11. Распознавание образов

Образ – это структурированное приближенное описание объекта или ситуации. Описания служат для установления соответствия между образами, т.е. установления их идентичности, аналогичности и т. д. В классических моделях образ описывается вектором признаков объекта. В структурных моделях образ – это высказывание, порождаемое грамматикой, соответствующей классу образа. Понятие «распознавание образов» включает два основных процесса: процесс восприятия сознания, свойственный живым организмам; создание механических систем восприятия и познания.

Целью автоматизированных систем распознавания образов является поиск, выделение, идентификация, классификация при описании образов на основе реальных объектов. В общем случае разработка автоматизированных систем распознавания образов состоит из трех этапов: анализ объекта; выбор набора признаков; анализ и классификация.

Основная цель распознавания образов – построение на основе систематических, теоретических и экспериментальных исследований вычислительных средств для отнесения формализованных ситуаций и объектов к соответствующим классам. Задачам распознавания образов присущи следующие характерные особенности:

1. Эти задачи решаются применением двух процедур: приведение исходного объекта к стандартному виду; указание принадлежности или непринадлежности объекта к определенному классу.

2. В этих задачах можно вводить понятие подобия между описаниями объекта, на основе этого формулировать понятия близости объектов.

3. В этих задачах часто оперируют прецедентами, т.е. примерами классификаций, которые известны. Эти примеры предъявляются алгоритму распознавания образов для настройки в процессе обучения.

Выделяются следующие основные типы задач распознавания образов:

1. Классическая задача – распознавание или обучение с учителем, т. е. отнесение предъявленного объекта по его описанию к определенному классу.

2. Автоматическая классификация (обучение без учителя), т. е. разбиение множества объектов по их описаниям на непересекающиеся подмножества – классы;

3. Задача выбора информативного набора признаков объекта, т. е. выбор признаков для описания объекта и оценка их информативности.

4. Задача формализации исходного объекта для построения формализованного описания объекта.

5. Классическая задача с учетом динамики объекта.

6. Задача автоматической классификации с учетом динамики объекта.

7. Задача прогнозирования.

Формы задания исходного объекта для задач могут быть различны: изображения, полученные в различных частях спектра и различными способами и преобразованные в цифровую форму; сигналы; серии изображений (фильмы).

Разработаны различные модели распознавания:

• Р-модели, основанные на принципе разделения, т.е. задаются классы поверхностей, среди них выбирается такая, которая лучше всего разделяет классы объектов;

• С-модели (статистические модели). В них используется аппарат математической статистики, такие модели применяются, если известны вероятностные характеристики классов;

• П-модели (потенциальные модели) основаны на методе потенциальных функций. В качестве функции принадлежности некоторого объекта к классу используется функция потенциальной принадлежности;

• Г-модели, модели голосования или вычисления оценок. Анализируется близость между описаниями ранее классифицированных объектов и объекта распознавания по набору оценок близости, вырабатывается общая схема распознавания объектов данного класса;

• Л-модели, основанные на алгебре логики. В них классы и признаки – логические переменные, а описание классов производится на языке булевой алгебры.