Сборник докладов республиканской научно-технической конференции значение информационно-коммуникационных

 
TANIB OLISH USULLARINING ALGORITMIK XUSUSIYATLARI 
BO‘YICHA TASNIFLASH 
X.G. Gaziyev (doktorant, Muhammad al-Xorazmiy nomidagi TATU) 
Sh.G. Gaziyeva (magistrant, Muhammad al-Xorazmiy nomidagi TATU) 
Tasvirdagi ob’yektlarni tanib olishning ko‘plab algoritmlari va usullari 
mavjud. Tanib olish algoritmlarining deyarli barcha xilma-xilligi asosiy xususiyat-
larni ajratib ko‘rsatish va ularning sinov holatida mavjudligini aniqlashga qaratil-
gan. Tasvirlarni taqqoslash usuli bilan farq qiluvchi uchta usul guruhi mavjud. 
Birinchi guruh usullarida funktsiyalar to‘plami (eng oddiy holatda, asl tasvir) 
har bir belgining qiymati (masalan, alohida pikselning yorqinligi, asosiy 
komponentning qiymati, chastota o‘zgartirish koeffisiyenti va shunga o‘xshash) 
belgilar maydonining ma'lum bir o‘qi bo‘ylab koordinatadir. Taqqoslash jarayoni 
xususiyatlar maydonini bir xil sinflarga tegishli bo‘lgan maydonlarga ajratishga 
asoslangan. 
Tasvirlarni taqqoslash usullari: 
1.
Belgilarning boshlang‘ich maydonini hududlarga ajratish; 
2.
Tasvirdagi asosiy maydonlarni ajratib ko‘rsatish va ularni taqqoslash: 

Shablonlarni taqqoslash 

Tasvir maydonlari uchun asosiy komponentlarni tahlil qilish 
3.
Rasm buzilishlarini tahlil qilish: 

Asosiy masofani tahlil qilish: 
-
elastik grafikalar; 
-
moslashuvchan kontur modellari; 
-
antropometrik asosiy nuqtalar; 

Butun tasvirni tahlil qilish: 
-
optik oqim; 
-
genetik algoritm; 
-
elastik deformatsiyalar; 

Buzilishlar va butun tasvirning mohiyatini tahlil qilish: 
-
yashirin Markov modellari; 
-
kognitronlar, kognitron bo‘lmaganlar; 
-
yorqin neyron tarmoqlari; 
4.
Masofa: 

Yevklid 

Mahalanobis 

Shahar 

---

126 
5.
Klasterlash: 

Radial asosli neyron tarmoqlar 

Asosiy komponentlarning multimodal tahlillari 
6.
Sirtlarni ajratish: 

Chiziqli diskriminant 

Ko‘p qatlamli perseptron 
Eng ilg‘or usullar boshlang‘ich tasvirni maydonlarga ajratishning eng yaxshi 
usuli bo‘lishi mumkin bo‘lsa-da,
bu yetarli emas, chunki haqiqiy ob’yektlar 
tasvirlarini o‘zgartirishning har qanday usullarini hisobga olish uchun juda ko‘p 
sonli maydonlarni talab qiladi.
Buning sababi shundaki, hatto insoniy nuqtai 
nazardan, tasvirni o‘zgartirish (masalan, burchak, yorug‘lik yoki soqolning 
mavjudligi) ham ahamiyatsiz, asl nusxadan juda uzoq bo‘lgan holatni berishi 
mumkin. Bu holatda tizim bir xil odamga emas, balki, masalan, bir xil rakursga 
javob berishi mumkin, bu esa boshqa odamning tasvirini bir xil rakursdagi 
noma'lum shaxsga o‘xshash deb hisoblaydi. Tasvirni avval namoyish qilish uchun 
turli xil o‘zgartirishlarni qo‘llash yoki oldindan ishlov berish umumiy holat uchun 
bu muammoni hal qila olmaydi. 
Keyingi usul guruhi bu kamchilikni qisman bartaraf etadi. Tasvirda yuzning 
muhim joylari (masalan, ko‘z, qosh, burun, lablar) mavjud. Jumladan birinchi usul 
har bir sohani taqqoslaydi va har bir taqqoslash natijasi yakuniy natijaga yordam 
beradi. 
Uchinchi guruh tasvirning topologik buzilishlarini hisobga oladi.
Tasvirdagi 
elastik grafikalarni taqqoslash usuli yoylar bilan bog‘liq bo‘lgan bir qator aniq 
nuqtalarni o‘z ichiga oladi. Noma’lum tasvirda asl nusxalariga mos keladigan 
nuqtalar topiladi va keyinchalik yoy o‘lchamlarining umumiy o‘zgarishi 
o‘lchanadi. Moslashuvchan kontur modellarida yuzning konturlari olinadi, keyin 
turli tasvirlar uchun kontur shakllari taqqoslanadi. Boshqa tadqiqotlar ko‘z, burun 
va og‘iz joylari o‘rtasidagi masofa nisbatlarini tahlil qilish uchun neyron 
tarmoqlari va yashirin Markov modellaridan foydalanadi. Yuqoridagi usullarda, 
asosiy joylar yoki konturlarni topgandan so‘ng, qolgan ma'lumotlar hisobga 
olinmaydi, bu esa aniqlikni kamaytiradi. 
Yuqoridagi usullar faqat uning xarakterini hisobga olishga urinmasdan 
umumiy buzilishlarni taqqoslaydi, bu ularning kamchiligidir. Tasvir buzilishining 
xarakteri tasvirni tanib olish uchun muhim ma'lumotlarni o‘z ichiga oladi, chunki 
quyidagi usullar yaxshiroq aniqlikka ega. Ushbu usullar: psevdo-ikki o‘lchovli 
yashirin Markov modellari, yorqin neyron tarmoqlari, kognitronlar va kognitron 
bo‘lmaganlarni o‘z ichiga oladi. 
Visionics korporatsiyasining Faceit texnologiyasi algoritmlarida tasvir 
bloklarga bo‘linadi va bunday bloklarning o‘zaro joylashuvi tahlil qilinadi. 
Taqqoslash uchun ushbu usullar tasvirlar maydonlari (bloklari) xususiyatlaridan 
(piksel yorqinligi to‘plami, chastota o‘zgartirish koeffisiyentlari, tasvir bloklarining 
asosiy tarkibiy qismlari va boshqalar) va shu kabi maydonlarning nisbiy holatidan 
foydalanadi. Bundan tashqari, buzilishning tabiati va maydonlarning mazmuni 
o‘rganish jarayonida hisobga olinadi. Tanib olish jarayonida buzilish 

---

127 
o‘rganishlarning har bir misolida emas, balki umumlashtirilgan sinf modelida 
amalga oshiriladi. 
Ushbu o‘rganilgan tanib olish usullarining algoritmik xususiyatlari bo‘yicha 
tasniflash - algoritmik tizimlarni ishlab chiqish usullarini yaratish uchun asos 
bo‘lib xizmat qilishi mumkin. Bu ularning yaratish xususiyatlarini hisobga oladi va 
tanib olish muammosini hal qilish asosida aniqlangan algoritmik tizimlarning 
resurs samaradorligini oshiradi.