Федеральное государственное ьюджетное образовательное учреждение высшего образования «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» А.В. Бобков Системы распознавания образов Учебное пособие Москва ИЗДАТЕЛЬСТВО МГТ У им . Н. Э. Баумана 2 О18 УДК ' 1 32.97 Б72 Издание доступно в эле ктронном виде на портале ebooks.bmstu.ru по адресу: 183 1.html Факул ьтет << Информатика и системы управления >> Кафедра <<С истемы автоматического управления>> Рекомендовано Редакционно -издательским советом МГТУ им. Н.Э. Баумана в качестве учебного пособия Бобков, А. В. Б72 Системы распознавания образов : учебное пособие / А. В . Бобков. - Москва : И здательство МГТУ им. Н. Э. 187, [3] с.: ил . Баума на , 2018. - 1SBN 9 -4867-8 Приведе ны о снов ны е подходы к решению задач об р аботк и и зображен ий , о пределе ния п арам етров объектов, п о и ска объектов н а изображении. Рассмотре ны теоретическ и е основы методов распознавания , особенности их программно-алго ритм ич еской реализации , а также практич еское прим е н е ни е в задач ах авто мати че ско го упра вления Для студе нтов М ГТУ и м . Н .Э. Б аума н а, обучаю щи хся по с п е ци аль ности «С и стем ы автомат ич ес кого у правле ния »; может б ыть полезно инже н ерам и иссле до вателям, которые за ни ма ются прое ктирова ни ем систем распознавания образов, а также с п е ци алистам дру гих н а пр а вл е ни й деятель ности , чьи области интересов включают в себя системы распоз н ава ния как важный составн ой элеме нт. УД К 004.93' 1 © МГТУ им. Н.Э. Баума на, 20 18 © Оформле ни е. И здательство МГТУ им. Н. Э. Баума н а, 20 18 Предисловие Учебное пособие << Системы распознавания образов>> знакомит с основ ными подходами к решению задач обработки изображений , определения параметров объектов, поиска объектов на изображении. В пособии рассмот рены теоретические основы методов распознавания , особенности их про граммно-алгоритмической реализаuии , а также практическое применение в задачах автоматического управления. Задача пособия - ознакомить студентов с тремя уровнями анализа изо бражений. 1. Ни:жнuй уровень. Изучение особенностей и спеuифики получения изо бражений , обработка изображений на уровне отдельных точек: коррекuия ракурса и условий видимости , фильтраuия шума и помех (глава !). 2. Средний уровень. Рассмотрение задачи представления объектов в виде совокупности структурных элементов: контуров , остовов , многоугольников , отрезков и дуг, пятен, особых точек (главы 2 и 3). 3. Высокий уровень. Решение задач поиска и идентификаuии объектов, определения их взаимосвязей (главы 4 и 5). Учебное пособие может представлять интерес как для инженеров и исследователей, непосредственно занимающихся проектированием систем распознавания образов, так и для спеuиалистов других направлений деятель ности , чьи области интересов включают в себя системы распознавания как важный составной элемент. Список сокращений БПЛА - беспилотный летательный аппарат БПФ ДТЧП - быстрое преобразование Фурье ДПФ дискретное преобразова ние Фурье инфракрасный (диапазон) ИПФ дискретное теоретико-числовое преобразование - импульсная переходная функция - ключевая точка МН К - метод наиме ньших квадратов - математическое отклонение - пространство параметров СКО - среднеквадратическое отклонение - центр масс GHT - Generalized Hough Transform, обобщенное преобразование Хафа - Hougl1 Transform, алгоритм (преобразование) Хафа SHT - Standart Hough Transform, стандартное преобразование Хафа Понятие изображения Объекты, с которыми работают системы автоматического управления, существуют объективно, независимо от человека, его сознания и знаний о них. Информация о свойствах объекта доступна только по результатам из мерений (а также чувственного восприятия). Такой набор измерений наз ы вается изображением обьекта в широком смысле (рис. В . 1) . В узком смысле под изображением будем пони мать видеоизображение, т. е. цифровую фото графию объекта - пря моугольный массив отсчетов интенсивности видимого света, отраженного от объекта. Именно такое изображение , более привычное и понятное, нашло наи более широкое применение, поэтому будем ориентироваться именно на него. Однако проблема состоит в том, что получен ное изображение не несет в себе в явном виде информацию о свойствах объекта; оно несет информа цию об интенсивности электромагнитного излучения, пришедшего с да н ного направления , а не о классе объекта, е го скорости и направлении дви жения, траектории , намерениях, взаимодействии с другими объектами. Все эти свойства, или вектор состояния объекта (в терминах теории управления), должны быть получены из исходного изображения в процессе распознавания (см. рис. В.\). Таким образом, в широком смысле под распознаванием изо бражения будем понимать процесс получения свойств объекта из результатов доступных измерений (в терминах теории управления - это задача синтеза J[юбраженне ОбъеJСТ 1Увраш""' Команды управ.лсnnя Puc IIOJHU8t\ Hltt Пр1шяnrс решtНШI Сво йств.а объекта Рис. В.1. Постановка задачи распознавания наблюдателя). В узком смысле под распознаванием будем понимать задачи классификации объекта. Распознавание изображения необходимо как важный компонент систе мы управления в целом. На основе свойств объекта, полученных в результате распознавания изображения, системой управления будут приняты решения и выработаны команды управления, которые будут поданы на объект. Таким образом контур управления замыкается, и система управления становится ее важной частью. К ней как компоненту системы предъявляются технические требования по производительности, точности и надежности работы , а так же - по стоимости технической реализации. Производительность системы распознавания оценивается скоростью работы автоматической системы в режиме реального времени. Система рас познавания должна успевать обрабатывать кадры изображения по мере их поступления с учетом скоростных характеристик объекта: если время распоз навания кадра будет слишком велико, объект может, например, уйти из поля зрения камеры и будет потерян. Другое требование по производительности связано со спецификой кон тура управления. Система распознавания как компонент системы управле ния вносит задержку между изменением состояния объекта и обнаружением этого объекта (т. е. может быть представлена звеном чистого запаздывания сигнала). Наличие запаздывания может приводить к потере устойчивости системы управления. Надежность системы распознавания связана с необходимостью сохране ния ее работоспособности под воздействием факторов окружающей среды. Строго говоря, это свойство правильнее называть робастностью. Среди фак торов, влияющих на робастность, можно выделить три группы. 1. Шумы и помехи. На изображении всегда будет присутствовать шум, связанный, например, с тепловыми флуктуациями сенсора, и избавиться от него полностью невозможно. Объект может частично или полностью пере крываться другими объектами , попадать в тень, создавать блики. Кроме того, возможно наличие специфических помех, связанных, например , с электро магнитным воздействием соседней аппаратуры. Доля шума и помех особенно сильно возрастает при плохих условиях видимости , на фоне слабого полез ного сигнала. 2. Изменения условий видимости. Для систем , работающих на улице , вне контролируемых условий освещенности , изменения условий видимости становятся важным фактором. Эти изменения могут происходить вследствие сезонных и суточных изменений условий освещенности , погодных условий , появления посторонних источников света и т. д. 3. Изменения ракурса. В процессе съемки может изменяться ракурс съемки объекта: объект перемещается по изображению, приближается или удаляется, изменяясь по размерам , поворачиваясь по всем трем осям. Система распознавания должна строиться таким образом , чтобы воз действие указанных факторов не снижало существенно качество ее работы. Особенности задач распознавания. В общем случае задача распознавания математически относится к некорректно поставленным задачам, и общих Способы получения изображений методов ее решения не существует. Всегда приходится искать частные реше ния, учитывающие специфику и контекст практической задачи. Технически анализ изображения достаточно прост - его можно полу чать с помощью существующих технических средств, процесс получения изображения обычно носит пассивный характер и не требует воздействия на объект. Изображение в качестве источника сигнала, как правило, доста точно информативно и содержит большое количество информации об объ екте. Вместе с тем , сам объем информации в изображении огромен, и , как следствие, возрастает вычислительная сложность алгоритмов распознавания и возникает необходимость обрабатывать изображения в режиме реального времени. Способы получения изображений Изображения могут быть получены различными физическими спосо бами. Наиболее простой и наиболее часто используемый на практике способ это получение фотографического uзобра:жения в видимом диапазоне. Это фо тографии и видеоизображения. В дальнейшем будем говорить в основном об этом типе изображений как об изображении в узком смысле, предполагая, что методы обработки видеоизображений и изображений иной физической природы во многом сходны. Видеоизображения можно подразделить на цветные и черно-белые (по лутоновые). Точки черно-белого изображения содержат значения суммарной интенсивности падающего в данном направлении отраженного света. Точки цветного изображения содержат по меньшей мере три значения, соответ ствующие интенсивностям падающего света в трех спектральных диапазонах. Как правило, спектральные диапазоны выбирают таким образом , чтобы их середина соответствовала максимальной чувствительности одного из трех видов колбочек человеческого глаза , отвечающих за восприятие красного, зеленого и синего цветов. Видеоизображения могут быть статическими, представляющими один момент времени (фотография) , или в виде набора снимков, полученных с некоторым интервалом (телевизионное изображение). Инфракрасное изображение представляет собой изображение в области спектра ниже порога чувствительности человеческого глаза. Инфракрасный (ИК) участок спектра разделяют на ближний и дальний. Ближний ИК-участок во многом сходен с видимым участком спектра, однако невидим человеческим глазом. Тем не менее ближнее ИК-излуче ние , как правило, воспринимается обычными фото- и видеокамерами, если не принять специальных мер. В ближнем ИК-диапазоне работают ИК-про жекторы подсветки , подсвечивая изображение невидимым для человека, но вполне видимым для камеры излучением. В этом же диапазоне работают, например , ИК-пульты дистанционного управления. Дальний ИК-участок представляет собой спектр теплового излучения тел с температурой -50 ... + 200 °С. Этот участок спектра также называют тепловым. Особенность этого диапазона в том, что в нем хорошо видны на гретые (или, наоборот, охлажденные) по отношению к окружающей среде предметы. На тепловом изображении хорошо заметны, например , люди и животные, двигатели наземной и авиационной техники. Тепловое излучение очень сложно скрыть или замаскировать, поскольку это приведет к умень шению теплоотвода и перегреву объекта, поэтому оно может использо ваться там, где обычное изображение малоинформативно. Примеры тепловизион ных изображений показаны на рис. В.2. Рис. В.2. Примеры тепловых изображений Способы получения изображений Тепловое изображение невозможно получить с помощью обычной ка меры , для этого применяются специальные устройства - тепловизоры , ис пользующие чувствительную к тепловому излучению матрицу. Как правило, в структуре матрицы тепловизора существует пассивное (резервуар с жидким азотом) или активное (холодильник) охлаждение, что делает тепловизор до статочно дорогостоящим устройством. Рентгеновские изобра:женuя (рис. В.3) позволяют увидеть внутреннюю структуру объекта и выявить ее дефекты, что невозможно сделать с помощью отраженных или испускаемых объектом электромагнитных волн. Рентгенов ское излучение лежит в более высокочастотной области спектра. Его фотоны обладают высокой энергией , что позволяет им проходить сквозь объекты, непрозрачные в других областях спектра. Рентгеновское излучение подразделяют на поддиапазоны: можно вы делить << мягкое>> и <<Жесткое>> рентгеновское излучение. << Мягкий >> рентген Рис. В.3. Примеры рентгеновских изображений нашел широкое применение в биомедицинской технике, в установках по контролю качества изготовления пластиковых изделий , например много слойных печатных плат. <<Жесткий>> рентген может использоваться для неразрушающего контро ля качества металлических изделий , однако в силу его чрезмерной опасности для человека его применение требует комплекса соответствующих мер , что сдерживает его широкое применение. Поэтому <<жесткий >> рентген исполь зуется лишь для контроля критически важных изделий , контроль которых другими методами невозможен. Радиолокационное изобра;жение позволяет наблюдать объект посредством регистрации отраженных от него радиоволн. В простейшем случае регистри руются направление на объект, задержка распространения радиосигнала, позволяющая вычислить расстояние до объекта , и интенсивность сигнала , дающие представление о материале и размерах объекта. В более сложном случае можно последовательно сканировать изучаемый объект и измерять характеристики каждой его точки, получая тем самым ра диолокационный аналог растрового изображения. Более того, современная техника позволяет получать моментальный радиолокационный снимок объ екта (рис. В.4) , во многом идентичный растровому снимку. Рис. В.4. Примеры радиолокаuионных изображений