Оптические вычисления - Арратуна Р.
Скачать (прямая ссылка):
признаков удается определить пространственный контур объекта. Идея здесь
заключается в как можно более быстром переходе от вычислений данных,
содержащихся в отдельных ячейках, к рассмотрению -целого объекта.
В качестве примера на рис. 10.17,;а-г представлен танк, движущийся по
дороге. Оператор вычисления разности гауссо-
20*
308
Часть IV. Символьные вычисления и искусственный интеллект
Рис. 10.15. Обработка низкого уровня в системе технического зрения
(сопоставление с образцом).
Рис. 10.16. Операторы вычисления разности гауссовых распределений.
Г лава 10. Оптика и символьные вычисления
309
вых распределений выделяет края изображения танка, которые на этапе
выделения общего контура объекта могут быть соединены линиями. В примере
с танком его изображение делилось на отдельные области, содержащие башню,
корпус, дорогу, гусеницы.
Необходимы специальные средства, позволяющие распознать конкретные
объекты по их общему контуру (для танка - это гусеницы, пушка, дорога и
т. д.), а также устанавливать соотношения между этими объектами. Это
делается в процессе выделения признаков изображения и на стадии их
разбиения по группам. В настоящее время имеется несколько конкурирующих
между собой способов выполнения этой процедуры, которая хотя и просто
описана на словах, но требует большого объема сложных цифровых и
символьных вычислений. Символьное представление разбитого на фрагменты
изображения
s г
Рис. 10.17. Пример обработки изображения на промежуточных этапах в
системе технического зрения.
310
Часть IV. Символьные вычисления и искусственный интеллект
осуществляется на следующем этапе обработки, и в конце концов
получающийся набор символов краев и различных областей получает
семантическую интерпретацию, что дополнительно требует применения ряда
моделей, создаваемых на самом высоком уровне обработки. Общая архитектура
рассмотренной системы представлена графически на рис. 10.18.
В качестве примера описанного выше процесса можно рассмотреть задачу
идентификации того факта, что изображение на самом деле является танком.
Один из аспектов этого процесса заключается в определении идентичности и
соотношения между собой фрагментов изображения на рис. 10.17. Методика
выполнения этой задачи, основанная на использовании фреймов (разд.
10.2.2), представлена иа рис. 10.19. Здесь для выяснения формы башни и ее
положения относительно корпуса проводится анализ подобных объектов,
содержащихся в базе знаний. В рамках фрейма башия рассматривается как
производный объект от класса объектов типа пушка, имеющий два конкретных
воплощения: башня танка и башня корабельного орудия. Этот фрейм может
вызывать образ башни из памяти системы с целью символьного сравнения с
фрагментированным исходным изображением. Тогда путем рекурсивного
повторения этой процедуры система может идентифицировать корпус танка.
Система может построить гипотезу, предполагающую, что фрагменты
изображения являются элементами танка. Но данная гипотеза не будет
подтверждена до того момента, как будут определены другие элементы сцены.
Как можно ожидать, данный процесс представляет собой весьма серьезное
"узкое место" в системах машинного зрения даже в случае применения знаний
в соответствующей области для ограничения пространства поиска. Дело в
том, что получение единственного непротиворечивого вывода может
потребовать использования большого числа гипотез и операций сравнения.
Это наводит на мысль о целесообразности использования для таких
вычислений параллельной обработки, но, к сожалению, в настоящее время в
реальном времени такие процедуры проводить не удается. Однако если объект
идентифицирован, то оставшуюся часть вычислений выполняют в символьном
виде.
Последнее обстоятельство приводит к такому этапу вычисления, как
понимание содержания наблюдаемой сцены, которая, к сожалению,
представляет наименее понятную область всей процедуры. Совершенно
недостаточно указать, что объект имеет башню, пушку, гусеницы, поскольку
такой объект может быть не танком, а гусеничным бронетранспортером или
каким-то другим транспортным средством. Указать, что объект представляет
собой танк - это опять-таки слишком далеко от понимания, о каком типе
танка идет речь или какие действия он
Глава 10. Оптика и символьные вычисления
311
совершает. Чтобы выполнить даже простейшее из этих заданий, потребуется
применение усложненных методов моделирования, связанного с наличием
четкого описания этих объектов в базе знаний системы. Широко
распространенные методики используют ряд изображений для анализа
движения, а затем делают заключение относительно действий объекта. Однако
временные характеристики параметров объекта не всегда являются
доступными, следовательно, приходится разрабатывать методики понимания
сцен из контекста.
В процессах технического зрения знание о сцене может быть использовано
для ограничения поиска на любом из уровней
Низкий уровень
- Матрицы интенсивности
