Методы и алгоритмы распознавания изображений объектов и процессов

За последние годы распознавания изображений объектов достигло высокого уровня, но до сих пор существует проблема распознавания изображений объектов низкого качества (распознавание отдельных животных на аэрофотоснимках больших территорий). В целом можно выделить три метода распознавания образов.

Метод перебора (сравнение) для реальных объектов требует большой базы данных. При использовании второго метода (более глубокий анализ характеристик объекта) определяются геометрические признаки объекта — формируется упрощенный векторный аналог изображения и тогда легко можно анализировать с учетом поворотов объекта. Но этот метод не пригоден при изменении самого объекта или при низком качестве изображения.
Третий метод требует большого количества примеров для обучения и приборов (высоко-технологический фотоаппарат, стабильный штатив от sotmarket.ru, приборы для освещения), но отличается большей эффективностью. Основная проблема этого метода — снижение эффективности распознавания объектов, которые могут изменяться, например животных, которые двигаются.

Для преодоления этого ограничения необходимо разделить процесс распознавания на 2 этапа. На первом этапе выполняется выделение частей изображения с признаками, которые изменяются незначительно (например тело животного) с помощью специально обученной нейронной сети. Нейронную сеть необходимо обучать так, чтобы она искала только неизменные признаки. На этом этапе выделяются все зоны на изображении, на которых может быть изображен необходимый объект.

Второй этап заключается в детальном анализа выборки, полученной после первого этапа. На этом этапе необходимо выполнить поиск второстепенных признаков как набора отдельных объектов на изображениях, полученных на первом этапе. После этого необходимо проанализировать взаимное положение отдельных признаков, их размеры и форму (у оленя голова не может находиться посреди тела, нога в колене сгибается только в одну сторону). Сначала анализируются основные признаки, затем второстепенные. По результатам этого этапа отбрасываются элементы выборки без объекта. Далее производится классификация объектов. При классификации выполняется анализ только признаков которые отличают классы.

Предложенный метод позволяет повысить эффективность распознавания изображений большого количества объектов с использованием комбинированного метода: первый этап — нейронная сеть, второй этап — глубокий анализ характеристик объекта. Также этот метод позволяет распознавать и классифицировать подобные объекты с один проход. Для каждого типа объекта необходимо задать специальный набор признаков, которые их отличают.

Данные об источниках:

inform

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Этот сайт использует Akismet для борьбы со спамом. Узнайте как обрабатываются ваши данные комментариев.