Лекция1

Теория и алгоритмы распознавания образов

Формальное описание алгоритма распознавания

R= A,S,P

A – перечень выделяемых классов, S – набор признаков

P – правило отнесения образа к классу

Теория и алгоритмы распознавания образов

Система распознавания

В общем случае система распознавания – это интерактивная многоуровневая система, которая может включать несколько различных алгоритмов распознавания и промежуточные этапы обработки данных

Типичный пример – автоматизированное тематическое дешифрирование снимков

на основе геоинформационных технологий

Основные требования к системе распознавания

Точность распознавания – обеспечивается минимизацией ошибок для каждого алгоритма распознавания

Минимальные временные затраты – обеспечиваются вычислительной эффективностью используемых алгоритмов и минимизацией используемого количества признаков

Минимальные затраты на разработку системы – обеспечиваются

использованием известных, хорошо зарекомендовавших себя алгоритмов распознавания

Минимальные затраты на обучение операторов – обеспечиваются высокой степенью автоматизации процессов обработки данных

Теория и алгоритмы распознавания образов

Как построить систему распознавания

1.Собрать все доступные данные об объектах исследования

2.Определить итоговый перечень классов, которые необходимо выделить

3.Выбрать формализуемые признаки, по которым эти классы можно отличить друг от друга

4.Если признаки числовые, проверить, соответствует ли точность их измерения или расчета требованиям к точности распознавания

5.Если среди имеющихся данных нет характеристик, позволяющих непосредственно выделить требуемые классы, попытаться разбить систему распознавания на несколько этапов (выполнить декомпозицию)

Примеры из автоматизированного дешифрирования снимков, когда декомпозиция необходима:

Классы объектов на изображении перекрываются по значениям спектральной яркости, но при этом:

• определенные яркости имеют различный характер пространственной локализации в разных классах и разное количественное соотношение

•при распознавании требуется использование признаков различной физической природы, выраженных в несоизмеримых единицах

Теория и алгоритмы распознавания образов

Как построить систему распознавания

Для каждого отдельного этапа распознавания необходимо:

6.Выбрать набор признаков и перечень выделяемых классов.

7.Описать классы на множестве выбранных признаков.

8.Выбрать метод распознавания (правило принятия решения).

9.Протестировать алгоритм на контрольном наборе образов и оценить точность распознавания

10. Если точность, получаемая на каждом этапе, удовлетворяет требованиям, собрать систему и оттестировать ее в соответствии с общими требованиями

Теория и алгоритмы распознавания образов

Алгоритмы распознавания без обучения и с обучением

При распознавании без обучения аналитик предполагает, что ему известно, сколько классов можно выделить по выбранным признакам на конкретном множестве образов

Чаще всего он все-таки ошибается, поэтому данный способ относят к эвристическим методам распознавания. Но распознавание без обучения полезно для оценки информативности выбранного набора признаков в решении поставленной задачи распознавания

В системах обработки данных ДЗ распознавание без обучения обычно называют

неконтролируемой классификацией

Примечание: в современной терминологии под неконтролируемой обработкой ДДЗ понимается любая обработка данных без предварительной разметки

При распознавании с обучением аналитик сам определяет, какие именно классы ему нужно выделить и формирует репрезентативные обучающие выборки по данных классам

Распознавание с обучением иногда тоже предполагает, что на данном множестве образов присутствуют только выбранные классы. Но в этом случае можно отсечь те образы, которые мало похожи на выбранные классы и отнести их к классу «прочее».

Многие методы распознавания с обучением позволяют априори оценить ожидаемую ошибку распознавания и выбрать метод принятия решения, который минимизирует эту ошибку.

В системах обработки данных ДЗ распознавание с обучением обычно называют

контролируемой классификацией

Теория и алгоритмы распознавания образов

Некоторые особенности систем распознавания в автоматизированной обработке данных ДЗ

Основным источником данных являются цифровые аэрокосмические снимки, поэтому базовым признаком является значение яркости пикселя в съемочном диапазоне

Теория и алгоритмы распознавания образов

Некоторые особенности систем распознавания в автоматизированной обработке данных ДЗ

Новый тип съемочной аппаратуры - ГСА

Современная гиперспектральная аппаратура имеет от 100 до 400 каналов, что позволяет идентифицировать и разделять объекты по локальным особенностям спектров отражения

Широкие

горизонталь ные полосы

– каналы мультиспект ральной аппаратуры

На мультиспектральных и гиперспектральных снимках кривую спектральной яркости для отдельного пикселя, представленную с различным уровнем дискретизации, называют спектральным образом соответствующего участка земной поверхности

Точность распознавания зависит от выбранного метода принятия решения

Достоверность распознавания зависит от того, насколько спектральный образ или набор таковых типичны для данного класса объектов земной поверхности

Теория и алгоритмы распознавания образов

Некоторые особенности систем распознавания в автоматизированной обработке данных ДЗ

Другие источники растровых цифровых данных

•Первичные продукты цифровой обработки, получаемые с геопорталов – проблемно-ориентированные спектральные индексы, геотермические карты, карты годичной продуктивности фитомассы и т.п.

•Цифровая модель рельефа

•Текстурные признаки, рассчитанные по панхроматическому снимку

При использовании в алгоритме распознавания разныз типов растровых данных следует убедиться, что они удовлетворяют следующим требованиям:

•Имеют идентичное или близкое пространственное разрешение

•Гарантируют высокую точность пространственной привязки (в пределах одного пикселя)

•Точность выполненных измерений или расчетов должна быть выше требований к

точности в решаемой задаче распознавания

•Изображения не подвергались процедурам улучшения качества путем поднятия контраста, эквализации и т.п.

Все изображения должны быть приведены к идентичной цифровой шкале