Элементы теории биологических анализаторов - Позин Н.В.
Скачать (прямая ссылка):
А л г о р и т м выделения границ текстур 7-го типа. Алгоритм был составлен в виде программы для ЦВМ. Алгоритм состоял в следующем. С помощью локальных операторов трех размеров, имитирующих форму рецептивпых полей нейронов НКТ Г типа с антагонизмом центра и периферии, исходные текстуры, нормализованные по плотности (по средней освещенности), преобразовывались в текстуры, которые отличались но средней плотности. После этого производилось суммирование по небольшой площади, что сглаживало колебания значений «освещенности» внутри текстуры. Потом в каждой точке вычислялся градиент «освещенности» и точки с наибольшим градиентом выводились на печать.
Входные текстурные изображения задавались в виде матрицы из нулей и единиц величиной 60 X 60 клеток. Локальные операторы имели квадратную форму и состояли из возбуждающего центра (трех размеров —1 X 1. 3x3, и 5x5 клеток) и тормозной периферии (с внешними размерами 3 X 3, 5 X 5 и 9 X 9 клеток соответственно). Этими операторами последовательно сканировали все входное поле. В каждом положении оператора подсчитывалось число единиц, попавших в центр и периферию. Выход оператора подсчитывался по формуле
2No
2ь ¦¦ ¦ N* — Ь УnN 1
где iV1 — сумма единиц в центре, a iV2 — сумма единиц на периферии оператора. Коэффициенты а и 6 задавали заранее (а - для нормировки текстур но освещешюсти, b — для выполнения того условия, чтобы нри тотальном засвете рецептивного ноля ответ был равен нулю *).
Результаты экспериментов с программой выделения границ текстур. На рис. 127, а и б приведены примеры текстур, использовавшихся в качестве входных изображений. Впервой (предварительной) серии экспериментов текстуры обрабатывались но одной, и полученные значения величины 1 сравнивались экспериментатором между собой. Программа удовлетворительно различала самые разные текстуры, причем не только простые (8, 9 и 11 на рис. 127, а).
Во второй серии экспериментов в машину вводилось изображение, на котором имелись две области с разной текстурой (рис. 127, б). Задачей было выделить границу между этими областями. На рис. 127, в схематически изображены ответы локальных операторов трех размеров (цифра 1 соответствует оператору наименьшего размера). Видно, что по крайней мере для одного из типов операторов имеется заметная разница величин их ответов по разные стороны от границ (исключение составляет изображение //, по и в этом случае граница была выделена машиной). В нижнем ряду текстур па рис. 127, б представлены изображения, для которых величина ответов локальных операторов была одинакова но обе стороны от границы. В частности, текстуры на изображениях VIII, IX, X и XII отличались только ориентацией элементов. Во всех таких случаях, тем не менее, программа успешно выделила границу между двумя соседними текстурами. Этот результат может показаться несколько неожиданным, потому что локальные операторы использованного тина не чувствительны к ориентации линий. Однако структура самой пограничной области отлична от структур по обе стороны от границы. Это различие и выявляет программа.
4. Роль текстурного анализа в зрении. В развитие излагаемых в этом параграфе модельных представлений можно добавить следующее: естественно предполагать, что изложенные механизмы
') Данная формула приближению описывает снопство не.шиепнон с.умма-цин рецептивного ноля клетки I-IKT. При подаче спотового пятна н центр рецептивного поля, как мы считали, ответ растет пропорционально логарифму площади пятна. При машинной реализации для удобства логарифмическая зависимость oui.iti заменена функцией У у.- При активации тормозной зоны рецептивного ноля происходит уменьшение ответа клетки, но не но типу простого вычитания, а по типу «шунтировапия» (подробнее о моделировании ответа клеток НКТ с учетом свойства пелшгейшш суммацнн за счет «шунтирования» см. работу |361]). Два этих свойства учитывались в первую очередь нри выборе формулы ответа оператора «рецептивное ноле».
анализа текстур участвуют не только в установлении границ текстурных областей, но используются также при решении других зрительных задач. В их числе сейчас можно назвать: 1) описание самой текстуры, т. е. указания на ее отличительные черты,
2) определение градиента изменения характеристик текстур (главным образом градиентов плотности), наконец
3) участие в одной и:з главнейших задач узнавания — в хранении следов текстур, виденных ранее.
Описание текстуры и узнавание объектов п о характерным текстура м.
Рассмотренные выше механизмы анализировались до сих пор нод частным углом зрения — их способности преобразовать исходные текстурные изображения в схематические контурные изображения. При таком преобразовании информация о текстурных характеристиках областей теряется точно так же, как теряется информация об уровне освещенности нри подчеркивании перепадов яркости и выделении контуров. (О проблеме потери существенной части информации при извлечении из нее некоторой другой информации говорилось в § 2.) Для выделения некоторой поверхности, имеющей определенную текстуру, информации о границах текстур недостаточно, нужно знать, какие именно текстуры находятся по одну и по другую сторону каждой границы.
