Контрольні питання

1. Які спотворення графічних зображень називаються афінними?

2. Як подається пряма лінія на дискретній площині?

3. Як змінюється довжина відрізка прямої лінії при його повороті?

4. Які основні задачі виникають при адаптації алгоритмів розпізнавання до афінних спотворень графічних зображень?

5. Назвіть основні параметри афінних спотворень графічних зображень.

6. Як визначаються параметри афінних спотворень графічних зображень?

7. Як здійснюється урахування параметрів афінних спотворень в алгоритмах розпізнавання графічних зображень?

8. Як формуються траси обходу елементів графічного зображення?

9. Як визначається кількість напрямів зчитування штрихових кодів?

Список рекомендованої літератури

1. Ящук Л.Е. Распознающие системы почтовой связи: Учебное пособие. – Одесса: УГАС, 1996. – 62 с.

2. Поштовий зв’язок: Підручник для вищих навчальних закладів / С.М. Скляренко, В.К. Стеклов, Л.Н. Беркман / За ред. В.К. Стеклова. – К.: Техніка, 2003. – 904 с.

3. Ящук Л.О. Розпізнавальні системи поштового зв’язку. Основні терміни та визначення: Методичний порадник. – Одеса: УДАЗ, 1999. – 8 с.

4. Ящук Л.Е. Оптимизация принятия решений в системах распознавания образов // Праці УНДІРТ. „Штучний інтелект і розпізнавання образів”. – Одеса: УНДІРТ. – 1998. – №2 (14). – С. 3 – 7.

5. Технологические процессы в почтовой связи. Книга 1. Основные характеристики и техническое обеспечение: Учебник для вузов / Б.П. Бутенко, И.А. Мамзелев, В.А. Мицкевич, Б.А. Цибульский / Под ред. Б.П. Бутенко и И.А. Мамзелева. – М.: Радио и связь, 1998. – 176 с.

6. Макодзеб В.М. Автоматизовані системи поштового зв’язку. – Ч.2. Зчитуючі пристрої, системи розпізнавання, системи технічного зору роботів: Навчальний посібник. – Одеса: ОНАЗ, 2003. – 283 с.

7. Вехова Г.В., Соколов В.П., Ястребов А.С. Технические средства автоматизации почтовой связи: Учебник для вузов связи. – С.Пб.: Политехника, 2000. – 344 с.

6. Оптимізація показників якості розпізнавання графічних зображень

6.1. Показники якості розпізнавання графічних зображень

Основними показниками якості розпізнавання графічних зображень є: ймовірність v_пр правильного розпізнавання; ймовірність v_відм відмови від розпізнавання; ймовірність v_пом помилкового розпізнавання.

Сума v_пр + v_відм + v_пом = 1 як сума ймовірностей повної групи подій.

Звідси випливає, що збільшення ймовірності v_пр можливе лише за умов зменшення однієї з ймовірностей v_відм, v_пом, або за умов зменшення обох цих ймовірностей.

Реально v_пр  v_відм  v_пом.

Якщо вважати, що на вхід розпізнавальної системи надходять графічні зображення, які подають основні класи Z_i (i = 1…n) або додатковий клас Z₀, а на її виході формуються результати розпізнавання, які також можуть подавати основні класи Z_j (j = 1…n) або додатковий клас Z₀, то складові ймовірностей v_пр, v_відм, v_пом можуть бути визначені з діаграми переходів, наведеної на рис. 6.1.

Рисунок 6.1 – Визначення складових ймовірностей v_пр, v_відм, v_пом

Як випливає з рис. 6.1, ймовірності v_пр, v_відм, v_пом визначаються п’ятьма ймовірностями переходів:

v₁ = v_ij (i = j; i, j = 1…n) – ймовірність правильного розпізнавання основних класів;

v₂ = v₀₀ – ймовірність відмови від розпізнавання додаткового класу, яку також можна розглядати як ймовірність правильного розпізнавання додаткового класу;

v₃ = v_i0 (i = 1…n) – ймовірність відмови від розпізнавання основних класів;

v₄ = v_0j (j = 1…n) – ймовірність помилкового розпізнавання додаткового класу як основного;

v₅ = v_ij (i ≠ j; i, j = 1…n) – ймовірність помилкового розпізнавання основних класів.

Ймовірності v_пр, v_відм, v_пом визначаються через ймовірності v₁, v₂, v₃, v₄, v₅ як v_пр = v₁, v_відм = v₂ + v₃, v_пом = v₄ + v₅.

В процесі розпізнавання образів неодноразово приймаються різноманітні рішення:

• про значення чергового елемента графічного зображення;

• про наявність чи відсутність тієї чи іншої ознаки;

• про розпізнавання тієї чи іншої цифри індексу;

• про розпізнавання усіх цифр індексу.

Крім того, процесу розпізнавання передують прийняття рішень:

• про знаходження лицьової поверхні поштового відправлення;

• про попереднє оброблення графічного зображення;

• про знаходження усіх спеціальних міток;

• про ідентифікацію кодів діаметрів усіх міток;

• про наявність чи відсутність проективних спотворень графічного зображення;

• про визначення параметрів афінних спотворень графічного зображення;

• про визначення напрямів обходу графічного зображення і т.і.

Слід підкреслити, що з прийняттям кожного рішення кількість інформації про графічне зображення зменшується, а ймовірність його помилкового розпізнавання зростає.

Розглянемо справедливість цього твердження на прикладі прийняття рішень про наявність чи відсутність тих чи інших ознак стилизованої цифри.

Ознаками стилізованих цифр є сегменти їх графічних зображень, нумерація і сполучення яких наведено на рис. 2.3.

З розгляду принципів виділення ознак стилізованих цифр (підрозд. 2.2) випливає, що кожна з цих ознак створюється певною сукупністю чорних або білих елементів, розташованих у відповідних зонах графічного зображення.

Якщо М_і (і = 1, 2, ..., 7) – загальна кількість можливих чорних та білих елементів, фактично виділених в зоні ознаки S_i графічного зображення при семисегментній стилізації, а N_і – кількість чорних елементів, фактично виділених в зоні ознаки S_i графічного зображення, то ймовірність р_і наявності сегменту S_i графічного зображення можна визначити як а ймовірність його відсутності –

Реально протяжності усіх сегментів стилізованих цифр збігаються і дорівнюють 5 мм, що при зчитуванні графічних зображень з чіткістю 8 ліній/мм обумовлює М_і = 5 х 8 = 40 елементів.

У табл. 6.1 наведено приклад визначення ймовірностей сегментів графічного зображення і результати його класифікації за умов використання різних порогів виділення сегментів.

Таблиця 6.1 – Приклад визначення ймовірностей сегментів графічного

зображення

Показники	Сегменти							Клас
	1	2	3	4	5	6	7
Кількість зчитаних чорних елементів Nі	12	24	8	20	4	32	32
Кількість зчитаних білих елементів Мі - Nі	28	16	32	20	36	8	8
Ймовірність наявності сегмента рі	0,3	0,6	0,2	0,5	0,1	0,8	0,8
Ймовірність відсутності сегмента 1 - рі	0,7	0,4	0,8	0,5	0,9	0,2	0,2
Значення сегментів з порогом 0,0	1	1	1	1	1	1	1	8
Значення сегментів з порогом 0,1	1	1	1	1	1	1	1	8
Значення сегментів з порогом 0,2	1	1	1	1	0	1	1	9
Значення сегментів з порогом 0,3	1	1	0	1	0	1	1	0
Значення сегментів з порогом 0,4	0	1	0	1	0	1	1	4
Значення сегментів з порогом 0,5	0	1	0	1	0	1	1	4
Значення сегментів з порогом 0,6	0	1	0	0	0	1	1	0
Значення сегментів з порогом 0,7	0	0	0	0	0	1	1	1
Значення сегментів з порогом 0,8	0	0	0	0	0	1	1	1
Значення сегментів з порогом 0,9	0	0	0	0	0	0	0	0
Значення сегментів з порогом 1,0	0	0	0	0	0	0	0	0

З табл. 6.1 випливає, що в залежності від значення порогів можуть бути виділені різні сегменти, внаслідок чого графічне зображення, що розпізнається, може бути віднесене до різних класів.

За таких умов доцільно віднести графічне зображення, що розпізнається, до класу, якому воно відповідає з максимальною ймовірністю.

Ймовірність належності опису R_i класу K_j визначається як

,

де p_j – ймовірність наявності сегмента S_j;

α_j – значення сегмента S_j еталонного зображення класу K_j (α_j = 1 у випадку наявності сегмента S_j, α_j = 0 у випадку відсутності сегмента S_j).

Наприклад, ймовірність належності розгляданого опису класу 2 відповідно до рис. 2.3 і табл. 6.1 складає:

= p₁ p₂ p₃(1 – p₄) p₅ p₆(1 – p₇) = 0,3 · 0,6 · 0,2 · 0,5 · 0,1 · 0,8 · 0,2 = 0,000288.

Результати розрахунку ймовірностей належності зазначеного опису основним класам К₁ – К₁₀ арабських цифр (клас К₁₀ – клас цифри 0) або додатковому класу К₀ наведено у табл. 6.2.

Таблиця 6.2 – Результати розрахунку ймовірностей належності опису графічного зображення класам

Класи	Основні										Додатковий
	1	2	3	4	5	6	7	8	9	10	0
Ймовірності	0,064512	0,000288	0,010368	0,096768	0,002592	0,000288	0,027648	0,001152	0,010368	0,000768	0,785248

Як випливає з табл. 6.2, розгляданий опис з найбільшою ймовірністю (0,785248) належить додатковому класу; з максимальною ймовірністю (0,096768) зазначений опис належить основному класу 4.

Зазначимо, що одержання високої ймовірності належності опису графічного зображення певному класу можливе лише за наявності значно більш високих ймовірностей наявності чи відсутності сегментів цього зображення. Так, якщо вважати ймовірності наявності сегментів α_j p_j і відсутності сегментів

(1- α_j)(1- p_j) семисегментних стилізованих цифр рівними, для одержання

= 0,93, зазначені ймовірності повинні складати 0,99.