Главная > Цифровые методы обработки и распознавания бинарных изображений
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO

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

1
Оглавление
email@scask.ru