Анисимов Б.В., Курганов В.Д., Злобин В.К. - Распознование и цифровая обработка изображений, страница 11

2.2. Сечения соответствующих упомянутым наборам распределений приведены на ,Рис. 2.3. Таблица 2,2 ф', ~ 2.% ~ 0,060 ! 0,060 ~ 0,025 Теоретический анализ анизотропной фильтрации для определ :, к* но о значения по ога ильт ации можно выполнить ения оптималь г Р ф Р 71 только ~; для изображений частного вида. Из общих соображений ясно, что при адаптивном нормальном шуме значение т1 должно находиться вблизи 45 1„, можно определить требуемое разрйшение системы наблюдения, а при фиксации последнего — максимальное расстояние до объекта идентификации. Из рис. 2.5 и 2.6 видно, что анизотропная фильтрация обладает избирательными свойствами, причем максимум р = / (рв) выражен наиболее ярко при малых значениях о,. При этом узкие апертуры более эффективны при малом уровне шумов (до 10 — 15%), а широкие — при больз шом (20 — 30%).

Процедуру фильтрации следует 1 предусмотреть и в процессе обучения системы распознаванию, особенно в йб случае применения широких апертур, 7(а так как пРи сглаживании затрагиваетйй ся и сам силуэт изображения. Поэто- /(/% му необходима автоматическая смена апертуры в зависимости от интенсивг ности помех, если требования к разре- 1 Ф б Ю 1// шению системы, сформулированные выше, выдержаны. Мерой уровня шумов в присутствии проекции объекта на «сетчатке» /Ю может служить зависимость М, = дл=.Ю = 1 (р „), представляющая собой колиег 1/2% честно единичных элементов «сетчат- ///% ки», с каждым из которых рядом по горизонтали или вертикали находитйб ся только один единичный элемент.

Графические изображения зависимо. йФ стей М„= 1 (рв) для обьектов 1, 2 и 3, усредненные аналогично зависимостям, графически представленным у 1 4 на рис, 2.4, приведены на рис. 2.7. Величина М„ слабо зависит от конРис. 2.8. Графики зависимости фигУРации и РазмеРов пРоекций (кор'=1(/,) для прямоугольников с эффициент заполнения для проекций горизонтальной (сплошные линии) объектов 1 и 2, показанных н вертикальной (цунктирные лина рис. нни) ориентацией: 2.2, колеблется от 0,25 до 0,48 соота, л — со тветственно л я па- Ветственно).

ПРН Рп = 14 —;!9% мож" раметров фыльтрацнв Нм Ш н НО уетаНОВНТЬ ПОРОГОВОЕ ЗНВЧЕНИЕ М„= М„= 60. Следовательно, если М,г( 60, то целесообразно применять узкую апертуру (например, йуз), в противном же случае — широкую (например, %уз). Оценка уровня ожидаемых помех возможна, конечно, по шумовым характеристикам условий наблюдения и воспринимающего устройства, а также в процессе пробного ввода изобразительной информации перед наблюдением объекта идентификации.

48 а1, ;, Р т фильтрации. эффективность сглаживания может .Впоь повышена и при использовании ргкуррентного фильтра. просе фильтрации здесь участвуют не только элементы исходного, но и е сглаженного изображения. Выражение (2.1) в этом случае имеет д /е /а Фе/2 а(Р) = /1 ~ ч~~~ ~ ".~ аз+в 1+а ~(т= — ьа/т $= — /т /з а, если !(в=1, 2 ° Ув/2' ь= а;+р /+й, = — Жа/2 ° ° ° Уа/2) (в=о' к=о 1 ° ° ° //а/2)!' а/У1, если ((т= — 1, — 2, ..., — У, /2; з= — Уз/2... Р/е/2) (т =0; еь = — ! 2 ..., — ь/е/2)1, де а/+ /+а= бее, йр ./гле'.

,. па /м '' дю ; гр гу р з ю и /р м ыде,к Рнс. 2.7. Графики зависимости Мм=/(дв) для изображений объектов, показанных на рис. 2.2 /а /Р УР ' «РР„% Рис. 2.8. Графики зксцернментальных результатов рекуррент. ной фильтрации для язображения объекта 3, показанного на рис. 2.2 Графики экспериментальных результатов рекурреитной фильтра;ции для силуэта объекта 3 показаны на рис. 2.8. Видно, что рекуррент;:Иый фильтр имеет преимущества только тогда, когда уровень шумов ' не превышаег 15 — 20%. Другим его достоинством является то, что для Гхранения элементов аг/гР~ матрицы отфильтрованного изображения мо;,гут использоваться те же ячейки памяти, что и для хранения элеменКроме того, рекуррентное сглаживание более чувстви","гов а,.+ тельно к порогу т).

Иногда хорошие результаты дает двукратная фильтрация, когда ; изображение фильтруется дважды с разными апертурами и, возможно, :" порогами. Таким образом, при интенсивности помех, не превышающей 15— ' 20о1, есообразно использовать либо анизотропный фильтр с узкой ' апертурой, либо рекуррентный фильтр с той же апертурой, в проти „:случае следует применять анизотропиый фильтр с широкой аперту. Рой, если же на фильтрацию можно выделить некоторое дополнчтель- 'ное время, то независимо от ожидаемого уровня шумов лучшее сглаживание обеспечивает фильтр с автоматической регулировкой апертуры.

П н м е ч а н н е. Все рассмотренные выше виды фильтрации, особенно ,.:, Рекуррентную, можно легко реализовать на базе сцециализиров анн нных заномииающйх устройств. Ф 2й. МИНИмйзлцйя вйзУАЛьНОИ ИпфоРМАЦйИ Один из важных вопросов в проблеме автоматического распознавания зрительных образов — вопрос об уменьшении объема вводимой в ходиой информации (числа элементов дискретизации изображения объекта). Степень дискретизации пиктурного (многоградационного) изображения объектов для нормальной работы распознающих алгоритмов может составлять сотни тысяч элементов дискретизации. Такой об " объем данных даже после их сжатия при кодировании ввести в оперативную память современных ЭВМ затруднительно.

При использовании же долговременной памяти машины резко увеличивается'время решения задачи. Поэтому в память машины следует вводить не всю информацию об объектах, а только ее наиболее информативную часть. При распознавании зрительных образов чаще всего это координаты и яркость точек контурных линий изображений объектов. Следовательно, из всех считываемых с изображения точек (например, при обработке телевизионного, фотографического или другого изображения) необходимо исключить точки фона, а также точки, находящиеся внутри односвязных геометрических контуров и имеющие одинаковую яркость. Такую обработку изображения будем называть минимизацией исходной информации.

Минимизация исходной информации может быть аппаратурнсй илн алгоритмической. П и р м е ч а н и е. Такое разделение минимизации условно. Устройства, осуществляющие аппаратурную и алгоритмическую минимизацию, могут быть построены по различным принципам. Аппаратурная минимизация. Устройство, реализующее этот способ минимизации, работает по принципу сравнения яркости точек изображения, полученного, например, на экране электроннолучевой трубки, с уровнем видеосигнала от фона изображения. Прн этом устройство позволяет осуществлять ввод информации в ЭВМ в адресном и безадресном режимах. При адресном режиме ввода 1-й элемент дискретизации изображения объекта представляется как точка с координатами хь у„В;, при безадресном режиме ввода 7-му элементу дискретизации присваивается только код яркости В, (формирование координат точек изображения при этом ведется программным путем).

Покажем, что для экономии обьема памяти ЭВМ в системе считывания н ввода информации в машину целесообразно иметь оба режима работы. Действительно, при безадресном режиме ввода число двоичных разрядов памяти машины для размещения в ней поля наблюдения (на- пРимеР, телевизионного РастРа) составлЯет Уб = вУр, где в = Еп1 х ( йзг)+1 — число двоичных разрядов для кодирования яркости элемента дискретизации (г — число градаций яркости изображения объекта); р — число элементов дискретизации растра (поля наблюдения).

Соответственно при адресном режиме ввода требуемое число двоичных разрядов памяти У, = $Урт' = ъУр (и + и, +пт), где $ = 3,/Зр — коэффициент заполнения поля наблюдения; 3, — площадь изображения объекта; Яр — площадь растра; з — число двоичных разрядов, необходимых для записи одного 60 ента дискретизации; п„= Еп1 (1одзр) + 1 — число двоичных ' рядов, необходимых для кодирования координаты х элемента скретизации (р — число элементов разложения изображения по оке); и„= Еп1 (1ойз й)+1 — число двоичных разрядов, необходи- для кодирования координаты у элемента дискретизации (й— "ело строк разложения изображения в растре).

При сравнении объемов памяти при адресном и безадресном режих ввода информации видно, что если У, = Уб, то $ = $„р = 0,15 — критическое значение коэффициента заполнения); если $ ~ „р, то выгоднее использовать безадресный режим'ввода информа- у Рис. 2.10. Дискрети- й зирозанное изобра- жение объекта Рис.