4.6.3. КЛАССИФИКАТОР ИЗОБРАЖЕНИЙ С СИЛЬНОЙ ВАРИАБЕЛЬНОСТЬЮ ФОРМЫ НА БАЗЕ МАРКОВСКОЙ МОДЕЛИ КОНТУРА

Переход от полиномиальной модели контура изображения к модели в виде односвязной цепи Маркова должен привести, благодаря наличию корреляционных связей между ЭВ, к повышению эффективности классификации. В этрм случае вероятность того, что все k элементарных векторов примут определенные значения —

где вероятность того, что первый ЭВ контура будет равен ; - переходная вероятность.

Процесс принятия решения по максимуму отношения правдоподобия поясним структурной схемой (рис. 4.15). Постоянное запоминающее устройство (ПЗУ), в котором хранятся начальные векторы, позволяет учесть значение первого ЭВ. В другом ПЗУ хранятся матрицы вероятностей переходов. При воздействии на данное ПЗУ сигнала в виде текущего ЭВ , и предыдущего ЭВ выдаются элементы матриц вероятностей переходов всех классов, по которым производилось обучение классификатора. Эти элементы

Рис. 4.15. Структура решающего устройства для марковского классификатора

умножаются на соответствующие произведения, полученные таким же образом до данного шага, в результате чего получим текущую функцию правдоподобия для каждого из классов.

После окончания обхода контура формируются отношения правдоподобия, и по ним принимаются решения по каждому из классов. Для получения структуры марковского классификатора сформируем матрицу двухмерных частот ЭВ контура текущего изображения. Тогда отношение правдоподобия класса запишется как

где

Последнее выражение задает цифровой фильтр 64-го порядка. Структурная схема марковского классификатора совпадает со структурой полиномиального классификатора. Она является многоканальной по числу классов, построения всех каналов одинаковы и взаимосвязаны. В каждом канале содержится цифровой фильтр, устройства деления, возведения в степень и суммирования.

Для критерия заданного превышения максимальной вероятности гипотезы по отношению к ближайшей к ней отношение правдоподобия может быть записано в виде

где — номер класса с ближайшим к классу значением функции правдоподобия.

Вектор функций правдоподобия определяется как

где П — эталонная матрица, строками которой являются логарифмы вероятностей переходов каждого из классов.

Матрица Я имеет размер 64X64, а вектор k представляет собой вектор из 64 двухмерных частот ЭВ контура распознаваемого изображения. Алгоритм принятия решения в пользу класса имеет вид

где компонента вектора для класса, максимальная компонента этого вектора без учета компоненты