Главная Коллекция "Otherreferats" Программирование, компьютеры и кибернетика Исследование алгоритмов распознания символов. Формирование дескрипторов образов

Исследование алгоритмов распознания символов. Формирование дескрипторов образов

Обзор алгоритмов, при помощи которых можно создавать дескрипторы изображений. Описание платформы Matlab, ее возможности и функционал. Получение дескриптора образа символа алфавита с помощью функции regionprops, встроенной в программный пакет Matlab.

Рубрика	Программирование, компьютеры и кибернетика
Вид	дипломная работа
Язык	русский
Дата добавления	07.08.2018
Размер файла	2,3 M

посмотреть текст работы

скачать работу можно здесь

полная информация о работе

весь список подобных работ

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Страница:

Financial Time Series Toolbox

Набор инструментов для анализа данных финансовых рынков, используя для этого метод временных рядов.

GARCH Toolbox

Предоставляет средства для проведения моделирования изменчивости одномерной Обобщенной Авторегрессивной Условной зависимости. Для этого модуль использует обобщенную составную модель ARMAX/GARCH, которая выполняет имитационное прогнозирование, а также проводит оценки параметров временных рядов в присутствии условной гетероскедастичности (т.е. неоднородности наблюдений, выражающихся в неодинаковой дисперсии случайной ошибки регрессионной модели). Функционал позволяет выполнять диагностические тестирования, проверку предполагаемых остатков и многое другое.

Financial Derivatives Toolbox

Этот модуль является расширением Financial Toolbox, и добавляет функции для расчета для специфических областей с фиксированными производными прибыли и определения состава портфеля ценных бумаг в зависимости от процентной ставки и многое другое.

Из приведенного выше описания модулей можно сделать вывод о многогранности инструментов, которые предоставляет программный комплекс Matlab своим пользователям и насколько большую аудиторию он охватывает. Но, конечно же, в данной работе потребуется не все модулю.

Так как далее будет проводиться работа с изображениями, их преобразованием, исследованием и последующее получением дескрипторов свойств объектов этого изображений, то в первую очередь потребуются модули из разделов математики и обработки сигналов и изображений, а если быть точным, то библиотека Image Processing Toolbox.

2.8 Функции пакета Image Processing Toolbox

Если рассматривать данный пакет, то мы можно заметить, как велико количество функций входящих в него. Можно выделить несколько основных разделов, основывая классификацию по принципу действия функций, входящих в данный пакет. Перечень будет выглядеть следующим образом: форматы представления данных, определение типа изображения, определение типа изображения, работа с графическими форматами файлов, установка и чтение глобальных переменных IPT, вывод изображений на экран и захват их с экрана, преобразование типов изображений, конвертирование цветовых систем, геометрические преобразования изображений, анализ изображений, улучшение изображений, фильтрация изображений, сегментация изображений, морфологические операции над бинарными изображением, поиск объектов и вычисление их признаков, преобразования Фурье, дискретное косинусное преобразование, преобразование Радона, создание и обработка структурных элементов, операции с массивами, демонстрация. Как можно заметить, перечень включает множество функций для решения большинства задач, которые, возможно, будут стоять перед пользователем.

Теперь следует дать краткое описание по применению каждой функции, дабы при выполнении работы имелось четкое представление о предназначении каждой из них.

Таблица 2.1 Форматы представления данных

Имя функции	Выполняемое действие
xyz2uint16	Преобразование цветовых данных из формата XYZ в uint16
xyz2double	Преобразование данных из XYZ формата в double
double	Представление элементов массива в формате double
uint8	Представление элементов массива в формате uint8
im2double	представление изображения массивом в формате double
im2uint8	представление изображения массивом в формате uint8
im2uint16	представление изображения массивом в формате uint16
im2mis	представление изображений в Java MemoryImageSource
im2java2d	преобразование изображения в буферизованное изображение Java
im2java	преобразование данных в Java-изображение
lab2uint8	преобразование данных из формата LAB в uint8
lab2uint16	преобразование данных LAB в формат uint16
lab2double	преобразование данных LAB в формат double
iptnum2ordinal	преобразование положительных целых чисел в строку

Таблица 2.2 Определение типа изображения

Имя функции	Выполняемое действие
isbw	проверить, является ли изображение бинарным
isgray	проверить, является ли изображение полутоновым
isind	проверить, является ли изображение палитровым
isrgb	проверить, является ли изображение полноцветным

Таблица 2.3 Работа с графическими форматами файлов

Имя функции	Выполняемое действие
imfinfo	чтение из файла информации об изображении
imread	чтение изображения из файла
imwrite	запись изображения в файл
imageinfo	создание информационных данных о изображении
imagemodel	доступ к свойствам изображений с точки зрения их отображения

Таблица 2.4 Установка и чтение глобальных переменных IPT

Имя функции	Выполняемое действие
iptsetpref	установка глобальных переменных IPT
iptgetpref	чтение глобальных переменных IPT
getline	выбор ломаной линии с помощью мышки
getpts	выбор точек с помощью мышки
getrect	выбор прямоугольника с помощью мышки
ipticondir	возвращает название директории, содержащей IPT и MATLAB иконки
iptgetapi	доступ к прикладному программному интерфейсу

Таблица 2.5 Вывод изображений на экран и захват их с экрана

Имя функции	Выполняемое действие
imshow	вывод изображения на экран
truesize	установка размеров окна для отображения изображений
subimage	вывод нескольких изображений в одном окне
colorbar	вывод на экран палитры
imcontour	построение для изображения линий уровня
immovie	создание видеопоследовательности
montage	вывод на экран всех кадров многокадрового изображения
warp	наложение изображения на поверхность
zoom	масштабирование изображения в окне изображения
getimage	получение изображения из графического объекта
dicominfo	чтение метаданных из DICOM
dicomread	чтение DICOM изображений
dicomwrite	запись изображений в DICOM
dicomuid	генерация идентификатора для DICOM
imview	отображение изображений в Image Viewer
imgcf	получение последних отображаемых изображений
imgca	получение недавно обрабатываемых данных
imgetfile	отображение диалогового окна открытия изображений
imhandles	установка ручного управления изображениями
dicomanon	анонимность DICOM
dicomdict	получение или установка активного словаря DICOM
impositionrect	создание передвигаемого прямоугольника
imscrollpanel	панель прокрутки для интерактивного управления изображениями
analyze75info	считывание метаданных из установленного заголовка файла данных Analyze 7.5
analyze75read	считывание данных изображения из Analyze 7.5

Таблица 2.6 Преобразования типов изображений

Имя функции	Выполняемое действие
im2bw	бинаризация отсечением по порогу яркости
mat2gray	преобразование матрицы чисел в полутоновое изображение
rgb2gray	преобразование полноцветного изображения в полутоновое
ind2gray	преобразование палитрового изображения в полутоновое
gray2ind	преобразование полутонового изображения в палитровое
grayslice	преобразование полутонового изображения в палитровое отсечением по нескольким порогам
ind2rgb	преобразование палитрового изображения в полноценное
dither	диффузионное псевдосмешение цветов
rgb2ind	преобразование полноцветного изображения в палитровое
imapprox	уменьшение количества цветов палитрового изображения
cmunique	поиск палитры минимального размера
cmpermute	изменение порядка цветов в палитре
label2rgb	преобразование матрицы меток в RGB

Таблица 2.7 Конвертирование цветовых систем

Имя функции	Выполняемое действие
rgb2hsv	конвертирование из RGB в HSV
hsv2rgb	конвертирование из HSV в RGB
rgb2ntsc	конвертирование из RGB в YIQ
ntscc2rgb	конвертирование из YIQ в RGB
rgb2ycbcr	конвертирование из RGB в YCbCr
ycbcr2rgb	конвертирование из YCbCr в RGB
rgbplot	изображение компонентов RGB палитры (MATLAB Toolbox)
graythresh	вычисление глобального порога изображения с использованием метода Отса
iccread	считывание описания ICC

Таблица 2.8 Геометрические преобразования изображений

Имя функции	Выполняемое действие
imcrop	кадрирование изображений
imresize	изменение размеров изображения
imrotate	поворот изображения
checkerboard	создание шахматно
findbounds	определение границ при пространственных преобразованиях
imtransform	применение пространственных преобразований изображений
makeresampler	создание повторяющейся структуры
maketform	создание структуры пространственных преобразований (TFORM)
tformarray	применение пространственных преобразований для многомерных массивов
tformfwd	применение прямых пространственных преобразований
para2fan	вычисление веерно
tforminv	применение обратных пространственных преобразований
fan2para	вычисление параллельно
fanbeam	вычисление веерно
fliptform	перестановка исходных и результирующих данных в структуре TFORM
ifanbeam	вычисление инверсного веерно
applycform	применение преобразования цветовых пространств
makecform	создание структуры преобразования цветовых значений
whitepoint	описание полноцветной белой точки в цветовом пространстве
immagbox	локальное увеличение с использованием панели прокрутки

Таблица 2.9 Анализ изображений

Имя функции	Выполняемое действие
imhist	построение гистограммы
improfile	построение профиля
impixel	определение значения пиксела
pixval	управление режимом отображения значений пикселов
mean2	вычисление среднего значения элементов матрицы
std2	вычисление среднеквадратического отклонения элементов матрицы
corr2	вычисление коэффициентов корреляции между двумя матрицами
xcorr2	вычисление двумерной взаимной корреляционной функции
imabsdiff	определение отличительных признаков двух изображений
imadd	суммирование двух изображений или суммирование изображения и константы
imcomplement	дополнение изображений
imdivide	разделение двух изображений или разделения изображения на константу
imlincomb	вычисление линейной комбинации двух изображений
immultiply	умножение двух изображений или умножение изображения на константу
imsubtract	вычитание двух изображений или вычитание константы из изображения
regionprops	определение свойств области изображения
cpstruct2pairs	конвертирование cpstruct в наиболее важные контрольные точки
cp2tform	вывод пространственных преобразований между парой контрольных точек
cpcorr	определение согласованных контрольных точек с использованием кросс
cpselect	инструмент выбора контрольных точек
normxcorr2	нормализация двумерной кросс
deconvblind	улучшение изображений с использованием обратной свертки
deconvlucy	улучшение изображений с использованием метода Лаки
deconvreg	улучшение изображений с использованием регуляризационной фильтрации
deconvwnr	улучшение изображений с использованием фильтра Винера
ippl	проверка наличия библиотеки функций (Intel Performance Primitives Library (IPPL))
getrangefromclass	получение динамического диапазона изображений на основе их формата
graycomatrix	полутоновая матрица смежности для изображений
graycoprops	свойства полутоновых матриц смежности
hough	преобразование Хо
houghlines	получение линий сегментации на основе преобразований
houghpeaks	локализация пиков при преобразованиях Хо
imdisplayrange	отображение динамического диапазона яркостей изображения
entropy	энтропия интенсивности элементов изображения
entropyfilt	локальная энтропия интенсивностей элементов изображения
impixelinfoval	средства получения информации о пикселе без текстовых меток
getimagemodel	восстановление моделей объектов изображения на основе объектов изображения
impixelregion	средства просмотра локального массива пикселей
impixelregionpanel	панель инструментария отображения локального массива пикселей изображения
impixelinfo	средства получения информации о пикселях

Таблица 2.10 Улучшение изображений

Имя функции	Выполняемое действие
histeq	выравнивание гистограммы
imadjust	контрастирование с гамма-коррекцией
brighten	управление яркостью палитры
imnoise	добавление шума
roifill	заполнение областей интереса
stretchlim	поиск границ повышения контраста изображения
edgetaper	виделение краев с использованием функции протяженности точек
otf2psf	преобразование оптической функции в функцию протяженности точек
psf2otf	преобразование функции протяженности точек в оптическую функцию
adapthisteq	Выполнение контрастно ограниченной адаптивной эквализации гистограммы
decorrstretch	Применение декорреляционного растяжения многоканальных изображений
axes2pix	интерактивный методы регулирования контраста и яркости
imcontrast	средства усиления контраста изображения

Таблица 2.11 Фильтрация изображений

Имя функции	Выполняемое действие
conv2	свертка изображений
convn	свертка N-мерных сигналов
convmtx2	вычисление матрицы свертки
filter2	двумерная линейная фильтрация
freqz2	двумерная АЧХ
fspecial	задание маски предопределенного фильтра
fsamp2	формирование маски линейного фильтра по желаемой АЧХ
ftrans2	формирование маски линейного фильтра методом преобразования частот
fwind1	формирование маски линейного фильтра по желаемой АЧХ с использованием одномерного окна
fwind2	формирование маски линейного фильтра по желаемой АЧХ с использованием двумерного окна
blkproc	обработка блоков изображения
bestblk	определение размера блока
nlfilter	обобщенный нелинейный фильтр
colfilt	оптимизированная операция фильтрации
im2col	преобразование фрагментов изображения в столбцы
col2im	преобразование вспомагательного изображения
ordfilt2	ранговая фильтрация
medfilt2	медианная фильтрация
wiener2	адаптивная винеровская фильтрация
roifilt2	фильтрация областей интереса
imfilter	фильтрация двумерных и многомерных изображений
freqspace	определение отзыва в двумерной частотной области (MATLAB Toolbox)

Таблица 2.12 Сегментация изображений

Имя функции	Выполняемое действие
poly2mask	преобразование некоторой области в маску
qtdecomp	сегментация методом разделения
qtgetblk	получение блоков из квадро-дерева результатов сегментации
qtsetblk	замена блоков-результатов сегментации
edge	выделение границ
roipoly	задание области интереса с помощью полигона
roicolor	бинаризация по заданным цветам
watershed	Алгоритм маркерного водораздела

Таблица 2.13 Морфологические операции над бинарным изображением

Имя функции	Выполняемое действие
uintlut	вычисление новых значений массива на основе табличных преобразований
applylut	преобразование бинарного изображения с помощью таблицы перекодировки
bwboundaries	отслеживание локальных границ на бинарном изображении
bwmorph	морфологические операции над бинарным изображением
bwareaopen	открытие бинарных площадей (малых объектов)
bwdist	определение периода преобразования бинарных объектов
bwfill	заполнение областей фона
bwhitmiss	бинарные hit
bwlabeln	установка метки связанных элементов в многомерных бинарных изображениях
bwpack	упаковка бинарных изображений
bwperim	выделение границ бинарных объектов
bwselect	выделение объектов
bwtraceboundary	oтслеживание контуров бинарных изображений
bwulterode	предельная эрозия
bwunpack	распаковка бинарных изображений
conndef	отсутствие связности
dilate	наращение бинарного объекта
erode	эрозия бинарного объекта
imbothat	выполнение низкочастотной фильтрации
imclearborder	подавление световой структуры связанной с краями изображения
imclose	закрыть изображение
imdilate	расширение изображения
imerode	эрозия изображения
imextendedmax	максимальная длительность преобразований
imextendedmin	минимальная длительность преобразований
imfill	заполнение областей изображения
imhmax	H - максимальные преобразования
imhmin	H - минимальные преобразования
imimposemin	установка минимума
imopen	открыть изображение
imreconstruct	морфологическое восстановление изображений
imregionalmax	максимум области
imregionalmin	минимум области
imtophat	выполнение высокочастотной фильтрации
makelut	формирование таблицы перекодировки

Таблица 2.14 Поиск объектов и вычисление их признаков

Имя функции	Выполняемое действие
bwlabel	поиск объектов
bwarea	вычисление площади объектов
bweuler	вычисление числа Эйлера
imfeature	вычисление признаков объектов
imattributes	получение информации об атрибутах изображения

Таблица 2.15 Преобразования Фурье

Имя функции	Выполняемое действие
fft2	двумерное БПФ
fftn	n-мерное БПФ
ifft2	обратное двумерное БПФ
ifftn	n-мерное обратное БПФ
fftshift	перегрупировка выходного массива преобразования Фурье

Таблица 2.16 Дискретное косинусное преобразование

Имя функции	Выполняемое действие
dct2	двумерное ДКП
idct2	обратное двумерное ДКП
dctmtx	вычисление матрицы коэффициентов ДКП

Таблица 2.17 Преобразование Радона

Имя функции	Выполняемое действие
radon	прямое преобразование Радона
iradon	обратное преобразование Радона
phantom	создание модельного изображения головы

Таблица 2.18 Создание и обработка структурных элементов

Имя функции	Выполняемое действие
getheight	создание вертикальных структурных элементов
getneighbors	определение местоположения соседних структурных элементов
getnhood	создание соседних структурных элементов
getsequence	создание последовательности разложенных структурных элементов
isflat	возвращение одинаковых структурных элементов
reflect	представление структурных элементов через их центр
strel	создание морфологических структурных элементов
translate	преобразование структурных элементов

Таблица 2.19 Операции с массивами

Имя функции	Выполняемое действие
padarray	пустой массив

Таблица 2.20 Демонстрация

Имя функции	Выполняемое действие
dctdemo	демонстрация сжатия изображений на основе двумерных дискретных косинусных преобразований
edgedemo	демонстрация выделения границ объектов изображения
firdemo	демонстрация двумерной фильтрации изображений и проектирования фильтров
imadjdemo	демонстрация корректировки яркостей и эквализации гистограммы изображений
landsatdemo	демонстрация сложноцветных изображений
nrfiltdemo	демонстрация фильтрации шумовой составляющей
qtdemo	демонстрация разложения квадродеревьев
roidemo	демонстрация обработки областей интереса

3. Создание дескрипторов образов объектов. Рассмотрение результатов

3.1 Подробное описание алгоритма создания дескрипторов

Выше было дано краткое описание функции regionprops и теперь пришло время рассмотреть его подробнее.

Как уже было сказано, главной особенностью данной функции является большое количество дескрипторов, которое мы можем получить. Задаются они в параметре properties. В этот большой перечень входят следующие значения: «Area», «BoundingBox», «Centroid», «ConvexArea», «ConvexHull», «ConvexImage», «Eccentreiciry», «EquivDiameter», «EulerNumber», «Extent», «Exrema», «FilledArea», «FilledImage», «Image», «MajorAxisLength», «MinorAxisLength», «Orientation», «PixelList» и «Solidity». Как видно, rgionprops действительно многогранен. И в такой ситуации будет естественным то, что не все перечисленные функции подойдут для решения данной задачи. Но чтобы понять, что будет получено при использовании дескриптора, следует сделать описание для каждого из них.

«Area»

Данный дескриптор представляет собой скаляр, обозначающий число пикселей в исследуемой области или, проще говоря, ее площадь. Следует сделать замечание, что результат получаемый применение данной функции может немного отличаться от результата, полученного похожей по назначению функции bwarea.

«BoundingBox»

Представляет собой вектор размерностью , который определяет наименьший прямоугольник, в который входит исследуемая область. Полученный результат выглядит следующим образом: [ul_corner width], где ul_corner имеет вид [x y] и обозначает координаты верхнего левого угла прямоугольника, а width представляется как [x_ width y_ width] и содержит размеры этого прямоугольника вдоль соответствующих осей. На рисунке 3.1 представлен пример такого прямоугольника.

Рис 3.1 - Ограничивающий прямоугольник (выделен зеленым цветом) области, состоящей из нескольких белых пикселей.

«Centroid»

Характеризует центр масс исследуемой области и передает результат в виде вектора . Первым элементом является горизонтальная координата (по оси x), а второй отвечает за вертикальную координату (по оси y). Здесь следует сделать уточнение, что центром масс некоторой области является ее геометрический центр, т.е. точка, в которой можно сконцентрировать всю массу объекта без изменения его первого момента относительно любой оси.

В двумерном случае первый момент относительно оси x можно рассчитать по формуле:

(3.1)

а относительно оси y:

(3.2)

где (x, y) координаты геометрического центра. Интегралы левой части приведенных соотношений являются ни чем иным как площадью A, которую можно найти по формуле: . Величины x и y можно найти только в том случае, если предположить, что площадь A не равна нулю. Также следует сделать замечание, что величина A представляет собой момент нулевого порядка функции b(x, y). На рисунке 3.2 представлен пример центра масс некоторой области.

Рис. 3.2 - Центр масс области

«ConvexImage»

Представляет собой оболочку выпуклого многоугольника со всеми наполняющими его пикселями, в виде двоичного изображения. Имеет размер ограничивающего прямоугольника.

«ConvexArea»

Скаляр, содержащий число пикселей многоугольника (площадь).

«ConvexHull»

Представлен матрицей вида , является минимальным выпуклым многоугольником, вмещающим данную область. В каждой строке матрицы содержатся пары координат x и y, которые характеризуют положение вершин многоугольника.

«Solidity»

Дескриптор содержит скаляр, в котором записано число пикселей выпуклой оболочки (коэффициент выпуклости). Результат рассчитывается как отношение .

«Eccentricity»

Данный дескриптор содержит эксцентриситет эллипса, т.е. значение отношения фокусного расстояния к большей оси и является характеристикой эллипса. Может принимать значения от нуля до единицы. При нулевом эксцентриситете эллипс является окружностью, а при равном единице - является прямой. На рис 3.3 представлен пример такого эллипса.

Рис. 3.3 - Изображение области и соответствующий ей эллипс

«MajorAxisLength»

Длинна, указанная в пикселях, большой оси эллипса, имеющего те же вторые моменты, что и исходная область.

«MinorAxisLength»

Длинна, указанная в пикселях, малой оси эллипса, имеющего те же вторые моменты, что и исходная область.

«Orientation»

Дескриптор содержит значение угла между большей осью эллипса и осью x. На рисунке 3.4 представлен описанный выше эллипс.

«EquivDiameter»

Рассматриваемый дескриптор является скаляром, содержащим диаметр окружности, площадь которой равно площади исследуемого объекта. Данное значение получают по формуле: , где Area - значение одноименного дескриптора regionprops.

Рис. 3.4 - Эллипс и его характеристики. Синим цветом выделены большая и малая оси а также ось x и угол между осями. Точки обозначают фокусы эллипса

«EulerNumber»

Является скаляром, содержащим эйлерову характеристику области. Кратко его можно описать как число объектов в области минус число дыр в этих областях. Для понимания этого следует сделать отступление.

Сделаем предположение, что замкнутая поверхность S рода p подразделена на некоторое число областей. Это подразделение возможно получить, если отметить на S ряд вершин и соединить их между собой дугами кривых. В таком случае будет получено выражение: , где V - число вершин, E - число дуг и F - число областей. Число называется эйлеровой характеристикой поверхности. К примеру, для сферы выражение будет иметь вид , так как она имеет род равный нулю. Другой пример показан на рисунке 3.5, где изображена поверхность, составленная из плоских многоугольников. Данную поверхность можно деформировать в поверхность тора, следовательно род будет равен единице и выражение примет вид .

«Extent»

Дескриптор, содержащий коэффициент заполнения. Находится как отношение площади объекта к площади ограничивающего прямоугольника. Вычисляется по формуле .

Рис. 3.5 - Непростой многогранник

«Extrema»

Представлен матрицей , в которой расположены пары координат x и y экстремальных точек области, записанные по строкам. Формат данного вектора следующий: [верхний-левый, верхний-правый, правый-верхний, правый-нижний, нижний-правый, нижний-левый, левый-нижний, левый-верхний].

«FilledImage»

Дескриптор содержит бинарное изображение прямоугольника, ограничивающего данную область, при этом все дыры в этой области заполняются.

«FilledArea»

Представлен скаляром, содержащим полное число пикселей в «FilledImage».

«Image»

Бинарное изображение прямоугольника ограничивающего исследуемую область, при этом все пиксели вне региона удаляются (принимают нулевое значение).

«PixelList»

Имеет вид матрицы содержащей пары координат x и y показывающих фактическое нахождение пикселей. По сути, является показателем фактического числа пикселей изображения.

Как отмечалось в первой главе, regionprops работает только с изображениями, объекты которых были предварительно отмечены при помощи функции bwlabel, и поэтому следует дать пояснения для этой функции.

Данная функция имеет следующий синтаксис L=bwlabel(BW, n) или [L, num]=bwlabel(BW, n), где BW - бинарное изображение, n - связность объектов (может иметь значение 4 или 8), L - матрица с элементами, равными номерам объектов, которым принадлежат пиксели, num может дополнительно вывести число объектов. Матрица L имеет формат типа double.

У этой функции есть существенный недостаток. Заключается он в том, что bwlabel отмечает, в том числе, и отдельные пиксели, что влияет на получение результатов regionprops. Для удаления лишних объектов на изображении используется функция bwareaopen. Для ее использования нужно просто указать изображение и число пикселей, и объекты, которые окажутся меньше этого числа будут удалены.

После вышеописанных действий можно привести примерный вид m функции, которая будет получать дескрипторы букв.

function H = region_descr(x) %имя функции

e = rgb2gray(x); %преобразование полноцветного изображения

%в полутоновое

c = 255 - e;

d = im2bw(c); %бинаризация отсечением по порогу яркости

bw = bwareaopen(d, 5); %Фильтрация изображения

l = bwlabel(bw); %установка метки связанных элементов

D1 = regionprops(l, 'all'); %определение свойств области изображения

end

Результатом данной функции служит векторстрока со значениями, описывающими исследуемый символ. Вместо «x» подставляется переменная с исследуемым изображением. Функция «rgb2gray» отвечает за преобразование полноцветного изображения в полутоновое, «im2bw» преобразование полутонового изображения в бинарное. Функция «bwreaopen» удаляет объекты, число пикселей в которых меньше пяти, таким образом проводиться фильтрация изображения. Описание остальных функций было приведено выше.

3.2 Исследование по нахождению подходящих дескрипторов

Теперь следует перейти к анализу дескрипторов с точки зрения выполнения поставленной задачи. Для начала отберем дескрипторы, результатами которых скаляры, что упростит дальнейший анализ, а также в дальнейшем можно использовать несколько дескрипторов в одном массиве для обучения нейронной сети. Учитывая эти факторы, список потенциально используемых дескрипторов сокращается до следующего вида: «Area», «ConvexArea», «Eccentricity», «EquivDiameter», «EulerNumber», «Extent», «FilledArea», «MajorAxisLenght», «MinorAxisLenght», «Orientation», «Solidity».

Следующим шагом будет сравнительный анализ результатов, получаемых при использовании приведенных выше дескрипторов, но с поворотом изображения на угол от -15 до 15 градусов с шагом в 5 градусов для 26 букв английского алфавита. Для упрощения проведения данной операции будет выполнено получение дескрипторов и вывод их результатов в excel файл. Этому способствует следующая m функция.

function O = research_5(x, N, y) %имя функции

e = rgb2gray(x); %преобразование полноцветного

%изображения в полутоновое

c = 255 - e;

d = im2bw(c); %бинаризация отсечением по порогу яркости

P = [0, 5, 10, 15, 20, 25, 30];

B = char('B', 'C', 'D', 'E', 'F', 'G', 'H');

%__________________________________________________________

%Цикл

for k = 1:1:7

A = -15 + P(k);

a = imrotate(d, A, 'bicubic'); %поворот изображения на определенный

%угол

bw = bwareaopen(a, 5); %Фильтрация изображения

l = bwlabel(bw); %установка метки связанных элементов

d1 = regionprops(l, 'all'); %определение свойств области изображения

u = B(k);

H = [d1.Area, d1.ConvexArea, d1.Eccentricity, d1.EquivDiameter, d1.EulerNumber, d1.Extent, d1.FilledArea, d1.MajorAxisLength, d1.MinorAxisLength, d1.Orientation, d1.Solidity]; %вектор значений

%regionprops

H=H'; %операция транспонирования

xlswrite(['C:\Users\Alexsey\Documents\Диплом\Буквы_1\' N],H,y,[u '2']);

%запись результатов в файл Excel

end

O = k;

end

Приведенная выше функция получает изображения, выполняет вычисления дескрипторов и осуществляет вывод данных в файл формата Excel 2003. Переменная «x» передает изображение, «N» - передает имя файла, который будет создан (если файла с таким именем не существует), и в который будет производиться запись результатов, «y» - имя листа, в который производиться запись. В коде используется почти тот же набор функций, что был описан выше, за исключением «imrotate», служащей для поворота изображения и «xlswrite», производящий запись в указанный файл на указанный лист.

Вызов данной функции выглядит следующим образом

ALP = char('A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z');

%___________________________________________________________

%Цикл

for l = 1:1:26

jpg=['C:\Users\Alexsey\Documents\Диплом\Буквы\' ALP(l) .jpg'];%Путь к

%изображениям

f=imread(jpg); % чтение изображения из файла

J=research_5(i,'Исследование_35.xls', ALP(l)); %Вызов функции

clear f;

clear J; %Очистка переменных

end

Следующим шагом будет представление результатов анализа с поворотом изображения для первых четырех букв представленный в виде таблиц и графиков (таблицы остальных символов представлены в приложении А). Для исследования используются изображения букв, найденные на просторах интернет сети. Каждое изображение представляет собой квадрат 350 x 350 пикселей в формате .jpg. Примеры приведены на рис. 3.1 и рис. 3.2.

a)b)

Рис 3.1 - a) Изображение буквы А b) Ограничивающая рамка и центр масс изображения

a)b)

Рис 3.2 - a) Изображение буквы B b) Ограничивающая рамка и центр масс изображения

Таблица 3.1 Значения дескрипторов для буквы A

Дескриптор\ Угол поворота	-15	-10	-5	0	5	10	15
Area	32979	32972	32972	32974	32973	32968	32974
ConvexArea	58223	58170	58216	57843	58248	58219	58212
Eccentricity	0,401149	0,400945	0,4014	0,401261	0,401209	0,401287	0,401561
EquivDiameter	204,915	204,8933	204,8933	204,8995	204,8964	204,8808	204,8995
EulerNumber	0	-1	0	0	0	0	0
Extent	0,307181	0,310998	0,31724	0,331264	0,317249	0,31096	0,307135
FilledArea	42770	42764	42764	42767	42768	42758	42764
MajorAxisLength	335,4849	335,4249	335,4469	335,4764	335,4541	335,414	335,4942
MinorAxisLength	307,3085	307,2834	307,2368	307,2842	307,2713	307,2232	307,2565
Orientation	75,9222	80,84296	85,91405	-89,1106	-84,0928	-79,1506	-74,017
Solidity	0,566426	0,566821	0,566374	0,57006	0,56608	0,566276	0,566447

Рис 3.2- Графики изменения параметров дескрипторов для символа А

Таблица 3.2 Значения дескрипторов для буквы B

Дескриптор\ Угол поворота	-15	-10	-5	0	5	10	15
Area	38326	38328	38328	38327	38321	38331	38324
ConvexArea	60999	60998	60994	60667	61009	61016	60974
Eccentricity	0,745463	0,745412	0,745382	0,745399	0,74543	0,745456	0,745452
EquivDiameter	220,9031	220,9089	220,9089	220,906	220,8887	220,9175	220,8973
EulerNumber	-1	-1	-1	-1	-1	-1	-1
Extent	0,445988	0,488585	0,542644	0,591649	0,523339	0,474605	0,435342
FilledArea	58108	58114	58114	58112	58107	58116	58111
MajorAxisLength	384,1541	384,1598	384,1444	384,1496	384,1638	384,1921	384,1779
MinorAxisLength	256,0566	256,0823	256,0852	256,0814	256,0776	256,0851	256,0775
Orientation	76,86362	81,88129	86,87877	-88,1255	-83,1381	-78,1553	-73,1396
Solidity	0,628305	0,628348	0,62839	0,63176	0,62812	0,628212	0,62853

Рис 3.3 - Графики изменения параметров дескрипторов для символа В

Таблица 3.3 Значения дескрипторов для буквы C

Дескриптор\ Угол поворота	-15	-10	-5	0	5	10	15
Area	26545	26539	26548	26542	26538	26539	26549
ConvexArea	67282	67300	67248	67055	67256	67311	67311
Eccentricity	0,78842	0,788412	0,788495	0,788457	0,788414	0,788492	0,788388
EquivDiameter	183,8427	183,8219	183,8531	183,8323	183,8185	183,8219	183,8566
EulerNumber	1	1	1	1	1	1	1
Extent	0,289691	0,303705	0,321486	0,33858	0,32009	0,303476	0,28852
FilledArea	26545	26539	26548	26542	26538	26539	26549
MajorAxisLength	443,7848	443,7732	443,8385	443,8076	443,7793	443,8439	443,8304
MinorAxisLength	272,9888	272,9861	272,9788	272,9816	272,9888	272,9838	273,0347
Orientation	75,14465	80,14769	85,15494	-89,8509	-84,8575	-79,8598	-74,8496
Solidity	0,394533	0,394339	0,394778	0,395824	0,394582	0,394274	0,394423

Рис 3.4 - Графики изменения параметров дескрипторов для символа С

Таблица 3.4 Значения дескрипторов для буквы D

Дескриптор\ Угол поворота	-15	-10	-5	0	5	10	15
Area	38319	38320	38320	38317	38320	38318	38313
ConvexArea	73475	73468	73484	73146	73470	73458	73469
Eccentricity	0,501399	0,501821	0,501579	0,501709	0,501601	0,501586	0,501748
EquivDiameter	220,8829	220,8858	220,8858	220,8772	220,8858	220,88	220,8656
EulerNumber	0	0	0	0	0	0	0
Extent	0,375533	0,398006	0,42566	0,461051	0,427202	0,400569	0,376585
FilledArea	72964	72969	72967	72966	72966	72967	72967
MajorAxisLength	403,0233	403,0885	403,0525	403,073	403,0588	403,0585	403,0865
MinorAxisLength	348,7022	348,6601	348,6854	348,6728	348,6858	348,6889	348,6754
Orientation	76,30433	81,27037	86,2968	-88,7051	-83,7446	-78,6883	-73,7059
Solidity	0,521524	0,521588	0,521474	0,523843	0,521573	0,521631	0,521485

Рис 3.5 - Графики изменения параметров дескрипторов для символа D

Как можно заметить, дескриптор «EulerNumber» является самым неэффективным для распознавания символов. «Orientation» в теории может пригодиться для работы с масштабированными изображениями, но, как видно из приведенных результатов, его значения повторяются у нескольких символов. Остальные дескрипторы, напротив, дают не плохие результаты, позволяющие отличить оду букву от другой, однако, они имеют некоторую погрешность, по этому оправданным будет выделить те значения, которые менее всего будут страдать от округления. К таковым можно отнести скаляры с расхождениями в дробной части. Таким образом, список можно сократить до следующих пяти дескрипторов: «Eccentricity», «MajorAxisLength», «MinorAxisLength», «Solidity».

Для подтверждения приведем следующие таблицы и графики для данных дескрипторов для всех исследуемых букв.

Таблица 3.5 Значение дескриптора Eccentricity

Буква\Угол поворота	-15	-10	-5	0	5	10	15
A	0,401149	0,400945	0,4014	0,401261	0,401209	0,401287	0,401561
B	0,745463	0,745412	0,745382	0,745399	0,74543	0,745456	0,745452
C	0,78842	0,788412	0,788495	0,788457	0,788414	0,788492	0,788388
D	0,501399	0,501821	0,501579	0,501709	0,501601	0,501586	0,501748
E	0,867103	0,867059	0,867124	0,867102	0,867107	0,867104	0,867096
F	0,88232	0,882407	0,882344	0,882354	0,882363	0,882269	0,882357
G	0,607605	0,607726	0,60771	0,607619	0,607821	0,607442	0,607546
H	0,431997	0,432014	0,43206	0,432097	0,432156	0,432059	0,432073
I	0,989344	0,98934	0,989342	0,989348	0,989342	0,98934	0,989345
J	0,970887	0,970856	0,970861	0,970871	0,97088	0,970876	0,970869
K	0,665635	0,665602	0,665576	0,665612	0,665586	0,665562	0,665585
L	0,931686	0,931696	0,931676	0,931666	0,931669	0,931647	0,931679
M	0,63107	0,63095	0,631092	0,63103	0,631121	0,63099	0,631164
N	0,492702	0,492142	0,492611	0,492668	0,492692	0,49311	0,492594
O	0,263704	0,26323	0,264091	0,263451	0,263631	0,263625	0,263213
P	0,768467	0,768514	0,768477	0,76854	0,768394	0,768404	0,76853
Q	0,539782	0,539333	0,539989	0,539767	0,539292	0,539599	0,539446
R	0,686651	0,68669	0,686689	0,686668	0,686647	0,68667	0,686591
S	0,882108	0,882113	0,882081	0,882087	0,882121	0,8821	0,882076
T	0,879762	0,879819	0,879783	0,879806	0,879819	0,879812	0,879716
U	0,317132	0,316302	0,31708	0,317065	0,316923	0,317201	0,317003
V	0,516194	0,516561	0,516147	0,516141	0,516478	0,516411	0,516242
W	0,527032	0,526732	0,526785	0,526806	0,526811	0,52652	0,526582
X	0,644854	0,644844	0,644855	0,644863	0,64471	0,644893	0,644876
Y	0,679041	0,679463	0,679131	0,6791	0,679065	0,679045	0,679114
Z	0,876572	0,876616	0,876597	0,876602	0,876614	0,876604	0,876571

Таблица 3.6 Значение дескриптора MajorAxisLength

Буква\Угол поворота	-15	-10	-5	0	5	10	15
A	335,4849	335,4249	335,4469	335,4764	335,4541	335,414	335,4942
B	384,1541	384,1598	384,1444	384,1496	384,1638	384,1921	384,1779
C	443,7848	443,7732	443,8385	443,8076	443,7793	443,8439	443,8304
D	403,0233	403,0885	403,0525	403,073	403,0588	403,0585	403,0865
E	416,6004	416,5639	416,5915	416,5827	416,5918	416,5406	416,5868
F	367,8594	367,9274	367,8843	367,8947	367,9062	367,9103	367,8905
G	411,7913	411,7767	411,818	411,7854	411,8325	411,7927	411,8011
H	368,9199	368,9022	368,9159	368,9144	368,9166	368,8953	368,9154
I	364,9091	364,8435	364,8683	364,8854	364,8684	364,8436	364,8839
J	395,9001	395,8975	395,8614	395,8904	395,9088	395,9002	395,9047
K	369,0059	368,9782	369,002	368,9803	368,9651	368,9558	369,0037
L	411,1539	411,1835	411,1406	411,1338	411,148	411,0899	411,1437
M	459,6054	459,6214	459,6445	459,6144	459,5865	459,6298	459,624
N	376,8029	376,7651	376,8053	376,8027	376,7966	376,8353	376,8162
O	400,9037	400,8504	400,9165	400,878	400,8862	400,901	400,866
P	351,4187	351,4192	351,4064	351,4327	351,4085	351,4141	351,413
Q	381,7988	381,6971	381,8338	381,7726	381,6964	381,769	381,7199
R	365,021	365,0316	365,0092	365,0118	365,0293	365,0141	364,9956
S	414,9052	414,8879	414,9001	414,9086	414,9316	414,9763	414,9265
T	395,6771	395,7145	395,727	395,7193	395,7311	395,6915	395,6559
U	380,7695	380,7361	380,7761	380,7869	380,7673	380,7792	380,7951
V	358,505	358,5563	358,5045	358,4958	358,5691	358,5446	358,5297
W	363,073	363,0326	363,068	363,0635	363,0629	363,0117	363,0467
X	374,1673	374,0911	374,141	374,1282	374,1519	374,1442	374,0966
Y	343,459	343,4869	343,437	343,4539	343,4749	343,4259	343,4113
Z	460,5774	460,5573	460,5632	460,5415	460,5711	460,5509	460,5302

Рис 3.6 - График демонстрирующий различий значений параметров дескриптор Eccentricity для символов английского алфавита

Таблица 3.7 Значение дескриптора MinorAxisLength

Буква\Угол поворота	-15	-10	-5	0	5	10	15
A	307,3085	307,2834	307,2368	307,2842	307,2713	307,2232	307,2565
B	256,0566	256,0823	256,0852	256,0814	256,0776	256,0851	256,0775
C	272,9888	272,9861	272,9788	272,9816	272,9888	272,9838	273,0347
D	348,7022	348,6601	348,6854	348,6728	348,6858	348,6889	348,6754
E	207,5205	207,5346	207,5009	207,5126	207,5132	207,4904	207,5186
F	173,1333	173,105	173,1283	173,126	173,1257	173,1922	173,1218
G	327,0608	327,0112	327,049	327,0516	327,0254	327,1134	327,0871
H	332,7198	332,7007	332,705	332,6969	332,6886	332,6865	332,7022
I	53,12848	53,12901	53,12798	53,11622	53,12777	53,12884	53,12308
J	94,83238	94,88291	94,86608	94,85656	94,84664	94,85105	94,86247
K	275,3807	275,371	275,3974	275,3693	275,3664	275,3674	275,3957
L	149,3572	149,3582	149,3629	149,371	149,3735	149,375	149,3617
M	356,5279	356,5852	356,5499	356,5498	356,4942	356,5764	356,5072
N	327,8932	327,9796	327,9146	327,9003	327,8898	327,8343	327,9278
O	386,7131	386,7137	386,6831	386,7161	386,7043	386,7193	386,7306
P	224,8692	224,8495	224,857	224,8474	224,8932	224,8928	224,8389
Q	321,4001	321,4244	321,3787	321,3817	321,4338	321,4197	321,4157
R	265,3656	265,3597	265,3439	265,3532	265,373	265,354	265,3679
S	195,4401	195,4279	195,4585	195,4582	195,4423	195,4799	195,4745
T	188,1106	188,0867	188,1193	188,0984	188,0948	188,081	188,134
U	361,1147	361,1886	361,1277	361,1398	361,1392	361,1152	361,1553
V	307,0493	307,014	307,0591	307,053	307,0428	307,0363	307,0601
W	308,556	308,589	308,6073	308,5988	308,597	308,6191	308,6349
X	285,9784	285,9233	285,9579	285,9455	286,0119	285,9483	285,9173
Y	252,1335	252,0197	252,0887	252,1107	252,1375	252,1079	252,0752
Z	221,6628	221,6157	221,6344	221,6204	221,6244	221,6232	221,6404

Рис 3.7 - График демонстрирующий различий значений параметров дескриптор MajorAxisLength для символов английского алфавита

Рис 3.8- График демонстрирующий различий значений параметров дескриптор MinorAxisLength для символов английского алфавита

Таблица 3.8 Значение дескриптора Solidity

Буква\Угол поворота	-15	-10	-5	0	5	10	15
A	0,566426	0,566821	0,566374	0,57006	0,56608	0,566276	0,566447
B	0,628305	0,628348	0,62839	0,63176	0,62812	0,628212	0,62853
C	0,394533	0,394339	0,394778	0,395824	0,394582	0,394274	0,394423
D	0,521524	0,521588	0,521474	0,523843	0,521573	0,521631	0,521485
E	0,527192	0,527355	0,527102	0,531503	0,527064	0,527334	0,527237
F	0,549497	0,549189	0,548997	0,552741	0,549632	0,549801	0,548672
G	0,4911	0,490876	0,491133	0,492753	0,491153	0,490833	0,490954
H	0,454195	0,454206	0,454188	0,457259	0,454212	0,454247	0,454207
I	0,977539	0,97767	0,977669	1	0,977669	0,97767	0,977603
J	0,605348	0,60363	0,605412	0,609368	0,606292	0,604492	0,606033
K	0,428302	0,428304	0,428652	0,430225	0,428467	0,42844	0,428513
L	0,511252	0,51203	0,513604	0,516549	0,513023	0,513027	0,514075
M	0,49673	0,49673	0,49673	0,49673	0,49673	0,49673	0,49673
N	0,524575	0,524775	0,524611	0,528161	0,524578	0,524838	0,524669
O	0,482154	0,482355	0,482396	0,483481	0,482352	0,482271	0,482419
P	0,626292	0,62658	0,627368	0,630009	0,626334	0,625876	0,626892
Q	0,463694	0,463962	0,463944	0,464577	0,464092	0,463875	0,463975
R	0,554997	0,554534	0,554616	0,557542	0,554471	0,554064	0,55436
S	0,49453	0,49404	0,494404	0,496052	0,494796	0,494723	0,494222
T	0,451633	0,452673	0,451575	0,453635	0,451829	0,452664	0,452961
U	0,436653	0,43671	0,436731	0,438852	0,4368	0,436695	0,436735
V	0,503431	0,503252	0,503084	0,506673	0,503359	0,503573	0,503592
W	0,473061	0,473099	0,472671	0,475202	0,473505	0,472966	0,473579
X	0,359173	0,358901	0,359862	0,360314	0,359097	0,35889	0,35894
Y	0,446589	0,448096	0,447525	0,448468	0,447271	0,448295	0,446955
Z	0,433697	0,433778	0,433746	0,436579	0,433726	0,43379	0,433923

Рис 3.9 - График демонстрирующий различий значений параметров дескриптор Solidity для символов английского алфавита

Как можно заметить, данные дескрипторы различны для каждого символа, а различия при изменении угла наклона символа также незначительны. Следовательно, данные дескрипторы дадут хорошие результаты при обучении на их основе нейронной сети. Некоторые погрешности при использовании можно сократить при округлении данных результатов.

Немаловажным фактором при анализе символов является их масштаб, по этому, на примере нескольких символов посмотрим изменения значений, выдаваемых дескрипторами, при изменении масштабов анализируемого изображения. Для примера будут приведены три таблицы результатов для двух символов А и В, а именно эталонное, увеличение и уменьшение масштабов в два раза.

Будет использоваться приведенная выше m функция, но в вызов будут внесены некоторые изменения.

ALP = char('A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z');

%___________________________________________________________

%Цикл

for l = 1:1:26

jpg = ['C:\Users\Alexsey\Documents\Диплом\Буквы\' ALP(l) '.jpg']; %путь

%к изображению

f = imread(jpg); % чтение изображения из файла

i = imresize(f, 0.5); %Функция масштабирования изображения

J = research_5(i,'Исследование_35.xls', [ALP(l) '_0,5']); %вызов

%функции

clear f;

clear J;%очистка переменных

end

Были получены следующие результаты:

Таблица 3.9 Эталон символа A

Дескриптор\ Угол поворота	-15	-10	-5	0	5	10	15
Area	32979	32972	32972	32974	32973	32968	32974
ConvexArea	58223	58170	58216	57843	58248	58219	58212
Eccentricity	0,401149	0,400945	0,4014	0,401261	0,401209	0,401287	0,401561
EquivDiameter	204,915	204,8933	204,8933	204,8995	204,8964	204,8808	204,8995
EulerNumber	0	-1	0	0	0	0	0
Extent	0,307181	0,310998	0,31724	0,331264	0,317249	0,31096	0,307135
FilledArea	42770	42764	42764	42767	42768	42758	42764
MajorAxisLength	335,4849	335,4249	335,4469	335,4764	335,4541	335,414	335,4942
MinorAxisLength	307,3085	307,2834	307,2368	307,2842	307,2713	307,2232	307,2565
Orientation	75,9222	80,84296	85,91405	-89,1106	-84,0928	-79,1506	-74,017
Solidity	0,566426	0,566821	0,566374	0,57006	0,56608	0,566276	0,566447

Таблица 3.10 Увеличенный в два раза символ А

Дескриптор\ Угол поворота	-15	-10	-5	0	5	10	15
Area	131600	131617	131602	131610	131615	131614	131625
ConvexArea	231798	231758	231742	231104	231781	231681	231848
Eccentricity	0,40145	0,401467	0,4016	0,401542	0,401664	0,401632	0,401561
EquivDiameter	409,3389	409,3653	409,342	409,3544	409,3622	409,3607	409,3778
EulerNumber	0	0	0	0	0	0	0
Extent	0,306882	0,309407	0,317031	0,330546	0,316583	0,3094	0,306504
FilledArea	170854	170867	170854	170861	170869	170866	170875
MajorAxisLength	670,865	670,8673	670,8743	670,8619	670,8969	670,893	670,8799
MinorAxisLength	614,4325	614,4297	614,397	614,4027	614,3988	614,4044	614,4135
Orientation	75,87825	80,86115	85,90236	-89,0893	-84,1426	-79,0401	-74,0911
Solidity	0,567736	0,567907	0,567882	0,569484	0,567842	0,568083	0,567721

Таблица 3.11 Уменьшенный в два раза символ А

Дескриптор\ Угол поворота	-15	-10	-5	0	5	10	15
Area	8206	8202	8201	8204	8207	8200	8212
ConvexArea	14677	14667	14701	14518	14682	14657	14696
Eccentricity	0,402542	0,399795	0,402598	0,400927	0,400768	0,400834	0,400749
EquivDiameter	102,2165	102,1915	102,1853	102,204	102,2227	102,1791	102,2538
EulerNumber	-1	0	0	0	0	0	0
Extent	0,304739	0,309451	0,318609	0,330726	0,318842	0,311385	0,306968
FilledArea	10633	10631	10628	10632	10632	10628	10639
MajorAxisLength	167,7048	167,5299	167,6229	167,6447	167,596	167,5983	167,6582
MinorAxisLength	153,5172	153,5587	153,4381	153,581	153,5481	153,5453	153,6064
Orientation	76,01457	80,51617	85,77515	-89,4334	-84,4378	-79,356	-74,4129
Solidity	0,559106	0,559215	0,557853	0,565092	0,558984	0,55946	0,558792

Таблица 3.12 Эталон символа B

Дескриптор\ Угол поворота	-15	-10	-5	0	5	10	15
Area	38326	38328	38328	38327	38321	38331	38324
ConvexArea	60999	60998	60994	60667	61009	61016	60974
Eccentricity	0,745463	0,745412	0,745382	0,745399	0,74543	0,745456	0,745452
EquivDiameter	220,9031	220,9089	220,9089	220,906	220,8887	220,9175	220,8973
EulerNumber	-1	-1	-1	-1	-1	-1	-1
Extent	0,445988	0,488585	0,542644	0,591649	0,523339	0,474605	0,435342
FilledArea	58108	58114	58114	58112	58107	58116	58111
MajorAxisLength	384,1541	384,1598	384,1444	384,1496	384,1638	384,1921	384,1779
MinorAxisLength	256,0566	256,0823	256,0852	256,0814	256,0776	256,0851	256,0775
Orientation	76,86362	81,88129	86,87877	-88,1255	-83,1381	-78,1553	-73,1396
Solidity	0,628305	0,628348	0,62839	0,63176	0,62812	0,628212	0,62853

Таблица 3.13 Увеличенный в два раза символ B

Дескриптор\ Угол поворота	-15	-10	-5	0	5	10	15
Area	153086	153073	153078	153081	153087	153081	153088
ConvexArea	243194	243126	243119	242523	243193	243209	243184
Eccentricity	0,745437	0,745415	0,745438	0,745428	0,745427	0,745409	0,745417
EquivDiameter	441,492	441,4732	441,4804	441,4847	441,4934	441,4847	441,4948
EulerNumber	-1	-1	-1	-1	-1	-1	-1
Extent	0,446016	0,488561	0,543061	0,590773	0,523826	0,473599	0,435399
FilledArea	232302	232310	232306	232310	232311	232312	232310
MajorAxisLength	768,282	768,2869	768,2956	768,2909	768,289	768,2728	768,2756
MinorAxisLength	512,1187	512,1403	512,1263	512,132	512,1315	512,1366	512,1309
Orientation	76,87591	81,87557	86,87657	-88,1237	-83,1228	-78,1244	-73,126
Solidity	0,629481	0,629604	0,629642	0,631202	0,629488	0,629422	0,629515

Таблица 3.14 Уменьшенный в два раза символ B

Дескриптор\ Угол поворота	-15	-10	-5	0	5	10	15
Area	9553	9548	9551	9549	9548	9549	9549
ConvexArea	15355	15346	15341	15256	15337	15347	15312
Eccentricity	0,744948	0,745221	0,745139	0,745137	0,745294	0,745045	0,745137
EquivDiameter	110,2872	110,2583	110,2756	110,2641	110,2583	110,2641	110,2641
EulerNumber	-1	-1	-1	-1	-1	-1	-1
Extent	0,447741	0,486275	0,540888	0,583074	0,521578	0,474367	0,437225
FilledArea	14507	14505	14504	14504	14503	14512	14505
MajorAxisLength	191,9677	191,9647	191,9445	191,9434	191,9546	192,0112	191,9373
MinorAxisLength	128,066	128,0054	128,0094	128,0093	127,9831	128,0743	128,0052
Orientation	76,61018	81,5991	86,5897	-88,4058	-83,3905	-78,3824	-73,4357
Solidity	0,622143	0,622182	0,62258	0,625918	0,622547	0,622206	0,623629

По полученным результатам можно заметить, что устойчивый результат можно заметить только при использовании дескриптора «Eccentricity». Остальные дескрипторы изменяют свои значения при изменении масштаба символа, что естественно скажется негативно при использовании нейронной сети, обученной по этим дескрипторам.

3.3 Результаты исследования

После проведенных исследований можно сделать вывод, что из всего набора возможностей функции regionprops для выполнения поставленной задачи подходят только 4 дескриптора, а именно: «Eccentricity», «MajorAxisLength», «MinorAxisLength», «Solidity». По полученным данным приведенные выше дескрипторы очень хорошо позволяют отличать символа, даже если их повернуть на некоторый угол и в теории не реагировать на увеличение или уменьшение их масштаба. Использование четырех дескрипторов в связке позволит сократить погрешности при определении каждого символа. Но также по этим результатам видны некоторые погрешности, которые могут сказаться негативно при распознании изображения. Поэтому полученные результаты следует округлить до двух знаков после запятой, что поможет свести погрешность к минимуму. Также работа с масштабированными изображениями не является гарантированной. В этом случае придется воспользоваться функцией «imresize», которая позволит привести изображения примерно к эталонному масштабу. Из вышесказанного следует, что в дальнейшем нейронная сеть будет обучаться по данному набору, хотя и имеющему некоторые устранимые недостатки.

Конечная функция для получения дескрипторов будет выглядеть следующим образом:

function H = region_descr(x) %имя функции

e = rgb2gray(x); %преобразование полноцветного изображения

%в полутоновое

c = 255 - e;

d = im2bw(c); %бинаризация отсечением по порогу яркости

bw = bwareaopen(d); %Фильтрация изображения

l = bwlabel(bw); %установка метки связанных элементов

D1 = regionprops(l, 'all'); %определение свойств области изображения

f1 = roundn(D1.Eccentricity, -2);

f2 = roundn(D1.MajorAxisLength, -2); %округление результатов

f3 = roundn(D1.MinorAxisLength, -2); %regionprops до

f4 = roundn(D1.Solidity, -2); %двух знаков после запятой

H = [f1, f2, f3, f4]; %вектор значений

end

Данная функция позволяет получить набор округленных значений, по которому возможно провести обучение нейронной сети.

Заключение

После проведения всех этапов исследования следует сделать необходимые выводы по выполнению цели и задач, поставленных в самом начале данной работы.

При выполнении данной работы было изучено множество алгоритмов для создания дескрипторов образов, каждый из которых имеет ряд особенностей, достоинств и недостатков. Последующий анализ позволил выбрать конкретный метод, который в дальнейшем был исследован более подробно. Также была описана платформа MATLAB, ее возможности, функционал, который позволил провести дальнейшее рассмотрение выбранного ранее алгоритма. Последующее исследование показало работоспособность выбранного алгоритма, выявить возможные проблемы и устранить их.

Следуя из выше перечисленных факторов можно сделать заключение, что цель и сопутствующие ей задачи были полностью выполнены. Полученные в ходе выполнения данной работы дескрипторы, выраженные в виде функций программного пакета MATLAB, могут использоваться для последующего обучения нейронной сети, и с большой долей вероятности создать систему, способную отлично выполнять поставленные перед ней функции.

Размещено на Allbest.ru

Страница:

дипломная работа "Исследование алгоритмов распознания символов. Формирование дескрипторов образов" скачать

Подобные документы

Встроенные функции ППП MatLab
Использование программного обеспечения MatLab для выполнения математических расчетов в области линейной алгебры, теории информации и обработки сигналов, автоматического и автоматизированного управления. Возможности стандартного интерфейса программы.

курсовая работа [178,7 K], добавлен 08.08.2011
Файловые индексные дескрипторы операционной системы
Использование номеров индексных дескрипторов для обозначения файлов в программах для системных администраторов в операционной системе UNIX. Описание индексного дескриптора в POSIX. Адрес индексного дескриптора в записи директории, относящейся к файлу.

контрольная работа [31,7 K], добавлен 18.06.2014
Матричная математическая система MATLAB
Программный комплекс MATLAB как мощное средство для высокоточного цифрового моделирования системы автоматического управления. Основные особенности построения временных характеристик с помощью пакета Control System и моделирования в системе Simulink.

контрольная работа [2,3 M], добавлен 14.11.2012
Решение задач оптимизации с применением пакетов прикладных программ
Обзор и сравнительный анализ современных математических пакетов. Вычислительные и графические возможности системы MATLAB, а также средства программирования в среде MATLAB. Основные возможности решения задач оптимизации в табличном процессоре MS Excel.

дипломная работа [6,6 M], добавлен 04.09.2014
Сжатие фотографий с потерей информации
Положения алгоритмов сжатия изображений. Классы приложений и изображений, критерии сравнения алгоритмов. Проблемы алгоритмов архивации с потерями. Конвейер операций, используемый в алгоритме JPEG. Характеристика фрактального и рекурсивного алгоритмов.

реферат [242,9 K], добавлен 24.04.2015
Разработка системы автоматического поиска объектов на изображении
Обзор алгоритмов распознания объектов на двумерных изображениях. Выбор языка программирования. Обнаружение устойчивых признаков изображения. Исследование алгоритмов поиска объектов на плоскости. Модификация алгоритма поиска максимума дискретной функции.

дипломная работа [1,0 M], добавлен 16.06.2013
Система математических расчетов MATLAB
Общие свойства и возможности рабочего стола. Получение справок (Getting Help). Рабочее пространство системы MATLAB. Просмотр и редактирование массивов данных при помощи редактора Array Editor. Пути доступа системы. Операции с файлами.

учебное пособие [1021,2 K], добавлен 28.05.2007
Математические пакеты
Спектр задач, которые решают математические программные пакеты (Maple, MathCad, Mathematica и MatLab). Математические исследования, требующие вычислений и аналитических выкладок. Разработка и анализ алгоритмов. Визуализация, научная и инженерная графика.

презентация [148,7 K], добавлен 06.01.2014
Разработка виртуальной лабораторной работы на базе виртуальной асинхронной машины в среде MATLAB
Возможности, визуализация и графические средства MATLAB. Устройство асинхронных двигателей. Математические модели асинхронной машины. Пакет визуального программирования Simulink. Преобразование уравнений асинхронной машины в неподвижной системе координат.

дипломная работа [2,1 M], добавлен 30.08.2010
Программирование в Matlab
Программный код Matlab, основные этапы и особенности его разработки. Принципы работы со скриптами и функциями, их структура. Типы и функциональные возможности комментариев. Входные и выходные параметры. Создание p-кода. Вывод данных в командное окно.

презентация [303,9 K], добавлен 24.01.2014

Другие документы, подобные "Исследование алгоритмов распознания символов. Формирование дескрипторов образов"

весь список подобных работ

скачать работу можно здесь

сколько стоит заказать работу?

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.