- •Вопрос 1:классификация автоматизированных ведеоинформационных систем(авис).Особенности представления сигналов в авис по сравнению с другими видами телевизионных систем
- •Вопрос 2. Дваварианта архитектуры авис и связанные с ним способы организации обмена между тд и эвм
- •Вопрос 3.Структура блока предвар обработки.Назначение и работа его функциональных узлов.
- •Вопрос 4. Структура блока предвар обработки.Назначение и работа его узлов
- •Вопрос 5.Программный ввод данных из бзу в эвм
- •Вопрос 6. Ввод данных в режиме прерывания.Способы идентификации источника прерывания(несколько видеодатчиков)
- •Вопрос 7. Программный и аппаратный способы решения задачи распределения приоритетов в обслуживании источников в прерывании.
- •Вопрос 8. Ввод данных в режиме прямого доступа к памяти
- •Вопрос 1: этап предварительной обработки
- •Вопрос 2:простой пороговый метод нелинейной фильтрации импульсных.Анизотропная фильтрация.Рекуррентный алгоритм анизотропной фильтрации.
- •Вопрос 3:медианная фильтрация.Понятие Медианы, одномерного и двумерного медианного фильтра.
- •Вопрос 4:алгоритмы определения интегральных параметров дискретных изображений .Гистограмма отсчетов освещенности.Средняя освещенность и среднеквадратическое отклонение освещенности в изображении.
- •Вопрос 5: дифференциальные алгоритмы обработки изображений.Способы определения норм градиента освещенности в изображении.
- •Вопрос 6:. Выделение границ контролируемых объектов.
- •Вопрос 7: Алгоритмы трансформирования исходных изображений на основе ортогональных преобразований.
- •Вопрос 8: Алгоритмы выделения признаков контролируемых объектов. Определение прощади,периметра параметров вписан.И описанных фигур
- •Вопрос 9: Определение моментов инерции изображения объекта.
- •Вопрос 10: Определение числа и взаимного положения углов.
- •Вопрос 11: идентификация и классификация изображений. Метод прямого сравнения с эталоном
- •Вопрос 12: Корреляционный метод
- •Вопрос 13: Методы распознавания, основанные на использовании системы признаков. Понятие дерева-графа распознавания
- •Вопрос 14: Об измерении параметров объектов наблюдения.Определение геометрического и энергетического центров, угла разворота
- •Вопрос 15. Алгоритм определ координат макс освещенности в изображении точечного объекта при интерполяции видеосигнала по методу наименьших квадратов
- •Вопрос 16. Моделирования, математическое и физическое,особенности
- •Вопрос 17 Применение алгоритма обучения в оптико_электронном угломере.
- •Вопрос 18 Принцип построения обучаемой телевизионной системы для автоматизации контроля заготовок микросхем.
Вопрос 11: идентификация и классификация изображений. Метод прямого сравнения с эталоном
Идентификация заключается в сравнении изображения одного объекта со всеми эталонами заданного класса. По наилучшему совпадению выносится решение об объекте. Классификация предполагает наличие изображений нескольких различных объектов. Путём сравнения этих изображений с одним из эталонов по наилучшему совпадению выбирается тот, который соответствует данному классу. Затем оставшиеся изображения сравниваются с другими эталонами и так далее, пока не будут исчерпаны все изображения объектов. Разумеется , на каждом шаге Классификации и должно выделяться изображение одного объекта, иначе задача становится практически не разрешимой. Способ прямого сравнения изображения объекта с эталонным изображением. Пусть [Ei,j] – исходное изображение объекта; [Fi,j] – эталонное изображение. Тогда алгоритм прямого сравнения имеет вид 31 где D – заданное пороговое различие.
(31)
Если указанное условие выполняется, то объект идентифицирован, если нет - надо перейти к следующему объекту (или эталону). Такой способ чрезвычайно прост, особенно, если вычисление суммы квадратов разности заменить вычислением суммы модулей разности. Алгоритм может быть легко реализован и чисто аппаратными средствами за время, практически не превышающее время сканирования кадра телевизионным преобразователем. Однако, при наличии в реальных условиях дестабилизирующих факторов надёжность такого способа невелика, вследствие интегрального характера алгоритма. Очевидно, что при большем значении порога D различные объекты могут удовлетворять условию 31, и, следовательно, могут возникнуть ошибки, связанные с неправильной идентификацией объекта (ошибки первого рода). При уменьшении D –наоборот, могут возникнуть ошибки типа пропуска объекта (ошибки второго рода). Регулируя величину D, можно лишь менять соотношение между вероятностями возникновения ошибок первого и второго рода в соответствии с заданным критерием оптимальности.
Вопрос 12: Корреляционный метод
Этот метод основан на вычислении взаимно"корреляционных сумм между объектом и всеми эталонами (или между имеющимися объектами и каждым из эталонов). Из множества альтернативных вариантов выбирается тот объект (или тот эталон), при котором получается максимальное значение взаимно"корреляционной суммы
(32)
где k – номер альтернативы. Очевидно, что при Fi,j = Ei,j
(33)
Удобно пользоваться нормированным значением взаимно корреляционной суммы – коэффициентом корреляции
Корреляционный метод более надёжен, однако он требует и значительно большего объёма вычислений, так как для каждой точки изображения требуется вычисление произведений Ei,j * Fi,j. Но при обработке бинарных изображений вычисление произведений практически не связано с затратами времени, поскольку перемножение однобитовых чисел сводится к простой логической операции «И». Следует иметь в виду, что оба рассмотренных выше метода требуют выполнения ряда условий: одинаковой ориентации изображений объекта и эталона, совмещения их по пространственным координатам и выдерживания одинаковых масштабов. Всё это может потребовать дополнительных вычислительных затрат. Наряду с этими недостатками укажем на необходимость хранения в памяти АТСН большого объема данных, особенно при многоальтернативном варианте решения задачи.