Апаратні засоби та методи обробки і аналізу зображень плоских фігур

Размещено на http://www.allbest.ru/

ВІННИЦЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня кандидата технічних наук

АПАРАТНІ ЗАСОБИ ТА МЕТОДИ ОБРОБКИ І АНАЛІЗУ ЗОБРАЖЕНЬ ПЛОСКИХ ФІГУР

Спеціальність: Елементи та пристрої обчислювальної техніки та систем керування

Салім Ал-Зобі

Вінниця, 2004 рік

1. ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. В наш час об'єм інформації, що постійно зростає, накопичується і надходить від різних джерел, стимулює проведення пошуку нових наукових підходів по розробці принципово нових методів та засобів автоматичної обробки інформації. Але, на теперішній час, темпи розвитку засобів обчислювальної техніки не задовольняють тим вимогам, котрі висуваються до ЕОМ для підвищення їх продуктивності. Розроблено багато методів та технічних засобів, котрі визначають приналежність їх до визначеного історичного покоління розвитку ЕОМ.

Сучасний етап розвитку обчислювальних систем характеризується повним переглядом попередніх позицій, які базуються на фон-Нейманівській архітектурі. Потреба у створенні принципово нових обчислювальних систем, які були б здатні сприймати і розуміти інформацію, подану у формі звукових сигналів, зорових сцен, текстів, креслень та у формі інших образів, що описують сукупність властивостей об'єкта, вимагає проводити пошуки принципово нових найбільш ефективних апаратних засобів та методів паралельної обробки інформації.

Паралельність характеризується синхронною реалізацією архітектури системи. Самосинхронізація окремих модулів на апаратному рівні подається самосинхронною (аперіодичною) схемотехнікою, котра ще не має класичних підходів до реалізації і синтезу обчислювальних структур, що вимагає в окремих аспектах, винахідництва.

При цьому створення аперіодичної структури приводить до визначених відхилень її функціонування. Тому в реальних системах неможливо відмовитися від процесу синхронізації окремих вузлів і дій.

Для вирішення проблем, що виникають при паралельній обробці великих масивів інформації широке використання отримали нейромережеві технології, використання яких ефективне при розпізнаванні зображень. Але такі структури мають недоліки, які полягають у неможливості розпізнавання зображень, над якими були проведені афінні перетворення. Суміщення нейромережевого і аперіодичного підходів з синхронізацією на загальному рівні управління призвело до побудови дискретних аперіодичних нейросередовищ, які отримали назву клітинних аперіодичних нейроавтоматів (КАНА). Особливі переваги КАНА отримали у випадку використання їх для розв'язку проблемних задач при розпізнавання зображень.

Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась згідно з планом наукових досліджень Вінницького національного технічного університету по темі: “Методи та засоби паралельної обробки, аналізу і розпізнавання зображень на основі клітинних аперіодичних нейроавтоматів”.

Мета і задачі дослідження. Метою даної роботи є підвищення точності і швидкодії розпізнавання зображень плоских фігур, при зміні їх орієнтації в полі вхідної апертури пристрою розпізнавання.

Основні задачі, що визначаються поставленою метою:

- дослідження методів розпізнавання зображень плоских фігур, при їх афінних перетвореннях в полі вхідної апертури пристрою розпізнавання;

- розробка методу розпізнавання зображень плоских фігур;

- дослідження впливу основних параметрів вектора ознак на точність і швидкодію розпізнавання;

- розробка і дослідження системи розпізнавання плоских фігур на базі КАНА;

- розробка і дослідження спеціалізованих обчислювальних структур на основі базового аперіодичного елементу.

Об'єктом досліджень є процес розпізнавання зображень фігур, що змінили свою орієнтацію на вході пристрою розпізнавання.

Предметом досліджень є методи та пристрої розпізнавання зображень плоских фігур, до яких використано перетворення зсуву, повороту і симетрії.

Методи досліджень базуються на використанні апарату математичного аналізу, теорії множин, математичної логіки для побудови моделі процесу розпізнавання на основі відношень контурів, теорії алгоритмів, теорії електронних схем і теорії цифрової обробки сигналів для розробки висопродуктивних пристроїв розпізнавання зображень на основі клітинних аперіодичних нейроавтоматів, теорії інформації та методів машинного аналізу зображень для дослідження впливу вибраних ознак на точність розпізнавання. Наукова новизна одержаних результатів. В роботі отримані наступні наукові результати:

1. Розроблена нова комплексна класифікація методів розпізнавання зображень і загальний підхід до розв'язку задачі розпізнавання вільно орієнтованих зображень плоских фігур у полі вхідної апертури пристрою розпізнавання;

2. Розроблено новий метод розпізнавання плоских фігур, який побудований на формуванні та використанні вектору ознак і дозволяє реалізувати пристрої з підвищеною точністю і швидкодією процесу розпізнавання вільно орієнтованих плоских фігур;

3. Розроблені нові принципи розпаралелювання обчислювального процесу розпізнавання зображень в середовищі клітинних аперіодичних нейроавтоматів, котрі, на відміну від існуючих, дають можливість одночасного визначення усіх кількісних характеристик ознак вектору, а також дозволяють побудувати пристрої з високою швидкодією пошуку еталонного вектору;

4. Одержані аналітичні залежності у матричній формі для визначення відношень контурів, а також модернізована модель розпізнавання зображень, що дало можливість створити універсальні структури розпізнавання вільно орієнтованих зображень фігур;

5. Одержані аналітичні вирази для параметрів аперіодичного ущільнення зображень, що дозволяють, у часових характеристиках, проводити їх кодування і декодування;

6. Розроблені моделі завад у зображенні фігури в середовищі клітинних аперіодичних нейроавтоматів, які дозволяють визначати та видаляти існуючі завади для їх подання у зручній формі, при визначенні кількісних характеристик ознак;

7. Запропоновано новий підхід реалізації багатофункціональних обчислювальних структур з підвищеною швидкодією обробки інформації, основним вузлом котрого є базовий аперіодичний елемент.

Новизна отриманих у роботі наукових результатів підтверджується виданими статтями у наукових журналах, що входять до переліку періодичних наукових фахових видань України, а також двома патентами України на винахід.

Практичне значення одержаних результатів. Практична цінність роботи полягає в тому, що:

1. Розроблена методика проектування пристроїв розпізнавання зображень в середовищі КАНА;

2. Розроблені багатофункціональні операційні аперіодичні структури для розпізнавання зображень;

3. Виділено і обґрунтовано достатній набір ознак для гарантованого розпізнавання зображень в середовищі КАНА;

4. Розроблені високоефективні алгоритми і програмні засоби для попередньої обробки і аналізу зображень, які дозволяють зменшити час, що витрачається на розпізнавання;

5. Отримані експериментальні оцінки основних параметрів методу розпізнавання зображень, які дозволяють оцінити вплив основних ознак на точність розпізнавання;

6. Удосконалена методологія розпізнавання фігур при їх неточному центруванні.

Результаті диссертації використовувались у Вінницькому національному медичному університеті на курсі “Клінична вертебрологія” для обробки рентгенографічних зображень.

Всі основні результати дисертаційної роботи отримані автором особисто. В роботах, котрі написані у співавторстві, автору належать: структурна схема процесорного елемента, здатного виконувати операції по попередній обробці зображень, спосіб розпізнавання зображень фігур, що змінили свою орієнтацію на вході і структура пристрою розпізнавання, структура і алгоритми роботи блоків виділення вершин фігури і обчислення відстаней між ними, а також дослідження впливу геометричного повороту на зміни довжин сторін, структурно-функціональні моделі багатофункціональних структур паралельної обробки інформації на основі базового аперіодичного елемента, досліджено вплив геометричних властивостей вектора ознак при розпізнаванні плоских фігур, розглянуті варіанти визначення відношень між суміжними сторонами у вершинах фігури на основі КАНА, структурно-функціональна модель системи розпізнавання плоских фігур, структурно-функціональна схема порівняння чисел на основі базового аперіодичного елемента, спосіб розпізнавання плоских геометричних фігур на базі КАНА.

Апробація результатів дисертації. Основні положення дисертаційної роботи та результати досліджень доповідалися і обговорювалися на конференціях різного рівня:

- “Оптоелектронні інформаційні технології “Фотоніка ОДС 2002”” (м. Вінниця);

- Современные технологии проектирования систем на микросхемах с программируемой логикой (Харьков, 2003);

- 7-й международный молодежный форум “Радиоэлектроника и молодежь в ХХ1 веке”, Сб. материалов форума - Харьков: ХНУРЕ.

Щорічних науково-технічних конференціях професорсько-викладацького складу Вінницького національного технічного університету (Вінниця 2002-2003 рр.).

Публікації.

Результати дисертаційної роботи опубліковані в 6 статтях у наукових журналах та збірниках наукових праць, 3 статті у матеріалах і тезах наукових конференцій та 2 патенти на винахід.

Структура та обсяг дисертації. Робота складається зі вступу, чотирьох розділів, восьми додатків. Загальний обсяг дисертації складає 245 сторінок, з яких основний зміст викладений на 183 сторінках друкованого тексту, 87 рисунків, 3 таблиці. Список використаних літературних джерел складається з 140 найменувань.

2. ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми, викладено зв'язок даного напрямку досліджень з науковими програмами, планами та темами кафедри, визначено мету роботи, вказано задачі, які необхідно вирішити для досягнення поставленої мети, подано коротку анотацію нових наукових положень та відмінність одержаних результатів від відомих раніше, визначена практична цінність одержаних результатів.

У першому розділі дисертації виконано огляд сучасних методів розпізнавання зображень, представлена загальна структура процесу розпізнавання з розбиттям на класи.

Проведений класифікаційний аналіз методів розпізнавання зображень дозволив визначити недоліки та переваги відомих методів з точки зору розв'язання проблемних задач. Доведена необхідність дослідження задачі розпізнавання плоских фігур з різною орієнтацією і однаковим геометричним смислом. Відомі засоби, які в змозі розв'язувати поставлену задачу мають вагомий недолік, який полягає у складності використання сучасних апаратних засобів для їх реалізації. Огляд сучасних матричних однорідних обчислювальних середовищ паралельної обробки інформації дозволив виділити основні характеристики клітинних аперіодичних нейроавтоматів (КАНА) і визначити їх місце у загальній класифікації пристроїв обробки і розпізнавання зображень. Проведено аналіз можливих реалізацій клітинних однорідних обчислювальних середовищ. Розглянуті відомі варіанти міжз'єднань між клітинами середовища.

Відомі структурні організації процесорних елементів (ПЕ) машин Унгера, SOLOMON, ILLIAC, CLIP здатні виконувати операції попередньої обробки зображень, ПЕ машинного процесору BASE здатний виконувати операції попередньої обробки зображень, а ПНЕ для КАНА має можливість виконання операції попередньої обробки зображень, а також операції по розпізнаванню та по графіці. На базі проведеного аналізу встановлені основні вимоги до однорідних матричних структур, доведена перспективність застосування КАНА до розв'язання проблемних задач, які виникають в процесі розпізнавання зорових сцен, особливо для задачі розпізнавання плоских фігур вільно орієнтованих на вході пристрою розпізнавання.

В другому розділі розглянуто принципи паралельного функціонування пристроїв обробки і розпізнавання зображень в середовищі КАНА.

Процес розпізнавання зображення плоскої фігури здійснюється шляхом перетворення її на вході пристрою до вигляду, найбільш зручного для виділення необхідних ознак, і формування з них вектору V ознак. Даний процес подається наступною моделлю:

Отриманий вектор V порівнюється з еталонним і визначається його приналежність до того або іншого класу, а також зсередини класу. Точність розпізнавання залежить від вибору усієї сукупності необхідних ознак, а також точності визначення їх кількісних характеристик. Вектор ознак, необхідних для розпізнавання зображень має вигляд:

Для точного виділення елементів контуру фігури використовується модель вигляду:

Сторона подається як множина точок, що належать контуру, між двома сусідніми вершинами:

Вершина подається як:

Зображення фігури, може бути подане множиною відношень R, що подають контур фігури у матричному вигляді:

Розглянуті алгоритми визначення вершин зображення фігури в КАНА.

Визначення 1. Вершиною зображення плоскої фігури, спроектованої в середовище КАНА, є ПЕ, що подає точку контуру, при умові, що сума значень сусідніх ПЕ-ів, які подають внутрішню область фігури не дорівнюється сумі значень сусідніх ПЕ-ів, що не належать зображенню:

Але дане визначення справедливе у випадку наявності двох сусідніх клітин контуру. Для залитих фігур справедливим також є наступне визначення.

Визначення 2. Вершиною зображення плоскої фігури, спроектованої в середовище КАНА, є ПЕ, що подає точку контуру при умові, що сума значень сусідніх ПЕ-ів, які подають внутрішню область фігури дорівнювалась одиниці:

Для визначення опуклої та ввігнутої вершин вводяться наступні визначення.

Визначення 3. Клітина є опуклою вершиною, коли сума значень усіх восьми сусідніх клітин середовища, які належать околиці Мура менше п'яти:

Визначення 4. Клітина є ввігнутою вершиною у випадку, коли сума значень усіх восьми сусідніх клітин середовища, які належать околиці Мура більше п'яти:

При врахуванні аліайзінгу для точного виділення вершин вводиться доповняльний шар і використовуються наступні моделі. Клітина С є вершина, котра визначається у другому шарі при умові:

Клітина В(А) є вершина, котра визначається у першому шарі, в тому випадку, якщо виконується наступна умова:

За результатами операцій попередньої обробки зображень можлива поява завад, які діляться на одиночні, зв'язані та контурні. Кожна з них подається логічною моделлю, в залежності від околу, що застосовується. Враховуючи це подані моделі та алгоритми видалення завад в КАНА.

Одиничні завади видаляються шляхом реалізації наступного логічного виразу:

Видалення зв'язаних завад є визначення суми значень сусідніх клітин, що описується моделлю:

Контурні завади визначаються наступним чином.

Визначення 5. Клітина Р є контурна завада в тому випадку коли:

- вона сусідня до двох клітин контуру (одна з цих клітин збуджена) по вертикалі та горизонталі, і, при цьому, вони (дві клітини контуру) є сусіди по діагоналі між собою, а також мають інших сусідів;

- вона має три сусідніх клітини, що належать контуру, і ортогональні;

- вона має тільки одного сусіда, який належить контуру;

- вона має три сусіда, у котрих діагональний збуджений, а два недіагональних сусіда (між собою вони сусіди по діагоналі) не збуджені.

Для видалення таких завад використовується околиця другого порядку, клітини якої є найближчими сусідами клітин околиці першого порядку, а також визначаються клітини, що знаходяться у найкоротшому сусідстві.

Визначення 6. Три клітини, що належать контуру зображення фігури, знаходяться у найкоротшому сусідстві, якщо одна з них є сусідньою для інших, котрі не є сусідами між собою і не мають сусідів, які не є сусідами для загальної клітини.

Виходячи з даного визначення вводиться визначення контурної завади.

Визначення 7. Клітина є контурною завадою в тому випадку, якщо вона знаходиться у сусідстві з клітинами, які знаходяться у найкоротшому сусідстві між собою.

Третій розділ присвячений розробці і дослідженню пристрою розпізнавання зображень плоских фігур з вільною орієнтацією на вході.

Розроблені та досліджені багатофункціональні структури паралельної обробки інформації на основі базового аперіодичного елемента, які дозволяють організувати принцип паралельного порівняння операндів, а також реалізують паралельний стиск зображень.

В основі таких спеціалізованих структур лежить базовий аперіодичний елемент (БАЕ), який дозволяє за рахунок аперіодичної організації функціонування реалізувати паралельні процеси в схемах. При дослідженні запропонованих структур визначено максимальний час, що витрачається на стиск зображень. Отримані VHDL - моделі таких пристроїв.

Розроблена структурно - функційна модель пристрою розпізнавання зображень. Клітинне середовище вводу (КСВ) зображення на вході пристрою здійснює його перетворення у форму, доступну для внутрішньої обробки. Перетворене зображення надходить до клітинного середовища попередньої обробки (КСПО) де проводяться необхідні операції попередньої обробки для визначення заданих ознак у клітинному середовищі формування вектору ознак (КСФО). Блок порівняння (БП) проводить порівняння з еталоном, що зберігається в блоці еталонів (БЕ), і якщо вектор не визначений, то отриманий вектор, по сигналу управління (СУ) додається до еталонних векторів з привласненням імені.

Розглянуті структури, що реалізують кожний блок, приведені їх принципи функціонування по реалізації розроблених методів. Проведено їх моделювання в середовищі Active-HDL, що доводить їх надійність функціонування, а також дає можливість простої реалізації отриманих структур на основі ПЛІС.

Проведено аналіз ефективності розпізнавання і попередньої обробки зображень в КАНА з точки зору точності і швидкості розпізнавання для зображень з вільною орієнтацією, а також дана оцінка продуктивності пристрою розпізнавання. Завдяки оригінальності структури КАНА дана оцінка аперіодичності нейроструктур на основі коефіцієнта глибини розповсюдження, а також енерговитратам, поданих коефіцієнтом енергоспоживання.

Розглянуто рівень багатофункціональності і подана графічна часова залежність дискретних однорідних обчислювальних середовищ для розв'язання задач попередньої обробки і опису зображень.

У четвертому розділі приведено комп'ютерне моделювання процесів впливу властивостей вектору ознак на точність розпізнавання плоских фігур.

Отримані залежності впливу зміни форми геометричної фігури на її площу, які подаються як залежність від висоти багатокутника, або окремих його складових фігур, наприклад, трикутників. Для обчислення таких даних використовувалась теорема Герона.

За допомогою комп'ютерного моделювання проведено дослідження точності визначення кількості вершин від кута повороту зображення фігури з урахуванням аліайзінгу. Встановлено оптимальний кут повороту, при котрому точність є максимальною і який дорівнюється 3 градусам для будь якої точки вершини.

Якщо використовувати алгоритм підрахунку ступеньок у прямій, то тут оптимальним кутом повороту є кут, що дорівнюється 10 градусів, а при застосуванні алгоритму, що використовує різні ширини стовпчиків, кут визначається 8 градусами. Дослідження контурних зображень на наявність завад під час повороту показало, що практично всі контурні завади розташовані при вершинах фігур, а залежності кількості завад від повороту показали однакові форми для різних фігур. Досліджено також вплив повороту фігури на визначення її геометричних розмірів і визначена величина відхилень, яка дорівнює 1 піксель.

ВИСНОВКИ

В дисертаційній роботі подано теоретичне обґрунтування і нове рішення наукової задачі підвищення точності і швидкодії розпізнавання зображень плоских фігур, які змінили орієнтацію у полі вхідної апертури пристрою розпізнавання:

1. Досліджені методи розпізнавання зображень плоских фігур, до яких застосовані афінні перетворення у полі вхідної апертури пристрою розпізнавання, а також запропонована структура процесорного нейроелемента клітинного аперіодичного нейроавтомата, яка дозволяє здійснити операції попередньої обробки зображень, а також операції по розпізнаванню; матричний інформація комп'ютерний

2. Вперше запропонована модель розпізнавання плоских фігур з використанням клітинних аперіодичних нейроавтоматів, в якій формується вектор ознак, що дає можливість отримати повний смисловий зміст фігури;

3. На основі аперіодичного принципу функціонування клітинних аперіодичних нейроавтоматів розроблені алгоритми попередньої обробки зображень, які дозволяють у повному обсязі описати плоску фігуру шляхом найбільш точного визначення кількісного параметру;

4. Досліджені апаратні засоби та алгоритми визначення вершин фігури і запропоновані найбільш ефективні, які дозволяють підвищити точність розпізнавання. Розроблені пристрої і алгоритми пошуку завад та їх усунення;

5. Для більш повного опису зображення розроблені матричні структури і алгоритми визначення відношень контурів;

6. Вперше запропоновано принцип побудови аперіодичного елементу і на його основі досліджені спеціалізовані обчислювальні структури на прикладі операції порівняння операндів та стиску інформації;

7. Розроблено універсальний пристрій для розпізнавання плоских фігур на основі клітинних аперіодичних нейроавтоматів, який дозволяє виділити кількісні характеристики складових вектору ознак з високою точністю;

8. Проведено аналіз ефективності засобів розпізнавання і попередньої обробки зображень в клітинних аперіодичних нейроавтоматах з точки зору швидкодії та точності розпізнавання для зображень з вільною орієнтацією;

9. Доведено вплив кожної ознаки на повний опис фігури. Досліджена величина відхилень від реального значення основних параметрів при здійсненні повороту. Отримана величина оптимального кута повороту для різних алгоритмів визначення вершин.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Білан С.М., Ал-Зобі Салім. Структурно-функціональна організація простих клітинних аперіодичних нейроавтоматів // “Вісник ЧІТІ”, спецвипуск: Матеріали НТК “Приладобудування - 2001” -2001. - С. 385-389.

2. Білан С.М., Ал-Зобі Салім. Розпізнавання вільноорієнтованих плоских фігур в середовищі клітинних аперіодичних нейроавтоматів // Оптоелектронні інформаційно-енергетичні технології - 2001. - №1. - С. 161.

3. Кожемяко В.П., Белан С.Н., Ал-Зоби Салим. Модели алгоритмов выделения вершин изображения плоской фигуры и определение расстояний между ними в системах распознавания // Оптоелектронні інформаційно-енергетичні технології - 2001. - №2. - С. 39-44.

4. Белан С.Н., Кондратенко Н.Р., Ал-Зоби Салим. Исследование влияния геометрических свойств вектора признаков при распознавании плоских фигур // Радиоэлектроника и информатика - 2002. - №2. - С. 70-74.

5. Білан С.М., Ал-Зобі Салім. Реалізація багатофункціональних структур паралельної обробки інформації на базі базового аперіодичного елементу та моделювання їх в середовищі Active-HDL // Вимірювальна та обчислювальна техніка в технологічних процесах - 2001. - №2. - С. 89-94.

6. Деклараційний патент на винахід №51190А, G06K 9/00. Спосіб розпізнавання плоских геометричних фігур. // Білан С.М., Ал-Зобі Салім. - Опубл. 15.11.02, Бюл. №11.

7. Белан С. Н. Ал-Зоби Салим. Структурно - функциональная модель системы распознавания изображений плоских фигур на основе клеточных апериодических нейроавтоматов // Вісник Технологічного університету Поділля - 2003. - №3, Т. 1. - С. 154-158.

8. Ал-Зоби Салим. Определение отношений между ребрами плоской правильной фигуры в клеточных апериодических нейроавтоматах // Труды 7-го международного молодежного форума “Радиоэлектроника и молодежь в ХХ1 веке”. - Сб. материалов форума. - Харьков: ХНУРЕ. - 2003. - 667 с.

9. Деклараційний патент на винахід №48935А, кл. 606F 7/04. Пристрій для порівняння чисел. // Білан С.М., Ал-Зобі Салім., Опубл. 2002. - Бюл. №8.

10. Кожемяко В.П., Белан С.Н., Аль-Зоуби Салим. Исследование влияния параметров количества вершин и расстояний между ними, при распознавании плоских фигур. // Збірник тез доповідей другої міжнародної науково-технічної конференції “Оптоелектронні інформаційні технології “Фотоніка-ОДС - 2002”. - м. Вінниця, “Універсум-Вінниця”. - 2002. - С. 22.

11. Active-HDL medium use for reflection of parallelel algoritms of apexes of figure in cell aperiodic neuroautomatos. // Материалы научно-практической конференции “Современные технологии проектирования систем на микросхемах с программируемой логикой”. - Харьков. - 2003. - С. 14-15.

Размещено на Allbest.ru