Интеллектуальные системы анализа изображений | Статья в сборнике международной научной конференции

Библиографическое описание:

Усмонов М. С., Тохирова Ч. Интеллектуальные системы анализа изображений [Текст] // Технические науки: проблемы и перспективы: материалы VI Междунар. науч. конф. (г. Санкт-Петербург, июль 2018 г.). — СПб.: Свое издательство, 2018. — С. 19-21. — URL https://moluch.ru/conf/tech/archive/288/14085/ (дата обращения: 19.10.2018).



В прикладных интеллектуальных системах анализа изображений основными функциональными задачами являются оценки качества изображения, определения границ объекта, классификация, кластеризация и распознавания образов. Отличительными особенностями решаемых задач указанных типов являются: большая размерность, наличие неопределенностей в исходной информации, динамичность изменения параметров внешней среды, предсказуемость которых, зачастую, является затруднительной или невозможной.

Эти особенности обуславливают использование для решения указанных задач, наряду с традиционными методами и средствами исследования операций и интеллектуального анализа данных (ИАД), интеллектуальных технологий, основанных на неформальных эмпирических знаниях экспертов и логических рассуждениях. Примерами таких интеллектуальных технологий, получивших наибольшее развитие и использование, являются технологии SoftComputing (SC), включающие нечеткие множества, нейронные сети (НС) и генетические алгоритмы (ГА).

Актуальным является правильно определить границы объекта, что может быть затруднено из-за недостаточной резкости изображения, наличия теней и шумов. Поэтому одна из важнейших задач исследований заключается в нахождении границ объекта. Изображение можно рассматривать как нечеткое множество и обрабатывается методами нечеткой логики. Вначале происходит фаззификация изображения — преобразование изображения к нечеткому множеству. Далее степень принадлежности элементов нечеткого множества (иными словами, пикселов изображения) изменяется в соответствии с базой нечетких правил. И, наконец, происходит дефаззификация изображения — преобразование значений функций принадлежности в четкие (реальные) значения яркости.

Несмотря на ряд успехов в области оценки качества изображений и распознавания объектов на основе цифровой обработки изображений, к числу нерешенных можно отнести проблему в адекватном отображении предметной области на нечеткую систему, выборе моделей нечеткого логического вывода и их интеграции в единую интеллектуальную систему. При обработке изображений требуется по некоторым признакам выделять некоторые однородные области изображения, причем, как правило, подобие нечеткое и часто нарушается. Этапы предварительной обработки изображения позволяют уменьшить влияние искажений на процесс распознавания. Тем не менее, имеет место распознавание в условиях неполной и нечеткой информации. Наиболее подходят для ее решения технологии нечеткой логики, нечеткая логика при этом. выступает в роли классификатора. Применение нечеткой логики в задачах обработки визуальной информации обосновывается также свойством обучаемости или адаптивности нечеткой логики к новым задачам, при этом сохраняются архитектура сети и алгоритм ее функционирования.

Концепция нечеткой обработки и идентификации изображений предполагает использование следующих подходов:

1) проблемно-ориентированной предварительной обработки, сохраняющей информационные признаки объектов, что позволяет упростить и ускорить процесс обучения;

2) выделения (идентификации) объекта на изображении для нечеткой обработки за счет использования информации об иерархии признаков, что сокращает затраты времени на обработку (осуществляется поиск лишь в идентифицированной области);

3) использования набора классификаторов, в котором по результатам классификации на тестовой выборке производится выбор наилучшей модели классификатора для обработки всех изображений.

Для повышения точности распознавания исследования проводятся в следующих направлениях: модификация правил выделения признаков за счет введения новых дополнительных инвариантов относительно искажений.

В предлагаемом проекте будут рассматриваться определение границ объекта с использованием методов нечеткой логики. Будет описан способ определения границ объекта с помощью методов нечеткой логики с использованием базу нечетких правил, состоящую из 8 элементов. Входные переменные системы нечеткого вывода могут принимать одно из двух нечетких значений: «черное» или «белое» Выходная переменная также может принимать одно из двух нечетких значений: «граница» или «не граница» Предлагаются использовать подобный подход при обработке изображения, с целью повышения его качества. Возможные значения восьми входных и одной выходной переменных сопоставляются нечеткому множеству, состоящему из двух элементов — «черного» и «белого» — с Z- и S-образными функциями принадлежности соответственно. Далее системой нечеткого вывода анализируется каждый пиксел изображения, после чего ему присваивается новое значение яркости в зависимости от значений яркости восьми соседних пикселов. Качество изображения зависит от многих параметров, основными из которых для черно-белого полутонового изображения являются: — резкость количественно можно оценить как длину перехода в пикселах; — контрастность количественно можно оценить как разность максимального и минимального значений яркости изображения; — шум количественно можно оценить как среднее арифметическое разброса значений яркости на изображении; — виньетирование количественно можно оценить как контраст между центральной и периферийной областями одного цвета на изображении; — кривизна поля изображения количественно можно оценить как разность значений резкости фрагментов из периферийной и центральной областей. Основные параметры изображения используются в качестве входных переменных системы нечеткого вывода для оценки его качества. При этом каждая переменная описывается одним из термов: П — «плохо», У — «удовлетворительно», Х — «хорошо». Выходная переменная «качество изображения» также описывается одним из указанных термов.

Таким образом, методы нечеткой логики являются мощным инструментом для представления и обработки знаний в виде правил вида „если—то―, системы нечеткого вывода разрабатываются быстрее и получаются более простыми по сравнению с четкими аналогами, в них легко внедряются экспертные знания. Нечеткая логика может быть успешно применена при решении задач обработки изображений, например, для повышения качества изображения и его количественной оценки.

Литература:

  1. Усмонов М. Проблемы создания интерактивных электронных учебных курсов на основе мультимедийных технологий. Педагогические науки журнал. ISSN 1728–8894. Россия. № 6. 2011. 138–143
  2. Усмонов М. Создание интерактивных электронных учебных курсов на основе информационных технологий и методика их использования. Актуальные проблемы современной науки. Информационно-аналитический журнал. ISSN 1680–2721. № 3 (71) 2013. Россия. 2013 102–106
  3. Усмонов М. Технология создания интерактивных электронных учебных курсов и его структура. Молодой учёный журнал. ISSN 2072–0297. Россия № 5 2014. 560–563
  4. Усмонов М. Методика использования средств мультимедиа программированного обучения информатике. Физика, математика ва информатика илмий-услубий журнали. 6-сон 2014 йил. Тошкент. 2014 йил. 59–63
Основные термины (генерируются автоматически): нечеткая логика, нечеткий вывод, нечеткое множество, значение яркости, граница, задача, изображение, нечеткая обработка, переменная.

Похожие статьи

Формирование методов и задач компьютерного зрения...

Ключевые слова: система, нечеткие множества, нечеткая логика, изображения сегментации, контур, база знаний, база правил, компьютерное зрение. Решение задачи определения границ (выделения контуров)...

Применение теории нечетких множеств для диагностирования...

Нечеткие множества и нечеткая логика (середина 1960-х и далее). Гибкие нейро-нечеткие системы вывода и программная...

нечеткое управление, автоматическое управление, нечеткий регулятор, логический вывод, нечеткое множество, заданная траектория, правило...

Методика определения функций принадлежности для...

нечеткое множество, функция принадлежности, система, нечеткий вывод, нечеткая импликация, нейро-нечеткая система, логический тип, процесс обучения, обучающая выборка, правило. Решение задачи настройки функции принадлежности методом...

ABC-анализ с использованием аппарата нечеткой логики

функция принадлежности, нечеткий вывод, переменная, функция, аппроксимируемая функция, ось абсцисс, уровень отсечения, нечеткое моделирование, нечеткое множество, точечное множество.

Гибкие нейро-нечеткие системы вывода и программная...

функция принадлежности, нечеткий вывод, переменная, функция, аппроксимируемая функция, ось абсцисс, уровень отсечения, нечеткое моделирование, нечеткое множество, точечное множество.

Нечеткое управление элементом Пельтье | Статья в журнале...

Нечеткие множества и нечеткая логика (середина 1960-х и далее). Применение теории нечетких множеств для диагностирования...

функция принадлежности, параметр, скважина, высказывание, математическая логика, нечеткое множество, оптимизационная задача...

Система выбора поставщиков перерабатывающего предприятия...

нечеткое управление, автоматическое управление, нечеткий регулятор, логический вывод, нечеткое множество, заданная траектория, правило, пространство состояний, система, траекторное движение.

Нечеткие множества и нечеткая логика (середина 1960-х и далее).

Автоматизированные интеллектуальные системы и нечеткая логика

Интеллектуальная система — этотехническаяилипрограммная система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы.

Сравнение алгоритмов нечёткого вывода с использованием...

нечеткое множество, функция принадлежности, система, нечеткий вывод, нечеткая импликация, нейро-нечеткая система...

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Формирование методов и задач компьютерного зрения...

Ключевые слова: система, нечеткие множества, нечеткая логика, изображения сегментации, контур, база знаний, база правил, компьютерное зрение. Решение задачи определения границ (выделения контуров)...

Применение теории нечетких множеств для диагностирования...

Нечеткие множества и нечеткая логика (середина 1960-х и далее). Гибкие нейро-нечеткие системы вывода и программная...

нечеткое управление, автоматическое управление, нечеткий регулятор, логический вывод, нечеткое множество, заданная траектория, правило...

Методика определения функций принадлежности для...

нечеткое множество, функция принадлежности, система, нечеткий вывод, нечеткая импликация, нейро-нечеткая система, логический тип, процесс обучения, обучающая выборка, правило. Решение задачи настройки функции принадлежности методом...

ABC-анализ с использованием аппарата нечеткой логики

функция принадлежности, нечеткий вывод, переменная, функция, аппроксимируемая функция, ось абсцисс, уровень отсечения, нечеткое моделирование, нечеткое множество, точечное множество.

Гибкие нейро-нечеткие системы вывода и программная...

функция принадлежности, нечеткий вывод, переменная, функция, аппроксимируемая функция, ось абсцисс, уровень отсечения, нечеткое моделирование, нечеткое множество, точечное множество.

Нечеткое управление элементом Пельтье | Статья в журнале...

Нечеткие множества и нечеткая логика (середина 1960-х и далее). Применение теории нечетких множеств для диагностирования...

функция принадлежности, параметр, скважина, высказывание, математическая логика, нечеткое множество, оптимизационная задача...

Система выбора поставщиков перерабатывающего предприятия...

нечеткое управление, автоматическое управление, нечеткий регулятор, логический вывод, нечеткое множество, заданная траектория, правило, пространство состояний, система, траекторное движение.

Нечеткие множества и нечеткая логика (середина 1960-х и далее).

Автоматизированные интеллектуальные системы и нечеткая логика

Интеллектуальная система — этотехническаяилипрограммная система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы.

Сравнение алгоритмов нечёткого вывода с использованием...

нечеткое множество, функция принадлежности, система, нечеткий вывод, нечеткая импликация, нейро-нечеткая система...

Задать вопрос