 |
Основные задачи, возникающие при разработке систем распознавания образов
|
|
|
|
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ РАСПОЗНАВАНИЯ ОБРАЗОВ
Основные понятия теории распознавания образов и ее значение
Распознавание образов - это наука о методах и алгоритмах классификации объектов различной природы. [2] <http://www.enci.ru/%D0%A2%D0%B5%D0%BE%D1%80%D0%B8%D1%8F_%D1%80%D0%B0%D1%81%D0%BF%D0%BE%D0%B7%D0%BD%D0%B0%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2>
Теория образов важнейший раздел искусственного интеллекта, пытается создавать алгоритмы, которые позволяли бы выхватывать подобные образы из различных потоков информации. Наиболее распространены сейчас системы распознавания образов, анализирующие зрительную информацию c физических объектов, которые имеют минимальное движение. Но делаются попытки распознать объекты и явления из других, невизуальных источников информации. Например, автоматическое распознавание человеческого голоса и речи, попытки распознавания наиболее вероятных мест залежей полезных ископаемых путем обобщения геологической информации и поиска ее типичных паттернов, сопутствующих месторождениям, есть работы по распознаванию типичных ситуаций в поведении биржи и т.д.
Теория распознавания образов - раздел кибернетики, развивающий теоретические основы и методы классификации и идентификации предметов, явлений, процессов, сигналов, ситуаций и т. п. объектов, которые характеризуются конечным набором некоторых свойств и признаков. Такие задачи решаются довольно часто, например, при переходе или проезде улицы по сигналам светофора. Распознавание цвета загоревшейся лампы светофора и знание правил дорожного движения позволяет принять правильное решение о том, можно или нельзя переходить улицу в данный момент.
|
|
|
В процессе биологической эволюции многие животные с помощью зрительного и слухового аппарата решили задачи распознавания образов достаточно хорошо. Создание искусственных систем распознавания образов остаётся сложной теоретической и технической проблемой. Необходимость в таком распознавании возникает в самых разных областях - от военного дела
и систем безопасности до оцифровки всевозможных аналоговых сигналов.
Большое количество бизнесов и компаний инновационной индустрии формируется как раз вокруг задач распознавания образов: от автоматического распознавания лиц в системах безопасности до распознавания медицинских изображений, например, в рентгенологии.
Под классом образов понимается некоторая категория, определяемая рядом свойств, общих для всех ее элементов.
Образ - это описание любого элемента как представителя соответствующего класса образов.
В случае, когда множество образов разделяется на непересекающиеся классы, желательно использовать для отнесения этих образов к соответствующим классам какое-либо автоматическое устройство. Считывание и обработка погашенных банковских чеков являются примером задачи распознавания образов. Подобные задачи могут выполняться и людьми; машина, однако, справляется с ними много быстрее. С другой стороны, некоторые задачи распознавания таковы, что человек едва ли в состоянии решать их. Примером задач такого рода служит выделение из множества морских сигналов и шумов тона подводной лодки посредством анализа подводных звуковых сигналов.
Очевидное, но совсем уж «бесхитростное» решение задачи распознавания заключается в применении к отдельным предъявленным образам ряда простых тестов для выделения признаков каждого класса. Совокупность этих тестов должна различать все допустимые образы из разных классов. Например, рассмотрим пять английских букв: COINS. Эти буквы можно классифицировать, применив тесты на наличие таких признаков, как замкнутая кривая, изгиб, двойной изгиб, вертикальный отрезок, короткий отрезок.
|
|
|
Если следовать такому интуитивному подходу, то построение автоматической системы распознавания образов может показаться довольно простой задачей. Не существует, однако, общей теории, позволяющей определить, какие из всего множества мыслимых тестов следует применить к предъявленным образам. Очень ограниченное количество или небрежный выбор тестов не дадут возможности получить характеристики предъявленных для распознавания образов, достаточные для отнесения их к соответствующим классам. Слишком много тестов, с другой стороны, необоснованно усложняют вычисления, осуществляемые в процессе дальнейшего анализа. Отсутствует какое-либо общее правило для получения неких ориентиров, способствующих определению набора таких тестов. Подобный подход чрезмерно зависит от опыта и технической интуиции разработчика и поэтому часто не дает удовлетворительного решения задач распознавания образов, встречающихся в практической деятельности.
Математическая теория распознавания, включая её применение к разнообразным прикладным задачам, является одной из наиболее активно развивающихся областей математики и математической кибернетики. Концепция теории распознавания лежит в основе современных информационных систем, реализованных путём применения новейших компьютерных технологий. Интерес к проблеме распознавания продолжает быстро расти из-за расширяющегося круга задач в областях техники, вычислительной математики и кибернетики, теории информации, физики, химии, лингвистики, биологии, медицины.
Проблемы распознавания трактуются в тесной связи с проблемами анализа данных и обработки информации, теория распознавания выступает как самостоятельное направление со своими задачами, аппаратом и методологией. При этом основное внимание уделяется получению фундаментальных результатов применения математических методов распознавания образов: детерминистских, статистических, алгебраических и логических.
Особенностью данной теории является изучение теоретико-возможностных методов распознавания образов, являющихся наиболее эффективными при идентификации объектов, характеризующихся нечёткостью и неопределённостью их описания, связанных со случайностью и неточностью данных, их неполнотой и недостоверностью, а также изменчивостью во времени.
|
|
|
Можно выделить несколько направлений использования методов распознавания образов:
распознавание символов (печатного и рукописного текстов, банковских чеков и денежных купюр и т.д.);
распознавание изображений, полученных в различных частотных диапазонах (оптическом, инфракрасном, радиочастотном, звуковом) и анализ сцен;
распознавание речи;
медицинская диагностика;
системы безопасности;
классификация, кластеризация и поиск в базах данных и знаний (в том числе и в Интернет-ресурсах).
Основные задачи, возникающие при разработке систем распознавания образов
При постановке задач распознавания стараются пользоваться математическим языком, стараясь, в отличие от теории искусственных нейронных сетей <http://www.enci.ru/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%B0%D1%8F_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D1%8F_%D1%81%D0%B5%D1%82%D1%8C>, где основой является получение результата путем эксперимента, заменить эксперимент логическими рассуждениями и математическими доказательствами.
Задачи, возникающие при построении автоматической системы распознавания образов, можно обычно отнести к нескольким основным областям.
Первая задача связана с представлением исходных данных, полученных как результаты измерений для подлежащего распознаванию объекта. Это - проблема чувствительности. Каждая измеренная величина является некоторой характеристикой образа или объекта. Допустим, например, что образами являются буквенно-цифровые символы. В таком случае в датчике может быть успешно использована измерительная сетчатка.
В практических ситуациях, однако, далеко не всегда удается выбрать измеряемые параметры так, чтобы получить строго непересекающиеся множества. В частности, если в качестве критериев разбиения выбран рост и вес, может наблюдаться существенное пересечение классов, представляющих профессиональных футболистов и баскетболистов.
|
|
|
Вторая задача распознавания образов связана с выделением характерных признаков или свойств из полученных исходных данных и снижением размерности векторов образов. Эту задачу часто определяют как задачу предварительной обработки и выбора признаков. Признаки классов образов представляют собой характерные свойства, общие для всех образов данного класса.
Признаки, характеризующие различия между отдельными классами, можно интерпретировать как межклассовые признаки. Внутриклассовые признаки, общие для всех рассматриваемых классов, не несут полезной информации с точки зрения распознавания и могут не приниматься во внимание. Выбор признаков считается одной из важных задач, связанных с построением распознающих систем. Если результаты измерений позволяют получить полный набор различительных признаков для всех классов, собственно распознавание и классификация образов не вызовут особых затруднений. Автоматическое распознавание тогда сведется к процессу простого сопоставления или процедурам типа просмотра таблиц. В большинстве практических задач распознавания, однако, определение полного набора различительных признаков оказывается делом исключительно трудным, если вообще не невозможным. К счастью, из исходных данных обычно удается извлечь некоторые из различительных признаков и использовать их для упрощения процесса автоматического распознавания образов. В частности, размерность векторов измерений можно снизить с помощью преобразований, обеспечивающих минимизацию потери информации.
Третья задача, связанная с построением систем распознавания образов, состоит в отыскании оптимальных решающих процедур, необходимых при идентификации и классификации. После того, как данные, собранные о подлежащих распознаванию образах, представлены точками и векторами измерений в пространстве образов, предоставим выяснить, какому классу образов эти данные соответствуют.
Лепский А.Е., Броневич А.Г. в своей работе основные задачи теории распознавания образов формулируют следующим образом:
математическое описание образов;
выбор наиболее информативных признаков (алфавита признаков и словаря признаков);
описание классов распознаваемых образов;
нахождение оптимальных решающих процедур (методов классификации);
оценка достоверности классификации образов.
Одним из решений задачи распознавания образов является структурный или синтаксический метод.
|
|
|
