Питання синтезу дискретних зображень в задачах розпізнавання образів

Abstract

Під час розв’язування широкого класу задач розпізнавання (класифікації) зображень, зазвичай стикаємося з такою ситуацією — наразі накопичена значна кількість алгоритмічних та методичних інструментів, які розв’язують деякі часткові задачі, підзадачі (опис або представлення) зображень, виділення характерних ознак (структурних елементів) на зображеннях та інше, проте відсутня єдина методологія їх спільного ефективного використання, та відсутня проста, універсальна методологія інформаційного (ознакового) опису зображення. На сьогодні існує низка підходів, методів та алгоритмів для виділення ознак на зображеннях та пакети інструментальних програм для їх реалізації. Проте, залишається проблема знаходження системи оптимальним (в певному сенсі, для поточної задачі) ознак, тобто пошук таких властивостей зобра-жень (визначення та фіксація ознакового простору) в просторі яких класифікація (розпізнавання) була би можливою та не дуже складною (економічно вигідною) задачею. Використання існуючих алгоритмів та методів для цієї задачі стає можливим лише за наявності методів, які би за результатами роботи різних систем, дозволили виділяти системи ознак, найякісніших в межах поточної задачі. Причому, для кожної практичної задачі класифікації зображень, системи ознак, актуальних на цьому етапі (важливі відносно фіксованої задачі або класу задач), як правило, різні і їх потрібно заново визначати. Звідси, стає очевидною актуальність цього дослідження, відносно важливої задачі знаходження оптимальних (в певному сенсі) систем ознак. Часто задачу знаходження оптимальних систем ознак зводять до задачі мінімізації вихідного опису зображення. Проте, це стосується лише випадку, коли оптимальна система ознак є серед множин ознак, що задають опис зображень, що є, зазвичай, тільки припущенням. Запропоновано спосіб мінімізації вихідного опису дискретних зображень, що дозволяє побудувати мінімальне за ознаковим описом зображення довільної структури на основі концепції Т-опорної множини. Також введено поняття Т-опорної множини, та основі нього пропонується використання наборів цих множин як ознак дискретних зображень.

For solving a class of pattern recognition (classification) of images generally face the following situation – currently accumu-lated a significant amount of algorithmic and methodological tools, which solve some particular tasks, subtasks (description or performance) images characteristics (structural elements) in images and more, however, there is no uniform methodology for their effective use, and there is no simple, universal methodology information (indicative) description of the image. Today, there are a number of approaches, methods and algorithms for the selection of features in images and software packages for their implementation. However, there remains the problem of finding a system of optimal (in a sense, for the current task) features, that is, the search for such properties of images (definition and fixation of the feature space) in the space of which classification (recognition) would be possible and not very difficult (cost-effective) task. The use of existing algorithms and methods for this problem becomes possible only in the presence of methods that would be based on the results of different systems, allowed to allocate the system of features that are the most qualitative within the current prob-lem. Moreover, for each practical problem of image classification, the feature systems that are relevant at this stage (im-portant relative to a fixed problem or class of problems) are usually different and need to be redefined. Hence, it becomes obvious the relevance of this study, in relation to the important task of finding the optimal (in a certain sense) feature systems. Often the problem of finding optimal feature systems is reduced to the problem of minimizing the original image description. However, this applies only to the case when the optimal system of features is among the sets of features that define the description of images, which is usually only an assumption. This work offers a way to minimize the initial description of discrete images, which allows us to build a minimal descrip-tion of the image of an arbitrary structure on the basis of the concept of a T-reference set. The paper also introduces the concept of a T-reference set, and based on it is proposed to use the data sets as features of discrete images.

При решении широкого класса задач распознавания (классификации) изображений, обычно сталкиваемся со сле-дующей ситуацией — в настоящее время накоплено значительное количество алгоритмических и методических инструментов, которые решают некоторые частные задачи, подзадачи (описание или представление) изображе-ний, выделение характерных признаков (структурных элементов) на изображениях и т. п., однако отсутствует единая методология их совместного эффективного использования, и отсутствует простая, универсальная ме-тодология информационного (признакового) описания изображения. На сегодняшний день есть целый ряд подходов, методов и алгоритмов для выделения признаков на изображе-ниях и пакеты инструментальных программ для их реализации. Однако, остается проблема нахождения системы оптимальных (в некотором смысле, для текущей задачи) признаков, то есть поиск таких свойств изображений (определение и фиксация признакового пространства) в пространстве которых классификация (распознавание) была бы возможной и не очень сложной (экономически выгодной) задачей. Использование существующих алгорит-мов и методов для этой задачи становится возможным лишь при наличии методов, которые бы по результатам работы различных систем, позволили выделять системы признаков, наиболее качественных в пределах текущей задачи. Причем, для каждой практической задачи классификации изображений, системы признаков, актуальных на этом этапе (важные относительно фиксированной задачи или класса задач), как правило, разные и их нужно заново определять. Отсюда, становится очевидной актуальность этого исследования, относительно важной задачи нахождения оптимальных (в определенном смысле) систем признаков. Часто задачу нахождения оптимальных систем призна-ков сводят к задаче минимизации исходного описания изображения. Однако, это касается лишь случая, когда оп-тимальная система признаков есть среди множеств признаков, задающих описание изображений, что является, как правило, только предположением. В работе предложен способ минимизации исходного описания дискретных изображений, что позволяет по-строить минимальное по описаниям признаков изображения произвольной структуры на основе концепции Т-опорного множества. Введено понятие Т-опорного множества, и исходя из него предлагается использование набора этих множеств в качестве признаков дискретных изображений.