Анализируемое изображение

Cтраница 2

Сущность структурных методов заключается в выделении на распознаваемом и эталонном изображениях некоторых признаков и их связей, кодировании признаков и связей на формальном языке и решении задачи идентичности семантических образов эталона и анализируемого изображения. В качестве признаков, например, могут использоваться фрагменты контурной линии изображения объекта, такие как прямые и дуги определенных направлений. Описываемый подход инвариантен к масштабу, повороту, яркости, однако сам процесс извлечения признаков из изображения остается проблемным и обычно решается субъективным вмешательством. [16]

Выше отмечалось, что концентрация х / СО катализаторов, формируема л при записи образов, пропорциональна локальной освещенности / Дх) для соответствующего образа /, т.е. x / CT) Uj ( x) - Поэтому w / fx /, а следовательно, конечная стадия эволюции будп прямо указывать, к какому из записанных образов наиболее близко анализируемое изображение. Действительно, каждому из образов соответствуют свои молекулы-индикаторы By. В конечном состоянии будут присутствовать лишь молекулы того индикатора, для которого Sj максимален. В частности, если каждый индикатор окрашивает клетки в свой цвет, система будет реагировать на подачу изображений изменением цвета слоя клеток, автоматически выбирая тот цвет, который отвечает наиболее близкому из хранящихся в ней образов. [17]

На втором этапе производится регенерация загороженных удаленным блоком линий, если такие линии имеются. Анализируемое изображение дополняется восстановленными отрезками линий. [18]

Анализируемое изображение 1 является объектом, на котором осуществляется поиск образца по эталону. Пирамида анализируемого изображения 2 представляет серию изображений с ранжированным уровнем загрубления. [19]

Процессы выдвижения и проверки гипотез, как следует из описанного, тесно связаны друг с другом и неоднакратно повторяются в процессе узнавания. При выдвижении гипотезы о принадлежности анализируемого изображения к какой-то группе классов происходит процесс выявления отличительных признаков этих классов. [20]

Метод геометрических инвариантов оперирует такими признаками изображения, как площадь фигуры и площадь выпуклой оболочки, длина периметра, величины углов смежных контурных линий, и их соотношениями в различных сочетаниях. Для выделения этих признаков эталон и анализируемое изображение подвергают бинаризации. Метод может быть применен только в частных случаях. [21]

В ТВ к растровым искажениям относятся прежде всего координатные. Отклонение координат точек синтезированного изображения от координат соответствующих точек анализируемого изображения объекта называется координатными искажениями. При их появлении нарушается масштаб передачи и, следовательно, геометрическое подобие изображения объекту. Причиной этого может быть изменение формы растра на передающей или приемной стороне, а также непостоянство скорости развертки по строке и кадру. [22]

Схема распознавания объекта по адаптивным эталонам в условиях неизвестной ориентации корпуса объекта. [23]

Поэтому целесообразно вращать не изображение, а математическую модель объекта и в каждом щаге поворота синтезировать новое изображение с присущими такому положению тела объекта изобразительными свойствами. Сгенерированная серия изображений объекта одного типа проверяется путем корреляции с анализируемым изображением. Подобные операции должны быть проведены для всех типов объектов. Например, если претендентами на распознавание являются три объекта: куб, конус и призма, а поворот корпуса совершается в пределах 360е с шагом 36е, то семейство эталонных образцов должно включать 30 изображений: по 10 на куб, конус и призму. Каждое из эталонных образов-изображений должно быть подвергнуто корреляции с анализируемым изображением. Глобальный максимум среди полей всех корреляционных функций индицирует действительное положение объекта в поле обзора, а соответствующий эталонный образец указывает на тип и ориентацию. [24]

В настоящее время находят применение автоматические устройства, предназначенные для обнаружения дефектов при рентгенотелевизионном контроле. Действующие системы подобного типа состоят из мощной универсальной ЭВМ, в память которой поэлементно вводятся анализируемые изображения сварного шва. Весь процесс распознавания происходит в ЭВМ с помощью разработанных программ. [25]

Другой областью применения оптических методов является координатная привязка изображений. Для решения этой задачи необходима точная идентификация заданных объектов-ориентиров с последующим измерением их координат на анализируемом изображении. В отличие от традиционных корреляторов в ДГК производится непрерывная запись голографических фильтров на реверсивную светочувствительную среду и непрерывное считывание формируемого корреляционного поля. [26]

Так, было предложено использовать вариафокаль-ные системы и создавать комбинированные фильтры, позволяющие компенсировать угол поворота анализируемого изображения ценой незначительного снижения качества. [27]

Было показано, что в число характерных фрагментов, отбираемых с помощью разработанных программ, попадают все участки, соответствующие местоположению локальных геометрических особенностей изображения, и что эти особенности отбираются центрирование. Было показано, что на отбор характерных фрагментов мало влияют окружающий фрагменты контекст изображения, изменение размеров анализируемых изображений в 1 5 - 2 раза и свободные параметры предложенных алгоритмов, в частности размер подвижного окошка. [28]

Схема распознавания объекта по адаптивным эталонам в. [29]

Математическое описание формы эталона 3 представляет собой формализованную модель трехмерной геометрии и оптических свойств поверхности эталонного образца. Условия наблюдения и освещения 4 - это информация о положении источников света, положении и ориентации датчика, с помощью которого было получено анализируемое изображение, а также фокусное расстояние аппаратуры датчика, коэффициент поглощения среды и др. Установка номера 5 пирамиды сводится к установке степени дискретизации синтезируемого эталона в соответствии со степенями дискретности уровней пирамиды анализируемого изображения. [30]

Страницы: 1 2 3