МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ГЕОДЕЗИИ И КАРТОГРАФИИ» (МИИГАиК)

Утверждено

Учебно-методической
комиссией МИИГАиК

Протокол от _________ 2014 года

УМК

по дисциплинЕ учебного плана ООП

«Теория и алгоритмы распознавания образов»

Направление подготовки

230400 Информационные системы и технологии

Профиль подготовки

1. Геоинформационные системы

Квалификация (степень)

бакалавр

Форма обучения

очная

Москва 2014 год

1.  Цели освоения дисциплины

Целями освоения дисциплины «Теория и алгоритмы распознавания образов» являются формирование общекультурных и профессиональных компетенций, определяющих готовность и способность бакалавра к использованию теоретических знаний и методических приемов построения автоматизированных систем распознавания образов в геоинформационных технологиях.

2.  Место дисциплины в структуре ООП ВПО

Данная учебная дисциплина входит в раздел «Б.2. Профессиональный цикл. Вариативная (профильная) часть» ФГОС ВПО по направлению подготовки «Информационные системы и технологии».

Данная учебная дисциплина должна изучаться параллельно с дисциплинами «Автоматизированная обработка аэрокосмической информации» и «Методы и средства проектирования информационных систем и технологий» после дисциплин «Теория вероятности и математическая статистика», «Дискретная математика» ООП подготовки бакалавра по профилю «Геоинформационные системы».

НЕ нашли? Не то? Что вы ищете?

Данная учебная дисциплина предшествует изучению дисциплин «Геоинформационные системы и технологии», «Сбор и представление геоданных в информационных системах» ООП подготовки бакалавра по профилю «Геоинформационные системы», формирует общекультурные компетенции, необходимые для прохождения учебной и производственной практик.

Схема междисциплинарных связей

3.  Компетенции обучающегося, формируемые в результате освоения дисциплины

В результате освоения дисциплины «Теория и алгоритмы распознавания образов» обучающийся должен демонстрировать следующие результаты образования:

1. Знать:

- принципы построения систем распознавания, правила их декомпозиции и оценки эффективности; ПК-1

- основные методы формализованного описания (синтеза) образов в системах распознавания; ПК-2

- основные методические подходы к распознаванию (анализу) образов в зависимости от полноты исходных данных, способа их описания и требований к конечному результату; ПК-2

- методы распознавания (классификации) образов, представленных наборами количественных характеристик, в том числе методы тематической классификации многозональных (многослойных) растровых изображений; ПК-26

- методы выбора наиболее информативных признаков при больших объемах исходных данных; ПК-4

- основные методы анализа и распознавания пространственных объектов по яркостным, текстурным и структурным признакам; ПК-26

- основные типы, возможности и ограничения использования нейросетей в задачах распознавания образов. ПК-1

2. Уметь:

- разрабатывать технологические схемы и специализированные алгоритмы распознавания образов в задачах анализа пространственных данных и геоинформационного моделирования; ПК-11

- осуществлять выбор наиболее подходящих методов и алгоритмов для конкретных типов данных и задач распознавания; ПК-25

- эффективно использовать программно-инструментальные средства тематической классификации аэрокосмической информации; ПК-15

- выполнять оценку информативности исходных данных и сокращение размерности задачи на основе отбора наиболее информативных признаков; ПК-4

- выполнять оценку эффективности и оптимизировать процесс распознавания. ПК-6

3. Владеть:

- навыками работы с инструментарием тематической классификации изображений и сопутствующими процедурами пространственного анализа в программно-инструментальной среде пакета тематической обработки аэрокосмической информации ERDAS Imagine. ПК-30

4.  Структура и содержание дисциплины

Общая трудоемкость дисциплины «Теория и алгоритмы распознавания образов» составляет 4 зачетные единицы, 144 часа.

4.1. Структура преподавания дисциплины

п/п

Раздел
дисциплины

Семестр

Неделя семестра

Виды учебной работы, включая самостоятельную работу студентов
и трудоемкость

(в часах)

Формы текущего контроля успеваемости (по неделям семестра)

Форма промежуточной аттестации

(по семестрам)

лекции

Практические занятия

самосто-ятельная работа

Выполнение и оформление расчетных заданий

Выполнение контрольного задания по тематической классификации в пакете ERDAS Imagine

1.

Основные понятия теории распознавания образов

7

1

2

4

Собеседование-1-14

2.

Методы распознавания, основанные на принципе кластеризации

7

3

2

2

4

2

Собеседование 3-6

Сдача расчетного задания - 3

3.

Распознавание без обучения (кластерный анализ)

7

4

5

4

8

8

Собеседование - 4

Сдача контрольного задания - 13

4.

Выбор признаков на основе корреляционного анализа данных

7

6

2

4

Собеседование - 6

Сдача расчетного задания - 6

5.

Статистические методы распознавания образов

7

7-9

6

8

4

16

Собеседование - 8-9

Сдача расчетного задания – 9

Сдача контрольного задания - 13

6.

Логические методы распознавания образов

7

10

2

6

Собеседование - 11

Сдача расчетного задания - 11

7.

Распознавание образов, представленных структурами

7

11

2

2

Собеседование - 12

Сдача контрольного задания - 13

8.

Синтаксические методы распознавания образов

7

12

13

4

6

Собеседование - 13

Сдача расчетного задания - 14

9.

Применение нейросетей в задачах распознавания образов

7

14

2

Собеседование - 14

10.

Промежуточная аттестация

7

15

2 часа-консультация

зачет - 3-й семестр

4.2. Содержание дисциплины и требования к уровню его освоения

Условные обозначения:

1. Качество усвоения знаний (А):

А1 -

знания, предусматривающие деятельность по воспроизведению;

А2 -

знания, предполагающие применение в ситуациях, аналогичных обучающим;

А3 -

знания, использующиеся в задачах, требующих установления новых связей между понятиями;

А4 -

знания, предполагающие способность достраивать систему связей новыми.

2. Уровень усвоения умений (Б):

Б1 -

ученический – умение пользоваться системой понятий при алгоритмической деятельности с внешне заданным алгоритмическим описанием (подсказкой);

Б2 -

(типовой – алгоритмический – уровень) – умение пользоваться системой понятий в ситуации, аналогичной обучающей;

Б3 -

(продуктивный эвристического типа) – умение применять систему знаний в ситуациях, требующих перестройки связей между уже сформированными понятиями;

Б4 -

(продуктивный творческого типа) – умение достраивать сформированные системы понятий новыми, самостоятельно сформированными.

3. Степень научности (В):

В1 -

(феноменологическая) – описательное изложение фактов и явлений; каталогизация объектов, констатация их свойств и качеств (известен определенный ряд однородных факторов), это использование преимущественно естественного языка и житейских понятий;

В2 -

(аналитико-синтетическая) – объяснение природы и свойств объектов и закономерностей явлений, часто качественное или полуколичественное (известны сущность первого порядка и свойства объектов и явлений, механизмов, управляющих функционированием анализируемых фактов и процессов);

В3 -

(прогностическая) – объяснение явлений данной области с созданием их количественной теории, моделирование основных процессов, аналитическим представлением законов и свойств (известны закономерности функционирования объектов конкретного вида);

В4 -

(аксиоматическая) – объяснение явлений с использованием высокой степени общности описания (большой объем материала и широкое использование научного языка, глубина проникновения в сущность явлений – известны общие законы функционирования объектов любой природы).

Раздел 1. Основные понятия теории распознавания образов.

Требуемая степень усвоения содержания раздела: А2Б2В1

Введение. Задачи и содержание курса. Значение изучения дисциплины в общей системе подготовки студентов по данной специальности. Связь курса с другими курсами. Обзор литературы по курсу.

Понятие образа в системах искусственного интеллекта. Постановка задачи распознавания. Информационная и методологическая компоненты системы распознавания. Основные подходы к задаче распознавания образов: сравнение с эталоном, принцип кластеризации, принцип общности свойств.

Принципы построения систем распознавания. Классификация систем распознавания. Факторы, влияющие на качество распознавания. Оценка эффективности системы распознавания.

Раздел 2. Методы распознавания, основанные на принципе кластеризации.

Требуемая степень усвоения содержания раздела: А2Б2В1

Задача классификации образов, заданных набором измеряемых параметров. Основные методы решения. Описание классов в пространстве признаков. Разделяющие и решающие функции. Параметрические и непараметрические методы. Геометрическая и аналитическая интерпретация задачи. Программные средства анализа пространства признаков в пакете ERDAS Imagine.

Раздел 3. Распознавание без обучения (кластерный анализ).

Требуемая степень усвоения содержания раздела: А2Б2В1

Области применения кластерного анализа. Односвязывающие и полносвязывающие методы выявления (выращивания) кластеров.

Кластеризация при заданном количестве групп. Алгоритмы класса ISODATA. Особенности реализации и возможности применения кластерного анализа при тематической обработке аэрокосмической информации.

Дисперсионно-ковариационные критерии качества кластеризации. Задачи кластерного анализа в геоинформационных технологиях.

Раздел 4. Выбор признаков на основе корреляционного анализа данных.

Требуемая степень усвоения содержания раздела: А2Б2В1

Понятие статистической связи между признаками. Корреляционная матрица и схема ее получения из доступной выборки образов. Метод нахождения максимального собственного числа и соответствующего собственного вектора корреляционной матрицы.

Задачи факторного анализа, область применения. Постановка задачи в модели главных компонент. Общая схема решения задачи.

Раздел 5. Статистические методы распознавания образов.

Требуемая степень усвоения содержания раздела: А2Б2В1

Обоснование применения статистических методов при распознавании образов, представленных набором параметров. Понятие статистической гипотезы. Основные стратегии принятия решения (Байеса, минимаксная, Неймана-Пирсона).

Условие минимума среднего байесовского риска. Отношение правдоподобия. Правило принятия решения для нормально распределенных значений признака. Сложная статистическая гипотеза, формула Байеса. Байесовская стратегия в случае многомерных нормально распределенных признаков. Расстояние Махаланобиса. Условие линейного вида разделяющих функций.

Обучение статистических классификаторов. Понятие статистической разделимости классов. Меры статистической разделимости. Оценка качества классификации.

Раздел 6. Логические методы распознавания образов.

Требуемая степень усвоения содержания раздела: А2Б2В1

Обоснование применения логических методов классификации. Способы описания классов с помощью логических высказываний. Прямая и обратная задача логического распознавания. Алгоритм вычисления оценок.

Раздел 7. Распознавание образов, представленных структурами.

Требуемая степень усвоения содержания раздела: А2Б2В1

Понятие свободной и структурированной конфигурации. Задача синтеза образов в распознавании структур. Основные типы связей и методы их описания. Сегментация изображений и анализ сцен. Статистический и структурный подходы к описанию текстур. Принцип сравнения с эталоном, функция взаимной корреляции.

Раздел 8. Синтаксические методы распознавания образов.

Требуемая степень усвоения содержания раздела: А2Б2В1

Синтез и анализ образов в синтаксических методах распознавания. Понятие формальной грамматики. Типы грамматик. Дерево вывода. Синтаксический разбор образов.

Распознавание образов, представленных графами. Язык PDL. Грамматики деревьев.

Стохастические грамматики. Обучение классификаторов, использующих стохастические грамматики.

Раздел 9. Применение нейросетей в задачах распознавания образов.

Требуемая степень усвоения содержания раздела: А2Б2В1

Сфера применения нейронных сетей, их достоинства и недостатки. Основные компоненты нейронных сетей.

Сети с линейной функцией активности. Алгоритм корректирующих приращений. Обучение нейронных сетей методом обратного распространения ошибок.

Сети с радиальными базисными функциями, самоорганизующиеся карты Кохонена.

4.3 Соотношение разделов учебной дисциплины и формируемых в них компетенций

Темы, разделы дисциплины

Коли-чество часов

Компетенции

Σ общее коли-

чество компе-тенций

ОК-1

ОК-6

ПК-1

ПК-2

ПК-3

ПК-4

ПК-5

ПК-6

ПК-9

ПК-11

ПК-25

ПК-26

ПК-30

ПК-34

Раздел 1

4

+

+

+

+

+

+

+

+

8

Раздел 2

10

+

+

+

+

+

+

+

+

+

+

+

+

12

Раздел 3

20

+

+

+

+

+

+

+

+

+

+

+

+

12

Раздел 4

6

+

+

+

+

+

+

+

7

Раздел 5

34

+

+

+

+

+

+

+

+

+

+

+

+

+

12

Раздел 6

8

+

+

+

+

+

+

+

+

+

+

+

11

Раздел 7

4

+

+

+

+

+

+

+

+

+

9

Раздел 8

10

+

+

+

+

+

+

+

+

+

9

Раздел 9

10

+

+

+

+

+

+

+

+

+

+

+

11

Итого

106

5.  Образовательные технологии

При реализации программы дисциплины «Тематическое дешифрирование» в часы, отведенные для аудиторных занятий (54 часа), занятия проводятся:

в виде лекций с использованием слайдов и слайд-фильмов, иллюстрирующих изучаемые методы и алгоритмы;

в виде лабораторных работ с использованием автоматизированных рабочих мест (АРМ) тематической обработки изображений.

Самостоятельная работа студентов под руководством преподавателя подразумевает выполнение расчетных заданий и выполнение контрольного примера по разработке оптимальной технологии тематической обработки многозонального космического изображения на основе анализа эффективности реализованных в пакете методов и алгоритмов распознавания.

6.  Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины и учебно-методическое обеспечение самостоятельной работы студентов

6.1. Темы расчетных заданий:

Построение линейных разделяющих функций для классов, заданных множествами точек на плоскости. Расчет корреляционной матрицы каналов многозонального изображения и первой главной компоненты для заданного набора эталонных объектов. Построение границ классов с нормально распределенным значением признака на основе критерия Байеса. Построение логического алгоритма вычисления оценок для генерализации картографических данных. Построение однозначных многомерных грамматик для распознавания рисунков, текстов и картографических символов.

6.2. Контрольные вопросы и задания для промежуточной аттестации по итогам освоения дисциплины (по разделам):

1.  Основные компоненты алгоритма распознавания как формальной системы.

2.  Этапы проектирования систем распознавания.

3.  Критерии оценки эффективности систем распознавания.

4.  Понятие разделяющей и решающей функции при распознавании образов, представленных наборами параметров.

5.  Параметрические и непараметрические методы классификации, обоснование их применения.

6.  Основания для применения алгоритмов кластерного анализа (неконтролируемой классификации).

7.  Влияние начальных условий и размерности данных на результат работы алгоритма ISODATA.

8.  Схема расчета матрицы корреляции признаков по заданному набору образов.

9.  Постановка задачи факторного анализа, интерпретация главных компонент.

10.  Теоретическое обоснование классификации образов по максимуму правдоподобия.

11.  Влияние нарушения гипотезы о нормальном законе распределения признаков в классе на результат классификации по расстоянию Махаланобиса.

12.  Основные этапы обучения статистических классификаторов, методы проверки качества обучения.

13.  Обоснование применения логических методов распознавания, описание образов и классов в логических методах.

14.  Общая схема алгоритма вычисления оценок.

15.  Методы описания текстур, гистограммные признаки первого и второго порядка.

16.  Распознавание объектов на изображении с использованием функции взаимной корреляции.

17.  Понятие образа и класса в синтаксическом распознавании.

18.  Описание многомерных структур на основе языка PDL.

19.  Стохастические грамматики, обучение классификаторов на основе стохастических грамматик.

20.  Основные компоненты и разновидности нейросетей, возможности их применения в задачах распознавания.

Общие критерии оценки ответов студентов

Для отличной оценки

Для хорошей оценки

Для удовлетвори-

тельной оценки

Для неудовлетвори-

тельной оценки

Наличие глубоких, исчерпывающих знаний предмета в объеме освоенной программы; знание основной (обязательной) литературы; правильные и уверенные действия, свидетельствующие о наличии твердых знаний и навыков в использовании технических средств; полное, четкое, грамотное и логически стройное изложение материала; свободное применение теоретических знаний при анализе практических вопросов.

Те же требования, но в ответе студента по некоторым перечисленным показателям имеются недостатки принципиального характера, что вызвало замечания или поправки преподавателя.

Те же требования, но в ответе имели место ошибки, что вызвало необходимость помощи в виде поправок и наводящих вопросов преподавателя.

Наличие ошибок при изложении ответа на основные вопросы программы, свидетельствующих о неправильном понимании предмета; при решении практических задач показано незнание способов их решения, материал изложен беспорядочно и неуверенно.

7.  Учебно-методическое и информационное обеспечение дисциплины

а) основная литература:

1.  . Теория и алгоритмы распознавания образов. Учебное пособие. М. МИИГАиК, 2004.- 70с.

2.  . Автоматизированная обработка аэрокосмической информации для картографирования пространственных данных. Учебное пособие. М. МИИГАиК, 2013 -96с.

3.  . Тематическая классификация многозональных (многослойных) изображений в пакете ERDAS Imagine. Методические указания для лабораторного практикума. М. МИИГАиК -2006. – 42с.

4.  Кашкин зондирование Земли из космоса. Цифровая обработка изображений: Учебное пособие. М.: Логос, 2001. – 264 с.

5.  Ту Дж., Принципы распознавания образов. // М.: Мир. 1978.- 413с.

6.  , . Методы распознавания. М., Высшая школа, 1977. – 220с.

7.  Гонсалес Р, Цифровая обработка изображений. Москва: Техносфера, 2006.

8.  Р. Каллан. Основные концепции нейронных сетей. Москва-С. П.-Киев, Издательский дом «Вильямс», 2003. – 287с.

б) дополнительная литература:

Распознавание образов и анализ сцен: Пер. с англ./Под ред. .,М.,Мир,1976. К. Фу. Структурные методы в распознавании образов. М., Мир, 1977. – 320с.

3.  Классификация и кластер. Ред. Дж. Вэн Райзин. М. Мир, 1980г.

4.  , . Структурные методы обработки эмпирических данных. М., Наука, 1983.

5.  Цифровая обработка изображений. М., Мир, 1982.

6.  , , . Физические основы дистанционного зондирования. Минск, Ун-т, 1991.

7.  Кластерный анализ. М., Статистика, 1977.

в) программное обеспечение и Интернет-ресурсы:

Пакет обработки данных дистанционного зондирования ERDAS Imagine Программный комплекс RSI ENVI для обработки данных дистанционного зондирования. http://old. ulstu. ru/people/SOSNIN/umk/Image_Recognition_and_Scene_Analysis/chapters/ch03.htm http://www. andaim. ru/computer_engineering/object_detection_and_recognition http://ru. wikipedia. org/wiki/%D0%A0%D0%B0%D1%81%D0%BF%D0%BE%D0%B7%D0%BD%D0%B0%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2 http://prand. ru/content/raspoznavanie-obrazov

Автор: , доцент