конъюнкции индикаторов. Решение о классе опо­ знаваемых объектов осуществляется вероятностно-статистическим путем.

Совместное использование слойно-ступенчатого и индикатор­ ного исчисления обеспечивает «логический синтез суждений» об опознаваемых объектах с достаточно высокой степенью надеж­ ности.

Все это может быть в принципе использовано при реализации некоторых дешифровочных процессов. Однако в настоящее время на пути практического применения рассмотренной модели для автоматического опознания много трудностей, прежде всего свя­ занных с разработкой ее логико-математического и языкового ап­ парата. Необходимы глубокие специальные исследования.

Помимо рассмотренных моделей, для автоматизации перцеп­ тивно-опознавательных процессов при дешифрировании сложных изображений могут быть применены с определенными ограниче­ ниями формальные модели, опирающиеся на абстрактный язык, построенный на элементах теории множеств, при условии их ана­ логичности содержательным психологическим моделям отражения внешней среды [59].

§ 6.2. Психологический анализ возможностей построения автоматических опознающих устройств

для дешифрирования сложных изображений

В свете развиваемых в данном исследовании структурной тео­ рии восприятия и детерминированно-эвристической концепции мо­ делирования, перцептивно-опознающие автоматические системы, предназначенные для дешифрирования, должны иметь иерархи­ ческое строение, состоять из ряда подсистем, а последние вклю­

.260

чать определенный набор формальных моделей, в той или иной мере соответствующих психологическим содержательным моде­ лям 159, 251, 255]. Речь идет о расчленении слойно-ступенчатой модели на функциональные блоки в целях многоэтажной обра­ ботки информации. Для успешного функционирования подобная система, как было показано выше, должна отвечать следующим психологическим требованиям: обладать универсальным устрой­ ством ввода; иметь детерминированный характер; опираться на сложную языковую систему, обеспечивающую построение внут­ ренней модели среды; обладать известной эвристичностью функ­ ционирования.

Как показали исследования Клевцова и др., в самом общем виде подобные системы должны состоять из рецепторной подси­ стемы, подсистемы локального анализа статистически однородных об­ ластей* и подсистемы смыслового анализа ситуации [59]. В этой системе первичная обработка информации статистического харак­ тера на нижних уровнях обеспечивает выделение существенных информативных признаков для выполнения структурно-эвристи­ ческих операций на' высших уровнях.

Каковы строение и функции каждой подсистемы? Рецепторная подсистема состоит из приемного устройства и на­

бора частных формальных моделей элементов сетчатки—рецептив­ ных полей (РП). Исследования показали, что для обеспечения эффективности функционирования подсистемы важно, чтобы при­ емное устройство моделировало основные свойства сенсорного зве­ на зрительного анализатора человека: ** многоэлементную струк­ туру и многоканальное функционирование сетчатки; дифферен­ цированное функционирование центральной и периферической ча­ стей сетчатки; селективный поиск объектов с использованием раз­ личного разрешения; дезадаптирующие микродвижения глаз, типа тремора; фильтрацию, препарирование сигналов, выделение эле­ ментарных признаков зрительной информации; принципы исполь­ зования обратной связи для управления обзором и др. В настоя­ щее время все эти особенности зрительного анализатора не мо­ гут быть полностью воспроизведены либо из-за недостаточной их изученности, либо из-за технической сложности их реализации. Однако ряд преимуществ анализатора может быть использован уже сейчас.

Выполненный с этих позиций сравнительный анализ различ­ ных устройств ввода позволил выделить как наиболее перспектив­ ные выводы с электронно-оптическими преобразователями (ЭОП).

*Под статистически однородными областями понимаются такие, для каждой нары подобластей которых распределения значений модального параметра одинаковы или малоразличимы при заданных критериях.

**Существующие устройства ввода далеко уступают рецептору зритель­

ного анализатора по количеству чувствительных элементов (примерно в 104 раз), по объему и ассоциативности долговременной памяти, по надеж­ ности.

261

На основе проведенных исследований А. М. Халфиным и И. В. Еременко был разработан оригинальный вариант общей электронной модели в основ­ ном сенсорного звена зрительного анализатора. Эта модель основана на ис­ пользовании ЭОП в сочетании с перемещением электронного изображения и на применении стекловолоконной оптики. Стекловолокна передают изобра­ жение с очень малой потерей света на матрицу светочувствительных элемен­ тов — сетчатку, а затем — в счетно-решающие блоки, где происходит сравнение с эталонными изображениями. Для слежения за контуром при опи­ сании изображения введена обратная связь. Здесь в известной мере модели­ руется многоканальное функционирование сетчатки: работа периферического зрения, обеспечивающего быстрое наведение на объект поиска при малой раз­ решающей способности; работа центрального зрения, обеспечивающего детальный обзор выделенных участков; действие тремора и т. п. Параллель­ ная работа п рецепторов центральной ямки при прочих равных условиях позволяет сократить время восприятия в п раз.

Возможны и другие модификации общей электронной модели сенсорного звена зрительного анализатора, расширяющие ее возможности. В настоящее время на основе рассмотренной модели предложено периферическое устрой­ ство обзора (УО) в двух вариантах — монокулярном и бинокулярном. Вве­ дение в указанное устройство дополнительных счетно-решающих узлов, управляющих параметрами оптической системы, а также второго (идентич­ ного) рецепторного блока и специальных систем управления двигательными аппаратами позволяет реализовать новые функции зрительного анализатора: ориентировку оптической оси и автоматическую фокусировку устройства на наблюдаемый объект, а также в известной мере функции стереозрения. Такие модели в принципе способны обеспечивать восприятие объемных объектов

втрехметровом пространстве [59].

Всостав рецепторной подсистемы входят формальные модели элементов сетчатки — рецептивных полей (РП), обеспечивающие первичную обработку сложного изображения, включая выделе­ ние сигнала из шума и описание (измерение) его в терминах ве­ роятностно-статистических характеристик распределения ярко­ стей и контраста. Задача построения подобных моделей сложна, ибо они должны описывать входную сенсорную информацию в об­ щем случае при отсутствии априорных данных. В настоящее

время В. П. Клевцовым разработан ряд формальных моделей, функционирующих в рамках одной модальности — яркости. Мо­ дели РП состоят из матриц фоторецепторов, устройств комму­ тации их выходных цепей и решающих блоков с обратными свя­ зями на коммутаторы.

В частности, предложены двумерные модели РП : РП-1 — основная модель элементарного рецептивного поля с изотропной структурой, круглой центральной и кольцеобразной периферической зонами, обеспечивающая выделение граничных и контурных элементов однородных объектов; РП-2 — модель с анизотропной структурой, обеспечивающая выделение локальных граничных участков и контурных точек; РП-3 — модель секторного типа, обеспечивающая селекцию элементов полос; а также модель формирования движения в перцептивном пространстве для поиска и активного съема ин­ формации. Кроме того, рассмотрены одномерные модели направлений (РПН), построенные на тех же принципах.

Рассмотренные модели реализуют некоторые психофизиоло­ гические закономерности (например, обмен чувствительности на

262

разрешающую способность); обеспечивают выделение статистиче­ ски однородных участков в условиях действия шумов и оценку их яркости с заданной вероятностью; автоматическую настройку РП на оптимальный режим с помощью обратной связи и т. д. Некоторые из них близки к функциональной модели элементов зрительной системы (от входа до уровня зрительного нерва), ос­ нованной на использовании -ffC-фильтров, предложенной? Вергилесом и Зинченко [51, 127]. Конечно, рассмотренная подсистема не обеспечивает полное моделирование сенсорного звена зритель­ ного анализатора. В частности, предложенный набор формаль­ ных моделей реализует только яркостные признаки, без учета, внутриструктурных (текстурных) признаков объектов, играющих большую роль в дешифрировании.

Вторая подсистема обеспечивает выделение более укрупнен­ ных признаков воспринимаемых стимулов, описание их на спе­ циализированном языке, анализ и опознание статистически одно­ родных областей. По аналогии со слойно-ступенчатой моделью здесь реализуются функции более высоких ступеней слойно-сту­ пенчатого исчисления. Подсистема работает в двух режимах: опи­ сания статистически однородных областей в терминах «топологи­ ческого» алфавита и их опознания с «неопределенной» целью и идентификации стимулов на основе обучения. Анализ стати­ стически однородных областей совершается с помощью РП и РПН, описанных выше.

Для описания и опознания контурных изображений в моде­ лях рассмотренного класса могут быть использованы непосред­ ственные простейшие геометрические признаки; инвариантные геометрические структуры,* основанные на преобразованиях при­ знаков; укрупненные геометрические признаки. По мере пе­ рехода от первого способа к последующим сокращается избыточ­ ность абсолютного описания.

Р. И. Виноградовым разработан весьма эффективный вариант «топологической» модели, основанный на инвариантных преобра­ зованиях признаков, с учетом психофизиологических закономер­ ностей опознания изображений человеком [59 и др. ]. На основе этой модели разработана методика описания и опознания контур­ ных изображений сложной конфигурации с использованием кор­ тежа вторичных признаков, инвариантных к переносу, повороту, перспективно-подобным и перспективно-афинным преобразова­ ниям. В основе ее лежит динамическое использование длин и' уг­ лов наклона прямолинейных отрезков контура, инвариантных отношений между ними (отношений площадей треугольников, об­ разованных соседними отрезками ломаной). Такая система опи­ сания является значительно более гибкой по сравнению с простым

* Следует сказать, что в ряде случаев неинвариантность может служить, дополнительным источником информации.

263 .

геометрическим описанием и может быть использована при ра­ боте с различными вариантами объектов, в том числе с искажен­ ными. Длительная процедура перебора по всем направлениям и масштабам заменяется процессом вычисления кортежа призна­ ков. При выборе эталона учитываются весовые характеристики признаков.

Методика опирается на теорию подобия, в частности, на ин­ варианты групповых преобразований с учетом взаимосвязей между отдельными инвариантными признаками. Вместо компактности

практически достаточным является анализ сложных признаков в двухили трехмерном пространстве. Увеличение размерности пространства признаков определяется уровнем действия помех и их характером. Выделенные инвариантные признаки формиру­ ются в упорядоченные группы (сложные признаки) по Z элемен­ тов, где Z О 1. Если имеется определенное множество инвари­ антных признаков, характеризующих опознаваемые объекты, то описание любого из них может быть представлено в виде упоря­

Это же описание можно представить в виде совокупности сложных признаков:

Применение скользящего группирования инвариант шх при­ знаков сигналов, не снижая их информационной емкости, позво­ ляет значительно повысить помехоустойчивость кодов, а также надежность их опознания за счет введения информационной из­ быточности.

В результате исследований был разработан алгоритм опозн ;- ния плоских геометрических фигур, проверенный эксперимен­ тально на ЭЦВМ М-20. Машина обрабатывала данные о длинах отрезков в контуре и углах между ними, формируя инвариант­ ные структуры. Получены хорошие и достаточно надежные ре­ зультаты опознания. Для выделения элементарной информации, вводимой в ЭЦВМ, могут использоваться модели РП, рассмот­ ренные выше. Эксперименты показали, что для опознаватель­

264

ных целей необходима специализированная вычислительная ма­ шина.

Подсистема высшего уровня опирается на построение так назы­ ваемых «корковых» моделей. Эта собственно эвристическая подсис­ тема обеспечивает выделение сложных структур (мета-областей), их семантическое описание с использованием узко специализирован­ ного языка, смысловой анализ ситуации и опознание. Построение подобных подсистем является очень сложной и проблемной за­ дачей в области моделирования процессов восприятия и опозна­ н и я . Здесь должна полностью формироваться внутренняя модель,

обеспечивающая отражение внешней среды, ее элементов и отно­ шений между ними и управление перцептивно-опознавательными действиями более низкого ранга.

Для реализации этих задач формальные модели сложного структурного анализа, как показали исследования, должны иметь иерархическое строение в соответствии с принятой языковой сис­ темой; программно-ассоциативную организацию памяти; учиты­

Как уже указывалось, чрезвычайно важным вопросом проб­ лемы моделирования является формализация описания внешней среды и психических процессов, обеспечивающих ее отражение. Для целей формализованного описания наиболее универсальным является логико-математический подход, с использованием есте­ ственного языка или многоуровневой системы абстрактного языка. Первый вариант был рассмотрен выше. Здесь рассматривается

языковая система, опирающаяся на элементы теории множеств,

и комбинации; соответствие между множествами х и х'; словарь понятий ИД; грамматику G. — множество способов выделения,

анализа и описания элементов сложного изображения. Особое значение имеет связь формализованного абстрактного языка с есте­ ственным языком, с помощью переходного кода. Это важно, в част­ ности, для организации управления в информационно-опознава-

* Близкие к такого рода моделям формальные модели процессов пере­ работки информации человеком, имеющие иерархическое строение и осно­ ванные на некоторых эвристических принципах, разрабатываются в настоя­ щее время в Институте кибернетики АН УССР (см., например, [135]).

тельных автоматизированных системах. Как видно, рассмотрен­

если ставится задача опознания одиночного стимула, язык может быть предельно простым: предъявленное изображение представ­ ляется множеством точек различной яркости. Такой язык ис­ пользуется в разного рода «читающих» автоматах, предназначен­ ных для чтения графических текстов. В том случае, когда воспри­ нимаемая ситуация имеет сложную структуру (большое'число элементов разложения, множество объектов с разнообразными ха­ рактеристиками, а также связей между объектами и их эле­ ментами) и усложняется сама задача, языковые «способности» должны быть более развитыми. При этом необходимо использо­ вать свойство иерархичности отражаемых структур. Это озна­ чает, что над одним языком Ь\ должен строиться другой, мета­

язык £у+1, в котором алфавитом A J+1 является словарь Wj. Над языком L'J+1 должен строиться язык /У.+2 и т. д. Причем движение

вверх сопровождается дальнейшей семантизацией и обобщением. Особое значение здесь имеет определение соответствия между опи­ саниями реализаций /-уровня о [<?, R (ё)\ и элементами (тер­ минами) высшего (/-pi) уровня, установление перехода L'. -»

-*• LW ’

Подобный язык способен описывать как функции отражения, так и функции управления перцептивно-опознающей системой. Здесь реализуется принцип детерминизма, ибо закономерности организации элементов предыдущих, более низких уровней, явля­ ющиеся существенными признаками для них, отражаются на каж­ дом последующем уровне. В указанных выше работах сделана попытка использовать рассмотренную языковую систему для опи­ сания структур со строгой иерархичностью. На этом пути много трудностей, связанных с описанием сложных логических призна­ ков; кодированием мета-структур с большим количеством связей и т. д.

Итак, рассматриваемая перцептивно-опознающая система на своих низких уровнях опирается на использование элементар­ ного «топологического» языка, имеющего универсальный характер, обеспечивающего выделение и описание геометрических локаль­ ных элементов для различных изображений при решении многих опознавательных задач, а на верхних уровнях — на использова­ ние специализированного, иерархического языка, обеспечиваю­ щего описание сложных перцептивных структур.

Для формирования «корковой» модели, обеспечивающей ана­ лиз сложного изображения, важна специальная организация па­ мяти, ибо линейный язык ЭЦВМ и обычная организация памяти плохо согласуются с пространственно-иерархическим характером

266