Конференции ИВТ СО РАН

VIII Всероссийская конференция молодых ученых по математическому моделированию и информационным технологиям

27 - 29 ноября 2007 года, Новосибирск

Тезисы докладов

Математическое моделироваие

Подход к созданию универсальной системы машинного зрения путем выбора на каждом из уровней оптимального алгоритма

Ковригин А.

Политехнический институт Сибирского федерального университета (Красноярск)

Одной из перспективных задач в области искусственного интеллекта является реализация машинного зрения. Комплексное решение данной задачи затруднено, по причине ограниченности вычислительных ресурсов и отсутствия единой теоретической базы.

Принципы построения системы машинного зрения подразумевают наличие трех уровней (фильтрация, сегментация, классификация), каждому из которых соответствует свой набор алгоритмов. В свою очередь каждый алгоритм способен качественно работать только при соблюдении определенных требований, предъявляемых к исходным данным (цифровым изображениям). В связи с этим каждая разработанная система машинного зрения обладает узкой областью применения и способна качественно решать только определенный класс задач, для которых создавалась система машинного зрения.

Научная новизна предлагаемого автором подхода заключается в реализации универсальной системы машинного зрения на основе создания профиля, включающего в себя автоматически определяемый набор алгоритмов на каждом уровне машинного зрения и позволяющего получить оптимальное решение для множества классов задач исходя из определенных критериев (минимум ошибки, скорость работы, дисперсия цветовой гаммы и яркости цифрового изображения). Универсальность системы машинного зрения подразумевает исключение создания новой системы путем выбора оптимальных алгоритмов на каждом уровне машинного зрения при смене класса решаемой задачи.

Идея предлагаемого подхода заключается в построении системы машинного зрения, включающего в себя некоторый набор алгоритмов, применяемых на каждом уровне машинного зрения. Состав данного набора алгоритмов был определен исходя из принципа включения алгоритмов, максимально покрывающих область применения машинного зрения, и может быть динамически изменен. Далее происходит обучение системы машинного зрения для решения определенных задач на основе обучающей выборки, представляющей собой набор изображений и матриц указаний учителя для каждой конкретной задачи. Обучение системы машинного зрения осуществляется по принципу выбора оптимального алгоритма на каждом уровне машинного зрения исходя из определенных критериев (минимум ошибки, скорость работы, дисперсия цветовой гаммы и яркости цифрового изображения). На основе выбранных алгоритмов создается профиль, который в дальнейшем может использоваться для решения соответствующего класса задач.

Применение предложенного подхода позволяет значительно расширить область применения системы машинного зрения без необходимости длительного исследования и настройки алгоритмов машинного зрения для каждого класса решаемых задач.

Литература
1. Ковригин А.В. "Многоуровневый алгоритм автоматической классификации изображений в условиях отсутствия четких границ между объектами", Вестник КрасГАУ: Выпуск № 12. Красноярск, 2006.
2. Ковригин А.В., Хлопов А.Н. "Синтез и анализ алгоритмов автоматической классификации цветных изображений" Электронный журнал "Исследовано в России", 236, стр. 2417-2422, 2005
3. Лапко А.В., Лапко В.А., Соколов М.И., Ченцов С.В. Непараметрические системы классификации. - Новосибирск: Наука, 2000. - 240с
4. Гонсалес, Р., Вудс, Р., Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. - Москва: Техносфера, 2005.-1072с.

Примечание. Тезисы докладов публикуются в авторской редакции

Ваши комментарии
Обратная связь

[Головная страница]
[Конференции]