Введение к работе
Актуальность темы. Одним ив основна : ш-іопов
самостоятельного получения знаний о внешней среде связан г
обработкой и анализом видеоизображений и последующими процедурами
Формализации полученной информации на абстрактных уровнях. Ял я
реализации Формальных построений возникает необходимость
классификации или -распознавания образов, представленных
изображениями. В практике искусственного интеллекта последняя задача
сопеовохдается условием инвариантного распознавания объектов
относительно различного рода аФФинных преобразований. Способы
решения подобных задач основаны на процедурах перехода от двумерного
пространства представления образов х пространству его признаков. При
этом необходимо решать самостоятельную проблему - выделение набора
признаков с помощью алгоритмов, обеспечивающих инвариантный анализ
изображения при любых перемещениях обьектоа е зоне растра.
Нетривиальность подобной задачи известна и подтверждается тсім, чтэ
дахе в области инвариантного" распознавания саумерных ospaaoa fuie
имеется ряд нерешенных проблем, причем, в обзорных материалах
делается акцент на проблеме выделения локальных характеристик
объектов представленных изображениями.^ Повышенное внимание ь
разработке новых способов анализа изображений объясняется
стремлением увеличить эффективность методов классификации
перекрывающихся и частично видимых объектов. Следует отметить, что
при практическом решении подоєного круга задач часто возникает
необходимость в обработке изображений больших размерностей (до
і 2048*2048 пикселов в растре) в реальном времени, что дополнительно
сухает границы применимости целого комплекса известных методов.
Круг проблем,'связанный с обработкой видеоинФоРнации является
перспективным направлением для применения нейроподсбных (КП) систем.
Современное состояние практических разработок показызает, что на
базе искусственных нейросетей при сравнительно небольших
аппаратурных затратах можно эффективно решать отдельные подзадачи
распознавания такие. как быстрая классификация образов и
ассоциативный поиск с возможностью самообучения. Тем не менее,
временные и аппаратурные затраты на проведение комплексной обработки
визуальной информации находятся в существенной зависимости от
эффективности процедур анализа изображений объектов. Основные
трудности в решении этих задач на азе НП систем также .связаны с
проблематикой выделения признаков и' Формирования пространства
Сглалагашего инвариантом относительно любых перемеаений объекта
Анализа в зоне растра. Важно отметить, что основное направление
(-азвития технологии нейрокомпьютеров преследует цель создания
параллельных вычислительных структур с больгалм количеством
шльносвязанных нейропроцессоров. Поэтому, вполне очевидно, что
проьлема разработки параллельных алгоритмов нейровычислемий
становится все ; более насущной. В связи с этим, разработка и исследование методов, структур и алгоритмов Функционирования №1 сетей для решения задач параллельного аналиаа изображений и выделения признаков является актуальной.
Диссертация классифицируется ' ак теоретическое обобщение и решение научной задачи по разработке и исследовании моделей, алгоритмов и структур нейроподобных сетей с локальными связями между цифровыми НП элементами для решения вадач анализа изображений.
Целью работы является разработка м исследование
методов. структур и алгоритмов Функционирования цифровых. НП сетей
Ч для решения задач параллельного аналиаа видеоинформации и выделения
признаков объектов представленных изображениями.
Лля достижения поставленной цели в диссертации решаются
следующие основные задачи» а
разработка метода, аналиаа изображении на базе нейроподобной <НП> сети:
разработка структуры и определение основных . параметров ииоровий НП сети, ориентированной на параллельное решение задач обработки и анализа изображений; ,
исследование свойств НП сети и Разработка методов повышения быстродействия решения задач анализа изображений.
Предметом исследования является нейро-подобные структуры и сети с локально связанными цифровыми НЛ элементами. ориентированные на параллельное решение вадач обработки
S3 -
и анализа изображений.
Метопы исследования баеируится на . теории динамических систем; теории распознавания образов, теории множеств^ теории цифровых автоматов, на теоретических и экспериментальных исследованиях нейронных и нейроподобных структур.
Научная новизна. В диссертационной работе сделаны теоретические обобщения и решена научная задача по разработке и
исследовании модели, алгоритмов и структур нейролодобных (НП) сетей с локальными связями" мезду элементами для решения задач анализа изображений.,
В процессе исследований и теоретических обобщений получены следующие новые научные результаты:
разработан метод определения основных параметров НП сети с локальными связями, которая позволяет реализовать полностью параллельный способ вычислений при решении задач выделения локальных экстремумов поверхности;*
разработан метод синтеза структуры многослойной НП сети с локальными связями для решения задач анализа изображений, позволяющий обеспечить относительно низкие аппаратурные затраты на увеличение чувствительности НП сети в сравнении с известными методами ;
предложен . метод определения основных характеристик шума яяя обеспечения устойчивости работы параллельной НП сети и увеличения быстродействия решения задач анализа изображений і
разработаны алгоритм Функционирования и синтезирована структура выходного блока для цифрового НП процессора, позвал тощие в отличии от известных типов НП элементов проводить^ перестройку выходного блока на реализации широкого спектра нелинейных выходных функций;
разработан алгоритм - сегментации бинарных изображений, позволяющий реализовать полностью параллельный процесс выделения гомогенных Областей.
Практической ценность» диссертационной
работы является разработка методов построения нейроподобных структур
для параллельных интеллектуальных вычислительных систем,
ориентированных на предварительную обработку и анализ изображений.
Основные результаты" исследований, проводимых лично автором,' получены
при выполнении научно-исследовательских работ в НИИ
многопроцессорных вычислительных систем при Таганрогском
радиотехническом институте в соответсвии с Приказом ГК.СССР по
народному образовании №4В2 от 10.07.*?0 "Принципы создания
универсального сверхпроиэводительного супермакронейрокомпьютера с
программируемой самоорганизующейся архитектурой и элементами
искусственного интеллекта " . Решением ГВПК КМ СССР №5В от ГЗ.04.91 | "Теоретические и экспериментальные возмохности создания комплекса адаптивных аппаратно-программных средств обработки радиолокационных
сигналов и информации на основе использования вычислительных систем с программируемой архитектурой и нероподабных систем", "Исследование и разработка теоретических основ обеспечения систем с элементами искусственного интеллекта" и в других НИРг Размотанные автором метопы и параллельные алгоритмы внедрены и использованы на ^ предприятиях:
метод реализации', иерархической структуры- многослойной нейррподобной сети с локально связанными элементами в каждом слое, позволяющий сократить аппаратурные затраты на реализацию системы анализа изоерахений; алгоритмы анализа изоерахений объекта на базе метода выделения топологических меоанородностей), позволяющие расширить функциональные возможности известных способов выделении признаков и метод обеспечивающий ^устойчивость их . раСоты (в/ч Г*Г714)!
метоп синтеза МНОГОСЛОЙНЫХ ЦИФРОВЫХ НеЙРОПОДОбНЫХ СТРУКТУР
для аысвпрмив признаков объектов! алгоритмы инвариантного выделения признаков объектов представленных изобрахениями; структура выходного блока реализации нелц^мейных Функций в цифровом нейропроцессоре (в/ч 4Г261);
алгоритмы анализа изобрахений <в/ч 736Ю);
модель сети с локально связанными цифровыми динамическими нейропояобными элементами для решения задач выделения признаков объектов представленных изобрахениями (НИИ MDC, г. Таганрог)}
Апробация р а о т и. Основные результаты работы докладывались и обсуждались на Республиканском семинаре по однородным вычислительным средам и систолическим структурам (Повои. 1990); Мехдународной конференции по анализу изображений и распознаванию образов (Львов, 1990), Всесоюзном семинаре "Распределенная обработка информации- IV" (Новосибирск, 1991),; научной сессии АН СССР (Ростов-на-Дону, 1970).
Публикации. Результаты, полученные в диссертационной работе, нашли отрахение Bq 7 печатных работах, среди которых одна опубликована за рубехом и одна работа - в центральной печати.
Структура и объем работы. Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на .: 172 страницах, содержит 43 рисунка. 130 наименований библиографии и -9Р страниц прилохения, всего 345 страниц.