249
преобразование значений функций принадлежности в четкие (реальные) значения
яркости.
Несмотря на ряд успехов в области оценки качества изображений и распознавания
объектов на основе цифровой обработки изображений, к числу нерешенных можно
отнести проблему в адекватном отображении предметной
области на нечеткую систему,
выборе моделей нечеткого логического вывода и их интеграции в единую
интеллектуальную систему. При обработке изображений требуется по некоторым
признакам выделять некоторые однородные области изображения, причем, как правило,
подобие нечеткое и часто нарушается. Этапы предварительной обработки изображения
позволяют уменьшить влияние искажений на процесс распознавания. Тем не менее, имеет
место распознавание в условиях неполной и нечеткой информации. Наиболее подходят
для ее решения технологии нечеткой логики, нечеткая логика при этом . выступает в роли
классификатора. Применение нечеткой логики в задачах
обработки визуальной
информации обосновывается также свойством обучаемости или адаптивности нечеткой
логики к новым задачам, при этом сохраняются архитектура сети и алгоритм ее
функционирования.
Концепция нечеткой обработки и идентификации изображений предполагает
использование следующих подходов:
1)
проблемно-ориентированной
предварительной
обработки,
сохраняющей
информационные признаки объектов, что позволяет упростить и ускорить процесс
обучения;
2) выделения (идентификации) объекта на изображении
для нечеткой обработки за
счет использования информации об иерархии признаков, что сокращает затраты времени
на обработку (осуществляется поиск лишь в идентифицированной области);
3) использования набора классификаторов, в котором по результатам классификации
на тестовой выборке производится выбор наилучшей модели классификатора для
обработки всех изображений.
Для повышения точности распознавания исследования проводятся в следующих
направлениях: модификация правил выделения признаков за счет введения новых
дополнительных инвариантов относительно искажений.
В предлагаемом проекте будут рассматриватьься определение границ объекта с
использованием методов нечеткой логики. Будет описан способ определения границ
объекта с помощью методов нечеткой логики с использованием базу нечетких правил,
состоящую из 8 элементов. Входные переменные системы
нечеткого вывода могут
принима одно из двух нечетких значений: „черное“ или „белое“. Выходная переменная
также может принимать одно из двух нечетких значений: „граница“ или „не граница“.
Предлагаются использовать подобный подход при обработке изображения, с целью
повышения его качества. Возможные значения восьми входных и одной выходной
переменных сопоставляются нечеткому множеству, состоящему из двух элементов —
„черно- го“ и „белого“ — с Z- и S-образными функциями принадлежности
соответственно. Далее системой нечеткого вывода
анализируется каждый пиксел
изображения, после чего ему присваивается новое значение яркости в зависимости от
значений яркости восьми соседних пикселов. Качество изображения зависит от многих
параметров, основными из которых для черно-белого полутонового изображения
являются: — резкость количественно можно оценить как длину перехода в пикселах; —
контрастность количественно можно оценить как разность максимального и мини-
мального значений яркости изображения; — шум количественно можно оценить как
среднее арифметическое разброса значений яркости на изображении; — виньетирование
количественно можно оценить как контраст между
центральной и периферийной
областями одного цвета на изображении; — кривизна поля изображения количественно
можно оценить как разность значений резкости фрагментов из периферийной и
центральной областей. Основные параметры изображения используются в качестве
250
входных переменных системы нечеткого вывода для оценки его качества. При этом
каждая переменная описывается одним из термов: П — „плохо“, У —
„удовлетворительно“, Х — „хорошо“. Выходная переменная „качество изображения“
также описывается одним из указанных термов.
Таким образом, методы нечеткой логики являются мощным инструментом для
представления и обработки знаний в виде правил вида „если—то“,
системы нечеткого
вывода разрабатыва- ются быстрее и получаются более простыми по сравнению с четкими
аналогами, в них легко внедряются экспертные знания. Нечеткая логика может быть
успешно применена при решении задач обработки изображений, например, для
повышения качества изображения и его количественной оценки.
Do'stlaringiz bilan baham: