Харківський національний університет радіоелектроніки

Машталір Володимир Петрович

УДК 007.001.362+681.327.12.001.362

ТОЧКОВО-МНОЖИННІ МЕТОДИ

ОБРОБКИ І РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ

05.13.23 – системи та засоби штучного інтелекту

Автореферат

дисертації на здобуття наукового ступеня

доктора технічних наук

Харків – 2002

Дисертацією є рукопис.

Робота виконана в Харківському національному університеті радіоелектроніки, Міністерство освіти і науки України

Науковий консультант: доктор технічних наук, професор

Путятін Євгеній Петрович,

Харківський національний університет радіоелектроніки,

завідувач кафедри інформатики

Офіційні опоненти:

–

–

–

Провідна установа

Одеський національний політехнічний університет, кафедра комп’ютерних систем, Міністерство освіти і науки України

Захист відбудеться: 02.07.2002 р. о 14 годині на засіданні спеціалізованої вченої ради Д64.052.01 в Харківському національному університеті радіоелектроніки за адресою 61166, м. Харків, пр. Леніна,14, тел.: (0572) 40-90-51

З дисертацією можна ознайомитись у бібліотеці Харківського національного університету радіоелектроніки (61166, м. Харків, пр. Леніна,14)

Автореферат розісланий 30.05.2002 р.

Вчений секретар

спеціалізованої вченої ради    Саєнко В.І.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Розвиток систем штучного інтелекту деякою мірою стимулюється удосконалюванням методів і засобів перетворень і розпізнавання зображень. У той же час диверсифікованість прикладних аспектів інтелектуалізації програмно-апаратних засобів вимагає збільшення обсягів та інтенсивності обробки візуальної інформації, приводить до ускладнення розв’язуваних задач. Сформована тенденція є прямим наслідком перерозподілу функцій людини і комп’ютера в плані підвищення ролі синтаксичної, семантичної, якісної і кількісної інтерпретації відеокадрів в автоматичному режимі.

Парадигма обробки візуальної інформації представляється трьома типами задач, у яких: –

входом і виходом є зображення; –

відеокадри синтезуються на основі формальних моделей з урахуванням (чи без нього) вхідних даних довільної природи; –

результатом аналізу зображень поряд з теоретичними та евристичними посилками є продукування знань про об’єкт, процес чи явище.

Галузева (професійна) інтеграція інтелектуальних ресурсів, поширення використання локальних і глобальних телекомунікаційних систем і навіть акценти на комплексній автоматизації побуту підкреслюють необхідність підвищення ефективності концептуальної, методологічної, математичної, інформаційної, технологічної бази реєстрації, накоплювання, передачі, обробки і тематичної інтерпретації зображень. Ефективне використання інформаційного простору розширює можливості економічного росту України. Виникнення серйозних труднощів принципового характеру об’єктивно пов’язано з неповнотою або надмірністю інформації, її неадекватністю, невірогідністю, стохастичністю, поліморфізмом в умовах протилежних вимог збільшення обсягів даних і скорочення часу на аналіз чи синтез знань.

Основний вплив на розвиток методів і засобів обробки і розпізнавання інформації різної фізичної природи зробили дослідження українських і закордонних учених: М.Ф. Бондаренка, О.А. Борисенка, В.І. Васильєва, Т.К. Вінцюка, Р.А. Воробеля, В.В. Грицика, Ю.І. Журавльова, М.Г. Загоруйка, О.Г. Івахненка, Г.П. Катиса, М.Ф. Кириченка, В.А. Ковалевського, В.П. Кожем’яка, В.Г. Лабунця, В.Д. Мазурова, Є.П. Путятіна, Б.Н. Русина, І.Б. Сіроджи, Ю.П. Шабанова-Кушнаренка, М.И. Шлезінгера, J.K.R.C. Dubes, R.O.U.R.C.P.E.B.K.P.M.K.T.S.W.K.I.M.R.J.J.T.S.та інших. Незважаючи на істотні досягнення в цій області, синтез інструментарію моделювання обробки й інтерпретації інформації в умовах різного роду невизначеностей навіть при розумному доборі необхідних і достатніх у прикладному аспекті даних, як і раніше, являє собою нетривіальну проблему. Більш того, у силу розширення класів розв’язуваних задач, постійного збільшення їх обчислювальної складності, удосконалювання методів і засобів обробки і розпізнавання зображень, певно, буде продовжуватися дуже тривалий час.

Зв’язок роботи з науковими програмами, планами, темами. Дисертація виконана на кафедрі інформатики Харківського національного університету радіоелектроніки в рамках держбюджетних науково-дослідних робіт: “Обробка складних сигналів (зображень) в інформаційних системах” (№ ДР 0194V038440, відповідальний виконавець), “Розробка і дослідження теоретичних і прикладних аспектів синтезу й обробки рентгенографічних зображень у системах радіаційно-інтроскопічного аналізу” (№ ДР 0196V011359, відповідальний виконавець), “Методи обробки і технології розпізнавання зображень різної фізичної природи” (№ ДР 0197V008892, відповідальний виконавець), “Розробка теоретичних основ і математичного забезпечення для адаптивних, нейро- і фаззі-систем керування з урахуванням обмежень, що параметрично оптимізуються” (№ ДР 0197V0121130, виконавець), “Концептуальні підходи і моделі розпізнавання зображень в умовах регулярних і випадкових збурень для систем реального часу” (№ ДР 0100V003416, відповідальний виконавець), а також ряду тем за договорами про науково-технічне співробітництво, зокрема, відповідно до Державної програми “Критичні технології і технології подвійного призначення”, яка затверджена Розпорядженням Кабінету Міністрів України №310 від 7.06.1994 р., Програмою розвитку озброєння і військової техніки України на період до 2005 року.

Мета і задачі дослідження. Розробка точково-множинних моделей і методів обробки і розпізнавання зображень в умовах неоднозначності для систем з обмеженнями на час прийняття рішень.

Для досягнення мети треба було вирішити такі задачі: –

розробити теоретичні основи аналізу інформації у вигляді точково-множинних методів, що дозволяють деталізувати або узагальнювати дані з необхідною точністю; –

синтезувати групоутворюючі точково-множинні методи прелімінарної стратифікованої обробки еталонів, що забезпечують максимальну швидкодію компаративного розпізнавання інформації в просторах сигналів чи ознак; –

побудувати і дослідити скануючі точково-множинні відображення для синтезу моделей відеопам’яті безконфліктного паралельного доступу і методів паралельно-фрагментної і послідовно-фрагментної обробки зображень; –

вивчити специфіку застосування точково-множинних методів, знайти раціональні характеристики для їхньої ефективної реалізації, створити і впровадити дослідницькі і спеціалізовані програмні засоби.

Об’єкт дослідження – процеси перетворень і тематичної інтерпретації інформації в системах штучного інтелекту.

Предмет дослідження – точково-множинні методи обробки і розпізнавання зображень для систем реального масштабу часу.

Методи дослідження – при розробці теоретичних основ точково-множинного моделювання використано математичний апарат теорії розпізнавання образів, алгебра, теорія множин, при синтезі точково-множинних методів – методи кластеризації, оптимізації, паралельної обробки зображень, елементи теорії груп.

Наукова новизна отриманих результатів. Наукова новизна дисертації полягає в постановці та рішенні проблеми обробки інформації в умовах природної чи організованої багатозначності з позицій властивостей неоднозначності – застосування точково-множинних методів, що ставлять у відповідність окремим елементам деякі сімейства з заданими властивостями: –

вперше запропоновані моделі обробки та інтерпретації зображень на базі точково-множинних відображень (раніше вивчалися здебільшого топологічні властивості таких відображень), що дозволяє враховувати різний ступінь деталізації представлення та аналізу даних; –

стосовно до задач обробки і розпізнавання інформації проведене узагальнення представлень про багатозначні відображення: введені їх спеціальні види, операції, встановлені їхні властивості, вивчена система суперпозицій, що в сукупності представляє уніфікований дослідницький апарат аналізу даних в умовах неоднозначності; –

вперше введено і досліджено точково-множинні структури – об’єкти з реляційними властивостями та операціями, які верифіковані для класів еквівалентності, але не для всіх їх представників, що дає можливість досліджувати узагальнені властивості вхідної інформації і раціонально модифікувати базисні множини структур; –

вперше одержані, обґрунтовані і вивчені методи грубої, тонкої та ієрархічної -кластеризації, принципова відмінність яких від традиційних підходів полягає у виборі мети, а саме – мінімізації числа порівнянь з еталонами, що забезпечує оптимізацію компаративного розпізнавання в цілому; –

дістали подальший розвиток методи синтезу відеопам’яті, які поряд з моделюванням безконфліктного паралельного доступу дозволяють формалізувати паралельно-фрагментну і послідовно-фрагментну обробку зображень у термінах скануючих точково-множинних відображень.

Практична значимість отриманих результатів. Розроблені методи забезпечують створення універсальних або спеціалізованих програмно-апарат-них засобів обробки і розпізнавання зображень чи інших видів інформації на базі порівнянь з еталонами. Основна перевага підходу до мінімізації числа операцій компаративного розпізнавання полягає в тому, що при заданій обчислювальній потужності можна істотно збільшувати обсяги аналізованих даних, підвищуючи тим самим точність або надійність прийняття рішень. З іншого боку, при фіксованих обсягах даних можна здійснювати раціональний вибір обчислювальних ресурсів, оптимізуючи габаритно-вагові чи вартісні характеристики. Реалізація результатів дисертації проведена у вигляді дослідницького програмного комплексу обробки зображень і ряду програмних систем, зокрема, експертних систем діагностики рідких захворювань.

Матеріали дисертації впроваджені при розробці систем визначення координат об’єктів на місцевості (ХКБМ ім. О.О. Морозова, акт від 19.10.2001), проектуванні РЛС із заданим рівнем інтелекту (Науковий центр ХВУ, акт від 19.10.1999), обробці медичної інформації стосовно до задач Державного медико-дозиметричного регістра по Тульській області (акт від 30.09.2000), у навчальному процесі Харківського національного університету радіоелектроніки (акт від 26.12.2001). Експертні системи впроваджені в Дніпропетровському обласному діагностичному центрі (акт від 18.11.1997), Дорожній клінічній лікарні (м. Дніпропетровськ, акт від 9.12.1997), Одеській обласній клінічній лікарні (акт від 25.10.1998), 411-ому окружному військовому госпіталі (акт від 1.10.1998), Комп’ютерному центрі охорони здоров’я Тульської області з використанням комп’ютерної мережі охорони здоров’я Російської Федерації MedNet (акт від 30.09.2000).

Особистий внесок здобувача. Усі положення, що виносяться на захист, отримані здобувачем особисто. В усіх роботах, написаних у співавторстві, здобувачу належать постановки задач, вибір і обґрунтування їхнього рішення, а також: [3, 7, 14, 16, 17, 30, 36, 39–41] – методи стратифікованої кластеризації інформації як прелімінарної обробки еталонних множин; [4, 12, 26, 34] – оптимізація точково-множинних методів, дослідження їхніх властивостей, у тому числі з урахуванням властивостей предметних областей; [12, 21, 27, 33–35, 37] – моделі пам’яті для паралельно-фрагментної і послідовно-фрагментної обробки зображень; [11, 15, 18, 20, 23, 24, 38, 42, 43] – методи синтезу ознак і розпізнавання зображень при різних умовах реєстрації; [2, 13, 28] – методи паралельної обробки візуальної інформації.

Апробація результатів дисертації. Матеріали дисертаційних досліджень доповідалися, обговорювалися і були схвалені на таких науково-технічних конференціях і семінарах: I–III, V–VII міжнародних конференціях “Теорія і техніка передачі, прийому та обробки інформації” (Харків-Туапсе, 1995–1997, 1999–2001); II міжнародній науково-практичній конференції “Сучасні інформаційні та електронні технології” (Одеса, СІЕТ 2001); III,V Всеукраїнських міжнародних конференціях “Обробка сигналів і зображень та розпізнавання образів” (Київ, Укробраз’96, Укробраз’2000); міжнародній конференції “Актуальні питання реформування охорони здоров’я в Україні” (Київ, 1997); науково-технічній конференції “Розробка систем технічного зору і їхнє застосування в промисловості” (Іжевськ, 1991); Міжреспубліканській науково-технічній конференції “Обробка растрових зображень в автоматичних системах” (Тула, 1991); Всесоюзних науково-технічних конференціях “Методи представлення й обробки випадкових сигналів і полів” (Харків, 1989, 1991); Республіканських семінарах “Проблеми створення систем обробки, аналізу і розпізнавання зображень”. (Ташкент, 1989, 1990); III, IV Всесоюзних конференціях “Математичні методи розпізнавання образів” (ММРО-III Львів, 1987, ММРО-IV, Рига, 1989); Всесоюзній конференції “Методи і засоби обробки складної графічної інформації”. (Горький, 1988).

Публікації. Основні наукові положення дисертації викладені в 43 працях, серед яких 2 монографії, 10 статей у 8 різних журналах, 12 статей у 6 різних збірниках наукових праць (з них 20 робіт у виданнях, включених у переліки наукових фахових видань України), 19 публікацій у працях, матеріалах і тезах різних конференцій.

Структура та обсяг роботи. Дисертація складається із вступу, семи розділів, висновків, списку використаної літератури із 251 найменувань на 24 с., додатку на 12 с. Загальний обсяг становить 347 с., ілюстрацій – 79 (з них 28 на 27 окремих сторінках), таблиць – 31 (з них 3 на 7 окремих сторінках).

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність розв’язуваної проблеми, сформульовано мету, основні задачі досліджень і наукову новизну отриманих результатів. Розглянуто практичне значення, реалізацію та впровадження результатів дисертації. Наведено відомості про публікації та апробацію роботи.

Перший розділ присвячений аналізу стану і тенденцій розвитку систем обробки і розпізнавання зображень (О і РЗ) з використанням еталонної (опорної, апріорної) інформації.

Застосування еталонів пов’язане з двома аспектами синтезу методів, алгоритмів і обчислювальних моделей О і РЗ. З одного боку, опорні дані застосовуються в явній чи неявній формі як деяка апріорна інформація про властивості об’єктів чи способи її обробки. З іншого боку, порівняння (в широкому розумінні встановлення еквівалентності) часто є парадигмою задач обробки і трактування сигналів різної фізичної природи. Результати порівняння з еталонами чи їхніми ознаками виступають як першооснови прийняття рішень. У системах штучного інтелекту і дедуктивні, і абдуктивні, і традуктивні, і, нарешті, індуктивні підходи в тій чи іншій мірі зв’язані із зіставленням інформації – вхідної та опорної. Різні умови отримання даних, побічні фактори, відсутність стійкості до перешкоджуючих впливів – ось далеко не повний перелік причин, що переводять порівняння в розряд непростих задач.

Показано, що один зі стійких інструментів моделювання подібних ситуацій – потребуючі свого розвитку точково-множинні (багатозначні) методи. Їхня суть полягає в зіставленні окремим точкам (множинам) деяких підмножин з множин всіх підмножин, узагалі говорячи, іншої природи. При цьому результат поєднує елементи, конгруентні в тому чи іншому плані, а звуження відображень, можливо навіть не розкриваючи механізму виникнення багатозначності, проте, можуть досить адекватно відбивати специфіку широкого кола задач інтеграції інтелектуальних ресурсів.

Аналіз літературних джерел показав, що скорочення за тим чи іншим критерієм неоднозначності спрямовано, насамперед, на максимізацію швидкодії і надійності рішення задач, мінімізацію програмно-апаратних ресурсів, поліпшення ергономічних характеристик в інтерактивних системах з елементами штучного інтелекту.

У розділі з загальних позицій проаналізовано методи, коли обсяги апріорної інформації і її багатозначність впливають на ефективність розпізнавання в цілому. Виділено метод розпізнавання об’єктів, процесів і явищ на основі безпосереднього порівняння з еталонами. Він названий компаративним розпізнаванням унаслідок простого вирішального правила – мінімуму деякої міри неузгодженості між заданими еталонами та інформацією, що реєструється.

Установлено, що як попередню обробку множин еталонів великої потужності доцільно використовувати групоутворюючі багатозначні відображення, що дозволяють керувати ступенем розходжень чи елементів їхніх сімейств. Фундаментальною проблемою використання відомих алгоритмів кластеризації є їхнє обґрунтування, а саме: вибір метрики, оптимального чи хоча б раціонального числа груп і оцінка якості результатів угруповань, тобто їхнє порівняння в плані прикладної орієнтації. Крім того, вони в основному спрямовані на синтез описів, що відбивають “організацію” оброблюваних даних. Застосування отриманих описів для інформаційного пошуку є не що інше, як деривація по мінімуму розходження. Комбінаторна складність (число можливих переборів) може скорочуватися, але це ні в якій мірі не гарантується. Звідси випливає необхідність постановки і рішення задач, у яких швидкодія розпізнавання виступає як цільова функція кластеризації. Такі методи названі -кластеризацією, а одержувані угруповання –-кластерами.

Іншим аспектом удосконалювання засобів О і РЗ є високопродуктивні системи паралельної обробки, що розвиваються активно. При їх створенні зовсім природно виявляються проблеми багатозначності, а саме: маються множини даних, результатів, процесів перетворень і різні відносини між ними. Іншими словами, окремому елементу (стосовно до обробки зображень – пікселу, фрагменту, еквіпотенційної яскравісної чи колірної поверхні, представнику еталонного набору відеокадрів і т.д.) зіставляється множина варіантів реєстрації, обробки, запам’ятовування чи множина потенційних причинно-наслідкових реалізацій обробки. Аналіз існуючих підходів показав, що точечно-множинні методи можуть виступати як досить зручний інструмент не тільки для деякого узагальнення моделей пам’яті з безконфліктним паралельним доступом, але і – головне – для встановлення взаємозв’язків з багатьма методами та алгоритмами паралельної обробки зображень.

При пошукові відповідностей між формальною і змістовною системами зазначені проблеми відіграють особливу роль в активних чи пасивних системах обробки вхідних чи синтезованих зображень. Аналогічні складності виникають і при комплексуванні візуальної і формалізованої інформації. Поліморфізм вихідних даних, методів обробки та інтерпретації є наслідком цілого ряду причин: варіацій впливу проміжного середовища (умов видимості), прямих чи непрямих факторів, що впливають на сприйняття (різних геометричних перетворень, часткових затулень об’єктів, похилок і обмежень датчиків, можливостей засобів обробки і відображення), нечіткості дефініцій “надлишкові дані – необхідна інформація” (складної фонової складової відеокадрів, що динамічно трансформується, загальної обстановки з перешкодами).

Використання еталонної інформації розглядається як один з основних механізмів (інструментів) технології моделювання та інтерпретації систем з візуалізацією об’єктів, процесів і явищ. Невизначеність, що виникає і при реєстрації, і при перетвореннях, і при прикладному трактуванні результатів, виступає в якості детермінанти при створенні програмно-алгоритмічних і технічних засобів, спрямованих на аналіз зображень чи їхніх класів. У вигляді досить загальної та абстрактної форми моделювання можуть виступати точково-множинні методи. Зіставляючи з необхідним ступенем деталізації окремим елементам деякі множини, інакше кажучи, стратифіковано огрубляючи чи уточнюючи аналіз, вони можуть ефективно моделювати практично весь спектр задач обробки і розпізнавання зображень. Введення звужень дозволяє встановлювати зв’язок з предметними областями.

У підсумку встановлено, що дослідження з загальних позицій властивостей точково-множинних методів дозволить враховувати специфіку процедур О і РЗ в аспекті інваріантості, еквіваріантності і поліваріантності перетворень інформації і прийняття рішень. Зниження комбінаторної ємності компаративного розпізнавання і паралельно-фрагментні чи послідовно-фрагментні процедури (порівняння, обчислення ознак, фільтрація, реставрація зображень і т.д.) є типовими представниками класів задач, рішення яких може базуватися на застосуванні точково-множинних методів.

Другий розділ присвячений синтезові точково-множинних моделей, аналізу даних різної фізичної природи в аспекті їхньої реєстрації, перетворень, тематичної чи абстрактної інтерпретації. Стосовно щодо інформаційних інтелектуальних систем такий підхід створює передумови для продукування уніфікованого інструментального математичного апарата, що забезпечує концептуально-методологічне обґрунтування застосування звужень багатозначних відображень. В результаті багатозначність і способи її редукування виступають як основа синтезу точково-множинних методів обробки і розпізнавання даних різної фізичної природи.

Результати введення і вивчення властивостей і зв’язків транспонованих, спряжених, повнооднозначних, квазіоднозначних т.м.в. забезпечують широкий спектр інструментів моделювання і конкретизації умов неповноти, надмірності, невірогідності, неадекватності даних, що аналізуються, і методів їхньої обробки. Дослідження видів і властивостей оборотності т.м.в., співвідношень між ними створює передумови урахування повного чи часткового збереження властивостей параметричних описів інформації при її перетвореннях, обробці і прикладній інтерпретації. Накладення на багатозначні відображення загального чи спеціального виду обмежень, обумовлених прикладною специфікою задач, дає можливість синтезувати точково-множинні методи з урахуванням загальних теоретичних положень і механізмів виникнення синтаксичної, семантичної, кількісної чи якісної невизначеності.

У третьому розділі введена і досліджена базова система суперпозицій т.м.в.; вивчені точково-множинні структури і відносини.

Введення базового набору суперпозицій т.м.в, що допускає розширення, які асоційовані з предметними областями, спрямовано на синтез методів і алгоритмів, що враховують перетворення інформації при різних формах представлення на різних етапах її існування.

Облік специфіки властивостей інформації, її збору, введення, перетворень і інтерпретації вимагає проводити багатоаспектний аналіз не тільки на доступних представниках множин даних, але і шляхом обробки верифікованих лише для визначених сімейств властивостей на основі точково-множин-них структур. При обробці і розпізнаванні зображень з’являються можливості аналізу класів еквівалентності, що індуковані геометричними перетвореннями, яскравістими чи колірними “еквіпотенційними” зрізами, характеристиками форми об’єкта, текстурними ознаками.

У підсумку з’являється можливість аналізу динамічних змін семантичних і синтаксичних відносин між об’єктами і їхніми характеристиками. Дослідження умов і критеріїв ізоморфізму точково-множинних структур забезпечує трансформації базисних множин з метою пошуку їхніх представлень, раціональних з погляду ефективності (швидкодії, точності, надійності, вартості реалізації і т.д.) синтезу обчислювальних моделей точково-множинних методів.

У четвертому розділі наведено точково-множинні методи попередньої обробки еталонних множин, що забезпечують зниження комбінаторної складності задачі розпізнавання об’єктів або явищ на основі порівняння з еталонами – так званого компаративного розпізнавання. Синтезовані методи грубої і тонкий -кластеризації, що дозволяють представляти інформацію з необхідним ступенем деталізації, спрямовані на мінімізацію числа операцій порівняння і гарантують потужність множини альтернатив на етапі розпізнавання.

П’ятий розділ присвячений розробці та обґрунтуванню точково-множинного методу ієрархічної -кластеризації, що дозволяє знаходити оптимальні кортежі параметрів дроблення результатів застосування грубої -кластеризації. Запропоновано процедуру пошуку множини оптимальних значень міри подібності еталонів. Знайдено оптимальні значення кількості страт. Синтезовані групоутворюючі т.м.в., що враховують усі припустимі варіанти потенційних конфігурацій кластерів.

Мета шостого розділу – узагальнення з позицій т.м.в. методів послідовно-фрагментної (усі точки фрагмента зображення обробляються одночасно) і паралельно-фрагментної (одночасно обробляється по одній точці з декількох навіть перетинних фрагментів) стратегій. Як інструментарій моделювання обрані скануючі т.м.в. Їхнє застосування, з одного боку, дозволяє синтезувати і досліджувати моделі відеопам’яті, що забезпечують безконфліктний паралельний обмін даними, з іншого боку – формалізувати цілий ряд алгоритмів саме в термінах багатозначних відображень.

Отримано метод кореляційного виявлення об’єктів і визначення їхніх координат у полі зору, заснований на моделях безконфліктного доступу до фрагментів відеокадрів, що демонструє використання скануючих т.м.в. в аспекті синтезу паралельних процедур обробки і розпізнавання зображень.

Сьомий розділ присвячений аналізу обчислювальних моделей точково-множинних методів розпізнавання й обробки зображень, синтезу ознакових просторів, аналізу в порівняльному аспекті методів кластеризації і, крім того, обговоренню особливостей впровадження результатів дисертаційної роботи.

З метою компенсації впливу зміни взаємного розташування об’єкта і відео-датчика запропоновано метод синтезу функціональних інваріантів. Отримано конкретні розрахункові співвідношення для основних видів однопараметричних групових перетворень зображень. Всі інваріанти легко обчислюються на основі паралельно-фрагментої обробки і забезпечують досить надійне компаративне розпізнавання.

Знайдено інваріантні відображення з множини зображень у деякий функціональний простір. Тоді, якщо – інваріантне відображення () у простір функцій дійсної змінної, то, гадаючи , одержуємо інваріантне відображення в , тобто -мірний вектор ознак. Отримано вектори ознак, що інваріантні до зсувів, поворотів, косих розтягнень, перетворень перспективи та інших.

Дослідження і реалізація методів -кластеризації обмежувалося такими сімействами ознак: яскравісними одномірними (середнє значення яскравості, середнє квадратичне відхилення, енергія одномірного розподілу, ентропія одномірного розподілу, коефіцієнт асиметрії, коефіцієнт ексцесу), яскравісними площинними (енергія двовимірного розподілу, ентропія двовимірного розподілу, коефіцієнт контрасту, зворотний різницевий момент), характеристиками форми об’єкта (площа, периметр, середнє арифметичне відстаней від контурних точок до центра ваги, розкид цих відстаней, максимальна і мінімальна відстані, максимальний і мінімальний моменти інерції щодо головних центральних осей інерції контуру), функціональними інваріантами однопараметричних трансформацій (векторні інваріанти до зсувів, поворотів, косих розтягнень і перетворень перспективи), моментними інваріантами (в умовах дії групи евклідових подібностей).

Експериментальний аналіз методів -кластеризації проводився на базі імітаційного моделювання кластерів і наступного зіставлення результатів, отриманих при застосуванні різних підходів. Як алгоритми для порівняльних досліджень грубої -кластеризації були обрані найбільш широко використовувані методи типу -середніх, медоїдних (динамічних ядер), фаззі-клас-теризації, а для ієрархічної -кластеризації як база порівняння застосовувалися алгоритми ближнього і далекого сусідів, простого і групового усереднення, центроїдний і медіанний підходи, методи Варда і Ленса-Вілльямса. Установлено, що груба -кластеризація забезпечує продукування угруповань, порівняних з результатами методів -середніх, медоїдного і фаззі-кластеризації. Складність пошуку раціональних наборів значень практично рівнозначна рішенню задачі пошуку раціональної кількості кластерів. У той же час ієрархічна -кластеризація у всіх експериментах перевершувала по швидкодії компаративного розпізнавання традиційні підходи. Результати імітаційного моделювання і порівняльних експериментальних досліджень дозволяють стверджувати: –

точково-множинні методи -кластеризації, переслідуючи власні цілі, не тільки не суперечать традиційним підходам, але і можуть ефективно комбінуватися з ними; –

двохетапність ієрархічної -кластеризації поєднує переваги традиційних підходів до групоутворення і методів об’єднання, та методів дроблення оброблюваних множин, забезпечуючи в підсумку значне підвищення продуктивності систем прийняття рішень; –

методи ієрархічної -кластеризації завжди гарантують мінімальну комбінаторну складність компаративного розпізнавання, але відносне підвищення швидкодії тим більше, чим більшої потужності розглядаються еталонні множини.

Реалізація теоретичних результатів дисертаційних досліджень здійснювалася у двох напрямках: створено універсальний програмний комплекс, який дозволяє з необхідними показниками ефективності моделювати і досліджувати весь спектр методів -кластеризації і компаративного розпізнавання; розроблено ряд спеціалізованих систем попередньої обробки еталонів і компаративного розпізнавання.

Результати впровадження дисертаційних досліджень показують, що застосування розроблених точечно-множинних методів створює передумови для істотного збільшення обсягів даних при фіксованих обчислювальних ресурсах або для скорочення тимчасових витрат на обробку і інтерпретацію даних при обмеженнях на обчислювальне середовище, що використовується.

У додатку приведені акти про впровадження теоретичних і практичних результатів дисертаційної роботи.

ВИСНОВКИ

У дисертації наведено теоретичне узагальнення та отримано нове рішення наукової проблеми обробки інформації в умовах природної чи організованої багатозначності з позицій властивостей неоднозначності, а саме – точково-множинних методів, що зіставляють окремим елементам цілі сімейства даних, визначені постановкою задачі і специфікою предметної області. При проведенні дисертаційних досліджень отримані такі основні результати.

1. Встановлено, що досить універсальним у концептуальному аспекті, адекватним із прикладної точки зору є підхід, заснований на моделюванні дефіциту чи надмірності інформації точково-множинними відображеннями.

2. У вигляді точково-множинних моделей формалізовані і досліджені задачі обробки і розпізнавання відеоінформації, у яких неповнота чи надмірність, неадекватність, невірогідність, випадковість даних або поліморфізм інтерпретації є домінуючими характеристиками інформаційних процесів, що забезпечує синтез точково-множинних методів з необхідним рівнем узагальнення і абстрагування чи навпроти – диференціації та конкретизації.

3. Проведено узагальнення представлень про точково-множинні відображення, вивчені їхні властивості, введені спеціальні види, досліджені операції і системи суперпозицій, що забезпечує широкий спектр інструментів моделювання і конкретизації умов реєстрації та обробки зображень. Дослідження видів і властивостей оборотності, співвідношень між ними створює передумови урахування повного чи часткового збереження властивостей параметричних описів інформації. Накладення на багатозначні відображення обмежень, обумовлених предметними областями, дає можливість синтезувати точково-множинні методи з урахуванням загальних теоретичних положень і механізмів виникнення синтаксичної, семантичної, кількісної чи якісної невизначеності.

4. Введено і досліджено точково-множинні структури. Встановлені необхідні і достатні умови їхнього існування виступають як база вивчення властивостей даних та забезпечують інтелектуальне сприйняття первинних сигналів навіть в умовах організованих чи природних перешкод. У підсумку з’являється можливість аналізу динамічних змін відносин. Дослідження умов і критеріїв ізоморфізму точково-множинних структур забезпечує трансформації базисних множин з метою пошуку їхніх раціональних представлень з погляду ефективності (швидкодії, точності, надійності, вартості реалізації).

5. Розроблені, обґрунтовані і вивчені точково-множинні методи попередньої обробки еталонних множин, коли немає принципових обмежень на час аналізу і перетворень. Вони забезпечують мінімальну комбінаторну складність розпізнавання на основі порівняння вхідних даних з множиною еталонів. З метою виявлення найбільш раціональних областей і умов практичного використання групоутворюючих точково-множинних методів усебічно досліджена груба, тонка та ієрархічна -кластеризація. Обґрунтована і вивчена параметрична оптимізація методів -кластеризації, проаналізована специфіка обчислювальних моделей.

6. На основі введених скануючих точково-множинних відображень отримані моделі відеопам’яті з безконфліктним доступом при паралельно-фрагментній і послідовно-фрагментній обробці зображень. Установлено, що багато паралельних алгоритмів можуть не тільки реалізовуватися, але і розроблятися в термінології скануючих точково-множинних відображень.

7. Шляхом експериментальних досліджень та імітаційного моделювання продемонстрована ефективність точково-множинної -кластеризації в аспекті підвищення швидкодії компаративного розпізнавання в порівнянні з використанням традиційних методів кластеризації.

8. Запропоновані, обґрунтовані, теоретично та експериментально досліджені точково-множинні методи реалізовано у виді універсального дослідницького (з теоретико-прикладною орієнтацією) програмного комплексу та декількох спеціалізованих програмних систем.

9. Теоретичні і практичні результати дисертаційних досліджень впроваджені в ряді програмно-апаратних систем, що у тій чи іншій формі використовують процедури обробки, засновані на еталонній інформації: кореляційно-екстремальні системи навігації і спостереження, системи технічного зору, діагностичні медичні комплекси.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

16.

17.

18.

19.

20.

21.

22.

23.

24.

25.

26.

27.

28.

29.

30.

31.

32.

33.

34.

35.

36.

37.

38.

39.

40.

41.

42.

43.

АНОТАЦІЯ

Машталір В.П. Точково-множинні методи обробки і розпізнавання зображень. – Рукопис.

Дисертація на здобуття наукового ступеня доктора технічних наук за спеціальністю 05.13.23 – системи та засобу штучного інтелекту. – Харківський національний університет радіоелектроніки, Харків, 2002.

Дисертація присвячена рішенню проблеми обробки інформації в умовах природної чи організованої багатозначності з позицій властивостей неоднозначності – застосування точково-множинних методів, що з необхідним ступенем деталізації зіставляють окремим елементам деякі множини з заданими властивостями.

У теоретичному аспекті створений уніфікований дослідницький апарат обробки і тематичної інтерпретації інформації в умовах різного роду багатозначності. Результати дисертації забезпечують синтез точково-множинних методів з необхідним рівнем узагальнення і абстрагування чи навпроти – диференціації і конкретизації. З практичної точки зору створені передумови для раціонального проектування програмно-апаратних засобів, розвитку середовищ підтримки прийняття рішень в організаційно-технічних системах, коли ступінь деталізації, обсяги даних і час обробки є критичними факторами.

Ключові слова: точково-множинні відображення, розпізнавання зображень, структура, кластеризація, паралельно-фрагментна і послідовно-фрагментна обробка.

АННОТАЦИЯ

Машталир В.П. Точечно-множественные методы обработки и распознавания изображений. – Рукопись.

Диссертация на соискание ученой степени доктора технических наук по специальности 05.13.23 – системы и средства искусственного интеллекта. – Харьковский национальный университет радиоэлектроники, Харьков, 2002.

Диссертация посвящена решению проблемы обработки информации в условиях естественной или организованной многозначности с позиций свойств неоднозначности – применения точечно-множественных методов, которые с требуемой степенью детализации сопоставляют отдельным элементам некоторые множества с заданными свойствами.

В первом разделе проведен анализ состояния и тенденций развития систем обработки и распознавания изображений с использованием эталонной (опорной, априорной) информации. Установлено, что расширение возможностей систем искусственного