WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 4 | 5 || 7 |

Для выявления характеристик образов и балансирования распределения точечных вероятностей была дополнительно реализована модификация метода потенциалов для сумматорной матрицы, названная интерполяционным сглаживанием точечных весов первого уровня (рис. 6). Этот метод позволяет заполнять пустоты между эталонными начертаниями и выявлять доминирующие и устранять рецессивные группы точек путем естественного отбора масс. Это позволяет на основе мини набора эталонной БД автоматически получить картину сумматорной матрицы, соответствующую количеству макси набора БД, что резко повышает эффективность и уменьшает надобность ввода огромных массивов эталонных экземпляров в БД.

Для анализа образов может быть использована также рекуррентная интерполяция второго уровня на основе использования сглаживания матрицы первого уровня. Интерполяционное сглаживание точечных весов второго уровня (рис. 6) дает более сбалансированное распределение весов матрицы, в результате чего можно идентифицировать опознаваемые объекты с более высокой вероятностью или меньшей погрешностью ошибки.

3D-Колонная диограмма точечных вероятностей 0.99 0.60 0.27 0.18 0.09 0.03 0.02 0.01 0.00 0.00 0.00 0.00 2.1.62 1.20 0.70 0.42 0.24 0.12 0.07 0.03 0.01 0.00 0.00 0.00 4.0.67 0.63 0.44 0.31 0.13 0.11 0.08 0.01 0.01 0.00 0.00 0.00 2.1.27 1.17 0.88 0.62 0.35 0.25 0.15 0.05 0.02 0.00 0.00 0.00 4.0.25 0.58 0.56 0.39 0.42 0.25 0.09 0.09 0.02 0.01 0.00 0.00 2.0.67 0.99 1.02 0.83 0.76 0.50 0.27 0.20 0.08 0.03 0.01 0.00 5.1.0.09 0.19 0.52 0.63 0.47 0.41 0.33 0.19 0.12 0.04 0.01 0.00 2.0.30 0.47 0.89 1.06 0.92 0.80 0.64 0.42 0.28 0.12 0.04 0.02 5.0.0.01 0.06 0.20 0.37 0.55 0.56 0.48 0.40 0.32 0.17 0.05 0.02 3.0.08 0.19 0.45 0.73 0.96 1.01 0.92 0.78 0.60 0.36 0.16 0.09 6.0.0.00 0.01 0.04 0.17 0.30 0.43 0.58 0.57 0.44 0.38 0.22 0.09 3.0.02 0.05 0.15 0.36 0.59 0.81 1.01 1.02 0.87 0.73 0.47 0.29 6.0.0.00 0.00 0.01 0.03 0.07 0.19 0.34 0.47 0.59 0.58 0.45 0.32 3.0.0.00 0.01 0.04 0.10 0.21 0.42 0.66 0.87 1.05 1.05 0.89 0.74 6.0.0.00 0.00 0.00 0.00 0.01 0.03 0.08 0.23 0.41 0.56 0.72 0.67 2.0.01 0.01 0.01 0.02 0.05 0.12 0.24 0.48 0.76 1.02 1.29 1.31 5.0.0.04 0.03 0.02 0.01 0.00 0.00 0.01 0.04 0.09 0.26 0.59 1.15 2.0.10 0.08 0.06 0.02 0.01 0.02 0.06 0.14 0.29 0.61 1.24 1.90 4.0.0.14 0.18 0.08 0.01 0.00 0.00 0.00 0.00 0.01 0.05 0.43 1.36 2.24 0.0.30 0.30 0.14 0.03 0.00 0.00 0.01 0.02 0.07 0.27 1.08 2.14 4.0.0.41 0.18 0.07 0.01 0.00 0.00 0.00 0.00 0.00 0.01 0.38 1.40 2.0.70 0.43 0.18 0.04 0.00 0.00 0.00 0.00 0.01 0.18 1.01 2.19 4.0.0.66 0.32 0.09 0.01 0.00 0.00 0.00 0.00 0.00 0.03 0.42 1.36 2.87 S1.11 0.67 0.25 0.04 0.00 0.00 0.00 0.00 0.02 0.21 1.05 2.15 5.S0.79 0.54 0.12 0.01 0.00 0.00 0.00 0.00 0.02 0.12 0.51 1.27 3.1.39 1.01 0.37 0.08 0.01 0.01 0.02 0.05 0.13 0.44 1.17 2.05 6.S0.80 0.69 0.26 0.08 0.01 0.01 0.04 0.10 0.21 0.40 0.93 0.71 4.23 1.44 1.25 0.67 0.33 0.18 0.16 0.23 0.36 0.57 0.91 1.53 1.43 9.SS0.61 0.58 0.77 0.44 0.40 0.38 0.42 0.62 0.79 0.88 0.60 0.32 6.80 1.13 1.11 1.24 0.93 0.87 0.85 0.90 1.08 1.26 1.35 1.07 0.80 12.S0.29 0.28 0.50 0.93 0.98 1.00 0.95 0.73 0.50 0.30 0.05 0.15 6.64 0.78 0.28 0.50 0.93 0.98 1.00 0.95 0.73 0.50 0.30 0.05 0.47 7.5.72 4.86 3.94 3.57 3.42 3.39 3.42 3.45 3.53 3.78 5.35 8.79 10.94 9.21 7.53 6.56 6.14 6.06 6.12 6.24 6.51 7.59 11.05 15.Рис. 6 Интерполяционное сглаживание 1-го и 2-го уровня с помощью метода потенциалов для сумматорной матрицы. 3-D колонная диаграмма точечных вероятностей грузинской буквы ”a”.

На основе полученных матриц были построены 3-D колонная диаграмма точечных вероятностей (рис. 7) и графики, названные “дактилоскопическими паттернами”, представляющие собой диаграммы пересечения v-zond и h-zond с точками узора на сумматорной матрице (рис. 7). Из диаграмм видна информационнографическая специфика картин, несущая информационную уникальность паттерна определенного символа, подобно дактилоскопическому рисунку и в отличие от метода v/h-zond более точно сможет идентифицировать объекты [2].

График сумм зондов по горизонтали График сумм зондов по вертикали 120 100 80 60 40 20 0 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Рис. 7 Графики суммы зондов по вертикали и горизонтали.

На примере буквы “z” грузинского алфавита (Рис. 8), приведены матрицы эталонных элементов БД, таблицы статистических подсчетов, графики зондов по горизонтали и вертикали и диаграммы точечных вероятностей.

Рис. 8 БД элементов, вероятностно-статистический и дактилоскопический анализ буквы “z”.

Если сравнить вертикальные и горизонтальные графики зондов различных символов, например, латинскую букву “M” с грузинской буквой “u”, то можно заметить их графическую диверсификацию (рис.

9). Путем наложений и сравнения графиков и вероятностей можно определить удаленность поступившего на вход изображения с каждой сумматорной матрицей различных образов. Дистанция разрыва будет определять приближенность или удаленность между введенным изображением и символами из БД.

Графк сумм зондов по горизонтали Графксуммзондовпо вертикали и и Графк суммзондов по горизонтали Графк суммзондов по вертикали и и 38 0 1 0 5 23 34 1 1 5 37 0 14 37 24 2 0 0 0 0 0 4 37 37 31 7 1 5 18 14 7 33 6 34 3 38 200 14 33 27 5 0 0 0 0 2 8 32 37 23 16 0 6 19 15 4 26 12 26 0 40 187 200 15 28 14 20 2 0 0 0 4 28 12 36 9 25 12 16 17 9 0 10 20 8 0 40 166 120 160 15 24 11 25 4 1 0 2 10 26 6 36 0 10 26 18 8 0 0 1 7 1 2 38 100 16 23 8 13 17 3 0 8 20 11 7 34 0 0 1 1 0 0 0 0 1 0 7 33 16 23 4 7 24 5 4 7 25 4 6 34 0 0 0 0 0 0 0 0 0 0 9 31 40 80 20 19 1 6 17 14 8 19 13 1 9 31 158 0 0 0 0 0 0 0 0 0 0 15 25 40 23 16 1 2 12 20 8 23 6 1 13 27 0 0 0 0 0 0 0 0 0 2 16 22 40 80 29 10 1 1 6 17 19 15 3 1 17 22 0 0 0 0 0 0 0 0 0 4 17 19 29 10 1 0 2 13 20 4 1 2 17 21 40 8 0 0 0 0 0 0 0 0 4 20 16 33 6 1 0 0 8 13 3 0 2 20 18 40 32 2 0 0 0 0 0 0 0 5 26 9 74 33 7 0 0 0 1 9 1 0 2 21 17 32 8 0 0 0 0 0 0 1 7 24 8 80 20 36 4 0 0 0 0 7 0 0 3 23 14 87 8 29 5 0 0 0 0 0 1 10 25 4 82 0 37 3 0 0 0 0 3 0 0 3 23 14 83 0 0 21 17 8 4 2 2 3 8 29 12 0 106 38 2 0 0 0 0 0 0 0 3 23 14 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 0 20 32 36 38 38 37 31 9 0 0 241 38 2 0 0 0 0 0 0 0 3 23 14 181 118 83 86 107 101 85 111 88 144 213 323 406 247 93 81 84 82 91 82 84 102 289 Рис. 9 “Дактилоскопическое” сравнение паттернов графиков.

Можно использовать другую диаграмму - линейный график точечных весов, который представляет собой комбинированный график (рис. 10) распределения точечных весов и несет более собирательную информацию распределения точек на поле рецепторов по сравнению с горизонтальным и вертикальными графиками зондов.

1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 127 134 141 148 155 162 169 176 183 Рис. 10 Линейный график точечных весов.

Из приведенных графиков видны отличия в паттерне начертаний различных символов, узор имеет “дактилоскопические” отличительные признаки даже при визуальном сравнении линейных графиков точечных весов грузинской буквы “g” и латинской буквы “V” (рис. 11).

0.73 0.10 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.20 0.95 1.98 0.00 0.00 0.10 0.33 0.70 0.98 1.00 0.75 0.38 0.03 0.00 0.00 4.0.55 0.28 0.15 0.00 0.00 0.00 0.00 0.00 0.00 0.10 0.50 0.40 1.98 0.00 0.13 0.25 0.43 0.28 0.03 0.00 0.25 0.45 0.35 0.03 0.00 2.40 0.38 0.35 0.25 0.00 0.00 0.00 0.00 0.00 0.08 0.20 0.45 0.28 1.98 0.08 0.13 0.28 0.33 0.05 0.00 0.00 0.00 0.35 0.58 0.05 0.03 1.0.33 0.33 0.30 0.05 0.00 0.00 0.00 0.00 0.08 0.33 0.43 0.18 2.00 0.05 0.18 0.18 0.23 0.00 0.00 0.00 0.05 0.25 0.63 0.05 0.03 1.0.10 0.43 0.38 0.10 0.00 0.00 0.00 0.05 0.05 0.50 0.35 0.05 2.00 0.00 0.05 0.05 0.00 0.00 0.00 0.05 0.23 0.48 0.23 0.03 0.03 1.13 0.03 0.43 0.30 0.25 0.00 0.00 0.00 0.05 0.13 0.55 0.28 0.00 2.00 0.00 0.00 0.00 0.00 0.03 0.23 0.45 0.55 0.23 0.05 0.05 0.00 1.0.03 0.33 0.25 0.38 0.03 0.00 0.00 0.10 0.23 0.53 0.15 0.00 2.00 0.00 0.00 0.00 0.08 0.28 0.48 0.48 0.43 0.13 0.00 0.00 0.00 1.0.00 0.20 0.33 0.38 0.10 0.00 0.00 0.10 0.38 0.40 0.13 0.00 2.00 0.00 0.00 0.23 0.48 0.48 0.25 0.33 0.45 0.40 0.20 0.00 0.00 2.0.00 0.08 0.33 0.35 0.23 0.03 0.03 0.18 0.50 0.25 0.05 0.00 2.00 0.00 0.35 0.45 0.30 0.20 0.05 0.08 0.23 0.33 0.40 0.28 0.00 2.65 0.00 0.03 0.33 0.35 0.25 0.05 0.05 0.25 0.43 0.28 0.00 0.00 2.00 0.33 0.38 0.23 0.13 0.03 0.00 0.00 0.05 0.18 0.30 0.40 0.25 2.0.00 0.00 0.28 0.28 0.38 0.08 0.10 0.28 0.48 0.15 0.00 0.00 2.00 0.60 0.30 0.13 0.03 0.00 0.00 0.00 0.00 0.03 0.13 0.30 0.55 2.0.00 0.00 0.18 0.33 0.33 0.15 0.15 0.38 0.48 0.03 0.00 0.00 2.00 0.88 0.13 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.03 0.18 0.83 2.0.00 0.00 0.05 0.33 0.40 0.20 0.25 0.45 0.30 0.03 0.00 0.00 2.00 5 0.83 0.18 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.15 0.85 2.0.00 0.00 0.00 0.18 0.43 0.43 0.38 0.48 0.13 0.00 0.00 0.00 2.00 0.40 0.45 0.18 0.00 0.00 0.00 0.00 0.00 0.00 0.20 0.40 0.45 2.0 0.00 0.00 0.00 0.08 0.40 0.50 0.53 0.40 0.05 0.00 0.00 0.00 1.95 0.05 0.35 0.45 0.23 0.00 0.00 0.00 0.00 0.25 0.38 0.40 0.05 2.1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 127 134 141148 155 162 169 176 183 190 1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 127134 141 148155 162 169 176183 0.00 0.00 0.00 0.00 0.08 0.43 0.48 0.05 0.00 0.00 0.00 0.00 1.03 0.00 0.05 0.40 0.78 1.00 1.00 1.00 1.00 0.75 0.45 0.05 0.00 6.2.13 2.53 3.10 3.03 2.60 1.85 1.95 2.75 3.28 3.33 2.53 1.85 3.20 2.65 2.90 3.30 3.03 3.00 3.38 3.98 4.18 3.93 2.35 3.Рис. 11 Сравнение линейных графиков точечных весов.

Для определения удаленности между двумя БД, представляющими определенные образы, например латинской буквой “V” и грузинской буквой “g”, можно использовать промежуточную матрицу разницы по точечным весам, на основе которой строится комбинированный линейный график сравнений (рис. 12). Чем меньше разница или суммарное значение, тем ближе друг к другу изображения из БД и наоборот.

1.1.0.0.0.0.0.0.0.0.0.0.1 9 17 25 33 41 49 57 65 73 81 89 97 105 113 121 129 137 145 153 161 169 177 1 9 17 25 33 41 49 57 65 73 81 89 97 105 113 121 129 137 145 153 161 169 177 -0.20 -0.-0.40 -0.-0.60 -0.-0.80 -0.-1.00 -1.Рис. 12 Графики сравнения несимилярных образов “V” c “g”и симилярных образов цифры “3” и грузинской буквы “v”.

Этот механизм можно использовать для определения дисперсии между поступившим на вход изображением и сумматорной матрицей для сравнения с эталонной БД. Если сравнить симилярные образы из БД, например цифру “3” и грузинскую букву “v”, то получим следующую диаграмму. Из сравнения графиков на рис. 12 видно, что чем выше амплитуды графиков, тем менее симилярны образы из БД и наоборот, чем ниже амплитуда на графике, тем более визуально приближены образы. Приведем эти же графики в модульном представлении, где подсчитывается сумма по модулю значений этих разниц (рис13).

1.1.0.0.0.0.0.70 0.0.60 0.0.50 0.0.40 0.0.30 0.0.0.0.0.0.0.1 9 17 25 33 41 49 57 65 73 81 89 97 105 113 121 129 137 145 153 161 169 177 1 9 17 25 33 41 49 57 65 73 81 89 97 105 113 121 129 137 145 153 161 169 177 Рис. 13 Модульный график сравнения несимилярных образов “V” c “g” и симилярных образов цифры “3” и буквы “v”.

Приведенные новые схемы и графики хоть и приближают нас к разрешению задачи распознавания, но не разрешают ее, ввиду того, что не учитывают некоторые факторы, связанные с категоризацией точек на гибридных матрицах. Для улучшения распознавания была разработана и введена новая методика сравнения точек рецепторной матрицы с сумматорной эталонной БД (рис. 14), заключающаяся в точечном анализе и подсчете различных кластеров точечных масс.

0.03 0.03 0.53 0.93 0.60 0.08 0.03 0.30 0.88 0.78 0.13 0.1 1 1 1 1 1 1 0.03 0.50 0.45 0.10 0.43 0.50 0.18 0.70 0.15 0.23 0.68 0.11 1 0.38 0.48 0.15 0.00 0.28 0.53 0.38 0.53 0.05 0.05 0.38 0.11 0.65 0.33 0.03 0.00 0.18 0.43 0.58 0.30 0.03 0.00 0.23 0.11 0.85 0.15 0.00 0.00 0.05 0.48 0.63 0.20 0.00 0.00 0.13 0.11 0.95 0.05 0.00 0.00 0.00 0.35 0.65 0.10 0.00 0.00 0.00 1.11 0.98 0.05 0.00 0.00 0.00 0.18 0.43 0.03 0.00 0.00 0.03 0.1 1 1 1 1 1 0.95 0.05 0.00 0.00 0.00 0.13 0.25 0.03 0.00 0.00 0.05 0.1 0.93 0.08 0.00 0.00 0.00 0.08 0.18 0.03 0.00 0.00 0.08 0.1 1 1 0.85 0.15 0.00 0.00 0.00 0.05 0.10 0.00 0.00 0.00 0.15 0.1 0.78 0.23 0.00 0.00 0.00 0.00 0.08 0.00 0.00 0.00 0.23 0.1 1 0.58 0.40 0.03 0.00 0.00 0.00 0.00 0.00 0.00 0.03 0.40 0.1 1 0.40 0.53 0.08 0.00 0.00 0.00 0.00 0.00 0.00 0.08 0.53 0.11 0.30 0.48 0.23 0.00 0.00 0.00 0.00 0.00 0.00 0.23 0.48 0.11 0.10 0.43 0.43 0.05 0.00 0.00 0.00 0.00 0.05 0.43 0.43 0.1 1 1 1 1 1 1 0.00 0.18 0.68 0.20 0.00 0.00 0.00 0.00 0.20 0.70 0.15 0.Рис. 14 Пример точек буквы “f” матрицы рецепторов и сумматорной БД буквы “o”.

Введены новые термины, представляющие разные категории матриц (рис. 15): конгруэнтные, диверсивные, пассивные и симбиозные матрицы.

Конгруэнтные матрицы получаются в результате операции умножения значений точек матрицы поступившего на вход изображения, с соответствующими по позиции значениями точек из сумматорных матриц вероятностей.

Диверсивные матрицы получаются следующим образом: если разница между значением точки из матрицы входного изображения и соответствующим значением точки из сумматорной матрицы равно 1, то в диверсивной матрице соответствующая по позиции точка принимает значение равное 1, в противном случае – записывается значение равное 0.

Пассивные матрицы получаются в результате операции вычитания значений точек сумматорных матриц вероятностей с соответствующими по позиции значениями точек из конгруэнтных матриц.

Pages:     | 1 |   ...   | 4 | 5 || 7 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.