XII Международная студенческая научная конференция Студенческий научный форум - 2020
Проектирование экспертной системы «Выделение объектов на изображении по ключевым точкам»
КомментарииПолная версия работы доступна во вкладке "Файлы работы" в формате PDF
В последние годы цифровая обработка и цифровой анализ изображений находят все большее применение в различных областях науки и техники, таких как интеллектуальные робототехнические комплексы, системы промышленного контроля, системы управления движущимися аппаратами, обработка данных дистанционного зондирования, новые технологии обработки документов и множество других [1].
Для выделения объектов на изображении, для начала, необходимо определить особые точки. Существуют множество алгоритмов определения особых точек, ориентированных на применение в различных областях.
Перед проектированием экспертной системы, для понимания некоторых терминов, необходимо привести глоссарий.
Локальная особая точка изображения (local image feature) - это точка с характерной (особой) окрестностью, которая имеет некие признаки, существенно отличающие ее от основной массы точек [2].
Изотропность угла – означает, что если угол не направлен в сторону соседней, то он не будет обнаружен, как точечная особенность.
Инвариантность изображения - относительное постоянство (константность) свойств какого-либо объекта при изменении физических условий или по отношению к некоторым преобразованиям (поворот, растяжение, сжатие, монотонное изменение яркости, аффинные и проективные преобразования) [2].
Локальность – особенность занимает малую область изображения, поэтому работа с ней не чувствительна к перекрытиям.
Дескриптор - идентификатор особой точки, выделяющий её из остального множества особых точек.
Детектор - это метод извлечения особых точек из изображения. Детектор обеспечивает инвариантность нахождения одних и тех же особых точек относительно преобразований изображений.
Для реализации информационной системы реляционного типа необходимо построить дерево решений (машину вывода), отражающее знания и опыт эксперта в решении задачи в данной предметной области [3].
Знания эксперта в предметной области формулируются в виде гипотез.
Примерный список фактов для выбора метода выделения объектов на изображении:
Если в качестве типа локальных особенностей будут использоваться углы, и угол не будет изотропным, то вам подойдет метод детектора Моравеца.
Если градиент вычисляется в каждом пикселе, то вам подойдет метод Харинса и Стивенса.
Если область пикселя проверяется путем изучения ближайших соседей, то вам подойдет детектор особенностей FAST.
Если особая точка не отличается от окрестности любой другой точки и для вас важна высокая скорость обработки, то вам подойдет детектор SUSAN.
Если особая точка не отличается от окрестности любой другой точки и для вас важна высокая скорость обработки, то вам подойдет любой структурный метод.
Если особая точка отличается от окрестности любой другой точки, то подойдет детектор особенностей FAST.
Если в качестве типа локальных особенностей будут использоваться точки и обнаружение ключевой точки не должно осуществляться на основании масштаба, то вам подойдет метод SURF.
Если для вас важно качество изображения и особая точка должна быть инварианта при масштабировании изображения, то вам подойдет метод MSER’s.
Если для вас важно качество изображения и особая точка не должна быть инварианта при масштабировании изображения, то вам подойдет метод CSS.
Если для вас не важна инвариантность к степени освещения и важна инвариантность относительно преобразования поворота, то вам подойдет метод PCA-SIRT.
Следующим шагом является построение дерева решений.
Дерево решений – графический метод, позволяющий увязать точки принятия решения, возможные стратегии, их последствия с возможными факторами, условиями внешней среды. Построение дерева решений начинается с более раннего решения, затем изображаются возможные действия и последствия каждого действия (событие), затем снова принимается решение (выбор направления действия) и далее до тех пор, пока все логические последствия результатов не будут исчерпаны [3].
Поиск решения экспертной системой означает "передвижение" по ветвям дерева решений. Такое "передвижение" состоит из последовательности однотипных шагов, на каждом из которых пользователь должен решить, по какой ветви он пойдет из очередной вершины. На рисунке 1 представлено дерево решений для выбора метода выделения объекта на изображении.
Рисунок 1 – Дерево решений
Следуя реляционному подходу, необходимо теперь описать полученное дерево решений подходящей таблицей: каждую дугу мы опишем номером её начала и номером её конца [3]. Кроме двух столбцов, соответствующих началу и концу дуги, добавим еще два столбца: «Конец поиска» и «Ответ пользователя».
Столбец «Конец поиска» будет указывать на продолжение поиска (0) или его окончание (1). Таблица "Управление переходами состояний" представлена таблицей 1.
Таблица 1. Управление переходами состояний
|
Начальное состояние |
Конечное состояние |
Конец поиска |
Ответ пользователя |
|
0 |
1 |
0 |
Углы |
|
0 |
2 |
0 |
Точки |
|
0 |
3 |
0 |
Края |
|
1 |
4 |
1 |
Угол не является изотропным |
|
1 |
5 |
0 |
Да, угол является изотропным |
|
5 |
6 |
1 |
Градиент должен вычисляться в каждом пикселе |
|
5 |
7 |
0 |
Не важно, чтобы градиент вычислялся в каждом пикселе |
|
7 |
8 |
1 |
Да, проверяется |
|
7 |
9 |
0 |
Нет, не проверяется |
|
9 |
11 |
0 |
Особая точка не отличается от других |
|
11 |
12 |
1 |
Важна скорость обработки |
|
11 |
13 |
1 |
Не важна скорость обработки |
|
9 |
10 |
1 |
Особая точка отличается от других |
|
2 |
14 |
1 |
Не обязательно на основании масштаба |
|
2 |
15 |
0 |
Да, на основании масштаба |
|
15 |
16 |
0 |
Важно качество изображения |
|
16 |
18 |
1 |
Должна быть инвариантна относительно изображения |
|
16 |
19 |
1 |
Нет, не должна |
|
15 |
17 |
0 |
Нет, качество не важно |
|
17 |
21 |
1 |
Инвариантность к степени освещения очень важна |
|
17 |
20 |
0 |
Нет, не важна |
|
20 |
22 |
1 |
Да, инвариантность относительно преобразования поворота важна |
|
20 |
23 |
0 |
Нет, не важна |
|
23 |
24 |
0 |
Она может не обладать глобальной уникальностью |
|
24 |
28 |
1 |
Да, важна |
|
24 |
29 |
0 |
Нет, скорость не важна |
|
29 |
30 |
1 |
Важна чувствительность к шуму |
|
29 |
31 |
1 |
Не важна чувствительность к шуму |
|
23 |
25 |
0 |
Да, должна |
|
25 |
26 |
1 |
Нет, она не стабильна |
|
25 |
27 |
1 |
Да, она должна быть стабильна |
|
3 |
32 |
1 |
Нет, быстродействие не важно |
|
3 |
33 |
0 |
Да, важно |
|
33 |
34 |
1 |
Отсутствует |
Продолжение таблицы 1
|
33 |
35 |
0 |
Присутствует |
|
35 |
36 |
0 |
Да |
|
35 |
37 |
1 |
Нет |
|
36 |
39 |
0 |
Нет необходимости |
|
36 |
40 |
1 |
Да, фильтрация необходима |
|
39 |
41 |
1 |
Да, необходимо проводить вычисление |
|
39 |
42 |
0 |
Нет |
|
42 |
43 |
1 |
Понижать интенсивность фона не нужно |
|
42 |
44 |
0 |
Да, нужно понижать интенсивность фона |
|
44 |
45 |
0 |
Очень важна |
|
44 |
46 |
1 |
Нет |
|
45 |
47 |
0 |
В подавлении нет необходимости |
|
45 |
48 |
1 |
Да, это необходимо |
|
47 |
49 |
1 |
Да, важна |
|
47 |
50 |
1 |
Нет, не важна |
Таблица 1 «Управление переходами состояний» используется для реализации работы Машины вывода (Решатель). Она управляет «движением» системы от одного состояния к другому по дереву решений или выдает РЕШЕНИЕ экспертной системы и останавливается, если встречает «1» в столбце «Конец поиска».
Список литературы:
Визильтер Ю. В., Желтов С. Ю., Князь В. А., Ходарев А. Н., Моржин А. В. Обработка и анализ цифровых изображений с примерами на LabVIEW IMAQ Vision. – М.: ДМК Пресс, 2007. – 464 с.
Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов. – М.: Радио и связь, 1987. – 400 c.
Дерево решений и метод дерева решений построения [Электронный ресурс]/Многофункциональный сайт//Режим доступа: https://function-x.ru/ graphs4_modeling_decision_tree_game_tree.html/ (дата обращения: 3.12.2019).