Распознавание образов

Монография посвящена разработке философско-методологических основ нейросетевого моделирования распознавания образов: раскрыты его исходные философско-методологические принципы, обозначены ключевые методологические проблемы (соответствие модели и прототипа, методологический статус гносеологического образа, когнитивно-операциональная структура нейросетевой модели распознавания и т.п.). Особое внимание уделено построению гносеологически адекватных моделей распознавания образов, разработаны соответствующие методологические рекомендации. Адресуется научным работникам в области распознавания образов, современных информационных технологий, философам и широкому кругу читателей, интересующихся проблемами моделирования когнитивных процессов.

Авторы рассматривают проблему выбора пороговых значений при распознавании небольших множеств объектов с единичным эталоном на основе алгоритмов вычисления оценок. Обсуждается возможность дополнения множества эталонов специализированным множеством квази-эталонов. Приводятся экспериментальные результаты и варианты синтеза этого множества.

Сегодня наметилась отчетливая тенденция к переходу от традиционных систем видеонаблюдения, постоянно замкнутых на операторе, к полуавтоматическим системам, привлекающим внимание оператора только в действительно важных ситуациях. Для таких компьютерных систем наблюдения, осуществляющих самостоятельный контроль над изменениями наблюдаемой сцены, используется термин «интеллектуальные системы наблюдения». В статье описывается метод совместной обработки видеопоследовательности в пространственной и временной областях, предназначенный для применения в составе компьютерных систем наблюдения наряду с другими известными методами обработки и анализа видеоданных.

В работе представлен подход к решению задачи поиска чертежей (эскизов) на основе многоуровневого распознавания и логического анализа, использующий построение и сопоставление нечетких атрибутивных графов образов объектов. Подход базируется на методах и инструментарии структурного распознавания образов, нечетких графов, автоматического чтения чертежей и синтеза 3D-моделей, а также использовании лучевого графа в процессе распознавания. Приведены примеры.

Авторами описаны основные концепции спектрального анализа, получение графического образа аудиосигнала, а также особенности восстановления искаженного аудиосигнала. Для реконструкции сигнала используются элементы образного анализа, а также метод сравнительной обработки текущего и эталонного графических образов.

По свойствам неорганических веществ и материалов существует огромное количество баз данных, содержащих разнонаправленную информацию. Статья посвящена вопросам использования накопленных данных для поиска методами распознавания образов закономерностей, позволяющих осуществлять прогнозирование образования еще не синтезированных веществ и оценку их свойств.

В работе обсуждается возможность улучшения надежности алгоритма распознавания, основанного на двоичных дескрипторах, при помощи оригинальной процедуры предварительного обучения, названной «коррекция ортогональным к шуму проецированием». Данный метод за счет построения специального подпространства признакового описания образов приводит к существенному сокращению внутриклассовых расстояний, но практически не изменяет межклассовые. Таким образом, вероятность корректного разделения классов значительно возрастает. В статье приводится математическая формализация метода, а также результаты экспериментальной реализации на примере алгоритма распознавания лиц.

Представлены оценки эффективности поисковых операций, содержащих алгоритм распознавания и выполняемых с целью поиска единственного объекта среди заданного множества похожих объектов. В качестве оценки эффективности принято среднее число похожих объектов, рекомендованных средствами для дальнейшего анализа. Проведено исследование этой оценки, получены ее экспериментальные результаты на реальных данных. Эти результаты могут быть использованы для некоторых систем поддержки принятия решений.

В монографии на единой методической основе проанализированы неопределенности, связанные с выделением информативных признаков и формированием представлений изображений. Книга будет полезна: разработчикам новых алгоритмов и систем анализа и распознавания изображений; студентам, бакалаврам и магистрам, обучающимся по специальностям «Прикладная математика и информатика», «Информационные системы», «Интеллектуальный анализ данных» и близким к ним; всем, кто работает в области обработки и анализа изображений или интересуется этими задачами. Издание осуществлено при поддержке Российского фонда фундаментальных исследований по проекту 11-07-07020, не подлежит продаже

Актуальность использования технологии распознавания лиц в современном мире компьютерных технологий уже ни у кого не вызывает сомнений: госструктуры и различные организации успешно используют возможности идентификации человека без пароля, что намного удобнее и существенно экономит время. Целью исследования данной темы является формирование представления о современных методах, принципах и алгоритмах технологии идентификации лиц, а также обучение студентов методам самостоятельного исследования и анализа на примере практической реализации технологии идентификации лиц с использованием программы анализа изображений Facial Recognition Test Application. Для достижения поставленной цели необходимо решить следующие задачи: обучить студентов формализации задач прикладной области, при решении которых необходимо использовать количественные и качественные оценки; сформировать у учащихся способность проведения научных экспериментов; обучить методам исследования современных задач прикладной информатики и компьютерных технологий. Результатом представленного исследования является ознакомление с методиками и алгоритмами работы технологии распознавания лиц, а также в качестве прикладного применения в учебном процессе был разработан лабораторный практикум «Технология идентификации лиц с использованием программы анализа изображений Facial Recognition Test Application», который может быть использован для проведения лабораторных занятий по дисциплине «Мультимедийные технологии» и ряда других учебных дисциплин направления компьютерных технологий.

В работе представлен оригинальный подход к решению задачи определения изоморфизма графов, используемый в системе распознавания образов. Оригинальность предлагаемого в статье подхода базируется на хешировании структуры графа с использованием в качестве инвариантной характеристики графа кратчайших расстояний между всеми вершинами.

Биометрия представляет собой область компьютерных наук, которая изучает способ создания компьютерных моделей физиологических (геометрия руки, отпечатки пальцев, радужная оболочка глаз и т. д.) и поведенческих (динамика подписи, клавиатурного почерка, походка и т. д.) характеристик человека для идентификации одного или нескольких субъектов, а также их психофизиологического состояния. Перспективными с этой точки зрения являются тепловизионные методы контроля состояния субъекта. Результат распознавания субъекта или состояния зависит от эффективности каждого этапа системы идентификации. В настоящей статье приведен обзор результатов исследований по автоматическому распознаванию состояний субъектов по тепловым изображениям лица, основное внимание уделено используемым идентификационным признакам и наиболее перспективным алгоритмам принятия решений на базе широких нейронных сетей.

В монографии впервые систематически рассмотрены и обобщены разработанные авторами новые направления в приложении теории обработки искаженных и малоконтрастных изображений к актуальным задачам радиофизики, астрономии, оптики и радиолокации. Монография состоит из двух частей. В первой части на основе аппарата целочисленной меры Лебега проведен теоретический анализ однозначности восстановления одномерных сигналов и изображений по неполной информации об их Фурье-спектрах. Построены модели на основе использования преобразования Гильберта для связи между модулем и фазой в двумерном случае. При отсутствии условий аналитического решения задач применяются методы проекций на выпуклые множества. Во второй части приведены полученные на основе аппарата дробной меры и дробной размерности результаты фрактального подхода к обработке сверхслабых сигналов и малоконтрастных изображений. Применяются методы моделирования на основе скейлинга и распределения с «тяжелыми хвостами». Эффективность методов фрактальной фильтрации широко иллюстрируется примерами. Изложены принципы синтеза фрактальных обнаружителей. Для специалистов, интересующихся новыми идеями и современными методами обработки изображений, сигналов и распознавания образов, а также для аспирантов и студентов соответствующих специальностей.

Описывается логический подход к распознаванию образов. Его основным понятием выступает тест. Анализ совокупности тестов позволяет строить функционалы, характеризующие образ и процедуры вычисления их значений. Указываются качественные и метрические свойства тестов, функционалов и процедур распознавания. Приводятся результаты решения конкретных задач. Книга может быть рекомендована математикам, кибернетикам, информатикам и инженерам как научная монография и как новый технологический аппарат, а также как учебное пособие для студентов и аспирантов, специализирующихся в области математической кибернетики, дискретной математики и математической информатики.

В книге предлагается новая теория признаков распознавания образов на основе стохастической геометрии и функционального анализа, которая позволяет формировать конструктивные признаки распознавания нового класса – триплетные признаки. Источником формирования триплетных признаков является введенное автором новое геометрическое преобразование, связанное со сканированием изображений по сложным траекториям. Построена с единых позиций объединенная теория признаков распознавания и предварительной обработки изображений, пригодная для создания мощных самонастраивающихся систем распознавания образов. Приведены примеры эффективного применения теории в области геологии, медицинской и технической диагностики, нанотехнологии, биометрии. Научным работникам, аспирантам и студентам старших курсов, специализирующимся в области теоретической информатики и кибернетики. Рукопись книги стала призером конкурса по информатике 2007 г. Международного фонда «Human Capital Foundation» (фонда «Научный потенциал» – Англия).

Книга посвящена исследованию способов описания формы объектов в цифровых бинарных изображениях с помощью непрерывных моделей. Использование непрерывных моделей существенно упрощает решение многих задач анализа, распознавания и преобразования изображений. В книге в качестве универсальной непрерывной модели формы используется понятие фигуры – замкнутой области, граница которой состоит из конечного числа непересекающихся жордановых кривых. Рассматриваются три взаимосвязанных способа представления фигур: многоугольными границами, скелетами, семействами кругов (циркулярами). Задача построения непрерывной модели для бинарного изображения состоит в аппроксимации его фигурами. В книге описываются разработанные автором методы решения этой задачи и их практические приложения. Книга рассчитана на научных работников и инженеров, профессионально занимающихся вопросами математического обеспечения цифровой обработки и анализа изображений. Она также может быть полезна аспирантам и студентам соответствующих специальностей. Издание осуществлено при поддержке Российского фонда фундаментальных исследований по проекту 08-07-07017

В книге подробно рассмотрен принцип минимальной длины описания, являющийся следствием теоретико-информационного подхода к построению моделей и выбору гипотез. Этот принцип становится все более популярным при решении сложных задач автоматического анализа данных, традиционно относившихся к области искусственного интеллекта. Рассмотрены задачи распознавания образов, машинного восприятия и грамматического и логического выводов, для которых использование принципа минимальной длины описания уже позволило получить более эффективные решения. На конкретных примерах показана возможность разработки унифицированного подхода к решению указанных задач. Книга предназначена для широкого круга читателей: студентов, молодых ученых и специалистов, интересующихся компьютерными науками и, в частности, искусственным интеллектом.

В реальных изображениях лиц большие визуальные вариации, такие как различия в выражении лица, его позиции, разный масштаб и освещение, наличие преград перед лицами и другие, вызывают трудности при отличии лица от фона изображения. В результате возникают области изображений, которые неправильно распознаются как лица (ошибки первого рода), тогда как эффективность алгоритмов распознавания лиц характеризуется низким числом таких ошибок, высокой скоростью обнаружения лиц и высокой скоростью обработки изображений. Таким образом, чтобы уменьшить число описанных областей, вместо того, чтобы разрабатывать точный алгоритм обнаружения лиц, который требует больших временных затрат на работу, после первичного обнаружения лиц будет добавлен этап их валидации. В настоящей статье предлагается новый быстрый метод валидации лиц. Он состоит из двух этапов: первый – определение кожи с использованием метода анализа значений YCbCr-цвета; второй шаг – обнаружение глаз и рта с использованием каскадного подхода. На втором этапе область лица-кандидата делится на две перекрывающиеся области, одна для модели обнаружения глаз, а другая для модели обнаружения рта. Алгоритм обнаружения лиц, основанный на методе опорных векторов, использовался для сравнения с предлагаемым решением. Результаты экспериментов на наборе данных FDDB показали лучшую производительность предлагаемого метода (время валидации 2 мс по сравнению с 500 мс у алгоритма, основанного на методе опорных векторов) при схожем числе ошибок первого рода.

Представлены три лабораторные работы. Рассмотрены задачи распознавания объектов в условиях постоянной освещенности на основе предварительно выбранных признаков. Это прежде всего задачи технического зрения в приложениях автоматизации производства. Приведены алгоритмы предобработки, бинаризации, разметки изображения, а также методика выбора характерных признаков объекта, алгоритмы их детектирования, методы оценки достижимых характеристик по скорости, точности и устойчивости к воздействию мешающих факторов. Лабораторные работы предназначены для выполнения в среде MATLAB с использованием пакета Image Processing Toolbox. Для подготовки и выполнения лабораторных работ студентами, обучающимися по программам высшего технического образования по специальностям 27.04.04 «Управление в технических системах», 24.05.06 «Системы управления летательными аппаратами», изучающими дисциплину «Системы распознавания образов».

В монографии дастся систематическое изложение теории и практики дешифрирования аэроснимков, полученных иконическими оптико-электронными системами воздушной разведки. Дешифрирование рассматривается с современных позиций теории информации и распознавания образов. Показаны возможные пути распознавания изображений, способы выбора и минимизации демаскирующих признаков, методы идентификации объектов при визуальном и автоматическом дешифрировании. Значительное место отведено описанию классификации объектов авиационной техники.