С целью классификации методов и подходов, используемых в си­стемах технического зрения, зрение разбито на три ос­новных подкласса: зрение низкого, среднего и высокого уров­ней. Системы технического зрения низкого уровня предназначены для обработки информа­ции с датчиков очувствления.

Эти системы можно отнести к классу «интеллектуальных» машин, если они обладают следующими признаками (призна­ками интеллектуального поведения):

1) возможностью выделения существенной информации из множества независимых признаков;

2) способностью к обучению на примерах и обобщению этих знаний с целью их применения в новых ситуациях;

3) возможностью восстановления событий по неполной ин­формации;

4) способностью определять цели и формулировать планы для достижения этих целей.

Создание систем технического зрения с такими свойствами для ограниченных видов рабочего пространства в принципе воз­можно, но характеристики таких систем далеки от возможностей человеческого зрения. В основе технического зрения лежит аналитическая формализация, направленная на решение конкрет­ных задач. Машины с сенсорными характеристиками, близкими к возможностям человека, по-видимому, появятся еще не скоро. Однако отметим, что копирование природы не является единст­венным решением этой проблемы. Читателю наверняка известны ранние экспериментальные образцы аэропланов с машущими крыльями и другими особенностями полета птиц. Современное решение задачи о полете в пространстве в корне отличается от решений, подсказанных природой. По скорости и достижимой высоте самолеты намного превосходят возможности птиц.

Системы технического зрения среднего уровня связаны с задачами сегментации, описания и распознавания отдельных объектов. Эти задачи охватывают множество подходов, ос­нованных на аналитических представлениях. Системы техниче­ского зрения высокого уровня решают проблемы, рассмотренные выше. Для более ясного понимания проблем технического зре­ния высокого уровня и его связи с техническим зрением низкого и среднего уровней введем ряд ограничений и упростим решае­мую задачу.

2.СЕГМЕНТАЦИЯ

Сегментацией называется процесс подразделения сцены на составляющие части или объекты. Сегментация является одним из основных элементов работы автоматизированной системы технического зрения, так как именно на этой стадии обработки объекты выделяются из сцены для дальнейшего распознавания и анализа. Алгоритмы сегментации, как правило, основываются на двух фундаментальных принципах: разрывности и подобии. В первом случае основной подход основывается на определении контуров, а во втором — на определении порогового уровня и расширении области. Эти понятия применимы как к статиче­ским, так и к динамическим (зависящим от времени) сценам. В последнем случае движение может служить мощным средст­вом для улучшения работы алгоритмов сегментации.

2.1.Проведение контуров и определение границы

Методы - вычисление градиента, пороговое разделение - определяют разрывы в интенсивности представления образа объекта. В идеальном слу­чае эти методы определяют пикселы, лежащие на границе меж­ду объектом и фоном. На практике данный ряд пикселов редко полностью характеризует границу из-за шума, разрывов на гра­нице вследствие неравномерной освещенности и других эффек­тов, приводящих к размытию изображения. Таким образом, ал­горитмы обнаружения контуров сопровождаются процедурами построения границ объектов из соответствующих последователь­ностей пикселов. Ниже рассмотрено несколько методик, при­годных для этой цели.

2.1.1.Локальный анализ.

Одним из наиболее простых подходов соединения точек контура является анализ характеристик пик­селов в небольшой окрестности (например, в окрестности раз­мером 3 X 3 или 5 X 5) каждой точки (х, у) образа, который уже подвергся процедуре обнаружения контура. Все точки, яв­ляющиеся подобными (определение критерия подобия дано ниже), соединяются, образуя границу из пикселов, обладающих некоторыми общими свойствами.

При таком анализе для установления подобия пикселов кон­тура необходимо определить:

1 ) величину градиента, требуемого для построения контурного пиксела,

2) направление градиен­та.

Первая характеристика обозначается величинойG{f(x, у)] .

Таким образом, пиксел контура с координатами (х', у') подобен по величине в определенной ранее окрестности (х, у) пикселу с координатами (х, у), если справедливо неравенство

где Т — пороговое значение.

Направление градиента устанавливается по углу вектора градиента, определенного в уравнении

где q—угол (относительно оси х), вдоль которого скорость изменения имеет наибольшее значение. Тогда можно сказать, что угол пиксела контура с координатами { х', у') в некоторой окрестности (х, у) подобен углу пиксела с координатами { х, у) при выполнении следующего неравенства:

где ?? пороговое значение угла. Необходимо отметить, что на­правление контура в точке { х, у) в действительности перпенди­кулярно направлению вектора градиента в этой точке. Однако для сравнения направлений неравенство дает эквивалент­ные результаты.

Основываясь на этих предположениях, мы соединяем точку в некоторой окрестности (х, у) с пикселом, имеющим коорди­наты (х, у), если удовлетворяются критерии по величине и направлению. Двигаясь от пиксела к пикселу и представляя каждую присоединяемую точку как центр окрестности, процесс повторяется для каждой точки образа. Для установления соот­ветствия между уровнями интенсивности освещения и последо­вательностями пикселов контура применяется стандартная биб­лиотечная процедура.

Цель состоит в определении размеров прямоугольни­ков, с помощью которых можно построить качественное изобра­жение. Построение таких прямоугольников осуществляется в ре­зультате определения строго горизонтальных и вертикальных контуров. Дальнейший п роцесс состоял в соединении сегментов контура, разделенных небольшими промежутками, и в объединении отдельных корот­ких сегментов.

--> ЧИТАТЬ ПОЛНОСТЬЮ <--