Системы распознавания образов
Распознавание образов применяется для автоматического рас- познавания печатных, рукописных и фотографированных знаков, текстов, рисунков и схем; для распознавания звуков речи, ко- манд, передаваемых голосом; для выявления некоторых ситуаций в сложных технических комплексах, таких как критическое или аварийное состояние и т.д.
Главными целями распознавания образов являются расшире- ние возможностей общения человека с машиной и расширение возможностей автоматизации путем освобождения человека- оператора от многих операций, которые ограничивают быстро- действие, надежность и эффективность функционирования авто- матизированных комплексов.
Распознавание определяется как процесс отнесения ситуаций, явлений, образов к одному из нескольких или многих заранее
определенных классов на основе анализа их характеристик. При распознавании возникают взаимосвязанные задачи выбора пара- метров распознавания и задачи нахождения и оценки качества решающей функции.
Для выбора параметров предварительно выделяют совокуп- ность параметров (признаков),характеризующихрассматривае- мый образ. Эти признаки могут быть представлены в виде точки в многомерном пространстве, которое называется простран-
ством объектов, а вектор X – вектором объекта.
Задача нахождения решающей функции должна рассматри- ваться с учетом сведений об объектах. Она должна удовлетворять следующим условиям:
f( X ) >0, если объект принадлежит к одному классу;
f ( X ) <0, если объект принадлежитк другому классу. Следовательно, решающая функция позволяет найти гиперпо-
верхность, разделяющую многомерное пространство на классы.
Широко применяемыйнепараметрический (адаптивный)ме- тод распознавания базируется на итеративной процедуре оптими- зации параметров распознавания.
На рис. 6.14 приведена структурная схема системы распозна- вания образов.
Д
ДП
CPU
Дn
Рис. 6.14. Структурная схема системы распознавания образов
Детекторпризнаков(ДП) воспринимает физическое воздей- ствие, характеризующее объекты, и выдает на выходе совокуп-
ность сигналов, несущих признаки (параметры) распознаваемого образа. В случае необходимости в ДП производится освобожде- ние (фильтрация) от шумов (помех), нормализация по геометри- ческим размерам и положению (масштабирование), координат- ные преобразования и т. д.
Детектор признаков во многих случаях выполняется в виде рецепторного фотоэлектронного поля с системой развертки для распознавания образов или микро ЭВМ.
В блоке памяти хранятся программы исходных, промежуточ- ных и конечных данных, а также программы функционирования. Особенность его состоит в необходимости хранения описаний распознаваемых классов и запоминания значений оптимизируе- мых параметров классификатора.
Решение о принадлежности совокупности объектов (образа) к одному из заранее определенных классов принимает классифика- тор CPU. Это осуществляется в соответствии с принятым крите- рием распознавания или правилом решения в его устройстве на основе сигналов, выдаваемых детекторомпризнаков.
Критерием распознавания называется правило, по которому строится гиперповерхность, разделяющая распознаваемые обра- зы на классы в пространстве признаков (объектов). Классифика- тор выполняется в виде сети из линейных пороговых элементов или вычислительного устройства.
Сравнение действительного образцового описания распозна- ваемых классов и выработка сигналов ошибки производятся в устройстве сравнения.
Для функционирования распознающей системы необходимым условием является наличие сведений о классах совокупностей объектов. Эти сведения задаются заранее или возникают в про- цессе обучения, который в этом случае предшествует процессу классификации. В процессе обучения на вход распознающей си-
стемы последовательно подаются признаки образов каждого класса и если система при этом сообщает, к какому классу при- надлежит образ, процесс называется обучением с учителем. Если жесистема несообщает, к какому классу принадлежит образ, процесс называется обучением без учителя или самообучением.