XIV Міжнародна наукова інтернет-конференція ADVANCED TECHNOLOGIES OF SCIENCE AND EDUCATION

Русский English




Научные конференции Наукові конференції

Вергунов В.В. АНАЛІЗ ЗОБРАЖЕНЬ ВИКОРИСТОВУЮЧИ НЕЧІТКІ МНОЖИНИ ТА БАЗИ ЗАНЬ

Вергунов Віктор Вікторович

Київський національний університет імені Т. Шевченка

Факультет кібернетики кафедра системного аналізу та теорії прийняття рішень.

АНАЛІЗ ЗОБРАЖЕНЬ ВИКОРИСТОВУЮЧИ НЕЧІТКІ МНОЖИНИ ТА БАЗИ ЗАНЬ

В сучасному світі існують багато підходів для аналізу зображень. Більшість з них вимагає розробки нового алгоритму для кожного окремого випадку. Також в більшості випадків це дуже ресурсовитратні алгоритми.

         На прикладі передачі зображень у форматі jpeg можливо побачити, що найприродніший алгоритм є одним з най оптимальніших. Для більшості алгоритмів платформою для роботи є  RGB кольорова модель.

         Для нас все це не має великої різниці тому,що для початку нам потрібні не кольори предмету, а його границі. Навіть на зображенні високої якості, без спотворень під час зйомки виділити окремий об'єкт тільки за рахунок комп'ютерних систем доволі важко, часто навіть і не можливо. В деяких випадках людина також не може виділити окремий об'єкт. Це відбувається коли предмети мають однакові відбиваючи характеристики та світло падає на них під однаковим кутом. Людина відділяє границі об'єктів за рахунок зміни рівня освітленості об'єкту в різних частинах його поверхні відносно фону на якому знаходиться об'єкт. Спочатку виділяється основних колір об'єкту. Після цього не помічаючи для себе людина будує оцінку рівня освітленості всього об'єкту. Після знаходження границь об'єкту починається аналіз форми об'єкту тим же способом, що і пошук його границь. Тепер маючи данні про форму об'єкта, його розмір відносно інших та колір починається визначення типу самого об'єкту. Маючи в пам'яті певні емпіричні данні про те, які характеристики мають схожі об'єкти на даний, виділяємо те яких тип більше підходить нашому об'єкту.  Залежно від об'єкту в результаті його відносять з певною вірогідністю до деякого конкретного типу або класу об'єктів.

         Можливість такого аналізу зображень, це те що відділяє віртуальний світ комп'ютерів, в якому всі об'єкти визначені з стопроцентною точністю, від реального світу де дуже важко визначити певний об'єкт з стопроцентною точністю. Тому для вирішення даної задачі необхідно водити нечіткі множини, бази знань та методи не чіткого виводу та вводу.

         Для виконання даної задачі треба перейти від RGB кольорової моделі до YUV кольорової моделі чи їй подібних (YPdPr ,YCbCr ,YIQ  та інші). Для початку нам будуть потрібні тільки коефіцієнти Y, коефіцієнт освітленості. За рахунок нього ми будемо будувати темпри. За рахунок них ми почнемо відділяти окремі об'єкти на зображенні. Для аналізу зображень ми будемо використовувати методи Мамдані та Сугено. Вони найкраще підходять для не чіткого вводу т а виводу даних. Також потрібна буде база знань для пошуку в ній об'єктів. База знань буде виконана у форматі правил з певним коефіцієнтом справедливості. Для кожного об'єкту буду свій набір правил. Справедливість правил буде оцінюватись від нуля до одиниці. База правил буде будуватись на основі емпіричних даних. Такий підхід до утворення бази правил може зайняти багато часу. Але в результаті ми отримаємо базу правил яку тільки треба тільки доповнювати, не змінюючи саму базу.

Література:

1. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - СПб.: Питер, 2001. - 384 с.

2. Бакан Г.М. Вступ до теорії експертних систем та баз знань.-К.:ВПЦ «Київський університет», 2005.-90с.

3. Р. Дорф, Р. Бишоп Современные системы управления: пер. с англ.-М.: Лаборатория Базовых Знаний, 2002.-832с.


Залиште коментар!

Дозволено використання тегів:
<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <code> <em> <i> <strike> <strong>