Распознавание образов

(лекция 2)

Хачумов Вячеслав Михайлович: д.т.н., проф.

vmh48@mail.ru
Лаборатория интеллектуального управления:
https://icontrol.psiras.ru/

учебный год 2022/2023

online.mirea.ru
 3D- инварианты (1)

lmn   ( x  x )l ( y  y ) m ( z  z ) n  ( x, y, z )
X Y Z

I 1   200   020   002

I 2   200  020   200  002   020  002  101
2
 110
2
  011
2

2 2 2 2 2
I 3   200  020  002   002 110   020 101   200  011  2110 101  011   011  101
2 2 2 2 2 2 2 2 2
F1   003  6 012  6 021  6 030  6 102  15111  3102 120  6 120  3021 201  6  201 
2 2
 3 003 ( 021   201 )  3030  210  6 210  3012 ( 030   210 )  3102 300  3120 300  300 ;

F2   200
2
  020
2
 002
2
 2 110
2
 2 101
2
 2 011
2
;
F3   200
3
 3 200 110
2
 3 200 101
2
 3110
2
 3101
2
020  3101
2
 002 
  020
3
 3020 011
2
 3 011
2
 002  002
3
 6 110 101 011 ;
2 2 2 2 2 2 2 2 2 2
F4  300  030  003  3 210  3 201  3120  3102  3021  3012  6 111 ;
2 2
F5  300  2300 120  2300 102  2210 030  2210 030  2201003  030  2030 012  2021003 
2 2 2 2 2 2
 003  210  2210 012  2201021  120  2120 102  102  021  012 .
2

online.mirea.ru
 3D- инварианты (2)

Утверждение. Моменты I1 …F5 являются 3D-инвариантами

к операциям поворота и сдвига.
Чувствительность 3D-моментов к масштабированию
Моменты I I I3 F1 F2 F F4 F5
1 2 3

Чувствительность
 2
4 6 6 4 6 6 6

   200   020   002

Утверждение. Нормированные моменты являются 3D

инвариантами к операциям поворота, сдвига и
масштабирования.

online.mirea.ru
 Экспериментальная проверка
инвариантности 3D-моментов

Варианты расположения 3D-изображения лица (сдвиги и

повороты)

Момент

I1 1 1 1

I2 0.222449 0.222449 0.222449

I3 0.0128318 0.0128318 0.0128318

F1 6.255e-06 6.255e-06 6.255e-06

F2 0.555102 0.555102 0.555102

F3 0.371149 0.371149 0.371149

F4 5.52475e-06 5.52475e-06 5.52475e-06

F5 5.03792e-06 5.03792e-06 5.03792e-06 4

online.mirea.ru
Задача наведения 3D-модели на 2D-изображение (1)
Пусть f m  f m ( -x, y ) проекции полутонового трехмерного объекта на плоскость ХОУ.
f  f ( x, y ) - заданное полутоновое изображение
В качестве расстояния между предъявленным изображением f и проекцией f m
будем использовать величину   8
W ( P)   ( M i f  M i f m ) 2
i2

в качестве параметров управления углы поворота 3D-модели вокруг осей

P  ( p1 , p2 , p3 )  ( ,  ,  )
Задачу оптимального наведения целесообразно решать методом градиентного спуска ,
P[ k ]  arg min(W [ k ] ( P)) где к – номер итерации
[k ] /[ k ] / [k ] dW [ k ] ( P ) ( p1[ 0] , p2[ 0] , p3[ 0] ) pi[ k 1]  pi[ k ]  pi[ k ] ,
p i  W ( P) W 
dp1
pi[ k ] шаг k -ой итерации;  - коэффициент
Производные можно считать условно непрерывными, либо заменить
[ k 1]
на их конечно-разностные представления W /[ k ]  (W  W [k ] )
( pi[ k 1]  pi[ k ] ) 5

online.mirea.ru
Задача наведения 3D-модели на 2D-изображение (2)
Зависимость критерия W(P) от параметра P1

Зависимость критерия W(P) от параметра P2

online.mirea.ru
 Метод построения 3D-линий положения

Пусть линия положения проходит через «центр тяжести» системы точек

объекта:
 N fx N fy N fz 
 i i  i i  i i 
( x , y , z )   i N1 , i 1N , i N1 
  f  fi  fi 
i
 i 1 i 1 i 1 
где – координаты центра тяжести объекта.
(x, y, z )

Линия положения образует углы ,, с осями координат OX, OY, OZ и

ее уравнение можно записать в виде
xx y y zz
 
l m n
где: l, m, n – угловые коэффициенты прямой в пространстве, которые
должны быть определены в результате решения задачи; x, y, z – координаты
произвольной точки объекта. 7

online.mirea.ru
Метод построения 3D-линий положения

online.mirea.ru
Меры расстояний и близости

online.mirea.ru
Меры расстояний и близости

10

online.mirea.ru
Меры расстояний и близости

11

online.mirea.ru
Метрика Махаланобиса

12

online.mirea.ru
Метрика Махаланобиса

13

online.mirea.ru
Метрика Евклида- Махаланобиса

14

online.mirea.ru
 15

online.mirea.ru
Метрика Евклида- Махаланобиса

16

online.mirea.ru
Метрика Евклида- Махаланобиса

17

online.mirea.ru
 Измерение расстояний между иерархическими
структурами
Метод предназначен для распознавания объектов с различных
расстояний. Сравнение уровней иерархий объектов, представленных
графами (деревьями) производится поиском похожих пар вершин.
Алгоритм сравнения:
Последовательно сравниваем каждую вершину первой иерархии с
вершинами второй иерархии и находим похожую по весу вершину на
выбранных уровнях.
Находим расстояние между вершинами (как модуль разности весов).
Разности между похожими вершинами заносим в счетчик и суммируем.
Если для вершины нет пары, то вводим дополнительные вершины с
нулевым весом. Полученное значение счетчика с минимальной суммой
заносится в соответствующую ячейку таблицы.

18

online.mirea.ru
 Сравнение пирамид видимости

Сравнение уровней иерархий производится поиском похожих пар вершин

Алгоритм сравнения:

 
  Иерархии
изображения 1
     
  1 2 3

изображения 2
1 0 104 128
Иерархии
2 104 0 24

3 128 24 0

19

online.mirea.ru
 Пример сравнения пирамид видимости

Сравнение уровней иерархий производится поиском похожих пар вершин

Таблица 1 – Исходные графические объекты

Объект1 (Эйфелева башня) Объект 2 (Кремль) Объект 3 (Крымский мост)

639 x 472

320 x 236

160 x 118

20

online.mirea.ru
 Сравнение пирамид видимости

Сравнение уровней иерархий производится поиском похожих пар вершин

Инвариантные моменты для изображений
Уровни
Первый объект Второй объект Третий объект
1 (639 x 472) 9.3976e-02 8.2227e-02 9.0056e-02
7.8943e-04 2.4902e-03 2.3284e-03
5.6717e-04 1.1548e-03 2.5347e-03
2.0075e-07 -1.2724e-06 6.0836e-06
-7.7095e-05 -6.7270e-05 -6.3594e-04
3.2207e-07 1.4885e-06 -9.5224e-07
2 (320 x 236) 9.4928e-02 8.3059e-02 9.1032e-02
7.7041e-04 2.4785e-03 2.3003e-03
5.6738e-04 1.1515e-03 2.5202e-03
2.1076e-07 -1.2659e-06 5.9983e-06
-7.3733e-05 -6.7994e-05 -6.3611e-04
3.1032e-07 1.4770e-06 -9.1791e-07
3 (160 x 118) 9.5162e-02 8.3033e-02 9.1373e-02
6.9756e-04 2.4769e-03 2.2292e-03
5.5662e-04 1.1373e-03 2.5307e-03
2.2471e-07 -1.1892e-06 5.9351e-06
-6.3840e-05 -7.5499e-05 -6.3782e-04
2.6420e-07 1.4933e-06 -9.5030e-07

21

online.mirea.ru
 Сравнение пирамид видимости

Сравнение уровней иерархий производится поиском похожих пар вершин

22

online.mirea.ru
 Сравнение пирамид видимости

Сравнение уровней иерархий поиском похожих пар вершин

Расстояние между иерархиями всех пар изображений трех объектов

по метрике Евклида на основе инвариантных моментов
R12=1.1886e-02+1.2006e-02+1.2006e-02=3.5898e-02

R13=4.6818e-03+4.6530e-03+4.5746e-03=1.3909e-02.

R23=7.9711e-03+8.1114e-03+8.4784e-03=2.4561e-02

23

online.mirea.ru
Метод дискриминантной функции

1 2

 11  12
 
 n11
 n22

a1 x1  a2 x2  c

24

online.mirea.ru
Пример расчета дискриминантной функции

25

online.mirea.ru
Пример расчета дискриминантной функции

26

online.mirea.ru
Метод группового учета аргументов

27

online.mirea.ru
Метод группового учета аргументов

28

online.mirea.ru
Метод группового учета аргументов

29

online.mirea.ru
ПРИМЕР: Классификация состояний системы связи
№ Наименование ситуации Признаки Номер
п/п класса

1 2 3 4 5 6 7 8

1 Связь только что 1 0 − 0 0 0 0 0 1

установлена
2 Нормальная передача 1 1 − 0 0 0 0 0 1

3 Z принята, идет запись в 1 0 0 0 − 0 0 0 1

ЗУ, ждать сообщения от
Абонента.

4 Z принята, идет 1 0 0 0 0 1 − 0 1
считывание из ЗУ, ждать
сообщения от Абонента.

5 Ожидание сообщения от 1 0 0 0 0 0 − 0 1
Абонента

6 Обработка 1 0 0 0 0 0 0 0 1
инициативного
сообщения от Абонента

7 Аварийный разрыв связи 0 0 0 0 0 0 0 0 0

30
8 Потеряна квитанция 1 0 0 1 0 0 0 0 0

9 Директива Z потеряна 1 0 0 0 0 0 1 1 0
online.mirea.ru
ПРИМЕР: Классификация состояний системы связи

31

online.mirea.ru
ПРИМЕР: Классификация степени заболевания

online.mirea.ru
32
ПРИМЕР: Классификация степени заболевания

33

online.mirea.ru
 Задания на самостоятельную работу

1.Построить пирамиды видимости. Измерить расстояние между иерархиями

2. Построить дискриминантную функцию для данных из одной таблицы

x x2 y x1 x2 y x1 x2 y
1 2 2 1
2 2 1 3 3 1 5 6 1
3 7 1 5 4 1 5 2 2
4 3 2 5 2 2 2 1 2 34
6 6 2 7 1 2

online.mirea.ru
 Задания на самостоятельную работу

3. Построить полином и разделяющую линию методом МГУА для

приведенных табличных данных .
4. Исследовать метрику «Евклида-Махаланобиса» на приведенных
табличных данных
5. Приветствуется выбор темы и подготовка доклада по дисциплине
«Распознавание образов».

35

online.mirea.ru
Спасибо за внимание!

online.mirea.ru