 |
Понятие системы распознавания образов: история и современность
|
|
|
|
Содержание
Введение
Глава 1. Обзор систем распознавания форм
1.1 Понятие системы распознавания образов: история и современность
1.2 Классификация систем распознавания
1.3 Понятие системы распознавания формы микрообъектов
Глава 2. Разработка системы распознавания формы микрообъектов
2.1 Проблема разработки автоматических систем оценки результата кристаллогенеза
2.2 Разработка алгоритма распознавания линий и расчет их радиальных и тангенциальных составляющих
2.3 Реализация алгоритма в программной среде
Глава 3. Исследование характеристик системы распознавания формы микрообъектов
3.1 Тестирование системы распознавания формы микрообъектов
3.2 Анализ и интерпретация результатов тестирования
Заключение
Библиографический список
Введение
В современном мире весьма стремительно появляются новые области и методы исследований, особенно в области медицины. Большинство данных получают по средствам визуальных наблюдений. Из-за нарастающего потока получаемой информации её анализ стараются свести к автоматическим методам, дабы исключить "человеческий фактор" и уменьшить погрешность, но из-за новизны, специфичности и малой изученности порой это становится затруднительным. Ярким примером того являются кристаллографические методы исследования биологических жидкостей. Из-за новизны метода, процесс получения данных исследований сводится к "ручному" анализу фотографий кристаллограмм и подсчитыванию коэффициентов, несущих субъективный характер и "зыбкую" шкалу оценки. Автоматизированная система анализа кристаллограмм ускорит процесс обработки данных, уменьшит погрешность и повысит информативность.
|
|
|
Большинство систем анализа визуальных данных имеют достаточно узкую специфику и ограниченную область применения, что в своей мере создает трудность, но быстрое развитие прикладных пакетов для работы с графической информацией отчасти её нивелирует.
Таким образом, целью нашей выпускной квалификационной работы является создание и исследование системы распознаваний форм микрообъектов (на примере кристаллограмм).
Объектом исследования являются системы распознавания форм. В качестве предмета исследования мы выбираем разработку и исследование характеристик системы распознавания форм микрообъектов.
Задачи:
рассмотреть понятие системы распознавания;
разработать алгоритм для создания системы распознавания микрообъектов на кристаллограмме;
программная среда распознавание форма
реализовать алгоритм с помощью прикладных пакетов программирования;
исследовать характеристики и работоспособность разработанного алгоритма.
Гипотеза исследования: Если разработать эффективно функционирующую систему распознавания форм микрообъектов, то это будет способствовать решению проблемы автоматизации процесса обработки кристаллограмм.
Методы исследования: а) теоретические: изучение литературы посвященной и связанной с проблемой, программ распознавания, анализ и соотнесение информации; б) практические: обобщение опыта работ в области распознавания, автоматизации, разработка и анализ работоспособности алгоритма распознавания форм.
Научная новизна исследования заключается в подходе к анализу кристаллограмм, как к анализу форм, направлений и распределений линий лежащих на окружности. Данный подход реализуется в алгоритме распознавания форм микрообъекта и отражает структурную картину кристаллограммы.
Практическая значимость работы состоит в том, что разработан и реализован алгоритм распознавания формы микрообъектов и проведено исследование его применимости.
|
|
|
Глава 1. Обзор систем распознавания форм
Для начала разработки системы необходимо изучить теоретическую основу систем распознавания, ознакомиться с основными этапами истории их развития, принципом работы, классификациями и сформулировать понятие системы распознавания форм микрообъектов.
Понятие системы распознавания образов: история и современность
Распознавание - это способность живых организмов обнаруживать в потоке информации, поступающей от органов чувств, определённые объекты, закономерности, явления. Оно может осуществляться на основе зрительной, слуховой, тактильной информации. Так, человек без труда может узнать другого знакомого ему человека, взглянув на него или услышав его голос. Некоторые животные активно используют обоняние для узнавания других особей и поиска пищи.
Под образом (объектом) в системе распознавания понимается совокупность данных на входе системы. Данные могут быть представлены различным образом: изображение, последовательность звуков, набор числовых характеристик и т.д.
Возможность распознавания опирается на схожесть однотипных объектов. Несмотря на то, что все предметы и ситуации уникальны в строгом смысле, между некоторыми всегда можно найти сходства по тому или иному признаку. Результат распознавания - классификация некоторого определенного объекта. Отсюда возникает понятие классификации - разбиения всех объектов на классы, элементы которых имеют некоторые схожие свойства, отличающие их от элементов других классов. И, таким образом, задачей распознавания является присвоение объектов по их описанию к нужным классам.
Человеку в процессе классификации совсем не обязательно точно определять характерные признаки объекта, имеет значение только окончательный результат процесса наблюдения, восприятия и распознавания. Автоматические системы должны осуществлять такую же классификацию, как и человек, но они должны явным образом использовать характерные признаки объекта.
Таким образом, можно сформулировать понятие системы распознавания (объектов, образов, сигналов, ситуаций, явлений или процессов) - сложная система выполняющая задачу идентификации объекта и присвоение ему класса или определения каких-либо его свойств по изображению (оптическое распознавание), радиосигналу (распознавание радиосигнала) или аудиосигналу (акустическое распознавание) и другим характеристикам.
|
|
|
В истории развития компьютерного распознавания можно выделить следующие этапы:
г. - профессор Массачусетского технологического института (МТИ) Оливер Селфридж опубликовал статью "Глаза и уши для компьютера". В ней автор выдвинул теоретическую идею оснащения компьютера средствами распознавания звука и изображения.
г. - психолог Фрэнк Розенблатт из Корнеллского университета создал компьютерную реализацию персептрона (от perception - восприятие) - устройства, моделирующего схему распознавания образов человеческим мозгом. Персептрон был впервые смоделирован в 1958 году, причем его обучение требовало около получаса машинного времени на ЭВМ IBM-704.
-е гг. - появление первых программных систем обработки изображений (в основном для удаления помех с фотоснимков, сделанных с самолетов и спутников), стали развиваться прикладные исследования в области распознавания печатных символов. Однако все еще существовали ограничения в развитии данной области науки, такие как отсутствие дешевых оптических систем ввода данных, ограниченность и довольно узкая специализация вычислительных систем. Бурное развитие систем распознавания и компьютерного зрения на протяжении 60-х годов можно объяснить расширением использования вычислительных машин и очевидной потребностью в более быстрой и эффективной связи человека с ЭВМ. К началу 60-х годов задачи компьютерного зрения в основном охватывали область космических исследований, требовавших обработки большого количества цифровой информации.
-е гг. - Лавренсе Робертс, аспирант МТИ, выдвинул концепцию машинного построения трехмерных образов объектов на основе анализа их двумерных изображений. На данном этапе стал проводиться более глубокий анализ данных. Начали развиваться различные подходы к распознаванию объектов на изображении, например структурные, признаковые и текстурные.
|
|
|
г. - профессор Ганс-Хельмут Нагель из Гамбургского университета заложил основы теории анализа динамических сцен, позволяющей распознавать движущиеся объекты в видеопотоке.
В конце 1980-х годов были созданы роботы, способные более-менее удовлетворительно оценивать окружающий мир и самостоятельно выполнять действия в естественной среде
-е и 90-е годы ознаменовались появлением нового поколения датчиков двухмерных цифровых информационных полей различной физической природы. Развитие новых измерительных систем и методов регистрации двухмерных цифровых информационных полей в реальном масштабе времени позволило получать для анализа устойчивые во времени изображения, генерируемые этими датчиками. Совершенствование же технологий производства этих датчиков позволило существенным образом снизить их стоимость, а значит, значительно расширить область их применения.
С начала 90-х годов в алгоритмическом аспекте последовательность действий по обработке изображения принято рассматривать в согласии с так называемой модульной парадигмой. Эта парадигма, предложенная Д. Марром на основе длительного изучения механизмов зрительного восприятия человека, утверждает, что обработка изображений должна опираться на несколько последовательных уровней восходящей информационной линии: от "иконического" представления объектов (растровое изображение, неструктурированная информация) - к их символическому представлению (векторные и атрибутивные данные в структурированной форме, реляционные структуры и т.п.).
В середине 90-х годов появились первые коммерческие системы автоматической навигации автомобилей. Эффективные средства компьютерного анализа движений удалось разработать в конце XX века.
г. - на рынок были выпущены первые достаточно надежные корпоративные системы распознавания лиц.
Развитие и распространение компьютерной обработки информации в середине ХХ века привели к появлению методов машинного распознавания, позволяющего расширить круг выполняемых компьютерами задач и сделать машинную переработку информации более интеллектуальной. Примерами сфер применения распознавания могут служить системы распознавание лиц, автомобильных номеров, распознавание речи, отпечатков пальцев, машинное зрение и прочее. Несмотря на то, что некоторые из этих задач решаются человеком на подсознательном уровне с большой скоростью, до настоящего времени ещё не создано компьютерных программ, решающих их в столь же общем виде. Существующие системы предназначены для работы лишь в специальных случаях со строго ограниченной областью применения.
|
|
|
